Artificial Intelligence, Machine Learning, Data Science chat FAQ https://gist.github.com/listochkin/c81c198a2b7b044a0dc5
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.
да и производная вообще не похожа на сигмойду https://www.wolframalpha.com/input/?i=integral+of+x+%2F+(1+-+x)
@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
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.
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.
Вот еще смотрю Harrison Kinsley (sentdex) https://www.youtube.com/playlist?list=PLQVvvaa0QuDfKTOs3Keq_kaG2P55YRn5v и качество материала показалось получше, чем у Siraj.
@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
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
http://blog.stratospark.com/deep-learning-applied-food-classification-deep-learning-keras.html#deep-learning-applied-food-classification-deep-learning-keras
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.
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.
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.
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.
Интересно, как это повлияет на комьюнити:
https://techcrunch.com/2017/03/07/google-is-acquiring-data-science-community-kaggle/
https://techcrunch.com/2017/03/07/google-is-acquiring-data-science-community-kaggle/
Чатик, приватного контента вам от Стенфорда.
CS224d: Deep Learning for NLP 2016:
https://www.youtube.com/watch?v=kZteabVD8sU&list=PLCJlDcMjVoEdtem5GaohTC1o9HTTFtK7_&index=1
CS224d: Deep Learning for NLP 2016:
https://www.youtube.com/watch?v=kZteabVD8sU&list=PLCJlDcMjVoEdtem5GaohTC1o9HTTFtK7_&index=1
Udacity запускает новую Nanodegree программу: Robotics. Но цена на нее конская:
https://www.udacity.com/robotics
https://www.udacity.com/robotics
@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.
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.
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...
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...
@xCASx да, тоже его 2 прошлых лайва пытался посмотреть и не выдержал его импровизации. А слак курса этот https://programming-wizards.slack.com/ ?
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?
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;)
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;)
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.
