Od jakiegoś czasu chodzi mi po głowie tematyka AI i machine learningu.
Zrobiłem krótki research i ludzie bardzo chwalą sobie kurs ML stworzony przez Uniwersytet Stanforda.
Natomiast nurtuje mnie inna sprawa, czy warto najpierw zrobić parę prostych projektów nie związanych z ML, żeby załapać trochę podstaw programowania + teorię z jakiejś ksiązki, czy od razu wbijać się na głęboką wodę? I jak to wygląda z matematyką?
Jakby ktoś miał inny tutorial, książkę
@xsnm: matma jest konieczna. nie wiem, na którym etapie nauki najlepiej sobie ją przyswoić, ale bez niej w ostateczności machine learningu nie ogarniesz. mi, jako osobie, ktora powoli sie tego uczy od pol roku, wydaje sie, ze najlepiej najpierw nauczyc się pythona, pozniej siegnac po jakas ksiazke pokroju 'build your own neural network' albo cos w tym stylu, a pozniej robic rzeczy jak najwiecej samemu. ale no, ja sie sam obecnie
#anonimowemirkowyznania
Tak się zastanawiam co w głowie mają ludzie ktorzy biorą kredyt na 20-30 lat nie mając pewnosci że za 10-18 lat ich pracy moze juz nie byc? W dobie sztucznej inteligencji, machine learning jak ktos nie zajmuje kreatywnego stanowiska moze sie czuc serio zagrozony. Mialam ostatnio zajecia na podyplomowce z pewnym kierownikiem w branzy IT ktory pracuje przy AI, ktory mowil ze to jest porażające jak wiekszosc ludzi patrzy na swoja
Pobierz
źródło: comment_aIKR9p6dy7NXE2NbYi9dMlZfTy8rHmey.jpg
@AnonimoweMirkoWyznania: polecam wszystkim obejrzenie filmu "powrót do przyszłości II", w którym to bohater z późnych lat 80 przenosi się do 2015. Latające samochody, deskolotki, wielkie hologramy na ulicach. Tak wtedy postrzegano, jaki skok dokona się w ~25 lat. No i co z tego mamy dzisiaj? A ty tutaj piszesz, że żyjemy w "dobie AI i machine learning" i za 20 lat ludzie stracą pracę. Nie, nie żyjemy. Wciąż żyjemy w dobie
Dzisiaj Statistics for Machine Learning (July 2017)

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

#packtpubfreelearning #machinelearning #datascience

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_DzEujgzWUTowb299FtIluQVZwNxuh76s.jpg
Dzisiaj Hands - On Reinforcement Learning with Python [Video] (Friday, March 23, 2018)

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

#packtpubfreelearning #python #datascience #machinelearning

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_zuEYJB8JEwFXYUmplzywrwDVXERwKh9r.jpg
Dzisiaj Mastering Geospatial Analysis with Python (April 2018)

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

#packtpubfreelearning #python #machinelearning

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_FicL7UYZbb12eIboHD3lJ6pZKms274gJ.jpg
Hej, nie odzywałem się jakiś czas, ale wcale nie próżnowałem na #jakbadacdane. Opublikowałem w tym czasie kilka artykułów #datascience i #machinelearning, myślę więc, że jest dobrze ;-). Sądzę, że dla każdego znajdzie się coś ciekawego:

* https://www.jakbadacdane.pl/accuracy-precision-recall-f1-co-to-za-czary/ - Przegląd podstawowych metryk oceniających jakość modelu w klasyfikacji. Powinno rozjaśnić nieco temat dla początkujących.
* https://www.jakbadacdane.pl/dlaczego-warto-zainteresowac-sie-scikit-learn/ - Zaczynasz nową ścieżkę kariery albo po prostu projekt i zastanawiasz się, w jakie narzędzia zainwestować
#machinelearning #ml
Mirki i Mirabelki, potrzebna mi pomoc bo googla nie ogarniam.
Muszę przygotować projekt ML (machine learning). Padło na próbe przewidywania cen paliwa.
I tu pojawił się kłopot: źródło danych...
Jakieś propozycje gdzie znajdę ogólno dostępne informacje o średniej cenie paliwa w PL np za 2018 ale po dniach?

Ani UCI ani Kaggle nie pomagają w tym zadaniu. A z drugiej strony nie chciałbym pracować na nierealnych danych.

Na wykopie znalazłem
18+

Zawiera treści 18+

Ta treść została oznaczona jako materiał kontrowersyjny lub dla dorosłych.

@IsambardKingdomBrunel: Zależy co chcesz robić, jeśli chcesz pobawić się czymś nietykanym przez innych, to musisz poszukać lub np. napisać do urządów o udostępnienie danych. Typowe datasety dobrze nadają się do benchmarków, dlatego może się wydawać, że są oklepane, ale zawsze możesz spróbować być lepszym od innych.
@priveth: ja obecnie przerabiam tę książkę i jest bardzo okej póki co. w sensie, obecnie jestem w części pythonowej (ksiazka dzieli sie na czesc matematyczna, pozniej jest pryzklad w pythonie, a pozniej ma byc przyklad z raspberry pi) i troche łapię się na bezmyslnym przepisywaniu kodu... ale na pewno ta ksiazka dala mi duzy wglad jak to wyglada i jak naucze sie wiecej, to do niej z pewnoscia wróce. minus to
Pobierz
źródło: comment_tTEKg4qM6od7nDYTAmJj3Nl1XtqnT2ZM.jpg
Sama implementacja #tensorflow na różnych rodzajach sprzętu i systemu to trudna kwestia.
Zwłaszcza że są problemy z kartami graficznymi.
Dlatego myślę o tym aby wykorzystać do tego celu #boinc, zwłaszcza że postawienie takiego klastra to byłaby łatwizna, oraz wykorzysta dosłownie każde GPU.
https://boinc.berkeley.edu/wiki/GPU_computing
Czy jest ktoś w stanie mi pomóc to ogarnąć?
Myślę że to będzie ostateczne rozwiązanie wszystkich problemów ze zgodnością.
https://indico.cern.ch/event/727274/contributions/3100365/attachments/1700430/2738369/delaCruz_advanced_simulations_using_VC.pdf
Jakby co to mam sieć gigabitową do przepychania