by

Where communities thrive


  • Join over 1.5M+ people
  • Join over 100K+ communities
  • Free without limits
  • Create your own community
People
Repo info
Activity
  • Feb 13 2017 23:36
    @listochkin banned @CrossoverUkraine
  • Jan 26 2016 13:39

    listochkin on master

    Add Gitter badge Merge pull request #1 from gitt… (compare)

  • Jan 26 2016 13:39
    listochkin closed #1
  • Jan 26 2016 13:34
    gitter-badger opened #1
Alex Veligura
@Veligura
о тебе следующие поколения ML-щиков будут скадывать легенды и саги ))
Maxim Kolesnikov
@xCASx
@Veligura не надо мне такой чести. Лучше диалог поддерживайте ;)
Alex Veligura
@Veligura
)) не могу сесть начать что то ковырять по этой теме , что можешь посоветовать фановое для начала ? что бы появился интерес
Maxim Kolesnikov
@xCASx
@Veligura мне этот курс хорошо зашел: https://www.udacity.com/course/intro-to-machine-learning--ud120
Собственно, с помощью него я воскресил свои познания в ML, снова этим занитересовался и взял следующий курс.
Alex Veligura
@Veligura
оо спасибо
Eugene Krevenets
@hyzhak

Привет! у меня вопрос к самому первому видео Siraj Build a Neural Net in 4 Minutes https://www.youtube.com/watch?v=h3l4qz76JhQ&t=17s.
почему-то он использует в качестве производной сигмоиды функцию:

x * (1 - x)

но ведь должна быть:

np.exp(-z)/((1+np.exp(-z))**2)

Я что-то упустил? В чем причина?
тут сравнил визуально 2 функции https://github.com/hyzhak/siraj-tutorials/blob/master/notebooks/build-a-neural-net-in-4-minutes.ipynb.

