Для себя Требуется ментор по машинному обучению. Начал погружение в машинное обучение и анализ данных. В будущем хочу продвигаться в области компьютерного зрения и работы с беспилотными автомобилями. Прохожу курс от Deep Learning School МФТИ по машинному обучению, обучаюсь на третьем курсе МГТУ им. Баумана по направлению «Программная инженерия». В прошлом занимался Backend разработкой на Go, прогерский бекгрунд есть, математический довольно слабый (в сравнении с программой МФТИ) Хочу найти ментора. Человека, с которым смогу периодически консультироваться по техническим и не только аспектам. Какие материалы наиболее подходящи? Какие есть хакатоны и мероприятия для новичков в теме? Куда стоит идти стажироваться? Обязательно, чтобы Вы были в индустрии, работали в бигтехе. Образование законченное высшее.
Для работы Ищу помощника для разработки и исследований по искусственному интеллекту. Я сам занимаюсь исследованиями в ИИ (есть патенты и статьи), связан с университетом и консалтинговой компанией, не хватает времени на реализацию всех проектов и идей. Примеры актуальных задач (напишите в ответе примерную оценку / желаемый формат работы - какие из задач интересны вам): 1. Запустить и настроить RCNN для распознавания объектов на своём датасете 2. Запустить систему с Llama ботами на LangChain на арендованых серверах. 3. Настроить геометрические алгоритмы удаления перспективных искажений на изображениях (Homography transform) 4. Настроить модели для распознавания глубины объектов на картинках (пример: модель COTR) 5. Реализовать Model Parallelism / Federared Learning для некоторых простых моделей (сверточные сети - ResNet на MNIST/CIFAR)
Для себя Хочу взять несколько занятий, чтобы обсуждать вопросы по глубокому обучению в нлп. Примеры вопросов: distributed training, как выбрать learning rate, размер словаря, параметры для grid search и т.д.
Для себя Здравствуйте. У меня есть вопрос. Я хочу найти изображения с наибольшей вероятностью предсказания (т. е. ближе всего к 1,0) с предсказанным классом NORMAL (т. е. 1). indices = get_images_with_sorted_probabilities(prediction_table, get_highest_probability=True, label=1, number_of_items=10, only_false_predictions=False) message = 'Images with the highest probability of containing NORMAL' display(indices, message) Он пишет ошибку ValueError Traceback (most recent call last) in () 30 only_false_predictions=False) 31 message = 'Images with the highest probability of containing NORMAL' ---> 32 display(indices, message) 33 34 # display(indices[:10], message) - в учебнике 6 frames /usr/local/lib/python3.10/dist-packages/matplotlib/gridspec.py in __init__(self, nrows, ncols, height_ratios, width_ratios) 47 """ 48 if not isinstance(nrows, Integral) or nrows <= 0: ---> 49 raise ValueError( 50 f"Number of rows must be a positive integer, not {nrows!r}") 51 if not isinstance(ncols, Integral) or ncols <= 0: ValueError: Number of rows must be a positive integer, not 2.25 ValueError: Количество строк должно быть целым положительным числом, а не 2,25. Если найдем изображения, опознанные моделью как 'NORMAL', но с малой долей уверенности : indices_2 = get_images_with_sorted_probabilities(prediction_table, get_highest_probability=False, label=1, number_of_items=10, only_false_predictions=False) message = 'Images with lowest probability of containing NORMAL' display(indices_2, message) то получим ошибку ValueError Traceback (most recent call last) in () 6 only_false_predictions=False) 7 message = 'Images with lowest probability of containing NORMAL' ----> 8 display(indices_2, message) 6 frames /usr/local/lib/python3.10/dist-packages/matplotlib/gridspec.py in __init__(self, nrows, ncols, height_ratios, width_ratios) 47 """ 48 if not isinstance(nrows, Integral) or nrows <= 0: ---> 49 raise ValueError( 50 f"Number of rows must be a positive integer, not {nrows!r}") 51 if not isinstance(ncols, Integral) or ncols <= 0: ValueError: Number of rows must be a positive integer, not 3.0 ValueError: количество строк должно быть положительным целым числом, а не 3,0. Отсюда вопросы: 1. Ну, с 2,25 все понятно, но что не устроило в 3,0. Это же положительное целое число. 2. Как написать код,чтобы все устроило. Спасибо.
