История изменений

Охотно верю что на Си можно сделать всё. Вопрос в количестве времени. Обычно тебе за неделю/месяц надо готовую модельку сделать, которая, например, будет, скажем с точностью 80+% сортировать заявки пользователей на каком-то сайте/сервисе или предсказывать какие-то параметры, скажем для примера, котировки акций на завтра точнее, чем у всех конкурентов. Скорее всего на сишке ты весь месяц будешь готовить инструменты для хранения и обработки данных, а так как ошибка в обработке будет всю модель ломать, то тебе ещё придётся всё тестами покрыть полностью или потом на этапе обучения который сам может месяц чисто на обучение потратить при написанном коде и подготовленных данных можно увидеть странности/получить результаты которые при попытке внедрения окажутся принципиально неработоспособными, например, в так называемых научных статьях от так называемых известных мировых учёных ведущих ВУЗ-ов и НИИ мира (MIT всякие там, Стенфорды и иже с ними) по моему скромному опыту ошибки которые принципиально делают модель нерабочей это 50% всех исследований. Иногда авторы ошибаются и не видят ошибку, иногда понимают что где-то ошиблись и начинают фантазировать чтоб результаты более-менее соответствовали результатам конкурентов, я даже видел как столбец с промежуточным результатом в датасет подмешивали чтоб точность набрать лучше чем у конкурентов (это когда с данными на гитхабе вываливали, исключаешь его и оп 95% точности становится 70). А другие учёные это видят, но негативно про ошибки писать не будут как правило, потому как нет смысла ссориться с MIT и говорить на весь мир что там дураки работают, потом будет очень трудно публиковаться/сотрудничать - сожрут.

Это кстати, одна из причин почему компании закрывают свои исследования, даже когда казалось бы нет смысла этого делать. Либо там ошибки которые дискриминацию проводят оценивая, например, цвет кожи соискателя на работу, либо чьи-то чужие модели ломают, работая более корректно чем учёные мужи сказали возможно, делая из этих мужей дураков, либо боятся опозориться самим, а потом ведь работу менять придётся.

Охотно верю что на Си можно сделать всё. Вопрос в количестве времени. Обычно тебе за неделю/месяц надо готовую модельку сделать, которая, например, будет, скажем с точностью 80+% сортировать заявки пользователей на каком-то сайте/сервисе или предсказывать какие-то параметры, скажем для примера, котировки акций на завтра точнее, чем у всех конкурентов. Скорее всего на сишке ты весь месяц будешь готовить инструменты для хранения и обработки данных, а так как ошибка в обработке будет всю модель ломать, то тебе ещё придётся всё тестами покрыть полностью или потом на этапе обучения который сам может месяц чисто на обучение потратить при написанном коде и подготовленных данных можно увидеть странности/получить результаты которые при попытке внедрения окажутся принципиально неработоспособными, например, в так называемых научных статьях от так называемых известных мировых учёных ведущих ВУЗ-ов и НИИ мира (MIT всякие там, Стенфорды и иже с ними) по моему скромному опыту ошибки которые принципиально делают модель нерабочей это 50% всех исследований. Иногда авторы ошибаются и не видят ошибку, иногда понимают что где-то ошиблись и начинают фантазировать чтоб результаты более-менее соответствовали результатам конкурентов, я даже видел как столбец с промежуточным результатом в датасет подмешивали чтоб точность набрать лучше чем у конкурентов (это когда с данными на гитхабе вываливали, исключаешь его и оп 95% точности становится 70). А другие учёные это видят, но негативно про ошибки писать не будут как правило, потому как нет смысла ссориться с MIT и говорить на весь мир что там дураки работают, потом будет очень трудно публиковаться/сотрудничать - сожрут.

Это кстати, одна из причин почему компании закрывают свои исследования, даже когда казалось бы нет смысла этого делать. Либо там ошибки которые дискриминацию проводят оценивая, например, цвет кожи соискателя на работу, либо чьи-то чужие модели ломают, работая более корректно чем учёные мужи сказали возможно, делая из этих мужей дураков, либо боятся опозориться самим.

Охотно верю что на Си можно сделать всё. Вопрос в количестве времени. Обычно тебе за неделю/месяц надо готовую модельку сделать, которая, например, будет, скажем с точностью 80+% сортировать заявки пользователей на каком-то сайте/сервисе или предсказывать какие-то параметры, скажем для примера, котировки акций на завтра точнее, чем у всех конкурентов. Скорее всего на сишке ты весь месяц будешь готовить инструменты для хранения и обработки данных, а так как ошибка в обработке будет всю модель ломать, то тебе ещё придётся всё тестами покрыть полностью или потом на этапе обучения который сам может месяц чисто на обучение потратить при написанном коде и подготовленных данных можно увидеть странности/получить результаты которые при попытке внедрения окажутся принципиально неработоспособными, например, в так называемых научных статьях от так называемых известных мировых учёных ведущих ВУЗ-ов и НИИ мира (MIT всякие там, Стенфорды и иже с ними) по моему скромному опыту ошибки которые принципиально делают модель нерабочей это 50% всех исследований. Иногда авторы ошибаются и не видят ошибку, иногда понимают что где-то ошиблись и начинают фантазировать чтоб результаты более-менее соответствовали результатам конкурентов, я даже видел как столбец с промежуточным результатом в датасет подмешивали чтоб точность набрать лучше чем у конкурентов (это когда с данными на гитхабе вываливали, исключаешь его и оп 95% точности становится 70). А другие учёные это видят, но негативно про ошибки писать не будут как правило, потому как нет смысла ссориться с MIT и говорить на весь мир что там дураки работают, потом будет очень трудно публиковаться/сотрудничать - сожрут.