Вот как раз таки в хорошем универе тебе скажут и ты поймешь почему.

Или по крайней мере научат так, что будет понятно почему.

Нужно.

Чтобы применять — не нужно. Keras, caffe, TF, neon, lasagne :) фигачь слои @ стэкай XGBOOST и будет тебе счастье

Щас. Картиночку

Вот как раз таки в хорошем универе тебе скажут и ты поймешь почему.

был хороший универ, но гавно. Сейчас, когда шарю, я знаю, что лучший способ — постепенно учить на практике, интересуясь теорией. Грубо говоря после матана, функана (2 курс) надо сразу практикой заниматься.

Вот такие нейросети как на второй картинке не нужны. Да и то что ты перечислил оно сработает там на ограниченном наборе задач.

да. Обожаю)

Вот ещё есть: http://xkcd.com/1425/

Все равно без понимания матана, функана нечего там делать.

имхо, на уровне простого решения прикладных задач - можно действительно стекать лейеры нейронок или там раздувать ансамбли деревьев

но если надо что-то выдающееся, то внезапно завязаешь в необходимости шарить в математике

но если надо что-то выдающееся, то внезапно завязаешь в необходимости шарить в математике

это само собой приходит, когда устаёшь стакать и шаманить бездумно

поэтому могу с практической точки зрения сказать — это приходит. Можете прочитать про Ваню http://opendatascience.ru/история-изучения-data-science-от-ивана-лобова/

Ну я не знаю, вот какой-бы продвинутой не была нейронка, если ты закинул например данные плохо нормированные, или с ковариацией то принципиально невозможно ничего извлечь будет

ну это гигиена базовая

не нужно быть математиком, чтобы помнить, что хорошо бы чистить данные, а не просто совать их в черный ящик

Ну я не знаю, вот какой-бы продвинутой не была нейронка, если ты закинул например данные плохо нормированные, или с ковариацией то принципиально невозможно ничего извлечь будет

тссс

ещё можно чистить выбросы, но этому в универе не учат

ещё можно чистить выбросы, но этому в универе не учат

Что это за универы такие?

а велосипедисты есть?)

Которые катаются на великах или велосипедят?

не нужно быть математиком, чтобы помнить, что хорошо бы чистить данные, а не просто совать их в черный ящик

Ты не сможешь глядя на многомерные данные сказать какая у них ковариация

Ты можешь биться головой об стену пока не поймешь, что у тебя размерность данных другая

Нужно будет проанализировать главные компненты.

Посмотреть на сингулярное разложение матрицы ковариации

опять же, необязательно уметь делать SVD на доске, чтобы вызывать соотв.метод

если что, я не агитирую, что аналитику не нужно образование.

Карунена-Лоэва проделать

опять же, необязательно уметь делать SVD на доске, чтобы вызывать соотв.метод

Речь не об этом

Речь о том, что откуда ты вообще должен знать, что тебе надо данные ТАК оьрабатывать

минут 15 назад перестал понимать что здесь происходит, посоветуйте клевые книги где все это почитать, матан, функциональный анализ, алгоритмы, обучение, пожалуйста)

Что в случаее линейной зависимости между входами например, ты можешь вообще никогда бэкпропом не обучиться.

Как минимум нужно понимать как работает бэкпроп на многолослойных перцептронах, чтобы не было впечатления будто, нейронки это что-то неонятное, которое работает по какой-то магии. А не самая тупая и простая регрессия или аппроксимация

Чтобы понимать, что там нет интеллекта и быть не может.

Как минимум нужно понимать как работает бэкпроп на многолослойных перцептронах, чтобы не было впечатления будто, нейронки это что-то неонятное, которое работает по какой-то магии. А не самая тупая и простая регрессия или аппроксимация

Мне вот не понятно ни единое слово из этого сообщения, это нормально?)

Не то что нейронки

Мне вот не понятно ни единое слово из этого сообщения, это нормально?)

Я никакого рокет-сайенса там не сказал.

