Ar
Size: a a a
2020 August 31
͏
қазақша айтшиш
MO
сhillout
вчера видел и вспомнил молодость 🌱 концовка гууд ))
y
Вкратце, хочу поделиться своим опытом прохождения на курсе по Глубокому Обучению.
Пока прошел первый модуль. Ушло примерно 2-3 недели, в основным по выходным. Если в часах, то около 20 часов. Доволен на 100% без преувеличений!
Из плюсов (минусов вообще пока не заметил):
1. Отлично продуманная программа: постепенно от логистической регресси, через однослойную сетку, к глубокой. Все сопровождается блестящим и подробным объяснением что-зачем-и-почему. Я, по-крайней мере, получил ответы на больинство своих вопросов, а на несколько тех, что не понял, смог добить самостоятельно в Гугле.
2. Супер профессиональный инструктор (сейчас именно об умении обучать, а не о его статусности в МЛ): Andrew Ng расставляет нужные акценты там где нужно, говорит о чем волноваться, а о чем не нужно. Дает понять где на математику нужно надавить, а где можно не сильно переживать. В моем случае это очень нужно, так как меня постоянно сопровождает Синдром Самозванца и я постоянно сомневаюсь, в своих способностях :)) И тот факт, что я в Амазоне, не всегда служит оправданием :))
3. Достаточно много практики. Задания в ноутбуках, среда разработки настроена - на лишнее отвлекаться не нужно. За первый модуль, пришлось несколько раз реализовать forward feed и back propagation, что сильно повысило мою уверенность в понимании как это устроено изнутри. Раньше я понимал, что используется chain rule и думал, что идет какая-то нереально навороченная реализация. На деле оказалось все куда проще: в зависимости от cost function и активационных функций, выбирается нужный метод, который знает как брать производную функции.
В общем, за первый модуль, я прокачал свой взгляд на сети и теперь уже могу осознано выбирать нужные гипер-параметры. Второй модуль как раз таки о практической части тренировки сетей и тюнинг параметров. Не могу не отметить профессионально упорядоченный материал и задания, отвечающие на вопрос "Почему?".
Все кому интересен Deep Learning и начинаете с нуля, рекомендую этот курс!
Чуть позже напишу свой отзыв о втором модуле.
https://coursera.org/share/53a702a3643fc25a83a6fd81596ceae5
Пока прошел первый модуль. Ушло примерно 2-3 недели, в основным по выходным. Если в часах, то около 20 часов. Доволен на 100% без преувеличений!
Из плюсов (минусов вообще пока не заметил):
1. Отлично продуманная программа: постепенно от логистической регресси, через однослойную сетку, к глубокой. Все сопровождается блестящим и подробным объяснением что-зачем-и-почему. Я, по-крайней мере, получил ответы на больинство своих вопросов, а на несколько тех, что не понял, смог добить самостоятельно в Гугле.
2. Супер профессиональный инструктор (сейчас именно об умении обучать, а не о его статусности в МЛ): Andrew Ng расставляет нужные акценты там где нужно, говорит о чем волноваться, а о чем не нужно. Дает понять где на математику нужно надавить, а где можно не сильно переживать. В моем случае это очень нужно, так как меня постоянно сопровождает Синдром Самозванца и я постоянно сомневаюсь, в своих способностях :)) И тот факт, что я в Амазоне, не всегда служит оправданием :))
3. Достаточно много практики. Задания в ноутбуках, среда разработки настроена - на лишнее отвлекаться не нужно. За первый модуль, пришлось несколько раз реализовать forward feed и back propagation, что сильно повысило мою уверенность в понимании как это устроено изнутри. Раньше я понимал, что используется chain rule и думал, что идет какая-то нереально навороченная реализация. На деле оказалось все куда проще: в зависимости от cost function и активационных функций, выбирается нужный метод, который знает как брать производную функции.
В общем, за первый модуль, я прокачал свой взгляд на сети и теперь уже могу осознано выбирать нужные гипер-параметры. Второй модуль как раз таки о практической части тренировки сетей и тюнинг параметров. Не могу не отметить профессионально упорядоченный материал и задания, отвечающие на вопрос "Почему?".
