Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
Ficamos com a superação das metas, estamos chegando lentamente à RL
Você estará velho demais para esperar.
você estará velho demais para esperar.
Não tenho muita esperança, apenas dou uma olhada de vez em quando. Depois de todo o gpt, prevejo estagnação e estagnação nesse tópico. Não há avanços visíveis. É apenas um flash de propaganda, como acontece com as criptomoedas.
Eu tenho a visão oposta.
Em geral, acredito que uma IA forte já foi criada há muito tempo (mas não para nós), e todo o setor de criptomoedas (o mundo inteiro) tem trabalhado em seu treinamento, sem saber disso.
Eu tenho a visão oposta.
Em geral, acredito que uma IA forte já foi criada há muito tempo (só que não para nós), e todo o setor de criptomoedas (o mundo inteiro) tem trabalhado em seu treinamento, sem saber.
Não é sensato, não preciso de ajuda. O fórum é ainda mais uma distração do que uma pista. Estou apenas expondo minha experiência em termos gerais. Às vezes, eu a vendo :) quem quer que a ouça economizará tempo ao herdá-la.
Passar por cima dos sinais é uma tática falha e muito ineficaz, e isso já é um axioma para mim. Eu gostaria de dizer IMHO, mas é mais como um axioma.
E eu preciso de ajuda - penso mais e mais rápido do que consigo verificar no código.
Você não precisa procurar recursos - você precisa selecioná-los e configurá-los corretamente.
E preciso de ajuda, pois estou inventando mais e mais rápido do que consigo testar no código.
Você não precisa de uma superabundância de recursos - você precisa selecioná-los e configurá-los corretamente.
Então, a pergunta lógica é: em que tecnologia? Se for em Transformers, não é IA e nunca será.
Quem pode dizer?
Mas a tecnogolia deve ser muito ruim se você precisar do poder de computação do mundo inteiro, desde telefones celulares até uma fazenda de criptografia conectada a uma usina de energia...
Mas não há tecnologia melhor neste momento.
Parece simples e trivial para mim.
1. Eu mesmo trabalhei e trabalho: existe um professor e é necessário captar/processar os sinais para ele.
2. Como diz mytarmailS, você pode definir a tarefa oposta: há sinais e é preciso combinar/criar um professor para eles. Há algo nisso que não me agrada. Não tento seguir esse caminho.
Na realidade, as duas formas são iguais: o erro de classificação no par professor-traço disponível não deve exceder 20% fora da amostra. Mas o mais importante é que deve haver uma prova teórica de que o poder preditivo dos recursos disponíveis não muda, ou muda fracamente no futuro. Em todo o controle de vapor, isso é o mais importante.
Observo que meu raciocínio não inclui a seleção de modelos. Acredito que o modelo desempenha um papel extremamente secundário, pois não tem nada a ver com a estabilidade da capacidade de previsão dos recursos: a estabilidade da capacidade de previsão é uma propriedade do par professor-traço.
1. Alguém mais tem um par professor-traço com menos de 20% de erro de classificação?
2. Alguém mais tem evidências reais de variabilidade na capacidade preditiva para os recursos usados com menos de 20%?
Alguém tem? Então há algo a ser discutido
Não? Todo o resto é blá, blá, blá.
Parece simples e trivial para mim.
1. Eu mesmo trabalhei e trabalho: há um professor e é necessário captar/processar os sinais.
2. Como afirma mytarmailS, é possível definir a tarefa oposta: há atributos e é preciso combinar/criar um professor para eles. Há algo nisso que não me agrada. Não estou tentando ir por esse caminho.
Na realidade, os dois caminhos são os mesmos: o erro de classificação no par professor-traço disponível não deve exceder 20% fora da amostra. Mas, o mais importante, deve haver uma prova teórica de que a capacidade de previsão dos recursos disponíveis não muda, ou muda fracamente no futuro. Em todo o controle de vapor, isso é o mais importante.
Observo que meu raciocínio não inclui a seleção de modelos. Acredito que o modelo desempenha um papel extremamente secundário, pois não tem nada a ver com a estabilidade da capacidade preditiva das características: a estabilidade da capacidade preditiva é uma propriedade do par professor-característica.
1. Alguém mais tem um par professor-traço com menos de 20% de erro de classificação?
2. Alguém tem evidências reais de variabilidade na capacidade de previsão para os recursos usados com menos de 20%?
Alguém tem? Então há algo a ser discutido
Não? Todo o resto é blá blá blá blá.