#fun
Часть моделей могут банально не подойти для "продакшн-решений", так как либо требуют слишком больших затрат по подготовке данных (например, SARIMA), либо сложно настраиваются (хороший пример – SARIMA), либо требуют частого переобучения на новых данных (опять SARIMA), поэтому зачастую гораздо проще бывает выделить несколько признаков из имеющегося временного ряда и построить по ним обычную линейную регрессию.
#life
#book
Немного ночного флуда...
Нашёл банальный способ обоготить преобзоры на книги. Раньше я читал оглавление и описание, и немного листал книги. Вы могли заметить, что все они от издательства Питер. Я заказываю книги напрямую от издательства. Причины:
1. У меня уже скопилось приличная скидка
2. Покупая бумажную версию, становится доступна электронная, которую можно начать читать, пока ждёшь доставку.
3. Удобная доставка за 4 дня (в среднем)
Собственно подписался на их тележку, где они пишут TL;DR на некоторые книги. Это повод делать больше книжного контента, обогощая его.
Теперь расскажу о книге, которую сейчас читаю (фото). Книга хардкорная. Читать тяжело. Но она позволяет достаточно глубоко понять, как работает Python под копотом. Конспектировать её не просто, так как она во многом практическая, а такие вещи не добавить нормально в конспект. Нужно брать и пробовать лапками.
#book
Немного ночного флуда...
Нашёл банальный способ обоготить преобзоры на книги. Раньше я читал оглавление и описание, и немного листал книги. Вы могли заметить, что все они от издательства Питер. Я заказываю книги напрямую от издательства. Причины:
1. У меня уже скопилось приличная скидка
2. Покупая бумажную версию, становится доступна электронная, которую можно начать читать, пока ждёшь доставку.
3. Удобная доставка за 4 дня (в среднем)
Собственно подписался на их тележку, где они пишут TL;DR на некоторые книги. Это повод делать больше книжного контента, обогощая его.
Теперь расскажу о книге, которую сейчас читаю (фото). Книга хардкорная. Читать тяжело. Но она позволяет достаточно глубоко понять, как работает Python под копотом. Конспектировать её не просто, так как она во многом практическая, а такие вещи не добавить нормально в конспект. Нужно брать и пробовать лапками.
Forwarded from Научно-Технический Рэп
Спят корова, конь и хрюшка,
Спит полярная звезда,
Но не спит твоя видюшка,
Ни за что и никогда
Без особенного смысла
Вычисляет чудо-числа
Числа редкой простоты,
Вычисляет... Эх мечты
Засыпай скорей и ты
Спит полярная звезда,
Но не спит твоя видюшка,
Ни за что и никогда
Без особенного смысла
Вычисляет чудо-числа
Числа редкой простоты,
Вычисляет... Эх мечты
Засыпай скорей и ты
😁2
Forwarded from Научный опенсорс (Nikolay Nikitin)
Коллеги из СберТеха сегодня опубликовали своё opensource-исследование. Тоже таким занимаемся, так что почитать было весьма интересно.
Исследование основано на анализе большого числа открытых профилей и репозиториев на github-е. Интересного много, от оценок активности в репозиториях до популярных инструментов СI/CD.
Про наш недавний материал тоже упоминают, с выводами - соглашаются)
Полная версия - тут, данные - в репо на gitverse.
Исследование основано на анализе большого числа открытых профилей и репозиториев на github-е. Интересного много, от оценок активности в репозиториях до популярных инструментов СI/CD.
Про наш недавний материал тоже упоминают, с выводами - соглашаются)
Полная версия - тут, данные - в репо на gitverse.
#open_source@dm_projects_log
Наверное все уже слышали о том, что модели от китайских исследователей DeepSeek-R1 и DeepSeek-R1-Zero выложены в открытый доступ и показывают результаты на уровне o1.
Мини обзор
Попробовать: полная R1 доступна на официальном сайте в режиме DeepThink. Насколько мне известно, есть ограничения на количество запросов/токенов, но с ходу не нашел об этом конкеретной информации.
Приложение: мобильное приложение работает бесплатно, ссылки есть тут.
Я в свою очередь пробую развернуть на Neil II дистиллированную версию на 32B параметров. Я не особо часто пользуюсь LLM, но потестить интересно.
Наверное все уже слышали о том, что модели от китайских исследователей DeepSeek-R1 и DeepSeek-R1-Zero выложены в открытый доступ и показывают результаты на уровне o1.
Мини обзор
Попробовать: полная R1 доступна на официальном сайте в режиме DeepThink. Насколько мне известно, есть ограничения на количество запросов/токенов, но с ходу не нашел об этом конкеретной информации.
Приложение: мобильное приложение работает бесплатно, ссылки есть тут.
