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 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)
Для себя Нужна консультация по моделям машинного обучения для проекта. Как итог ожидаю, что мы совместно подготовим простое описание возможной схемы работы алгоритма.
Для себя ОЧЕНЬ СРОЧНО , дедлайн 10.10 утром Нужно помочь «дописать» курсовую по теме «имплементация генеративных моделей для музыки», Какие есть вводные: 1) Диплом другого студента по схожей теме, где используется данная модель, для генерации на основе внесённых кусков музыки + код этого диплома Нужно: чуть покрутить модель, чтобы внести что-то уникальное (есть идея, не знаю, насколько валидная), и описать результаты экспериментов/метрики и тд В целом, в метриках и тд можно дословно повторить текст диплома, главное посчитать самостоятельно Какую оценку надо получить: 4/10 То есть нет необходимости писать хорошую работу, достаточно работы на минимальный положительный балл Но нужно именно описание взаимодействия с моделью и тд, подсчёта метрик, и чтобы была хотя бы какая-то (пусть провальная) своя идея Текст самой курсовой (воду) писать не нужно, я напишу. Нужно имплементировать модель + покрутить + добавить какую-то свою идею и помочь мне всё это описать в секции про имплементацию (достаточно проверить то, что опишу я по результатам вашей работы) Модель генерации музыки, которую надо будет крутить: magenta score2perf music transformer Оплата: готова 15-20 тысяч заплатить за такую работу, хотелось бы вносить оплату постепенно, по мере выполнения каких-то частей работы, чтобы было обоюдно комфортно
Для себя Реализовать классическую ML-модель поверх векторов из предобученной BERT-модели Дообучить модель Посчитать метрику accuracy Успешным считается значение метрики выше 85% Ссылка на датасет https://drive.google.com/file/d/12U9NBu811GXm3el-vRmoDPtvUUPqCBbD/view?usp=drivesdk
Для себя Имею базовые знания в Python (pandas ). Хотел бы научиться моделировать экономические процессы и делать прогнозы в помощью ML. Нужно будет дать всю необходимую математику, и научить работать с временными рядами с помощью ML.
Для себя Поменять архитектуру/последовательность/алгоритм кода, можно сделать менее гибко, но суть оставить + добавить комментарии и выводы о работе каждой модели https://drive.google.com/file/d/1dj1L10RBt1ToEoGf0_0zxnpJ9gYC3gfv/view?usp=share_link
Для себя Прохожу обучение в Яндекс.Практикум по программе «Инженер машинного обучения». Возникли сложности с выполнением одного из промежуточных проектов. Нужен специалист, который выполнит проект и объяснит все проделанные шаги.
Как мне найти учеников по профилю машинное обучение в Москве?
Зарегистрируйтесь и создайте привлекательный профиль с упоминанием вашей специализации. Обратите внимание на количество доступных заявок от учеников, которое на май 2026 года составляет 68
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 650.63 рублей с занятия. Больше занятий в неделю – выше доход