9999999999999999.0 - 9999999999999998.0 = 2

عجیب اما منطقی
دلیل این باگ به زبان #جادی

Top 20 Python libraries for Data Science (2018)

پست مرتبط:
https://t.iss.one/PyLab/328

#XGBoost in Python

Accessing class and function names at runtime
#pytrick

#sample_code #pandas #sklearn
Encode any categorical columns in the dataset using one-hot encoding so that they are encoded numerically...

خروجی نمونه قبل و بعد از این کار.
خاطرتون هست چرا encode میکردیم؟

#sample_code partII
در ادامه کد قبل. تبدیل encode شده ها به عدد به فرمت one hot

#vscode
IPython console in VS Code! The update to the code #Python extension extended the Python Interactive window to allow code to be typed in and executed directly in the window! Check it out 👉 https://blogs.msdn.microsoft.com/pythonengineering/2019/01/29/python-in-visual-studio-code-january-2019-release/

#خبر #مجموعه_داده

اولین #دیتاست دیوار ریلیز شد.
این دیتاست شامل حدوداً یک میلیون پست در سایت دیوار است.
Published on 2019/01/30


https://research.cafebazaar.ir/visage/datasets/

#آموزش

میدانید که اکثر الگوریتم های یادگیری ماشین دارای یک سری هایپرپارامترها هستند که توسط دانشمند داده یا برنامه نویس باید برای آن مساله تعیین شود.
روش های کلاسیک اغلب سرعت خیلی بیشتری از روش های عمیق دارند و می توانیم فضای وسیعی از حالات مختلف مقادیر متفاوت هایپرپارامترهای را جست و جو کنیم.

در sklearn دو روش اصلی موجود است.

روش اول (GridSearchCV) که تمام ترکیب ها را جست و جو می‌کند.
مثلا اگر 3 تا هایپر پارامتر داشته باشیم و برای یکی 3 مقدار، برای یکی 5 و برای یکی 10 مقدار مختلف مد نظر داشته باشیم
3*5*10 حالت مختلف را برایمان جست و جو میکند.

from sklearn.model_selection import GridSearchCV

روش دوم (RandomizedSearchCV) که تعدادی از حالات را به صورت تصادفی بررسی میکند.
این روش اغلب برای حالاتی است که فضای حالات مختلف برای هایپر پارامترهای مختلف خیلی بزرگ است و اصلا امکان جست و جوی تمامی حالات را نداریم. ناچاریم از این فضا تعدادی را تصادفی بررسی کنیم و بهترین کارایی روی داده dev را به عنوان بهترین مدل انتخاب کنیم.

from sklearn.model_selection import RandomizedSearchCV

#GridSearch #RandomizedSearch

نمونه کد GridSearch .در این مساله 2160 ترکیب مختلف از هایپرپارامترهایی که در دیکشنری xg_cl_param_grid مشاهده میشود.
چون 10-fold استفاده شده، هر کدام از حالات 10 بار اجرا میشود و در کل قرار است 21600 بار مدل fit شود.

https://t.iss.one/PyLab/347

تولید داکیومنت از روی نوت بوک jupyter

https://pandoc.org/releases.html

RNA-Seq Differential Expression Analysis
کورس جدید تحلیل RNA در datacamp
https://www.datacamp.com/courses/rna-seq-differential-expression-analysis

#خبر #حقوق
چرا استخدام یک تحلیلگر داده گران است؟! دلیل حقوق 140 هزار دلاری تحلیلگر داده در امریکا...

Data Scientists: Why are they so expensive to hire?
https://www.kdnuggets.com/2019/02/data-scientists-expensive-hire.html

#خطای_رایج
این دو کد فقط و فقط در دو خط اول و مقدار دهی اولیه ی a و b فرق دارند.
اما جوابشون از زمین تا آسمان تفاوت دارد...
چرا؟!