Всем добрый вечер, хочу вкатиться впрограммирование нейросети, обучение, вот это все. что лучше взять для начала, keras или может torch какой-нибудь?
>>153936412 (OP)начни с основ мат. анализа
>>153937268да ладно, кому нужна эта непрерывность и дифференцируемость, градиенту?
>>153937303>градиентузначение знаешь?
>>153937436а ты с какой целью интересуешься.
>>153937268а ещё тервер и матстат. собственно из этого невросети и растут, хехе.
>>153937558вы такие все умные, вам байес не жмет?
>>153937590ты хотел вкатиться в невросети, вот пререквезиты к ним.
>>153937648а как же import tensorflow as tf? без экзамена по матану backprop не работает?
О, вы-то мне и нужны. Разъясните кто-нибудь популярно, что такое семантическая паутина и какие с неё профиты?
>>153937796онтологии и прочий rdf?
>>153937692Не работает. Потому что ты не сможешь понять, как это работает, а без этого просветления не бывает. Собственно это проблема всех "вкатывающихся в айти", которые способны повторять готовые рецепты (пусть и с каким-то успехом), но не понимающих, как работаю underlying технологии
>>153937834а зачем мне понимать как они работают, если мне нужен результат, а не просветление. (предположим в этот момент что я такой же обычный кретин как все остальные тут и действительно не понимаю, о боже мой, матан и матстат)
>>153937884тут внезапно не будет результата, потому что ты не понимаешь, что и как ты делаешь.
>>153937884пока кретин тут только ты
>>153938061с таким аналитическим умом вам надо работать в бюро прогнозов
>>153938090а ты у нас тут видимо умный.
>>153938103Прогнозов чего?
>>153938349результатов, очевидно же.
Нейросети не такая уж сложная вещь. Главная проблема только в том, что необходимы очень сильные компьютеры для проведения обучения, но зато результат может быть просто потрясающим. Например представте себе автопилот для автомобиля, но такой, который например может обучить хозяин. Т.е. ты ездиешь несколько месяцев на автомобиле. А потом автомобиль может ездить сам без тебя, в таком же стиле как это делал ты.
>>153938466style transfer что ли. лучше бы по пдд ездил.
Сначала: https://lagunita.stanford.edu/courses/HumanitiesSciences/StatLearning/Winter2016/aboutПотом Andrew Ng конечно, куда без него:https://www.coursera.org/learn/machine-learning?utm_source=gg&utm_medium=sem&campaignid=693373197&adgroupid=36745103675&device=c&keyword=andrew%20ng%20coursera&matchtype=e&network=g&devicemodel=&adpostion=1t1&creativeid=156061453600&hide_mobile_promo&gclid=CPfe9sWikdQCFR5lGQodvEcF1gПотом читать про рекурентные и конволюшнл сети:http://www.wildml.com/2015/09/recurrent-neural-networks-tutorial-part-1-introduction-to-rnns/http://cs231n.github.io/convolutional-networks/Потом скажу честно я хз. Нужно искать задачи помимо банального мниста или раковых опухолей. Можно попробовать решать задачи на kaggle. Но к этому времени ты уже должен понимать что к чему.Вообще самый главный курс это Эндрю, он очень хорошо обьясняет "intuition" как он говорит.
https://www.youtube.com/watch?v=vq2nnJ4g6N0https://www.youtube.com/playlist?list=PLrAXtmErZgOeiKm4sgNOknGvNjby9efdf
>>153936412 (OP)Говно для даунов, чтобы срубать даллары с недалеких инвесторов и гранты с государства.
>>153938517По ППД можно очень по разному ездить. Каждый не нарушающий ППД будет ездить по другому. Много дорог ведут в Рим и так далее и тому подобное.
>>153937832А вот мне, как рядовому юзеру, будет какой-то профит? Почему её называют следующим шагом в развитии всемирной паутины?Непосвящённым в матан это хоть реально вместить?
>>153938636>>153938638спасибо. >Нужно искать задачи помимо банального мниста или раковых опухолей. я для начала хочу обогнать sarima по mape на некотором датасете временных рядов, к тому же у меня к нему есть лейблы из некоторого ембеддинга. понятно что ltsm, но примеры архитектур с первого раза на глаза не попались, в отличие от cnn, про которые куча пейперов.
>>153938790ее так уже лет десять называют, пока толку никакого.
>>153938790Смотри короче HTML он для людей, да. Комп видит что <p> это параграф, но он не знает что в этом параграфе написано. В семантическом вебе у тебя будут теги которые характеризуют инфу. Например там <p:product_description>. То есть теперь комп понимает что это описание какого то продукта, а не просто текст. И поэтому инфу можно обрабатывать, сортировать и прочее. У рядового пользователя будет лучше работать поиск например.Но на самом деле параллельно развивается NLP, так что в этом может нет большого смысла.
>>153938903Толк есть, всякие поискивики подбирают правильную рекламу используя диплёрнинг.
>>153939034прекрасно. а причем тут онтологии.
>>153938881>я для начала хочу обогнать sarima по mape на некотором датасете временных рядовЧто такое sarima?
>>153939128https://www.otexts.org/fpp/8/9
>>153939064Вообще не причём. В данный момент, разум, сознание и душа почти не иследованы. Так называемый ИИ, который совсем не ИИ, способен только подбирать рекламу, более сложные задачи он выполнять не может.
>>153939210Так ты знаешь статистику но не знаешь программирования? Не упрек, просто интересно. Я ни про какие ARIMA не слышал, и у меня ощущение что это адвансд статистика.
