⚡️ Awesome Open-source Machine Learning for Developers
Если вы разработчик, стремящийся быстро создавать продукты для машинного обучения, этот репозиторий может вам помочь
https://github.com/merveenoyan/awesome-osml-for-devs
@data_math
Если вы разработчик, стремящийся быстро создавать продукты для машинного обучения, этот репозиторий может вам помочь
https://github.com/merveenoyan/awesome-osml-for-devs
@data_math
👍5❤2🔥1
Forwarded from Machinelearning
⭐️ Awesome Quant: Финансовая математика
Лучшие пакеты r, библиотеки python, пакеты julia, инструменты прогнозирования, программное обеспечение для работы с биржами, финансовые инструменты, r, python, julia, rust, java и многое другое.
Большой кураторский список безумно полезных библиотек, пакетов и ресурсов для Квантов.
https://wilsonfreitas.github.io/awesome-quant/
@ai_machinelearning_big_data
Лучшие пакеты r, библиотеки python, пакеты julia, инструменты прогнозирования, программное обеспечение для работы с биржами, финансовые инструменты, r, python, julia, rust, java и многое другое.
Большой кураторский список безумно полезных библиотек, пакетов и ресурсов для Квантов.
https://wilsonfreitas.github.io/awesome-quant/
@ai_machinelearning_big_data
🔥9👍4❤1
Дискретная математика
1. Высказывание и логические связки
2. Минимизация логических функций
3. Доказательство
4. Множества. Операции над множествами
5. Бинарные отношения
6. Функция
7. Иерархия. Операция с О
8. Временные оценки сложности арифметических операций
9. Решение рекуррентных соотношений
10. Линейные однородные рекуррентные соотношения
#video #math
https://www.youtube.com/watch?v=IzFV_dqPPh0&list=PLAyGZSpiecFrbfQxm_YiKNmkXwW7k0i_m&ab_channel=%D0%98%D0%BD%D1%81%D1%82%D0%B8%D1%82%D1%83%D1%82%D0%BF%D1%80%D0%BE%D0%B3%D1%80%D0%B0%D0%BC%D0%BC%D0%BD%D1%8B%D1%85%D1%81%D0%B8%D1%81%D1%82%D0%B5%D0%BCI%D0%99%D0%BE%D1%88%D0%BA%D0%B0%D1%80-%D0%9E%D0%BB%D0%B0
1. Высказывание и логические связки
2. Минимизация логических функций
3. Доказательство
4. Множества. Операции над множествами
5. Бинарные отношения
6. Функция
7. Иерархия. Операция с О
8. Временные оценки сложности арифметических операций
9. Решение рекуррентных соотношений
10. Линейные однородные рекуррентные соотношения
#video #math
https://www.youtube.com/watch?v=IzFV_dqPPh0&list=PLAyGZSpiecFrbfQxm_YiKNmkXwW7k0i_m&ab_channel=%D0%98%D0%BD%D1%81%D1%82%D0%B8%D1%82%D1%83%D1%82%D0%BF%D1%80%D0%BE%D0%B3%D1%80%D0%B0%D0%BC%D0%BC%D0%BD%D1%8B%D1%85%D1%81%D0%B8%D1%81%D1%82%D0%B5%D0%BCI%D0%99%D0%BE%D1%88%D0%BA%D0%B0%D1%80-%D0%9E%D0%BB%D0%B0
👍9❤2🔥1
Основа работы трансформеров — это математика
Если вы хотите полного её понимания в рамках архитектуры трансформеров рекомендуем обратить внимание на данную статью. В ней представлены все вычисления, происходящие внутри модели трансформера.
А если математика для вас оказалась слишком сложной, то можете сначала посмотреть в сторону этого обзора, там легко и наглядно разложены основные идеи и понятия.
#llm #transformer
@data_math
Если вы хотите полного её понимания в рамках архитектуры трансформеров рекомендуем обратить внимание на данную статью. В ней представлены все вычисления, происходящие внутри модели трансформера.
А если математика для вас оказалась слишком сложной, то можете сначала посмотреть в сторону этого обзора, там легко и наглядно разложены основные идеи и понятия.
#llm #transformer
@data_math
👍11❤3🔥2
💡 Очень крутая статья: ML-разработчик Яндекса рассказывает о квантизации нейросетевых моделей и делится практическими советами, как сделать модели эффективнее
Квантизация – это процесс преобразования значений из представления с большим объёмом информации в более компактное представление. Она помогает сэкономить ресурсы и улучшить пользовательский опыт.