Я в свою очередь пробую развернуть на Neil II дистиллированную версию на 32B параметров. Я не особо часто пользуюсь LLM, но потестить интересно.
Deepseek
Chat with DeepSeek AI.
#life
Январь кончается, а значит самое время подвести итоги года и рассказать о планах на следующий.
Часть 1: Итоги 2024
С одной стороны год был очень насыщенным, с другой рассказать особенно нечего. Так что расскажу то, что придёт в голову.
😩 Почти не сошёл с ума из-за потрясения в начале года
🦾 Разработали 11 поколений новой архитектуры HypEx. Сейчас тестим, правим баги и готовим к релизу. Думаю над 12 поколением, но планов на его реализацию в ближайшем будущем нет. Наверное пока буду по факту в своём форке понемногу мутить.
🤖 Прокачал железо
💚 Завёл новых друзей
📖 В очередной раз переосмыслил подход к книге, вернувшись к первоначальной концепции, но расширив содержание (Изображение 1).
🖌 Начал осваивать покрас минек (изображение 2). Благо есть наставник.
📖 Прочитал 2 книги. Мало, конечно, но выработал привычку читать регулярно.
♻ Переосмылил свой подход к жизни и приоритеты.
Январь кончается, а значит самое время подвести итоги года и рассказать о планах на следующий.
Часть 1: Итоги 2024
С одной стороны год был очень насыщенным, с другой рассказать особенно нечего. Так что расскажу то, что придёт в голову.
🦾 Разработали 11 поколений новой архитектуры HypEx. Сейчас тестим, правим баги и готовим к релизу. Думаю над 12 поколением, но планов на его реализацию в ближайшем будущем нет. Наверное пока буду по факту в своём форке понемногу мутить.
🖌 Начал осваивать покрас минек (изображение 2). Благо есть наставник.
📖 Прочитал 2 книги. Мало, конечно, но выработал привычку читать регулярно.
♻ Переосмылил свой подход к жизни и приоритеты.
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
👍2
#life
Наконец появилась в открытом доступе запись нашего с Димой выступления на PyCon!
https://www.youtube.com/watch?v=ZyZWUISEWg8
Наконец появилась в открытом доступе запись нашего с Димой выступления на PyCon!
https://www.youtube.com/watch?v=ZyZWUISEWg8
YouTube
Дмитрий Тихомиров. Полное погружение в Causal Inference. Практическое применение в HypEx
Дмитрий Тихомиров
Руководитель направления по исследованию данных, Сбер
Мастер-класс: Полное погружение в Causal Inference. Практическое применение в HypEx
В этом мастер-классе мы погрузимся в технические детали и практическое применение библиотеки HypEx…
Руководитель направления по исследованию данных, Сбер
Мастер-класс: Полное погружение в Causal Inference. Практическое применение в HypEx
В этом мастер-классе мы погрузимся в технические детали и практическое применение библиотеки HypEx…
🔥3
#life
Часть 2: цели на 2025
Порядок произвольный.
🧘♂ Найти духовный и физический баланс. В духовном плане это разнообразие деятельности. Больший акцент на творчестве. В физическом плане я целюсь в прохождение скрининга здоровья и дебагинга проблем, если они обнаружаться, далее программа ухода за кожей, ну и в каких-то конкретных метриках - сброс 10 кг.
🏯 Завершить в прямом смысле долгострой - ремонт в своей хате и переехать. Отчасти тоже чать духовного балансирования.
🗽 Поклеить красавца на изображении 1.
📖 Изучить библиотеку ClustPy и все связанные с ней статьи.
📖 Прочитать минимум 3 книги: "Внутри CPython", "Чистый Python", "Чистая архитектура". Как видите, стремимся к чистоте.
🤲 Open-source. Тут амбициозно. Реализовать 12 архитектуру HypEx. Надеюсь, что книги по архитектуре будут тут полезны. И разработать исследовательский стенд кластеризации на базе HypEx.
👩💻 😶🌫 Реализовать кальянную базу знаний. В основном, про табаки и миксы.
✏️ Реализовать фреймворк формальной структуаризации знаний. Это графовая структура с формальной семантикой блоков и не формальными блоками на естественном языке с автоматической визуализацией.
Целей много и они весьма амбициозные. Не факт, что все получится за год. Но направляющие такие.
Часть 2: цели на 2025
Порядок произвольный.
🧘♂ Найти духовный и физический баланс. В духовном плане это разнообразие деятельности. Больший акцент на творчестве. В физическом плане я целюсь в прохождение скрининга здоровья и дебагинга проблем, если они обнаружаться, далее программа ухода за кожей, ну и в каких-то конкретных метриках - сброс 10 кг.
🏯 Завершить в прямом смысле долгострой - ремонт в своей хате и переехать. Отчасти тоже чать духовного балансирования.
🗽 Поклеить красавца на изображении 1.