хайп вокруг того, что нейронки - это интеллект, вообще смешной

Смешно то, что их в неакадемической среде пытались использовать ровно там, где они хуже всего себя ведут. В анализах временных рядов.

Не бы чтобы там гёльдеровы показатели экспонент посчитать, которые для экономистов гораздо больше могут дать.

Вместо этого неприменимые нейронки. НО ВЕДЬ АНИ ЖИ ТИПА НИЙРОНЫ, ТИПА ИНТИЛЕКТ

о! кстати

тут полно умных

https://img-fotki.yandex.ru/get/48278/43600.4/0_1d5232_189d732f_orig

хайп вокруг того, что нейронки - это интеллект, вообще смешной

ну вопрос в переносе качеств и ускорении обучения

transfer learning

не то сказал, что хотел. В целом куча вещей есть, которых не хватает для подобия интеллекта, но всё развивается.

https://img-fotki.yandex.ru/get/48278/43600.4/0_1d5232_189d732f_orig

В чем задача?

Закончил маёвник, специальность "Системы управления, навигации и стабилизации ЛА". Работал по спецухе пару лет, потом ушёл в погроммирование. В принципе не жалею что окончил, базу какую никакую дало, и корочка думаю пригодится.

В чем задача?

найти i0, s, d0, a

А что дано?

Что значит "таблица"?

I(D) на функцию похоже

Да там табулированная функция просто

Но из картинки не понятно ничерта

ээээээ таблица - она и есть таблица две колонки, несколько строчек в одной колонке значение D, в другой - значение I

С каким шагом

там ещё матричная экспонента)

С каким шагом, как раскрывается неоднозначность +- перед экспонентой

С каким шагом

с нерегулярным

там ещё матричная экспонента)

Откуда? Где ты там матрицы увидел ваще?

С каким шагом, как раскрывается неоднозначность +- перед экспонентой

а хрен его знает, как раскрывается слева - экспериментальные данные, справа - предполагаемая аналитическая зависимость для этих данных

таблица это разве не матрица?

Да господи, нет.

может быть +, может быть -

пока не известно это

ERROR: S client not available

Не ну круто, чо.

Выглядит плохо

хм, мне с моих заржавевших знаний математики показалось что там матричное уравнение

Если бы там где-то в минус бесконечность уходило значение, то там бы был D0

При условии минуса перед экспонентой

Но вообще хуёвая постановка.

Какие границы у параметров искомых?

в общем объясните что в этой задаче что

При условии минуса перед экспонентой

вот мне тоже кажется, что там минус но пара профессоров со мной не согласны, оперируют физическим смыслом =)

в общем объясните что в этой задаче что

Да епт. Просто функция от одной переменной, и от четырех параметров. Есть её вид и значение в некоторых точках. Надо найти параметры

Да епт. Просто функция от одной переменной, и от четырех параметров. Есть её вид и значение в некоторых точках. Надо найти параметры

? спасибо

В экселе делается перебором по пространству параметров и минимизацией mse

Какие границы у параметров искомых?

ща подумаю. из физического смысла что-то можно вытащить, скорее всего

Но нужны огничения на параметры

можно продиффиренцировать по разным параметрам

А что за физический смысл?

посмотреть что получится)

Выглядит то точно физически

Экспонента намекает на какое нибудь распределение

Типа гиббсовского

В экселе делается перебором по пространству параметров и минимизацией mse

mse? я про наименьший квадрат думал

тильда это что значит ? растёт также быстро на бесконечности?

Просто пропорционально

mse? я про наименьший квадрат думал

Сумма квадратов ошибок от табличных значений.

Сумма квадратов ошибок от табличных значений.

я думал, он ols

Хм. Можно даже угадать значит у тебя там какой-то ток, площадь

Ченить сквозь пластинку пропускаешь

Экспонента намекает на какое нибудь распределение

да не, вроде не должно быть там никакого распределения

D интересно что такое

Ченить сквозь пластинку пропускаешь

почти

Есть у кого изи скрипт для клепания гифок из пикч?

Магнитный поток или поле