>>153939444да это в общем-то классикаhttps://en.wikipedia.org/wiki/Time_series#Models>Так ты знаешь статистику но не знаешь программированияну это зависит от того что считать "знаешь". phd у меня по ним например нет.
>>153939548А можешь посоветовать как вкатиться в статистику? Я сам погромист, пишу бакалавриатский диплом по нейросетям (хуевый), но у меня ощущение что понимания статистики мне очень не хватает.
>>153939715Стандартные распределения в статистическом анализе данных. Распределение хи-квадрат (Пирсона). Случайная величина хи-квадрат как сумма квадратов независимых стандартных нормальных случайных величин. Распределения Фишера–Снедекора и Стьюдента. Распределение Дирихле и Бета-распределение.Точечное оценивание параметра закона распределения. Состоятельность, несмещенность (асимптотическая несмещенность) и оптимальность точечной оценки. Неравенство Рао–Крамера (скалярный и векторный случай). Эффективность (асимптотическая эффективность) точечной оценки.Достаточность статистики относительно параметра, критерий факторизации. Теорема Блекуэла–Рао о возможности улучшения оценок при наличии достаточных статистик.Полные достаточные статистики. Теорема об оптимальности полных достаточных статистик.Метод моментов. Функция правдоподобия. Метод наибольшего правдоподобия и свойства получаемой оценки. Теорема о состоятельности, асимптотической несмещенности, нормальности и эффективности оценки наибольшего правдоподобия.Интервальное оценивание параметра закона распределения, доверительный интервал. Свойства статистик, используемых для интервального оценивания. Построение доверительных интервалов параметров нормального распределения. Интервальное оценивание при больших выборках. Проверка гипотез о равенстве математических ожиданий и равенстве дисперсий двух нормальных случайных величин с использованием доверительных интервалов.Метод наименьших квадратов. Точечное оценивание векторного параметра. Система нормальных уравнений. Свойства оценки метода наименьших квадратов, теорема Гаусса–Маркова. Интервальное оценивание по методу наименьших квадратов. Нормальная регрессия. Теорема об оптимальности оценки метода наименьших квадратов в случае нормальной регрессии.Эмпирическая функция распределения. Статистическая гипотеза, выборка, критическая область гипотезы, уровень значимости. Теоремы о свойствах критериев согласия Колмогорова и Пирсона (хи-квадрат). Применение критериев для проверки согласия результатов опыта с теоретическими гипотезами о виде функции распределения, об однородности выборок, о независимости случайных величин. Использование статистических таблиц.Порядковые статистики и их законы распределения. Доли и блоки выборки. Статистическая эквивалентность блоков выборки. Задачи непараметрического оценивания.Выбор статистических гипотез. Простые и сложные статистические гипотезы. Статистическое решение и решающее правило. Рандомизированные решающие правила. Ошибки первого и второго рода, мощность статистического критерия. Наиболее мощный и равномерно наиболее мощный критерий.Критерий Неймана–Пирсона для двух простых гипотез. Решающее правило, оптимальное по критерию Неймана–Пирсона. Функция отношения правдоподобия. Лемма Неймана–Пирсона о построении решающего правила.Критерий максимума апостериорной вероятности.Критерий минимума среднего риска (Байеса) в случае простых гипотез. Функция штрафа, функция риска, средний риск. Решающее правило в случае двух простых гипотез, в случае произвольного конечного числа простых гипотез.Критерий Байеса в случае сложных гипотез. Решающее правило при известной функции распределения случайного параметра. Минимаксная процедура для случая неизвестного закона распределения случайного параметра.Связь критерия Байеса с критерием максимума апостериорной вероятности, минимаксным критерием, критерием Неймана–Пирсона.Последовательный критерий отношения вероятностей (критерий Вальда) и построение последовательной процедуры выбора при двух простых гипотезах. Теорема об оптимальности критерия отношения правдоподобия. Вид решающего правила на произвольном шаге процедуры и его интерпретация. Теорема о завершении процедуры за конечное число шагов с вероятностью единица. Выбор параметров решающего правила при заданных величинах вероятностей ошибок первого и второго рода.
>>153939773Половину слов знакома но смысла не помню :(Спасибо анон. Схоронил. Допишу свой говнодиплом и буду изучать.
>>153939867из современного можно http://miruvor.weebly.com/uploads/2/3/9/3/23933635/probabilistic_graphical_models.pdf почитать, но как можно заметить, там достаточно много букв и в целом надо думать над материалом, с другой строны cnn сейчас делает марковские сети по качеству, так что может уже и не нужно.
>>153938466нейросети с дип лёнингом щас преподносятся как панацея, а по факту, это работает только при грамотном дизайне и обучении. И вот тут как раз и возникает вопрос о понимании того, как конкретно это работает.
>>153936412 (OP)Смотри на кагле инфу.
>>153939773>араметра закона распределения. Состоятельность, несмещенность (асимптотическая несмещенность) и оптимальность точечной оценки. Неравенство Рао–Крамера (скалярный и векторный случай). Эффективность (асимптотическая эффективность) точечной оценки.>>Достаточность статистики относительно параметра, критерий факторизации. Теорема Блекуэла–Рао о возможности улучшения оценок при наличии достаточных статистик.>>Полные достаточные статистики.это курс какого-то говновуза?алсо посоветуйте годную книжку с задачами по этой всей хуйне, нихуя не шарю в этом говне.мимокфмн
>>153940794а ты что у нас заканчивал, гарвард?
