Честно говоря для людей, знакомых с основами машинного обучения, было бы пожалуй интереснее в массе примерить свои знания на практике, вооружившись готовыми платформами (вроде gymnasium) и фреймворками (PyTorch & Sklearn), вместо погружения в детали реализации соответствующих алгоритмов.
Куда полезнее было бы осветить в статье рецепты получения сведения о краше на мобильных устройствах пользователей, с помощью того же OpenTelemetry например
Стоит всё же добавить, что в пакете Numpy уже есть собственные реализации функций median() и mean(), а также аналогичные — изначально игнорирующие значения NaN: nanmedian() и nanmean().
Есть с десяток веб-приложений, в числе которых легаси. Следить за ними полноценно просто дорого, дешевле взять WAF и отсечь разом море потенциальных CVE
Ещё бы это богатство в модном Apache Parquet с фильтром по региону забирать [мечтательно...)))] вместо запросов по отдельным ИНН! Огромный респект за проделанную работу!
Поставил эту лампочку в начале далекого 2019 года в холодный тамбур подъезда, 32 месяца светит 24/7 (выключателя нет) - не нарадуюсь. Брал сразу несколько "про запас", в итоге раздал по друзьям / родне))
Честно говоря для людей, знакомых с основами машинного обучения, было бы пожалуй интереснее в массе примерить свои знания на практике, вооружившись готовыми платформами (вроде gymnasium) и фреймворками (PyTorch & Sklearn), вместо погружения в детали реализации соответствующих алгоритмов.
Куда полезнее было бы осветить в статье рецепты получения сведения о краше на мобильных устройствах пользователей, с помощью того же OpenTelemetry например
А на кодкамп - нашлось и элегантное решение для вычисления мод:
#create NumPy array of values with multiple modes
x = np.array([2, 2, 2, 3, 4, 4, 4, 5, 5, 5, 7])
#find unique values in array along with their counts
vals, counts = np.unique (x, return_counts= True )
#find mode
mode_value = np.argwhere (counts == np.max (counts))
#print list of modes
print(vals[mode_value]. flatten().tolist ())
[2, 4, 5]
Стоит всё же добавить, что в пакете Numpy уже есть собственные реализации функций median() и mean(), а также аналогичные — изначально игнорирующие значения NaN: nanmedian() и nanmean().
lingbizkit, а какую предобученную модель для русского языка использовали?
Есть с десяток веб-приложений, в числе которых легаси. Следить за ними полноценно просто дорого, дешевле взять WAF и отсечь разом море потенциальных CVE
@chernish2,
Встречаются следующие виды API:
у Тинькова любопытная реализация на gRPC
На что сейчас предлагаете ориентироваться в современном вебе вместо Джанго. Без иронии, просто любопытно
Сообщения могут храниться зашифрованными, но никто не обещал шифровать метаданные, по которым можно строить их выборки.
Что означает «TBD»?
Ещё бы это богатство в модном Apache Parquet с фильтром по региону забирать [мечтательно...)))] вместо запросов по отдельным ИНН! Огромный респект за проделанную работу!
Поставил эту лампочку в начале далекого 2019 года в холодный тамбур подъезда, 32 месяца светит 24/7 (выключателя нет) - не нарадуюсь. Брал сразу несколько "про запас", в итоге раздал по друзьям / родне))