Forwarded from • Dmitry Legchikov
Бывает ли у вас так, что вам не хватает времени сделать все задуманное?
У меня да.
Как исправить ситуацию?
Воспользоваться техниками тайм менеджмента!
Их много разных.
Разные люди советую разные.
Одни говорят метод помодоро самый лучший.
Другие говорят надо с утра съесть лягушку.
Обучаясь в Стэнфорде я понял одну вещь.
Бывает так, что даже самые лучшие техники и инструменты вам не подходят.
Не потому-что с вами что-то не так или вы не научились применять их правильно.
А просто не подходят.
Для этого может быть куча всевозможных причин и часто нет смысла выяснять их.
Лучше попробовать другую техники.
Удивительно как этот принцип подходит почти ко всем областям жизни.
Не нравится iphone - попробуй samsung.
Не получается бегать - попробуй турник.
Не получается продуктивно работать утром - поработй ночью.
Если держать в голове этот принцип, жить становится куда легче.
Отпадает желание до бесконечности копаться, а почему не работает.
Просто продолжайте искать то, что сработает для вас.
Еще Стив Джобс в своей речи к выпускникам говорил:
«Если вы ещё не нашли своего дела, ищите. Не останавливайтесь. Как это бывает со всеми сердечными делами, вы узнаете, когда найдёте. И, как любые хорошие отношения, они становятся лучше и лучше с годами. Поэтому ищите, пока не найдёте. Не останавливайтесь»
У меня да.
Как исправить ситуацию?
Воспользоваться техниками тайм менеджмента!
Их много разных.
Разные люди советую разные.
Одни говорят метод помодоро самый лучший.
Другие говорят надо с утра съесть лягушку.
Обучаясь в Стэнфорде я понял одну вещь.
Бывает так, что даже самые лучшие техники и инструменты вам не подходят.
Не потому-что с вами что-то не так или вы не научились применять их правильно.
А просто не подходят.
Для этого может быть куча всевозможных причин и часто нет смысла выяснять их.
Лучше попробовать другую техники.
Удивительно как этот принцип подходит почти ко всем областям жизни.
Не нравится iphone - попробуй samsung.
Не получается бегать - попробуй турник.
Не получается продуктивно работать утром - поработй ночью.
Если держать в голове этот принцип, жить становится куда легче.
Отпадает желание до бесконечности копаться, а почему не работает.
Просто продолжайте искать то, что сработает для вас.
Еще Стив Джобс в своей речи к выпускникам говорил:
«Если вы ещё не нашли своего дела, ищите. Не останавливайтесь. Как это бывает со всеми сердечными делами, вы узнаете, когда найдёте. И, как любые хорошие отношения, они становятся лучше и лучше с годами. Поэтому ищите, пока не найдёте. Не останавливайтесь»
Forwarded from Data Secrets
RNN в картинках
Объясняем как работют рекуррентные нейронные сети по такому рецепту: минимум слов, максимум схем и примеров.
Объясняем как работют рекуррентные нейронные сети по такому рецепту: минимум слов, максимум схем и примеров.
Forwarded from Data Secrets
Пул всех text2video моделей до Sora по порядку. Как всегда, все начинается с Google
Forwarded from Data Secrets
Там у Microsoft вышел новый бесплатный курс по генеративкам для начинающих. Все что нужно для прохождения — это доступ к OpenAI API и на базовом уровне уметь писать код на Python.
В курсе содержится 18 текстовых уроков, которые расскажут про базовые принципы работы с большими языковыми моделями, ИИ-агентами и тем, как это всё использовать в разработке собственных проектов.
Ссылка на курс: https://github.com/microsoft/generative-ai-for-beginners/tree/main
В курсе содержится 18 текстовых уроков, которые расскажут про базовые принципы работы с большими языковыми моделями, ИИ-агентами и тем, как это всё использовать в разработке собственных проектов.
Ссылка на курс: https://github.com/microsoft/generative-ai-for-beginners/tree/main
Forwarded from Data Secrets
HalvingSearch – ускорение поиска по сетке
Подбор гперпараметров – сложная и распросраненная задача. Для ее решения часто используют поиск по сетке, но этот алгоритм очень уж медленный. Поэтому сегодня давайте обратим внимание на halving search. Его относительно недавно добавили в sklearn, и пришло время разобраться, как с ним работать.
Подбор гперпараметров – сложная и распросраненная задача. Для ее решения часто используют поиск по сетке, но этот алгоритм очень уж медленный. Поэтому сегодня давайте обратим внимание на halving search. Его относительно недавно добавили в sklearn, и пришло время разобраться, как с ним работать.