кто-то занимается сией парафией?

перша асоціяція  - тензометр - вимірювач деформацій - з лабораторних робіт в унівєрі)))


давай вже пояснюй з чим ти його їсиш)))

тема про нейронные сети и их обучение
есть пара задач
я спрашиваю а как - говорят через мэшинльонинг можно решить наверное

есть кто то - хто занимался данной тематикой? РЕАЛЬНО

потомушо я так смотрю, гугла уже и в аренду сдает сии процессоры
в облаке 7 баксов в час

я вивчав тензорний аналіз, метрика Шварцшильда ... оптичні ефекти гравітаційних лінз ...

але що та за звір, тензорний процессор, х.з.

тема про нейронные сети и их обучение
есть пара задач
я спрашиваю а как - говорят через мэшинльонинг можно решить наверное

есть кто то - хто занимался данной тематикой? РЕАЛЬНО

потомушо я так смотрю, гугла уже и в аренду сдает сии процессоры
в облаке 7 баксов в час

я дужжжеее дуже поверхнево цікавився ..
пробував обучити чатбота на одному комерційному проекті. Але альтернатива нейромережам виявилась більш ефективною в мої  задачі ... в мене не було достатньо даних  для того щоб трейнути нейромережу

 

але що та за звір, тензорний процессор, х.з.

Процесор для дуже швидкого множення величезних матриць. На них реалізовують сучасні нейронні мережі.

тема про нейронные сети и их обучение
есть пара задач
я спрашиваю а как - говорят через мэшинльонинг можно решить наверное

есть кто то - хто занимался данной тематикой? РЕАЛЬНО

потомушо я так смотрю, гугла уже и в аренду сдает сии процессоры
в облаке 7 баксов в час

є в мене знайомий який реально дуже плотно тим займається ...
вірніше він тілько на тому і спеціалізується, працював в гонконгу а потім десь на компанію з волстріт ...
старший чувак, він по ці темі профі
зараз в україні ...

там нет ничего овер вроде
тензорные процессоры работают на восьмерке ( в отличие от 32, 64)
и этого достаточно

причем язык там вроде пайтон или шото подобное

фишка в том шо надо формульнуть схему по весам
а оно там само после забодяжит

данные есть
и постоянно нарабатываются
но
у нас сейчас одна серия экспериментов куячит от десятки до тридцатки (с более-менее сигмой)
ну и ...

такой вот вопрос

одна серия означает - примерно в 3 дня
т.е. две серии в неделю

зы
цену я сказал только по компонентам
рисечеры и оборудование не включается

одна серия означает - примерно в 3 дня
т.е. две серии в неделю

зы
цену я сказал только по компонентам
рисечеры и оборудование не включается

Вы в курсе, что для машинного обучения необходим большой набор данных? Это как минимум тысячи значений с соответсвующей расшифровкой.

Нет единого успешного алгоритма на все случаи жизни. Надо пробовать, анализировать, думать, опять пробoвать и так по кругу... Для успешного решения задачи специалисту по машинному обучению надо вникать во все тонкости вашего процесса.

Машинное обучение - это совсем не только нейронные сети. Там масса других методов

Розгорнути попередні цитати...

Рамзан Духовноскреперов,  9 грудня 2018 00:06:48

одна серия означает - примерно в 3 дня
т.е. две серии в неделю

зы
цену я сказал только по компонентам
рисечеры и оборудование не включается

Вы в курсе, что для машинного обучения необходим большой набор данных? Это как минимум тысячи значений с соответсвующей расшифровкой.

Нет единого успешного алгоритма на все случаи жизни. Надо пробовать, анализировать, думать, опять пробoвать и так по кругу... Для успешного решения задачи специалисту по машинному обучению надо вникать во все тонкости вашего процесса.

ну кагбэ да
в курсе

скажем так
единица из серии это 10^3-10^5 событий

ну т.е.
единица в серии это матрица (в среднем) 10^4x5компонент
серия = 3-12 единичных экспериментов
можно походу для обучения трошки менять "константы"

Интересно.

Скільки не експерементував з МН, воно завжди давало гірші результати, ніж пряме вирішення задачі.

Машинне навчання - це тупий підбір параметрів для підгонки під результат. Нагадує тупака-студента, який не здатен вирішити задачу, тому трохи підправляє коефіцієнти в процесі вирішення, щоб отримати результат, близький до правильної відповіді. Як казала моя викладачка з вишки - "фухри-михри, й ніякого шахрайства".

Головний недолік МН в тому, що воно дає значно гірші результати на реальних даних, коли правильна відповідь невідома. Всі ті мегасучасні методи, тензори-шмензори - невелике покращення за рахунок використання потужностей. Тобто замість одного студента коефіцієнти пидбирають кілька потоків студентів, використовуючи різні методи, а результат усереднюється.