📖 Прочитать минимум 3 книги: "Внутри CPython", "Чистый Python", "Чистая архитектура". Как видите, стремимся к чистоте.
Целей много и они весьма амбициозные. Не факт, что все получится за год. Но направляющие такие.
Please open Telegram to view this post
VIEW IN TELEGRAM
👍2🔥2
Forwarded from AbstractDL
DeepSeek-R1 для чайников
Ну и наделала же DeepSeek шуму. Мне пришлось целый хабропост написать 😁
TLDR: мало слов про сравнение с ChatGPT и метрики, много слов про технические детали обучения, датасеты, GRPO и якобы эмерджентный «Aha! moment».
Ну и наделала же DeepSeek шуму. Мне пришлось целый хабропост написать 😁
TLDR: мало слов про сравнение с ChatGPT и метрики, много слов про технические детали обучения, датасеты, GRPO и якобы эмерджентный «Aha! moment».
😁1
Dmatryusофрения
dmlab.pdf
#dmml_lab
#hypex
Иногда пора вспомнить старое. Ещё до HypEx я начинал работать с ML пайпланами в либе DmML-lab.
Эти идеи легли в основу ядра новой архитектуры HypEx, но были в нем развиты гораздо сильнее. Результаты HypEx сделали бессмысленной дальнейшую работу над StatBox и DmML-lab, так как их идеи лучше реализуемы в рамках ядра HypEx. Поэтому я создал форк от HypEx, где будет только ядро. Сейчас там не актуальная версия, так что ссылку не даю.
Сейчас я как раз начал лучше прорабатывать ML пайплайны в HypEx и возвращение к этой схеме стало источником вдохновения.
Так же сейчас мы проводим весьма интересное исследование с применением ML, что (как обычно) сподвигло меня выносить интересные решения в минипакет с утилками. Пока нигде его не публикую, но если интересно, можете глянуть.
В дальнейшем эти утилки должны сталь экзекуторами на базе HypEx core и тогда можно будет сделать новую версию либы DmML-lab.
#hypex
Иногда пора вспомнить старое. Ещё до HypEx я начинал работать с ML пайпланами в либе DmML-lab.
Эти идеи легли в основу ядра новой архитектуры HypEx, но были в нем развиты гораздо сильнее. Результаты HypEx сделали бессмысленной дальнейшую работу над StatBox и DmML-lab, так как их идеи лучше реализуемы в рамках ядра HypEx. Поэтому я создал форк от HypEx, где будет только ядро. Сейчас там не актуальная версия, так что ссылку не даю.
Сейчас я как раз начал лучше прорабатывать ML пайплайны в HypEx и возвращение к этой схеме стало источником вдохновения.
Так же сейчас мы проводим весьма интересное исследование с применением ML, что (как обычно) сподвигло меня выносить интересные решения в минипакет с утилками. Пока нигде его не публикую, но если интересно, можете глянуть.
В дальнейшем эти утилки должны сталь экзекуторами на базе HypEx core и тогда можно будет сделать новую версию либы DmML-lab.
GitHub
dmml-lab/utils at main · Dmatryus/dmml-lab
Contribute to Dmatryus/dmml-lab development by creating an account on GitHub.
👌2
Dmatryusофрения
#dmml_lab #hypex Иногда пора вспомнить старое. Ещё до HypEx я начинал работать с ML пайпланами в либе DmML-lab. Эти идеи легли в основу ядра новой архитектуры HypEx, но были в нем развиты гораздо сильнее. Результаты HypEx сделали бессмысленной дальнейшую…
#dmml_lab
Обзор полезностей в утилках. Часть 1.
ModelData
В файле dataset.py лежит класс
В
Обзор полезностей в утилках. Часть 1.
ModelData
В файле dataset.py лежит класс
ModelData. Мне очень не нравится классические X_train, y_train и т.д. Всегда раздражало эта запись, ещё и не питонячая. В
ModelData можно передать фичи и таргет и выполнить разбиение на группы или передать готовое. При этом нужный сабсет получается удобной функцией get_data("train", "features"). Бонусом умеет скачивать и встраивать в свой объект классический датасет для регрессии о домах Калифорнии.Forwarded from ИИ Песочница Sber AI Lab
Library Innovation Lab Гарварда недавно зарелизил открытое хранилище госдатасетов, собранных из различных источников, которые имеют ценность для ресерчей, DS-задач и просто любопытных умов.
Сейчас хранилище включает 311k датасетов (16 ТБ) из data.gov. Хранилище будет обновляться ежедневно, по мере добавления новых данных в data.gov и другие источники, что обеспечит более надёжное сохранение данных. Данные можно брать по названию или сразу пакетом файлов.
Чекайте, вдруг пригодится
#обзоры
Please open Telegram to view this post
VIEW IN TELEGRAM
👍2