Eugene Krevenets
@hyzhak
да и производная вообще не похожа на сигмойду https://www.wolframalpha.com/input/?i=integral+of+x+%2F+(1+-+x)
Andrey
@ablazhey
привет гуру AI/DS/ML
пока нахожусь на стадии «Что это за штука такая» Кто-то из бывалых может подсказать ресурсы/книги с которых можно понять и пощупать этого зверя?
Сейчас читаю "Основы Data Science и Big Data. Python и наука о данных "
Illia Seheda
@ALF-er
полистай чат вверх, буквально сообщений 15-20
Andrey
@ablazhey
точно спасибо
Maxim Kolesnikov
@xCASx
@hyzhak он код пишет из головы и не компилит, даже если видео не стримит, а записывает, поэтому ошибки случаются. Плюс он все делает быстро и внимание у него постоянно скачет. Ему во время лайв сессий даже пишут чтоб он сфокусировался :)
Здесь у него 4 ошибки в первых 8 строчках, при том что 3 из них пустые.
В производной он ошибся потому что ее обычно записывают в формате sigma' = sigma * (1 - sigma) для того чтобы переиспользовать уже определенную функцию.
Eugene Krevenets
@hyzhak
@xCASx это уж точно, даже возникла мысль, а не зря ли я его смотрю, понахватаюсь неверных суждений
Maxim Kolesnikov
@xCASx
@hyzhak его бесполезно смотреть как основной источник информации. Скорее чтобы подкрепить знания и посмотреть как он подходит к решению проблемы концептуально.
Eugene Krevenets
@hyzhak
@xCASx У меня другая цель, бэкграунд есть, изучал еще в институте, проходил тот же курс Andrew Ng, сейчас еще CS188 смотрю. Но очень не хватает практики, показалось, что у него, как раз мало теории, а больше быстрых примеров как ML можно применить в разных областях.
Eugene Krevenets
@hyzhak
Кстати, может кто-то может еще порекомендовать каналы, с разбором практического применения ML?
Вот еще смотрю Harrison Kinsley (sentdex) https://www.youtube.com/playlist?list=PLQVvvaa0QuDfKTOs3Keq_kaG2P55YRn5v и качество материала показалось получше, чем у Siraj.
Maxim Kolesnikov
@xCASx
@hyzhak за практикой тебе на kaggle.com
По теории говорят хорошие блоги у Christopher Olah и Andrej Karpathy, я пока только мельком смотрел.
По ютуб каналам вот мой небогатый список, но тут все подряд связанное с ML:
sentdex: https://www.youtube.com/channel/UCfzlCWGWYyIQ0aLC5w48gBQ
Welch Labs: https://www.youtube.com/channel/UConVfxXodg78Tzh5nNu85Ew
Zafarullah Mahmood: https://www.youtube.com/channel/UCG0Qzlcp-p9bKIojn3OCzdA
Jeremy Howard: https://www.youtube.com/channel/UCX7Y2qWriXpqocG97SFW2OQ
Thales Sehn Körting: https://www.youtube.com/channel/UCSd_7rz5nzSnzUYbjaCXC5g
Victor Lavrenko: https://www.youtube.com/channel/UCs7alOMRnxhzfKAJ4JjZ7Wg
Siraj Raval: https://www.youtube.com/channel/UCWN3xxRkmTPmbKwht9FuE5A
Computer Science Center: https://www.youtube.com/channel/UC0YHNueF-3Nh3uQT0P4YQZw
Ой, что-то я не подумал, что гиттер все ссылки развернет.
Вот неплохая практическая статейка по классификации фоточек еды:
http://blog.stratospark.com/deep-learning-applied-food-classification-deep-learning-keras.html#deep-learning-applied-food-classification-deep-learning-keras
Eugene Krevenets
@hyzhak
о, спасибо сегодня гляну
Maxim Kolesnikov
@xCASx
Еще в плане практики советовали брать чужие Notebooks, разбирать задачи, решенные в них, затем стирать все и пытаться решить задачу с нуля самому уже имея общее представление о подходе к решению.
Eugene Krevenets
@hyzhak
о спасибо, хорошая мысль, вопрос только, где бы взять notebooks которые стоят внимания? ;)
Maxim Kolesnikov
@xCASx
@hyzhak берешь имена авторов тех же ютуб каналов, блогов и прочих толковых ребят, гуглишь их гитхаб аккаунты, и вот он профит.
На том же каггл довольно большая тусовка, можно много чего найти.
Я сам туда еще не влился, но это уже больше на соц. сеть похоже, по-моему.
Eugene Krevenets
@hyzhak
о! кстати о kaggle тоже подумал о нем, но еще не было времени посмотреть. Кстати тот же siraj туда ссылается, так что похоже с него и стоит начать
Maxim Kolesnikov
@xCASx
Можно еще брать какие-то известные датасеты и пытаться с ними что-то сделать. А потом гуглить на тему чужих решений и сравнивать.
Eugene Krevenets
@hyzhak
@xCASx ну это уже значительно сложнее, так как еще не наработана интуиция. Хочу все таки начать с наблюдения за мастерами :)
Maxim Kolesnikov
@xCASx
Вот еще курс по тензорфлоу, тоже на него уже несколько разных человек ссылались: https://www.youtube.com/watch?v=wuo4JdG3SvU&list=PL9Hr9sNUjfsmEu1ZniY0XpHSzl5uihcXZ
Так же для практики советовали на https://www.dataquest.io/ посмотреть.
Maxim Kolesnikov
@xCASx
Сейчас, кстати, идет первый тур ML Boot Camp от mail.ru: http://mlbootcamp.ru/
До конца этапа еще 18 дней, наверное можно присоединиться. Первая задача - предсказать кто из игроков покинет онлайн игру, а кто останется играть.
Можно попробовать себя в соревновательных условиях.
Eugene Krevenets
@hyzhak
dataquest платный, а ты пробовал его, там по free программе можно чему-то научиться?
Maxim Kolesnikov
@xCASx
@hyzhak нет, не пробовал. Я про него впервые услышал 2 дня назад.
