?

просто подождать

100% Перелом наступает где то в 30, а к 40 выбор не просто велик, за тобой (без преувеличения) бегают.

100% Перелом наступает где то в 30, а к 40 выбор не просто велик, за тобой (без преувеличения) бегают.

Пили кулстори

Чрезмерный оффтоп, хотя и пятница

Чрезмерный оффтоп, хотя и пятница

Можно на двачах и ссылку в личку дать.)

Уже было?

Только там 163к должно быть

Только там 163к должно быть

в секунду

Вобщем так. Небольшой мотивации пост. 246 дней от первого знакомства с Эндрю Энг до устройства на работу. Помогало: опыт разработки, управления и фриланса. Мешало: HR и рекрутеры оглушающе низкой квалификации. Удаленно устроится не удалось но местная фирма внезапно оказалась вполне интересной. Область деятельности - предсказания и рекомендации. Из удивительного математика вообще ни в какой форме не понадобилась на собеседованиях. Вобщем фигачте без остановки и все у вас получится.

Карлсон же ответил выше по поводу математики

пруфы надо) трудовую с записью)

✊️

@Viktor_Brylov Добрый день. А Вы в Москве искали?

пруфы надо) трудовую с записью)

я вообще не знаю есть ли в этой стране (Словакия) трудовые. заключил трудовой договор

@Viktor_Brylov Добрый день. А Вы в Москве искали?

Непохоже на мск саксесс стори

@Viktor_Brylov Добрый день. А Вы в Москве искали?

Не искал. Москва для меня не вариант

Раз уж мотивационный, вопрос - что по оплате и плюшкам?) иными словами, уровень компании

246 дней это с опытом разработки...а без опыта и ботать в 2 раза больше и искать в 2 раза дольше)

мои поздравления :)

@Viktor_Brylov А на чем до этого писали?

Раз уж мотивационный, вопрос - что по оплате и плюшкам?) иными словами, уровень компании

Оплата на уровне слабого мидла т.е. вполне адекватна на мой взгляд. Чисел не назову. Из плюшек фрукты, возможность работать удаленно часть времени и акции компании через 6 месяцев после начала работы. Ну и еще психолог зачем-то.

@Viktor_Brylov А на чем до этого писали?

Ruby/Rails

Психолог для адаптации видимо.

наверное у опытных датасаентологов не возникает вопроса зачем психолог)

А, понятно. Сейчас питон?

наверное у опытных датасаентологов не возникает вопроса зачем психолог)

)))

А, понятно. Сейчас питон?

Питон. Вроде у них что-то еще на C++ и Java но я еще на разбирался

Питон. Вроде у них что-то еще на C++ и Java но я еще на разбирался

Ну круто)

Ооооо, круто. Java и. С++ в мл

А тут же бот( Хотел закинуть с другого канала интересную подборку(

Ребят, а какую цену вы сочли бы адекватной для ученного по данным с опытом работы 2 года? Изучаю ds 4 года. Цена за час на фрилансе

на мировом рынке?

Российском

на российском...ну если приравнивать к разработчикам это уровень мидла, где 120 т.р., посколько часовая оплата умножаем на 3 делим на 168 часов получаем примерно 2,14. т.е. грубо 2 - 2.5 тыс. руб. в час.

но в любом книге для консалтеров и фрилансеров тебе скажут, что лучше брать за проект, а не за чем. Больше выйдет

А почему умножаем на три?

Потерял нить рассуждений

это довольно распространённая практика - умножать стоимость часа на фрилансе или консалтинге в 3-4 раза. Заказчик получает твои навыки, но не даёт тебе гарантий работы и прочих плюшек постоянной работы. Поэтому ставка выше.

У тебя не будет полной зан

Ятости

Так и подумал. Ну хорошо, спасибо большое! Если честно, я брал 1к, но задумываюсь все, не много ли я беру. Не много

И никакого социального пакета

Все хотят использовать выпускника стенфорда с 10 летним стажем в ДС за 100 руб в час ?

