Черт побери, Git?!

Git сложен: легко всё испортить, и нереально понять как исправить. Мы нашли сайт, на котором автор изложил несколько распространенных операций, с которыми вам (скорее всего) придется столкнуться, если вы крутитесь где-то около программирования. В комплекте:

– где у git волшебная машина времени!?!
– я закоммитил и вспомнил, что кое-что забыл!
– я случайно закоммитил что-то в мастер, хотя это должно быть в новой ветке!
– и многое другое…

Есть дипломатичная версия и не очень. Советуем второе!

😻 #advice

Keep calm and use boosting

😻 #memes

❓Что такое NLP и как с этим работать

NLP - эта область Data Science, которая изучает методы для автоматической работы с текстами, среди которых такие вещи как большие языковые модели и векторные представления слов. Освоить NLP сейчас – отличная инвестиция в будущее для любого IT-специалиста.

💡 Начните с бесплатного открытого урока «Прикладные методы автоматической обработки естественного языка» от OTUS.

В результате урока вы узнаете:

— основные NLP-задачи: от простой классификации спама до сложных диалоговых систем и моделей типа ChatGPT
— как обучать самые разные NLP-модели, чтобы они показывали state-of-the-art результат
— как меньше чем за час можно дообучить предобученную модель так, что она покажет результат лучше человека для некоторых NLP-задач

🎙️ Урок пройдёт 18 сентября в 18:00 мск в рамках курса «Natural Language Processing».

➡️ Пройдите бесплатное вступительное тестирование и зарегистрируйтесь на мероприятие

Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576, www.otus.ru

Распространенное заблуждение про стандартизацию

Звучит оно так: стандартизацией можно пользоваться, чтобы устранить ассиметрию/сделать распределение нормальным. Как бы не так.

Любые данные после применения этого преобразования останутся распределенными так же, как и до этого. Нормальное распределение останется нормальным, равномерное равномерным, и так далее.

Стандартизация способна повлиять только на масштаб данных. То же самое можно сказать и про Scaling. Это нужно для того, чтобы модель была устойчивее и чувствительнее.

😻 #train

Google улучшил построение маршрутов на Картах

Люди, в среднем, двигаются оптимально. На этом факте основана одна из техник построения маршрутов – обратное обучение с подкреплением. Алгоритм анализирует реальные маршруты людей и извлекает скрытые критерии, которыми народ руководствуется при выборе пути. Однако применение такого подхода в масштабах планеты затруднительно: слишком много маршрутов.

Но в Google придумали, как это пофиксить. Там изобрели новый масштабируемый алгоритм Receding Horizon Inverse Planning. Он позволил впервые применить IRL в масштабах Земли и предугадывать путь, максимально похожий на тот, который юзер выбрал бы сам.

Точность маршрутов в Google Maps в итоге выросла на 24%.

😻 #news

Финские заключенные будут размечать данные для моделей

Работа заключается в чтении текста и ответах на вопросы. По факту – это обучение LLM от финского стартапа Metroc. За маркировку данных заключенные будут получать 1,67$ в час.

😻 #memes

Ошибка 1-го и 2-го рода? А может лучше 7-го и 8-го?

А вы знали, что помимо известных всем ошибок первого и второго рода есть и другие виды статистических ошибок? Их достаточно много: целых 9. Вот они все, справа налево сверху вниз.

😻 #analytics

Что почитать на выходных: руководство от Google "Как делать ML"

Это Best Practices ML System Design бигтеха, священные скрижали «как делать нужно» и «как делать не нужно». Не обращайте внимание на то, что документу много лет. Он все еще как новый. Для тех, кто готов преисполниться.

😻 #advice