Eugene Krevenets
@hyzhak
:)
Maxim Kolesnikov
@xCASx
Кстати Siraj каждую неделю устраивает мини-соревнования. Если решать их еще не готов, то всегда можно посмотреть на решения победителей.
Maxim Kolesnikov
@xCASx
Чатик, кто-нибудь пробовал с Yolo играться?
https://pjreddie.com/darknet/yolo/
Maxim Kolesnikov
@xCASx
Интересно, как это повлияет на комьюнити:
https://techcrunch.com/2017/03/07/google-is-acquiring-data-science-community-kaggle/
Maxim Kolesnikov
@xCASx
Чатик, приватного контента вам от Стенфорда.
CS224d: Deep Learning for NLP 2016:
https://www.youtube.com/watch?v=kZteabVD8sU&list=PLCJlDcMjVoEdtem5GaohTC1o9HTTFtK7_&index=1
Maxim Kolesnikov
@xCASx
Udacity запускает новую Nanodegree программу: Robotics. Но цена на нее конская:
https://www.udacity.com/robotics
Eugene Krevenets
@hyzhak
О! спасибо за линк на CS224d, а Robotics, звучит интересно, но я полностью согласен с тобой о цене, ты кстати все еще продолжаешь учить Siraj Raval's Deep Learning? Стоит ли она того или его youtube канал вполне покрывает этот курс?
Maxim Kolesnikov
@xCASx
@hyzhak его видео вообще мало что общего имеет с курсом. Обычно совпадает только тематика. Например, сверточные или рекуррентные сети. Все.
Судя по всему он вообще не знает контент по которому мы учимся. Все однозначно трактуют его видео просто как доп. материал, не относящийся к основному курсу. Кто пожестче критикует Юдасити, что они просто использовали его для маркетинга.
В своих видео он, кстати, объясняет все довольно хреново, порой возникает ощущение, что какие-то концепции он и сам не понимает. Это особенно видно в его live-сессиях.
Maxim Kolesnikov
@xCASx
В остальном курс меня устраивает. Да, он сырой, да, много нестыковок, но мне нравится темп. У меня такое ощущение, что кроме работы и всего, что связано с этим курсом в моей жизни сейчас ничего не присутствует. Очень много интерактива происходит в слаке. Оттуда я сейчас черпаю до половины получаемых знаний, а может и больше. Но, при этом, в большинстве своем там сидят такие же "студики", как и я, поэтому легких ответов добиться не всегда получается, приходится много инвестигейтить самим.
По-моему, это хороший курс, чтобы получить ускорение и дальше продолжить самообразование самостоятельно.
Они всем участникам предлагают гарантированное место в своих Nanodegree программах (при таких ценах туда еще и не попадешь просто так из-за очередей) и скидку в аж целых $100 :trollface: , но я не вижу особого смысла в этом. Хочу еще поизучать программы, но что касается ML курсов, так там ничего нового я не вижу.
Пожалуй только Robotics интересен, т.к. это что-то действительно новое, но цена...
Eugene Krevenets
@hyzhak
@xCASx да, тоже его 2 прошлых лайва пытался посмотреть и не выдержал его импровизации. А слак курса этот https://programming-wizards.slack.com/ ?
Eugene Krevenets
@hyzhak
Kaggle для меня всегда звучал очень похоже на Google :). В общем слияние подтвердилось https://techcrunch.com/2017/03/08/google-confirms-its-acquisition-of-data-science-community-kaggle/. Но мотивация google мне не ясна. Что они получат от слияния?
Maxim Kolesnikov
@xCASx
@hyzhak нет, это слак самого Siraj'а. У курса этот: https://nd101.slack.com/
Eugene Krevenets
@hyzhak
@xCASx я так понимаю, что в него попадают только участники курса или там нет смысла тусить если ты не на курсе?
Maxim Kolesnikov
@xCASx
@hyzhak думаю да, только для участников. Общение, конечно, в основном по содержимому курсов, но так же много других вопросов обсуждается, много интересных ссылок постят. CS224d я оттуда притащил.
Dmitry Spodarets
@dmitry-spodarets
Всем привет.
На конференцию Data Science Lab (exAI&BigDataLab), которую буду проводить 13 мая в Одессе, я буду принимать темы докладов до 15 апреля, но желательно подавать заявку даже без темы поскорее, чтобы я знал, что вы планируете готовить доклад. Будет 2 типа докладов: 45 минутные, и 10 минутные блиц-доклады. Сайт мы запустили и на нем есть форма для подачи докладов или возможность купить билеты по раней цене - http://www.datascience.in.ua/
Буду рад всех видеть на нашей конференции в мае;)
Dmitry Spodarets
@dmitry-spodarets

Приветствую всех!
Напоминаю, что до 31 марта действует ранняя цена билетов на конференцию DataScience Lab, которая пройдет в Одессе 13 мая. Зарегистрироваться можно на сайте http://www.datascience.in.ua/
Также, программный комитет конференции приступает к отбору ранее присланных тем докладов. Все желающие еще могут подать свои темы на сайте конференции. Темы докладов принимаем до 15 апреля, но желательно не тянуть до последнего;)

Буду благодарен всем за распространение информации о конференции и сроках подачи докладов среди своих сотрудников.

Eugene Krevenets
@hyzhak
@FlyElephant-M31 Супер! К сожалению далеко не в Украине сейчас. А будете выкладывать доклады на youtube после? И будет ли онлайн трансляция с чатиком?
Джон, просто Джон
@sudodoki