Есть вариант называть ставку за час, а потом предлагать скидку "за опт" - недельный или месячный проект например

Все хотят использовать выпускника стенфорда с 10 летним стажем в ДС за 100 руб в час ?

мечта ???

Есть вариант называть ставку за час, а потом предлагать скидку "за опт" - недельный или месячный проект например

Хм, звучит неплохо

Мне кажется, что чаще в переводах используют словосочетание "глубинное обучение"

Что значит примерно "обучение на большой глубине". Водолазы блин

Чё вы тут, SCRNN-сети ещё не упарываете?

А тут же бот( Хотел закинуть с другого канала интересную подборку(

Paul Averin: ? Awesome List - это репозитории на GitHub, в которых собрано невероятное количество крутых материалов: статей, туториалов, лекций и книг. Выбрала лучшие Awesome lists по нашим любимым ML/AI: ✨ Awesome Natural Language Processing https://github.com/keon/awesome-nlp ✨ Awesome Deep Learning https://github.com/ChristosChristofidis/awesome-deep-learning ✨ Awesome Most Cited Deep Learning Papers https://github.com/terryum/awesome-deep-learning-papers ✨ Awesome Data Science https://github.com/bulutyazilim/awesome-datascience ✨ Awesome Machine Learning & Deep Learning Tutorials https://github.com/ujjwalkarn/Machine-Learning-Tutorials ✨ Awesome R https://github.com/qinwf/awesome-R ✨ A curated list of data science blogs https://github.com/rushter/data-science-blogs ✨ Awesome Artificial Intelligence https://github.com/owainlewis/awesome-artificial-intelligence ✨ Awesome Machine Learning for Cyber Security https://github.com/jivoi/awesome-ml-for-cybersecurity ✨ Awesome Python https://github.com/vinta/awesome-python ✨ А это - список всех awesome списков по любым темам ? https://github.com/sindresorhus/awesome

Можно же скопировать и вставить

Хм.. подумал, что форматирование будет плохим -_-

Народ, кто-нибудь встречал статьи об обработке сигналов, например кардиограмма или пульс, или, может, диагностика каких-то механизмов по издаваемому звуку?

Стектральный анализ?

Народ, кто-нибудь встречал статьи об обработке сигналов, например кардиограмма или пульс, или, может, диагностика каких-то механизмов по издаваемому звуку?

Я занимался этим в 90х, активными (постукиванием по предмету с проблемами) и пассивными (без воздействия) методами. В медицине и инженерии.

Много чего может быть - от преобразования Фурье и моделирования хаотических рядов до спектрограмм и mfcc

Народ, кто-нибудь встречал статьи об обработке сигналов, например кардиограмма или пульс, или, может, диагностика каких-то механизмов по издаваемому звуку?

Считаете спектр (Марпл.-мл. С.Л. Цифровой спектральный анализ и его приложения ), суете его в распозновалку , напр нейросети

В простейшем сл. юзаете БПФ

ERROR: S client not available

Ок, спасибо

DSP (digital signal processing --

слово для гугления

Я так понимаю, в основном, спектр + сверточная сеть? А почему не работают сразу с сигналом?

К примеру, кардиограмма

Народ, кто-нибудь встречал статьи об обработке сигналов, например кардиограмма или пульс, или, может, диагностика каких-то механизмов по издаваемому звуку?

это целая область прикладной математики, существующая добрую сотню лет. зачем "встречать статьи" если нужно брать книги и учиться?

Я думаю что, активно, нейронки там недавно

Я так понимаю, в основном, спектр + сверточная сеть? А почему не работают сразу с сигналом?

