@benedek: nie mam problemu z wygenerowaniem wykresu w punkcie tylko myślałem zeby wygenerować wykres 3 d i później wpisywać np wykres(z=4) i cyk wykres, ale jak sobie myślę to zrobię to w klasie i jako metodę wygenerowanie 3d później podgląd w punktach - co o ty myślisz?

I jeszcze pytanko czy da sie zrobić taki dynamiczny podgląd (jakby pokaz slajdów wykresów 2d) - jakby wygenerować suwak na którym będą całkowite wartości
Hej #machinelearning i #datascience. Ostatnio po głowie chodził mi problem największego możliwego wpisanego okręgu w jakiś obszar zdefiniowany przez punkty na płaszczyźnie. Okazało się, że całkiem sprytnie można to rozwiązać za pomocą diagramów Woronoja. Jakby ktoś był zainteresowany, to zapraszam do artykułu:

https://www.jakbadacdane.pl/jakosc-powietrza-w-polsce-3-gdzie-brakuje-nam-czujnikow/

#jakbadacdane
Czy ktoś wstawiał linie o określonym kształcie "między" punkty tak aby jak najbardziej wpasować linie w punkty (zdjęcie poniżej) i później z tego określił pole powierzchni między linia zbudowaną na punktach a tą która określoną która wstawiamy?
Za każdą poradę, artykuł będę wdzięczny

#naukaprogramowania #matplotlib #python #programowanie #datascience #analizadanych
mozeskomentuje - Czy ktoś wstawiał linie o określonym kształcie "między" punkty tak a...

źródło: comment_h2ZLA3oFnBhy4IiDT96JK0t47cwCGNXz.jpg

Pobierz
@mozeskomentuje: Uogólnione modele liniowe powinny załatwić sprawę. Można też wykonać dopasowanie oparte np. na metodzie największej wiarygodności i skorzystać z kryterium informacyjnego (Bayesa-Schwartza albo Akaikego). Pole powierzchni powinna załatwić różnica dwóch pól powierzchni między prostą (krzywą) wpasowaną, a osią odciętych.
Po co Ci to w ogóle potrzebne? Dopasowujesz rozkład?
@luzny_lori: @Tomek7: ok chyba juz zrozumialem co jest nie tak
spark faktycznie ustawia FAIR, ale „scheduling across applications” byl na domyslnych ustawieniach i bede musial zmienic, zeby np ustawic limit „core’ow” uzywanych przez jedna aplikacje

w dokumentacji pod „job scheduling” sa te informacje jakbyscie chcieli poczytac
@musialmi: Toś mi akurat skomentował/(a) najmniej chyba istoty element artykułu. Widziałem to AFAIR gdzieś w materiałach u Andrew Ng i on tego też za bardzo nie drążył. Może masz rację ¯\_(ツ)_/¯
#bigdata #sgh #machinelearning #datascience
Hej, słuchajcie mam takie pytanie. Jest tu jakiś absolwent Big Data na SGH i może podzielić się tym jak jest na rynku? Aktualnie studiuję BD na SGH i mam średnie odczucia. Czy jest sens to teraz rzucać i iść na jakąś informatykę ? Generalnie interesuje mnie głownie działka ML, hurtownie danych, cloud computing, czyli mniej analizy a więcej robienia. Myślałem, że kierunek ten jest właśnie idealny pod to,
@trelis_morelis: Sama uczelnia jak i kierunek jest szanowana - szczególnie przez działy HR, więc jak umiesz ładnie odpowiedać na pytania rekrutacyjne to spokojnie się gdzieś załapiesz. Warto szczególnie działać w kołach naukowych i działać w projektach studenckich. Jakbyś chciał iść w typowy machine learning gdzie będzie Cię już rekrutował ktoś kto sie na tym zna, no to już jakiś poziom musisz prezentować - statystyka/programowanie np w R itp.

Generalnie jak się
@Luk_1mex: scikit będzie łatwiejszy na początek. To nie jest typowe rozpoznawanie znaków jak mnist z convnet, ale w sumie i lepiej (łatwiej). Wielowarstwowy perceptron i ogień. MLPClassifier szukaj.
Hej #datascience i #machinelearning!
W tym tygodniu artykuł nieco leniwy, ale myślę, że będzie szczególnie przydatny dla programujących w #jezykr.
W artykule omawiam całkiem ciekawy pakiet o nazwie auditor. Jeśli potrzebowałeś kiedyś porównać właściwości modeli predykcyjnych w R to będzie to narzędzie w sam raz dla Ciebie:

https://www.jakbadacdane.pl/pakiet-auditor-weryfikacja-walidacja-i-analiza-bledow-modelu-w-r/

#jakbadacdane