Все кому интересен Deep Learning и начинаете с нуля, рекомендую этот курс!
Чуть позже напишу свой отзыв о втором модуле.
https://coursera.org/share/53a702a3643fc25a83a6fd81596ceae5
2020 September 01
G
Яндекс открыл регистрацию на чемпионат по программированию Yandex Cup.
В этот раз подготовили задачи по машинному обучению, бэкенд- и фронтенд-разработке, мобильной разработке, аналитике и спортивному программированию. Разработчики Яндекса придумали нестандартные, но приближённые к реальным задачи — будет непросто, но интересно. Призовой фонд 3 300 000 рублей. Подробности и регистрация: https://clck.ru/Qcj24
В этот раз подготовили задачи по машинному обучению, бэкенд- и фронтенд-разработке, мобильной разработке, аналитике и спортивному программированию. Разработчики Яндекса придумали нестандартные, но приближённые к реальным задачи — будет непросто, но интересно. Призовой фонд 3 300 000 рублей. Подробности и регистрация: https://clck.ru/Qcj24
с
Вкратце, хочу поделиться своим опытом прохождения на курсе по Глубокому Обучению.
Пока прошел первый модуль. Ушло примерно 2-3 недели, в основным по выходным. Если в часах, то около 20 часов. Доволен на 100% без преувеличений!
Из плюсов (минусов вообще пока не заметил):
1. Отлично продуманная программа: постепенно от логистической регресси, через однослойную сетку, к глубокой. Все сопровождается блестящим и подробным объяснением что-зачем-и-почему. Я, по-крайней мере, получил ответы на больинство своих вопросов, а на несколько тех, что не понял, смог добить самостоятельно в Гугле.
2. Супер профессиональный инструктор (сейчас именно об умении обучать, а не о его статусности в МЛ): Andrew Ng расставляет нужные акценты там где нужно, говорит о чем волноваться, а о чем не нужно. Дает понять где на математику нужно надавить, а где можно не сильно переживать. В моем случае это очень нужно, так как меня постоянно сопровождает Синдром Самозванца и я постоянно сомневаюсь, в своих способностях :)) И тот факт, что я в Амазоне, не всегда служит оправданием :))
3. Достаточно много практики. Задания в ноутбуках, среда разработки настроена - на лишнее отвлекаться не нужно. За первый модуль, пришлось несколько раз реализовать forward feed и back propagation, что сильно повысило мою уверенность в понимании как это устроено изнутри. Раньше я понимал, что используется chain rule и думал, что идет какая-то нереально навороченная реализация. На деле оказалось все куда проще: в зависимости от cost function и активационных функций, выбирается нужный метод, который знает как брать производную функции.
В общем, за первый модуль, я прокачал свой взгляд на сети и теперь уже могу осознано выбирать нужные гипер-параметры. Второй модуль как раз таки о практической части тренировки сетей и тюнинг параметров. Не могу не отметить профессионально упорядоченный материал и задания, отвечающие на вопрос "Почему?".
Все кому интересен Deep Learning и начинаете с нуля, рекомендую этот курс!
Чуть позже напишу свой отзыв о втором модуле.
https://coursera.org/share/53a702a3643fc25a83a6fd81596ceae5
Пока прошел первый модуль. Ушло примерно 2-3 недели, в основным по выходным. Если в часах, то около 20 часов. Доволен на 100% без преувеличений!
Из плюсов (минусов вообще пока не заметил):
1. Отлично продуманная программа: постепенно от логистической регресси, через однослойную сетку, к глубокой. Все сопровождается блестящим и подробным объяснением что-зачем-и-почему. Я, по-крайней мере, получил ответы на больинство своих вопросов, а на несколько тех, что не понял, смог добить самостоятельно в Гугле.