Можно пытаться и с сигналом сразу, абсолютных противопоказаний нет, просто спектр это относительно эффектиный способ сжатия данных с периодическими компонентами, исходя из вашей задачи он м.б. адекватным подходом к первичному сжатию сырой информации, в некоторых случаях он контр продуктивен (например анализ qr зазубрин на ЭКГ)

Спасибо, попробую в кардиограммы покопать, так как работаю с осциллограммами тока, и не вижу особой информативности в спектре

Если вы уточните задачу, я постараюсь высказать свое мнение о способе первичной обработки. Когда имеются всякие гармонические отклики, длительные тоновые отзвуки и тп - спектральный, а если очень важны конкретные зазубрины (как на экг) то нужно нашинковать ряд так, что бы нарезка начиналась в начале периодического цикла, промасштабировать по времени (в некоторых задачах) и уже эту нарезку подавать в нейро или типа того, qrs для экг это оно. А еще для экг используют ICA indep component analysis

Сергей, я так понял предмет рассмотрения переходный процесс после некого переключательного события?

Что нужно отдетектить?

сейчас защита от коротких замыканий построена на уставках (достижение током, напряжением или сопротивлением определенных значений) форма осциллограмм никак не используется, но они очень информативны. Отдетектить там много чего можно: короткие замыкания, неполнофазный режим, сложные нагрузочные режимы..... вот думаю пособирать осцилограмм на работе и попробовать прогнать через какую-нибудь нейронку

Нужны примеры

По данным нужно считать скользящие метрики (скользящим окном) со смыслом, типа амплитуду за последние x миллисекунд и тп

Сложные нагруз режимы - для них спектр

Но человек должен сформировать обучающую выборку

Скользящие - в смысле, есть окно какого-то временного периода, через которое погоняем осциллограмму?

Да

Голый сигнал засововать в алгоритм ML, может быть не эффективным способом, нужно использовать максимально априорно информации, например получать дополнительные метрики через различные величины в скользящнм окне. Во взгляде на проблему со стороны теории обр сигналов это м.б. КИХ и БИХ фильтры. Простейшим примерном ких фильтра является скользящее среднее, бих - экспоненциальное сс.

В любом случае все кейсы следует посмотреть глазками и попытаться облегчить жизнь нейросети (ну как метод мл, хорошо вычленяющий обособленные признаки, но не обязательно именно она) выдумав какие то метрики. Скользящий спектр - один из способов ( помимо сырого сигнала даем на вход х спектральных полос, авось что почувствует). Ключь к успеху - максимальное использование априорной информации об исслед. объекте.

При работе с временными рядами я люблю использовать робастную скользящую фильтрацию, например медианный фильтр, или фильтр сс, но с отбросом краев. Для быстрого расчета требуются специальные алгоритмы расчета скользящей медианы, да и для спектра знание разных БПФ не повредит. Бывает это важно, если мощность выч устройств ограничена

Что такое априорная информация?

Голый сигнал засововать в алгоритм ML, может быть не эффективным способом, нужно использовать максимально априорно информации, например получать дополнительные метрики через различные величины в скользящнм окне. Во взгляде на проблему со стороны теории обр сигналов это м.б. КИХ и БИХ фильтры. Простейшим примерном ких фильтра является скользящее среднее, бих - экспоненциальное сс.

сверточная нейросеть это и есть набор КИХ фильтров, поэтому manual feature design тут не так актуален при наличии хорошего датасета (а хороший датасет в общем-то легко генерируется в данном случае)

@nestaci , так нн это вообще олицетворение любого многомерного отображения. Но надо "помочь" нн

Что такое априорная информация?

Любая информация об объекте, полученная до проведения экспериментов, раскрывающая особенности его функционирования в приложении к задаче.

я бы копал в сторону грамотной инициализации и датасета. в этом случае так как первый слой нн это и есть КИХ фильтры, то набор нужных преобразований градиентый спуск найдет сам. во всяком случае end-to-end решения мне кажутся эстетически более приятными, сделал и дальше только датасет набираешь потолще