Tak wygląda przebicie bariery 1Pflopsa fp16 w 4U ( ͡ ͜ʖ ͡)*:

majsterV2 - Tak wygląda przebicie bariery 1Pflopsa fp16 w 4U (⌐ ͡■ ͜ʖ ͡■)つ──☆*:・゚
SP...
  • Odpowiedz
  • Otrzymuj powiadomienia
    o nowych komentarzach

Ma ktoś coprocesor #intel Xeon Phi?
Co sądzicie o ich wydajności w praktyce?
Czy one są już zmieniane na lepsze akceleratory z Nvidii?

  • 18
  • Odpowiedz
  • Otrzymuj powiadomienia
    o nowych komentarzach

Mireczki mam pytanie, w jaki sposób mogę wykryć anomalie w wynikach badań (poziom cukru we krwi, ciśnienie skurczowe, ciśnienie rozkurczowe) posiadając dataset takich danych? Piszę w node.js / java script, zna ktoś jakiś fajny tutorial albo bibliotekę, w której można coś takiego wykonać?

#machinelearning #javascript #ml #js
  • 14
  • Odpowiedz
  • Otrzymuj powiadomienia
    o nowych komentarzach

@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.
  • Odpowiedz
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
  • Odpowiedz
@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.
  • Odpowiedz
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 ;).
AdireQ - > Maszyny nie myślą.

 Jest myślenie dywergencyjne,

@rmweb: U człowieka ...
  • Odpowiedz
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
  • Odpowiedz
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
  • 1
  • Odpowiedz
  • Otrzymuj powiadomienia
    o nowych komentarzach

via Wykop Mobilny (Android)
  • 2
Mirunie, co myślicie o tym kursie andrewa na courserze? Ciągle aktualny, ciągle warto? Zacząłem robić ze 3 lata temu, ale ilość matematyki mnie zrazila, ale zaczął bym os nowa może robić. Czy może coś lepszego jest na rynku?
#datascience #machinelearning #programowanie
  • 5
  • Odpowiedz
  • Otrzymuj powiadomienia
    o nowych komentarzach

@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
  • Odpowiedz
Dobra wiadomość dla fanatyków #machinelearning posiadających starsze akceleratory graficzne ( ͡° ͜ʖ ͡°)

openclnvidiageforcegt540m.0 : NVIDIA Corporation GeForce GT 540M
  • 13
  • Odpowiedz
  • Otrzymuj powiadomienia
    o nowych komentarzach

@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,
  • Odpowiedz
@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
  • Odpowiedz
siemka, znalazłem promotora, który mógłby podjać ze mną temat związanym z algo tradingiem z wykorzystaniem sztucznej inteligencji.

Chciałbym się zapytać, czy jest temat, nad który uważacie warto byłoby się skupić, nad czym mógłbym popracowąć w ramach pracy magisterskiej. Szukam inspiracji do tematu pracy magisterkiej :)? Jakieś pomysły?
#informatyka #ai #si #programowanie #robotyka #machinelearning
  • 4
  • Odpowiedz
  • Otrzymuj powiadomienia
    o nowych komentarzach

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.
  • Odpowiedz
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 ͡)*:

majsterV2 - Do wszystkich fanatyków uczenia maszynowego!
Właśnie znalazłem rozwiązan...

źródło: comment_kFThL0Rw0LrXzbYcMyWt2OQ8i4CWQOi9.jpg

Pobierz
  • 9
  • Odpowiedz
  • Otrzymuj powiadomienia
    o nowych komentarzach

@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.
  • Odpowiedz