• Как постепенно перекочевать из Web в Machine Learning максимально безболезненно?

    xmoonlight
    @xmoonlight
    https://sitecoder.blogspot.com
    Языки программирования - это инструменты передачи логики от человека к процессору ПК.

    Вам нужно - ИЗНАЧАЛЬНО познать построение логики (и схем, путём логических и математических формул и дальнейшим моделированием процессов и связей) ML (и только потом - браться за реализацию и думать о языках программирования).

    Т.е., безболезненно - не выйдет! ML - это абсолютно новое направление для изучения.
    Ответ написан
    Комментировать
  • Как постепенно перекочевать из Web в Machine Learning максимально безболезненно?

    @blugamire
    Заказчики (ну или фирма на постоянку) - это все что нужно.
    А языки-шмызыки, с учетом того, что вы уже опытный программист - осваивается чрезвычайно быстро.
    Ответ написан
    Комментировать
  • Как постепенно перекочевать из Web в Machine Learning максимально безболезненно?

    @dev_marshak
    Как сказал мой босс, который не плохой специалист по Machine Learning.
    Входить в тему проще всего так:
    Ищем конкурсы в этой теме. И пробуем, походу осваивая нужные знания, там и Python проще подучить и с либами можно познакомиться, и к математическому аппарату подходишь с вполне конкретными вопросами
    Ответ написан
    Комментировать
  • Как постепенно перекочевать из Web в Machine Learning максимально безболезненно?

    @asd111
    Из языков строго python. Он похож чем то на Golang и на javascript так что сложностей в использовании не возникнет. С++ и R сразу нет. Потому что на С++ пишут в основном только сами библиотеки для ML либо что то очень быстрое наподобие анализа видеопотока в автопилотах и даже тогда прототип пишут на python, а R практически не развивается по сравнению с python и имеет более узкую сферу применения чем python.
    В плане обучения можно сделать так:
    1. Прочесть хорошую книгу по теме, потому что нужно знать термины и основные алгоритмы. Ну или хотя бы посмотреть курсы Andrew Ng Machine Learning. Для применения чужих библиотек на простых задачах этого в принципе достаточно.
    2. Глянуть scipy, numpy и jupyter notebook. У scikit есть scikit learn, в котором реализованы некоторые популярные алгоритмы. Например SVM, decision trees и т.д. и есть доки под это дело для начинающих scikit-learn.org/stable
    3. Зарегистрироваться на kaggle.com и найти задачу про титаник. Вот она https://www.kaggle.com/c/titanic Делаете решение как умеете. Можно взять простой gradient boost. Yandex как раз недавно выложил либу под это дело называется cat boost https://tech.yandex.ru/catboost/ Банальное использование этой библиотеки может дать около 80% точности. Вот туториал https://github.com/catboost/catboost/blob/master/c...
    4. Прочитать про keras. Взять готовую модель для смешивания стилей изображений и сделать сайт наподобие ostagram.ru для смешивания изображений. https://github.com/fchollet/keras/blob/master/exam...

    5. Дальше всё зависит от вас, поскольку заработать в области ML непросто :) Когда прочтете хотя бы одну книгу по ML, регистрируйтесь здесь ods.ai - это сообщество русскоговорящих специалистов в данной области.
    Ответ написан
    Комментировать
  • Как постепенно перекочевать из Web в Machine Learning максимально безболезненно?

    un1t
    @un1t
    Знакомый работал в стартапе когда его заинтересмовал ML, вобщем он предложил использовать какие-то штуки из ML для этого стартапа, заказчик согласился. И вот у него появилось несколько месяцев практического использования ML в продакшене. С точки зрения бизнеса я скажу, что идея была сомнительная, но кого это волнует)). Ну а знакомый продолжил дальше углубляться в эту тему и на следущую работу уже устроился как специалист по ML.

    Самый быстрый и безболезненный путь это начать применять ML на текущем месте. Придумай задачу, предложи заказчику, лучше начать с чего-то простого и нетрудозатратного.
    Ответ написан
    Комментировать
  • Как постепенно перекочевать из Web в Machine Learning максимально безболезненно?

    angrySCV
    @angrySCV
    machine learning, programming, startuping
    чувак, исходи из текущих задач -> сам МЛ очень широченная область, возьми какую-нибудь задачу, начти ее разбирать для начала используя язык который тебе привычнее.
    Потом уже глядишь другой язык переключишься, несколько языков использовать нет проблемы, путаться ну да будешь немного, ну постепенно выберишь и язык который тебе будет удобнее для работы с с анализом данных, и это не только питон и С++
    Ответ написан
    Комментировать
  • Ошибка при конвертировании cv::Mat в cv::Mat3b?

    DevMan
    @DevMan
    Почему не "a" и "b"?
    потому что есть такое понятие как контекст вызова.
    Почему PHP иногда ведет себя так, как будто приватные методы словно наследуются?

    И что сделать чтобы выводились "a" и "b", но чтобы при этом методы оставались приватными?
    class B extends A {
    	private function foo() {
    		echo "b";
    	}
    	public function test() {
    		$this->foo();
    	}
    }
    Ответ написан
    Комментировать
  • Ошибка при конвертировании cv::Mat в cv::Mat3b?

    @Elun
    Потому что test объявлена в scope класса A. Так как foo приватный, то и test никаким образом не может знать о том что произведена "перегрузка". Для класса B метода A.foo вообще не существует, он его не видит.
    Ответ написан
    Комментировать