МН з користю використовується тільки для задач, пряме рішення яких не знайдено. А загалом це нудота й деградонс. Займатися таким можна тільки у випадку, якщо жити нема на що.

Так звані "айтішники" (недопрограмісти) роздули змухи слона, шоб на чомусь новому з лохів ще раз бабла накосити.

Найкращі фахівці, що готові продати свою роботу, тусують на kaggle. Наших там теж купа.

Останнє редагування: 9 грудня 2018 08:13:14 від umkabear

TensorFlow- библиотеки под анализ методом многомерного градиентного спуска.

Скільки не експерементував з МН, воно завжди давало гірші результати, ніж пряме вирішення задачі.

Машинне навчання - це тупий підбір параметрів для підгонки під результат. Нагадує тупака-студента, який не здатен вирішити задачу, тому трохи підправляє коефіцієнти в процесі вирішення, щоб отримати результат, близький до правильної відповіді. Як казала моя викладачка з вишки - "фухри-михри, й ніякого шахрайства".

саме так було і в мене на проекті і тому відмовився від МН.  Задачу вирішив по другому і проект в цілому успішно працює на сьогодні.
Чому в мене були нехороші результати в МН я вирішив що в мене не було достатньо даних для МН, і або я не достатньо розібрався в МН.



Останнє редагування: 9 грудня 2018 09:32:07 від Luxetenebris

TensorFlow- библиотеки под анализ методом многомерного градиентного спуска.

о, я її і пробував застосувати на проекті

Скільки не експерементував з МН, воно завжди давало гірші результати, ніж пряме вирішення задачі.

Машинне навчання - це тупий підбір параметрів для підгонки під результат. Нагадує тупака-студента, який не здатен вирішити задачу, тому трохи підправляє коефіцієнти в процесі вирішення, щоб отримати результат, близький до правильної відповіді. Як казала моя викладачка з вишки - "фухри-михри, й ніякого шахрайства".

Головний недолік МН в тому, що воно дає значно гірші результати на реальних даних, коли правильна відповідь невідома. Всі ті мегасучасні методи, тензори-шмензори - невелике покращення за рахунок використання потужностей. Тобто замість одного студента коефіцієнти пидбирають кілька потоків студентів, використовуючи різні методи, а результат усереднюється.

МН з користю використовується тільки для задач, пряме рішення яких не знайдено. А загалом це нудота й деградонс. Займатися таким можна тільки у випадку, якщо жити нема на що.

Так звані "айтішники" (недопрограмісти) роздули змухи слона, шоб на чомусь новому з лохів ще раз бабла накосити.

Найкращі фахівці, що готові продати свою роботу, тусують на kaggle. Наших там теж купа.

частково погоджуюсь. Але успіх чи ні нм залежить від типу задач  класифікації  чи оцінювання. Крім того сама нм має кілька параметрів налаштування що може призвести до абсолютно неприйнятних  (з точки зору сталості та схожості) результатів

Якщо є данні що мають самі по собі певні похибки то можна попробувати інші класифікатори які не використовують персептрон - наприклад байесівські класифікатори. Попробувати їх можна наприклад в софті Weka - безкоштовний софт

Скільки не експерементував з МН, воно завжди давало гірші результати, ніж пряме вирішення задачі.

Машинне навчання - це тупий підбір параметрів для підгонки під результат. Нагадує тупака-студента, який не здатен вирішити задачу, тому трохи підправляє коефіцієнти в процесі вирішення, щоб отримати результат, близький до правильної відповіді. Як казала моя викладачка з вишки - "фухри-михри, й ніякого шахрайства".

Головний недолік МН в тому, що воно дає значно гірші результати на реальних даних, коли правильна відповідь невідома. Всі ті мегасучасні методи, тензори-шмензори - невелике покращення за рахунок використання потужностей. Тобто замість одного студента коефіцієнти пидбирають кілька потоків студентів, використовуючи різні методи, а результат усереднюється.

МН з користю використовується тільки для задач, пряме рішення яких не знайдено. А загалом це нудота й деградонс. Займатися таким можна тільки у випадку, якщо жити нема на що.

Так звані "айтішники" (недопрограмісти) роздули змухи слона, шоб на чомусь новому з лохів ще раз бабла накосити.

Найкращі фахівці, що готові продати свою роботу, тусують на kaggle. Наших там теж купа.

++

Я думаю что тензорный сопроцессор гугля сделали потому как реализации  TensorFlow на питоне например были очень медленны

потомушо я так смотрю, гугла уже и в аренду сдает сии процессоры

амазон теж туди поліз - тіки вони сервіси надають

Про машинне навчання та нейронні мережі мені товкли ще  чверть віку тому. якихось вагомих зрушень не бачу, хоча можливості  обчисленнях зросли колосально(просто фантастично, імхо), як і мініатюризація самих обчислювальних пристроїв.