@jaskowice1: No to zdecydowanie ML nie jest wg. mnie do niczego potrzebna to zwykła powiedzmy statystyka

W sumie policzenie centyli danych wyników mówi o tym na ile ktoś jest "anomalią" ;)

Nie wiem czy jest jakiekolwiek powiązanie między ciśnieniem a poziomem cukru ale to też możesz sprawdzić w sumie, jakaś korelacja czy coś.
A znasz może jakieś prosty sposób wykorzystania uczenia maszynowego w medycynie? Z jakimś ciekawym dataset'em?

Piszę w node.js / java script, zna ktoś jakiś fajny tutorial albo bibliotekę, w której można coś takiego wykonać


@jaskowice1: hm..bez urazy trochę mnie martwi to połączenie ;)

no ale wejdź sobie np.
na kaggle.com
Tam masz pełno datasetów zawodów (były nawet medyczne, prognozowałeś dalsze przeżycie)

chyba nawet gdzieś jakieś guzy się wykrywało (nie pamiętam czy
@mprzemo: jak masz odlozone troche $ to mozesz probowac uk, ale miej swiadomosc, ze bedziesz uczestniczyl w wyscigu z hindusami. Jak nie masz odlozonej kasy to sobie daruj. IMHO lepiej w pl zdobyc nawet rok expa i dopiero atakowac zachod.
Maszyny nie myślą.

Jest myślenie dywergencyjne,


@rmweb: U człowieka to się nazywa "myślenie dywergencyjne". U maszyny nazywają to po prostu generowaniem predykcji możliwych scenariuszy i realizacją scenariusza najlepiej spełniającego oczekiwania ;).
U człowieka to się nazywa "myślenie dywergencyjne". U maszyny nazywają to po prostu generowaniem predykcji możliwych scenariuszy i realizacją scenariusza najlepiej spełniającego oczekiwania ;).


@AdireQ: To w dalszym ciągu jest logiczne. Realizacja najlepszego scenariusza świadczy o tym, że "myślenie" takiej maszyny jest ukierunkowane na jakiś cel, a kreatywność u człowieka często nie ma żadnego celu. Człowiek kreatywny nie szuka scenariusza najlepiej spełniającego oczekiwania, po prostu tworzy nową jakość. Potrafi powiązać ze
Znalezisko: Titan RTX, GeForce RTX 2080 Ti i Radeon VII w wybranych zastosowaniach obliczeniowych

Po co powstają bardzo drogie karty graficzne z bardzo dużą pojemnością pamięci? Czemu są takie drogie, i czy warto za to zapłacić? Jeśli nie są dużo szybsze w grach, to do czego się przydają? Chcieliśmy to sprawdzić i pochylić się nad zastosowaniami obliczeniowymi takich kart graficznych.

To nie jest typowa recenzja, zakończona jakąś rekomendacją co warto kupić, a
@dupaztrupa: Przeszedłem przez parę kursów na udemy i imo trochę jest to strata czasu bo spotykasz się z czymś w stylu: "jak chcesz zrobić las losowy to zrób las <- randomforest(dane) i już jest!!!!!!!!!!". Ofc pewnie są jakieś wartościowe ale chyba nie ma co płacić żeby sprawdzić ;)

Polecam (o ile jeszcze nie znasz) książkę "Elements of Statistical Learning" dostępna na stronie autorów za free. Jest nieco po łebkach momentami
Dobra wiadomość dla fanatyków #machinelearning posiadających starsze akceleratory graficzne ( ͡° ͜ʖ ͡°)

openclnvidiageforcegt540m.0 : NVIDIA Corporation GeForce GT 540M (OpenCL)


Experimental Config Devices:

llvmcpu.0 : CPU (LLVM)

openclnvidiageforcegt540m.0 : NVIDIA Corporation GeForce GT 540M (OpenCL)

Using experimental devices can cause poor performance, crashes, and other nastiness.

Enable experimental device support? (y,n)[n]:y


Multiple devices detected (You can override by setting
@majsterV2: ogólnie na starszym sprzęcie. Szczerze nie pamiętam teraz jak wygląda użycie ram karty przy odpalonym modelu rcnn ale przy uczeniu na gtx 1060 6gb to 99% ram zajęte. To raczej jest ciekawostka gdzie można by dla testów odpalić prostsze modele. To będzie "przełom" raczej jak wyjdzie karta graficzna intela i intel kupił ta firmę co tego plainML robi. Po prostu intel chce mieć pewnie na start stack do ML, to
@majsterV2: nie kumasz. Jak uczysz taką sieć to jedziesz mocno vram karty i jego gpu. Z kolei np. przy testowaniu nauczonych sieci rcnn do wykrywania obrazów gpu obserwowałem do około 25-30% na gtx 1060 6gb ale nie pamiętam ile vram. Dwa sam ram przy uczeniu to nie problem zajechać wystarczy wrzucić jedno dwa zdjęcia w jpg o rozmiarze 1 mb i dużej rozdzielczości i ram w komie się kończy przy uczeniu.
via Wykop Mobilny (Android)
  • 0
@P4TRYK: pierdyliard jest takich magisterek.

