❓300 Вопросов по Машинному обучению (Machine Learning) - Вопрос_220

🔠Какие библиотеки/платформы используются в блокчейне ? (Часть_1)

- Web3.py: Web3.py - это библиотека Python, предназначенная для работы с Ethereum блокчейном. Она предоставляет инструменты для взаимодействия с умными контрактами, отправки транзакций, чтения данных и других операций на блокчейне Ethereum.

- Solidity: Solidity - это язык программирования для написания умных контрактов на блокчейне Ethereum. Он имеет синтаксис, подобный JavaScript, и компилируется в байт-код, который может быть выполнен на виртуальной машине Ethereum.

#financialflows #blockchainaddresses #tracking #visualization #stolenfunds #pricemanipulation #moneylaundering #realtimemonitoring #suspicioustransactions #largetransfers #sanctionedaddresses #blockchainsystem

❓300 Вопросов по Машинному обучению (Machine Learning) - Вопрос_220

🔠Какие библиотеки/платформы используются в блокчейне ? (Часть_2)

Hyperledger Fabric: Hyperledger Fabric - это платформа для разработки промышленных блокчейн-приложений. Она предоставляет инструменты и библиотеки для создания и развертывания частных блокчейн-сетей с разделением прав доступа и конфиденциальностью данных.

Pyethereum: Pyethereum - это библиотека Python, реализующая протокол Ethereum. Она предоставляет инструменты для работы с блокчейном Ethereum, включая создание и управление умными контрактами, отправку транзакций и чтение данных.

#financialflows #blockchainaddresses #tracking #visualization #stolenfunds #pricemanipulation #moneylaundering #realtimemonitoring #suspicioustransactions #largetransfers #sanctionedaddresses #blockchainsystem

❓300 Вопросов по Машинному обучению (Machine Learning) - Вопрос_220

🔠Какие библиотеки/платформы используются в блокчейне ? (Часть_3)

Chainlink: Chainlink - это платформа, предназначенная для интеграции оракулов (оракулы - это механизмы, позволяющие блокчейну получать и использовать внешние данные) в блокчейн-приложения. Она предоставляет инструменты и библиотеки для создания и управления оракулами.

#financialflows #blockchainaddresses #tracking #visualization #stolenfunds #pricemanipulation #moneylaundering #realtimemonitoring #suspicioustransactions #largetransfers #sanctionedaddresses #blockchainsystem

https://ru.ruwiki.ru/wiki/%D0%97%D0%B0%D0%B3%D0%BB%D0%B0%D0%B2%D0%BD%D0%B0%D1%8F_%D1%81%D1%82%D1%80%D0%B0%D0%BD%D0%B8%D1%86%D0%B0 - вышла русская версия википедии, еще не читал что и как пока она на тестах

Посты начнутся с понедельника, материал уже подготовлен.

Вот приятно получать такие отзывы, все таки понимаешь что не зря стараешься, ну да оплачивается конечно это все, но тем не менее.

❓300 Вопросов по Машинному обучению (Machine Learning) - Вопрос_221

🔠 Что вы знаете про Partial Dependence Plots (PDP) ? (Часть_1)

Partial Dependence Plots (PDP) представляют собой графические инструменты, позволяющие визуализировать влияние одного или двух признаков на предсказания модели машинного обучения, игнорируя влияние остальных признаков. Это делает PDP мощным инструментом для интерпретации моделей, особенно в контексте линейной регрессии, где они всегда показывают линейные отношения. PDP также могут быть использованы для классификации, отображая вероятности для определенного класса при различных значениях признаков.

#Partial_Dependence_Plots #Machine_Learning #Model_Interpretation #Linear_Regression #Classification #Feature_Influence #Predictive_Modeling #Data_Visualization

❓300 Вопросов по Машинному обучению (Machine Learning) - Вопрос_221

🔠 Что вы знаете про Partial Dependence Plots (PDP) ? (Часть_2)

Основные преимущества PDP включают:

- Интуитивность: PDP легко понимаются и позволяют быстро интерпретировать влияние признаков на предсказания модели.
- Глобальный подход: PDP учитывают все экземпляры данных, предоставляя глобальное представление о взаимосвязи признаков с предсказаниями.
- Каузальная интерпретация: PDP позволяют анализировать каузальные отношения между признаками и предсказаниями, хотя это не всегда применимо к реальному миру.

#Partial_Dependence_Plots #Machine_Learning #Model_Interpretation #Linear_Regression #Classification #Feature_Influence #Predictive_Modeling #Data_Visualization

❓300 Вопросов по Машинному обучению (Machine Learning) - Вопрос_221

🔠 Что вы знаете про Partial Dependence Plots (PDP) ? (Часть_3)

Однако, есть и недостатки:

- Ограничение на количество признаков: В реальности, максимальное количество признаков в PDP обычно ограничено двумя из-за ограничений в двухмерном представлении.
- Пропущенное распределение признаков: Некоторые PDP не показывают распределение признаков, что может ввести в заблуждение, особенно в областях с малой частотой данных.
- Предположение об независимости: PDP предполагают, что признаки, для которых вычисляется частичная зависимость, не коррелируют с другими признаками. Это может привести к нереалистичным интерпретациям, когда признаки коррелируют.

#Partial_Dependence_Plots #Machine_Learning #Model_Interpretation #Linear_Regression #Classification #Feature_Influence #Predictive_Modeling #Data_Visualization

Пример реализации Partial Dependence Plots (PDP) для взаимодействия двух признаков с использованием GradientBoostingClassifier:

from sklearn.datasets import make_hastie_10_2
from sklearn.ensemble import GradientBoostingClassifier
from sklearn.inspection import PartialDependenceDisplay
import matplotlib.pyplot as plt

# Создание набора данных
X, y = make_hastie_10_2(random_state=0)

# Обучение модели
clf = GradientBoostingClassifier(n_estimators=100, learning_rate=1.0, max_depth=1, random_state=0).fit(X, y)

# Определение признаков для PDP
features = [0, 1, (0, 1)]

# Создание PDP
pdp_display = PartialDependenceDisplay.from_estimator(clf, X, features)

# Показать PDP
plt.show()

https://habr.com/ru/users/VladimirMironovML/publications/articles/ - Опубликованна моя статья для компании Selectel про h2oGPT. Ох... сколько материалу было перелопачено, прям, вагон!

https://habr.com/ru/specials/808603/ - моя вторая статья, которую я освещал по заказу Хабр.ру и Компании Cloud.ru. Мне надо было пообщаться с гостями собрать материалы, провести несколько интервью, в том числе с главными спикерами и узнать мнение публики о положении дел на рынке на сегодняшний день в облачно инфраструктуре, как со стороны бизнеса, так и со стороны вендров.

https://github.com/virattt/financial-datasets - очень модная вещица для LLM, генерация "синтетики" для реальных задач.