그의 코드는 읽기가 매우 어렵지만 일반적으로 알아낼 수 있습니다. MO에 대한 그의 개인적인 이해를 위해 이것은 매우 좋은 인센티브라고 생각합니다. 그리고 재현 가능한 코드는 프로세스를 이해하는 데 매우 중요합니다. 특히 자신만의 무언가를 만들고 싶다면 더욱 그렇습니다.
네, 그렇게 되면 몇 년을 낭비하게 되죠.
글쎄요, 지금까지는 논의할 것이 없습니다. 서튼과 바토의 책에 다 나와 있고 RL에 담그면 됩니다. 하지만 그 양은 놀랍습니다. 이 사람들은 좋은 임금을 받고 대학에서 일하고 있습니다. 어떤 머리가되어야하는지, 올바른 방향이 될 것입니다 :) 적용 경험을 바탕으로 지친 접근 방식에 관심이 있습니다.
그들이 말했듯이 거래의 MO는 이미 지하에서 주류로 이동했지만 여전히 테스터 성배 수준입니다. 그리고 지표 열병은 끝났습니다 :)
Мы просто спросили Игоря Ашманова об «Алисе» от Яндекса, а узнали об истории голосовых помощников, перспективах развития нейронных сетей и разобрались в том,...
ML이 예측에만 적합하고 인과관계에는 적합하지 않은 이유에 대한 해답을 얻을 수 있습니다.
ML은 이러한 역인과관계 유형의 문제에 취약한 것으로 악명이 높습니다. 경제학자들이 역인과관계라고 부르는 '만약'이라는 질문에 답해야 하기 때문입니다. 현재 상품에 대해 요구하고 있는 가격 대신 다른 가격을 사용하면 어떻게 될까요? 내가 지금 하고 있는 저지방 식단 대신 저당 식단을 하면 어떻게 될까요? 은행에서 신용을 제공하는 일을 한다면 고객 라인을 변경하면 수익이 어떻게 달라지는지 파악해야 합니다. 또는 지방 정부에서 일한다면 학교 교육 시스템을 개선하는 방법을 찾아야 할 수도 있습니다. 디지털 지식의 시대라고 해서 모든 아이들에게 태블릿을 주어야 할까요? 아니면 구식 도서관을 지어야 할까요?
이러한 질문의 중심에는 우리가 답을 알고자 하는 인과적 질문이 있습니다. 인과적 질문은 매출을 늘리는 방법을 찾는 것과 같은 일상적인 문제에 스며들어 있습니다. 하지만 인과적 질문은 매우 개인적이고 우리에게 소중한 딜레마에서도 중요한 역할을 합니다. 인생에서 성공하려면 비싼 학교에 다녀야 하는가(교육이 수입의 원인이 되는가)? 이민이 내 취업 가능성을 낮추는가(이민으로 인해 실업률이 높아지는가)? 빈곤층에 대한 송금이 범죄율을 낮추는가? 어떤 분야에 종사하든 상관없습니다. 여러분은 어떤 종류의 인과 관계에 대한 질문에 답해야 할 가능성이 매우 높습니다. 안타깝게도 ML에서는 이러한 문제를 해결하기 위해 상관관계 유형의 예측에 의존할 수 없습니다.
흠, 그가 어떻게 더 많은 것을 알았을까 :)
방금 분류 정확도 때문에 올바르게 분류된 불량 사례의 양이 적다고 썼습니다.
그의 코드는 읽기가 매우 어렵지만 일반적으로 알아낼 수 있습니다. MO에 대한 그의 개인적인 이해를 위해 이것은 매우 좋은 인센티브라고 생각합니다. 그리고 재현 가능한 코드는 프로세스를 이해하는 데 매우 중요합니다. 특히 자신만의 무언가를 만들고 싶다면 더욱 그렇습니다.
네, 그렇게 되면 몇 년을 낭비하게 되죠.
Alice 음성 어시스턴트의 이고르 아쉬마노프
AI 프로그램에 대한 근본적으로 다른 두 가지 접근 방식에 대해 알아보세요.
드디어 캐주얼에 대한 좋은 가이드가 생겼습니다.
ML이 예측에만 적합하고 인과관계에는 적합하지 않은 이유에 대한 해답을 얻을 수 있습니다.
ML은 이러한 역인과관계 유형의 문제에 취약한 것으로 악명이 높습니다. 경제학자들이 역인과관계라고 부르는 '만약'이라는 질문에 답해야 하기 때문입니다. 현재 상품에 대해 요구하고 있는 가격 대신 다른 가격을 사용하면 어떻게 될까요? 내가 지금 하고 있는 저지방 식단 대신 저당 식단을 하면 어떻게 될까요? 은행에서 신용을 제공하는 일을 한다면 고객 라인을 변경하면 수익이 어떻게 달라지는지 파악해야 합니다. 또는 지방 정부에서 일한다면 학교 교육 시스템을 개선하는 방법을 찾아야 할 수도 있습니다. 디지털 지식의 시대라고 해서 모든 아이들에게 태블릿을 주어야 할까요? 아니면 구식 도서관을 지어야 할까요?
이러한 질문의 중심에는 우리가 답을 알고자 하는 인과적 질문이 있습니다. 인과적 질문은 매출을 늘리는 방법을 찾는 것과 같은 일상적인 문제에 스며들어 있습니다. 하지만 인과적 질문은 매우 개인적이고 우리에게 소중한 딜레마에서도 중요한 역할을 합니다. 인생에서 성공하려면 비싼 학교에 다녀야 하는가(교육이 수입의 원인이 되는가)? 이민이 내 취업 가능성을 낮추는가(이민으로 인해 실업률이 높아지는가)? 빈곤층에 대한 송금이 범죄율을 낮추는가? 어떤 분야에 종사하든 상관없습니다. 여러분은 어떤 종류의 인과 관계에 대한 질문에 답해야 할 가능성이 매우 높습니다. 안타깝게도 ML에서는 이러한 문제를 해결하기 위해 상관관계 유형의 예측에 의존할 수 없습니다.
드디어 좋은 캐주얼 가이드를 얻었습니다.
왜 MO가 예측에만 사용되고 인과관계 검색에는 사용되지 않는지에 대한 질문에 대한 답변입니다.
드디어 좋은 캐주얼 가이드를 얻었습니다.
무엇보다도 "불필요한" 매트릭스처럼 보입니다.)
기본적으로 예를 들어 증거 기반 의학에서 어떤 방법이 사용되는지 확인하고 작업에 적용하려고 시도하는 것이 좋습니다.
대부분 "불필요한" 매트스탯과 비슷함)
기본적으로 근거 기반 의학에서 어떤 방법이 사용되는지 살펴보고 이를 업무에 적용해보라는 제안입니다.
피트니스 기능의 바이런트 중 하나입니다.
AMO의 과제는 AMO 거래의 자산을 기반으로 한 예측이 가능한 한 좋은 방식으로 훈련하는 것입니다.
나는 역사에 대한 아름다운 자본 곡선을 원하지 않지만 미래 거래에서 자신감있는 예측을 얻고 싶습니다 ...
신뢰 구간으로 예측, 동일한 통계 테스트...
예측에는 자동 아리마와 홀트의 두 가지 알고리즘을 사용했습니다.
여기에서 예측이 주식의 "성장을 보장"하는 영역을 볼 수 있습니다.