Siedzą doktorzy habilitowani od lat i chyba łudzą się, że kiedyś coś zrobią na czym zarobią.

Prawda jest taka, że gdyby się dało zrobić cokolwiek sensownego, to już dawno by to było.

Wymyśl jakiś bardziej oryginalny temat.
Do wszystkich fanatyków uczenia maszynowego!
Właśnie znalazłem rozwiązanie aby posiadacze niemal wszystkich GPU mogli się cieszyć uczeniem maszynowym w #tensorflow!
https://rustyonrampage.github.io/deep-learning/2018/10/18/tensorfow-amd.html
Wyczytać można iż #plaidml działa na #intel HD4000, tak wiec starsze GPU zgodne z OpenCL 1.1 będą działać! ( ͡ ͜ʖ ͡)*:

Pobierz
źródło: comment_kFThL0Rw0LrXzbYcMyWt2OQ8i4CWQOi9.jpg
@arysto2011:
Źródłem danych są pliki CSV. Jeśli ktoś wprowadza jakieś zmiany/dodaje coś do tego źródła danych, nie nadpisuje tego co było tylko tworzony jest nowy plik z odpowiedniem prefixem, w którym jest "nowy zbiór".
Przy każdym odpaleniu procesu uczenia zapisujemy pełny zbiór, na którym dany proces pracuje, zbiory testowe/treningowe przed/po feature engineering'iem oraz sam nauczony model.
Dzisiaj Machine Learning for OpenCV (July 2017)

https://www.packtpub.com/packt/offers/free-learning

#packtpubfreelearning #machinelearning #datascience #opencv

odpowiedź dlaczego nie możesz pobrać "nowych" książek

pdfy/epub/kindle są dostępne dla pozycji zgarniętych za darmo do końca 2018. Nowe pozycje wchodzą tylko na readera. Jeśli coś macie zgarniętego wcześniej a pozycja pojawia się ponownie, to w "moje ebooki" pojawi się dwa razy, raz z pobieraniem a raz tylko z readerem
Pobierz
źródło: comment_bsXewUL7ZRlJ3juHzJRL3mnCY6qKtWN1.jpg
#machinelearning #sztucznainteligencja

Standardowy proces w pisaniu aplikacji, która korzysta z machine learningu, to:
1. Mamy zbiór danych treningowych/testowych i uczymy model.
2. W aplikacji korzystamy z gotowej wytrenowanej sieci, żeby przetwarzać nowe dane.
Tak widzę w tutorialach i tak w najłatwiejszych użyciach, gdzie ML jest używane w rzeczywistych systemach.

Z tym, że biznesowo proces wygląda tak (i biznes oczekuje raczej tego):
- Jest proces, który wykonują ludzie.
- Chcemy użyć ML, żeby
@mk321: Czyli jednak transfer learning, w przypadku jak masz jeszcze mało danych to warto uczyć od początku. Po prostu bierzesz starą sieć i douczasz na tym samym/trochę mniejszym learning rate - możesz sobie zrobić taki automatyczny proces, który doucza sieć na produkcji, zapisuje i porównuje przed i po z jakimś wcześniej wydzielonym zbiorem testowym (jeżeli to problem, w którym można go dobrze zdefiniować i zadać jakąś metrykę wyboru).
Szukasz czegoś co się nazywa transfer learning, ładujesz starą sieć i douczasz na nowych danych.


@haka65: chłopie co ty #!$%@? xD
Nie znasz się to się nie wypowiadaj.

Czy ma to związek z "online machine learning"?


@mk321: dokładnie tego szukasz, po prostu sobie zbieraj przykłady na których model zawiódł, dorzucaj je do zbioru którego używałeś do uczenia i cyklicznie trenuj. Ważne jest to żeby dołączać te błędy do oryginalnego datasetu,
Szukasz pracy zdalnej w IT? Obserwuj #zdalnieio lub zapisz się na newsletter, aby otrzymywać powiadomienia o najnowszych ofertach :)

Javascript
Angular Developer (Talenger) 10 000 - 18 000 PLN - oferta
React Developer (Polcode) 8 000 - 12 000 PLN - oferta
Front End Developer (Bitfinex) 6 250 - 10 000 USD - oferta
Zobacz wszystkie oferty -> Javascript

Backend
Lead Software Engineer (Deca Games) 16 000 - 30 000 PLN
Dzisiaj Step-by-Step Machine Learning with Python [Video] (Friday, September 29, 2017)

https://www.packtpub.com/packt/offers/free-learning

#packtpubfreelearning #machinelearning #datascience #python

odpowiedź dlaczego nie możesz pobrać "nowych" książek

pdfy/epub/kindle są dostępne dla pozycji zgarniętych za darmo do końca 2018. Nowe pozycje wchodzą tylko na readera. Jeśli coś macie zgarniętego wcześniej a pozycja pojawia się ponownie, to w "moje ebooki" pojawi się dwa razy, raz z pobieraniem a raz tylko z readerem
Pobierz
źródło: comment_haxRI3AvpLduQQ8No0iJD5JeiiwWfpL6.jpg