Для себя 1. Создайте фрейм данных из N = 28 записей со следующими полями: Nrow – номер записи, Name – имя сотрудника, BirthYear – год рождения, EmployYear – год приема на работу, Salary – зарплата. EyEColor – цвет глаз, SkinColor – цвет кожи, BloodType – группа крови, HairColor – цвет волос на голове. Заполните данный фрейм данными так, что Nrow изменяется от 1 до N, Name задается произвольно, BithYear распределен равномерно (случайно) на отрезке [1974,1994], EmployYear распределен равномерно на отрезке [BirthY ear+17,2013], Salary для работников младше 1990 г.р. определяется по формуле Salary = (ln(2014 – EmployY ear) +1) * 9000, для остальных Salary = (log2(2014– EmployY ear) + 1) * 9000. Подсчитайте число сотрудников с зарплатой, большей 18000. Добавьте в таблицу поле, соответствующее суммарному подоходному налогу (ставка 13%), выплаченному сотрудником за время работы в организации, если его зарплата за каждый год начислялась согласно формулам для Salary, где вместо 2014 следует последовательно подставить каждый год работы сотрудника в организации. 2. Постройте линейный классификатор для классификации сотрудников данной международной организации (признаки классификации: группа крови, цвет волос, глаз и цвет кожи). Использовать машину опорных векторов и алгоритм персептрона. Полученные результаты сравнить. Цвет глаз, кожи или волос можно закодировать определенным числом. В данном варианте использовать национальности: Англичанин, Китаец, Датчанин, Китаец из Пекина, Исландец. Для машины опорных векторов типа "C-classification" с полиномиальным ядром, добейтесь нулевой ошибки сначала на обучающей выборке, а затем на тестовой, путем изменения параметра C (для ядра типа polynomial можно изменять значение параметра degree). 3. Допустим, что решающая функция линейного классификатора в упрощенном виде выглядит так: Найти координаты и значение функции в точке минимума методом наискорейшего градиентного спуска.
Для работы Добрый день! Подал заявку в школу аналитики данных от МТС. Очень хочу к ним попасть, однако у меня пока поверхностные знания в данной области, и их не хватит для решения тестового задания. Ищу того, кто сможет пройти данное задание. Оно на два часа, начать можно в любой момент до 27 октября. Прокторинга нет. Вот заявленные темы, которые нужно знать: основы статистики и теории вероятностей, линейной алгебры, операций с векторами. Основы метрики качества моделей в ML, функций распределения, а также Python. Вот вариант прошлого года: https://clck.ru/3E6AqZ
Для работы Добрый день! Подал заявку в школу аналитики данных от МТС. Очень хочу к ним попасть, однако у меня пока поверхностные знания в данной области, и их не хватит для решения тестового задания. Ищу того, кто сможет пройти данное задание. Оно на два часа, начать можно в любой момент до 27 октября. Прокторинга нет. Вот заявленные темы, которые нужно знать: основы статистики и теории вероятностей, линейной алгебры, операций с векторами. Основы метрики качества моделей в ML, функций распределения, а также Python. Вот вариант прошлого года: https://clck.ru/3E6AqZ
Для себя Подготовить к собеседованию для стажировки. Возможен размеренный темп и определенная обучающая траектория, а не интенсив. Имеется общее поверхностное понимание главных методов ML, DL (полносвязные, сверточные, рекуррентные сети), навыки работы с Python, Pandas и тд. Возможно написание пет-проектов или подготовка к хакатонам. (для резюме)
Для себя Реализация модели latent diffusion Подробный ноутбук с заданием представлен по ссылке https://colab.research.google.com/drive/1DjiqVIebtDwzyKXdwxs2Q4BJLF2zRfLL?usp=sharing
Для себя Нужно помочь разобраться, как к моему сервису в теории можно добавить ML (ранжирование). Как результат занятия ожидаю, что мы придумаем концептуально как мог бы работать алгоритм (без деталей)
Для себя Проверка алгоритма прогнозирования временных рядов. Ниже его текущее состояние: 1. Предобработка данных 1.1. Удаление выбросов вверх и вниз o На данных по всему ряду o На данных по скользящему окну 1.2. Экспоненциальное сглаживание предобработанных данных из пункта 1.1 2. Сезонная декомпозиция 2.1. Методом скользящих средних 2.2. Методом LOESS (пока в разработке) 3. Прогнозирование с автоматическим подбором гиперпараметров по точности тестовой выборки 3.1. Prophet 3.2. SARIMA 3.3. Holt-Winters 4. Выбор оптимальной модели (работает плохо, нужен критерий для выбора) 5. Выбор финальной версии прогноза (вручную с корректировкой наклона и уровня)
Как мне найти учеников по профилю машинное обучение в России?
Зарегистрируйтесь и создайте привлекательный профиль с упоминанием вашей специализации. Обратите внимание на количество доступных заявок от учеников, которое на август 2026 года составляет 104
Какие требования к преподавателям на вашем сайте?
На нашем сайте приветствуются преподаватели с любым уровнем квалификации. Мы рекомендуем указать все свои сертификаты и образование, чтобы увеличить шансы на нахождение учеников
Могу ли я установить гибкий график работы?
Вы полностью контролируете свой график и можете обсуждать его напрямую с учениками, чтобы найти удобное время для обеих сторон
Каков потенциальный заработок для репетитора машинное обучение?
Заработок зависит от количества занятий и квалификации. В среднем, за одно занятие можно заработать 703.02 рублей с занятия. Больше занятий в неделю – выше доход