2. Супер профессиональный инструктор (сейчас именно об умении обучать, а не о его статусности в МЛ): Andrew Ng расставляет нужные акценты там где нужно, говорит о чем волноваться, а о чем не нужно. Дает понять где на математику нужно надавить, а где можно не сильно переживать. В моем случае это очень нужно, так как меня постоянно сопровождает Синдром Самозванца и я постоянно сомневаюсь, в своих способностях :)) И тот факт, что я в Амазоне, не всегда служит оправданием :))
3. Достаточно много практики. Задания в ноутбуках, среда разработки настроена - на лишнее отвлекаться не нужно. За первый модуль, пришлось несколько раз реализовать forward feed и back propagation, что сильно повысило мою уверенность в понимании как это устроено изнутри. Раньше я понимал, что используется chain rule и думал, что идет какая-то нереально навороченная реализация. На деле оказалось все куда проще: в зависимости от cost function и активационных функций, выбирается нужный метод, который знает как брать производную функции.
В общем, за первый модуль, я прокачал свой взгляд на сети и теперь уже могу осознано выбирать нужные гипер-параметры. Второй модуль как раз таки о практической части тренировки сетей и тюнинг параметров. Не могу не отметить профессионально упорядоченный материал и задания, отвечающие на вопрос "Почему?".
Все кому интересен Deep Learning и начинаете с нуля, рекомендую этот курс!
Чуть позже напишу свой отзыв о втором модуле.
https://coursera.org/share/53a702a3643fc25a83a6fd81596ceae5
Непонял о чем это ??
K
Возможно уже спрашивали, есть ли чат с ux/ui?
DL
Как работают импорты в Python
Можно долго спорить, где import лучше — в Python 2 или 3. Но бывают ситуации, когда необходимо написать универсальное решение для обоих версий.
В этой статье разобрали если не всё, то почти всё, что касается импортов в Python — как для второй, так и третьей версии:
https://tprg.ru/htCU
#python
Можно долго спорить, где import лучше — в Python 2 или 3. Но бывают ситуации, когда необходимо написать универсальное решение для обоих версий.
В этой статье разобрали если не всё, то почти всё, что касается импортов в Python — как для второй, так и третьей версии:
https://tprg.ru/htCU
#python
C
Как работают импорты в Python
Можно долго спорить, где import лучше — в Python 2 или 3. Но бывают ситуации, когда необходимо написать универсальное решение для обоих версий.
В этой статье разобрали если не всё, то почти всё, что касается импортов в Python — как для второй, так и третьей версии:
https://tprg.ru/htCU
#python
Можно долго спорить, где import лучше — в Python 2 или 3. Но бывают ситуации, когда необходимо написать универсальное решение для обоих версий.
В этой статье разобрали если не всё, то почти всё, что касается импортов в Python — как для второй, так и третьей версии:
https://tprg.ru/htCU
#python
Я, пишущий все в одном файле: *сверхразум*
E
Как работают импорты в Python
Можно долго спорить, где import лучше — в Python 2 или 3. Но бывают ситуации, когда необходимо написать универсальное решение для обоих версий.
В этой статье разобрали если не всё, то почти всё, что касается импортов в Python — как для второй, так и третьей версии:
https://tprg.ru/htCU
#python
Можно долго спорить, где import лучше — в Python 2 или 3. Но бывают ситуации, когда необходимо написать универсальное решение для обоих версий.
В этой статье разобрали если не всё, то почти всё, что касается импортов в Python — как для второй, так и третьей версии:
https://tprg.ru/htCU
#python
а есть статья про то,как избавиться от Цикличных Импортов? :)
SA
а есть статья про то,как избавиться от Цикличных Импортов? :)
Если есть проблемы с импортами, значит у вас проблемы со структурой проекта
DC
Если есть проблемы с импортами, значит у вас проблемы со структурой проекта
+
E
Если есть проблемы с импортами, значит у вас проблемы со структурой проекта
Соглашусь, но есть ряд новых бизнес идей, которые подвергли к этому и будут в дальнейшим.
͏
предлагаю отменить импорты.
͏
🤡
MR
Если есть проблемы с импортами, значит у вас проблемы со структурой проекта
Действительно, когда пытаешься 2 класса заимпортить циклично (2 инстанса), то возникает необходимость импортить их внутри самой функции, либо пробовать другие способы. В других языках таких фишек нет вроде.