▪️ Статья
@data_math
Квантизация – это процесс преобразования значений из представления с большим объёмом информации в более компактное представление. Она помогает сэкономить ресурсы и улучшить пользовательский опыт.
▪️ Статья
@data_math
👍8❤2🔥2
Математика. Объяснение
1. Все операции в системах счисления в одном видео
2. Равновесие Неша. Объяснение математического смысла
3. Деление на ноль. Объяснение математического смысла
4. Число Фибоначчи = 1.618. Объяснение математического смысла
золотого сечения
5. Зачем нужен ВЕКТОР. Объяснение математического смысла
6. Зачем нужны системы счисление. Объяснение смысла
7. Число e - 2,718. Объяснение математического смысла
8. Сумма всех чисел равна - 1/12. Объяснение математически, чему равна бесконечность
9. Число Пи-здесь. Объяснение математического смысла
#video #math
https://www.youtube.com/watch?v=w4Bl7NnMMMo&list=PLX-4e1QvVfSba2buT2lx_DaGgzCY3dZgy&ab_channel=SciencePub
@data_math
1. Все операции в системах счисления в одном видео
2. Равновесие Неша. Объяснение математического смысла
3. Деление на ноль. Объяснение математического смысла
4. Число Фибоначчи = 1.618. Объяснение математического смысла
золотого сечения
5. Зачем нужен ВЕКТОР. Объяснение математического смысла
6. Зачем нужны системы счисление. Объяснение смысла
7. Число e - 2,718. Объяснение математического смысла
8. Сумма всех чисел равна - 1/12. Объяснение математически, чему равна бесконечность
9. Число Пи-здесь. Объяснение математического смысла
#video #math
https://www.youtube.com/watch?v=w4Bl7NnMMMo&list=PLX-4e1QvVfSba2buT2lx_DaGgzCY3dZgy&ab_channel=SciencePub
@data_math
👍15❤4🔥3💩1
📚 Сборник задач и упражнений по высшей математике — математическое программирование
https://t.iss.one/repositorybooks/517
@data_math
https://t.iss.one/repositorybooks/517
@data_math
Telegram
Архив книг
Сборник задач и упражнений по высшей математике — математическое программирование
👍8❤4🔥1🤡1
📚 Полезная шпаргалка по статистике от Стэнфорда
Крутые материалы к курсу Introduction to Probability and Statistics for Engineers.
Внутри:
▪️доверительные интервалы;
▪️тестирование гипотез;
▪️регрессионный анализ;
▪️корреляционный анализ.
▪️оценка статистических параметров ;
📍шпаргалка
@data_math
Крутые материалы к курсу Introduction to Probability and Statistics for Engineers.
Внутри:
▪️доверительные интервалы;
▪️тестирование гипотез;
▪️регрессионный анализ;
▪️корреляционный анализ.
▪️оценка статистических параметров ;
📍шпаргалка
@data_math
🔥11👍3❤2🥰1
Инженеры вычисли Пи до 105 трлн знаков после запятой
Команда инженеров из StorageReview провела расчёты числа Пи до 105 трлн знаков после запятой, что является новым мировым рекордом в этом направлении. На подготовку и расчёты у исследователей ушло 75 суток. Последние цифры числа «Пи» до 105 трлн знаков: 1432360875 9463978314 2999186657 8364664840 8558373926. (Теперь вы можете похвастаться, что знаете последние вычисленные цифры числа пи)
До этого рекорд удерживала команда из Google, вычисляющая Пи до 100 трлн знаков.
StorageReview использовали двухпроцессорная 128-ядерная систему AMD EPYC 9754 Bergamo, оснащённую 1,5 ТБ DDR5 RAM и системой хранения на твердотельных накопителях Solidigm QLC общим объёмом около 1 ПБ.
Команда начала считать 14 декабря 2023 и закончила 27 февраля, то есть 75 дней. Для расчета использовался алгоритм Чудновского
Путь оказался не без ошибок. Первым препятствием стала архитектура Zen4 и ее проблема с производительности из-за параллельных вычислений, связанных с супер выравниванием и его влиянием на шаблоны доступа к памяти.
Также инженеры столкнулись с арифметической ошибкой с плавающей запятой в коде AVX512 для алгоритма умножения N63. Решил ее удаленно разработчик Александра Йи, что позволило дальше вычислять.
https://www.storagereview.com/review/breaking-records-storagereviews-105-trillion-digit-pi-calculation
@data_math
Команда инженеров из StorageReview провела расчёты числа Пи до 105 трлн знаков после запятой, что является новым мировым рекордом в этом направлении. На подготовку и расчёты у исследователей ушло 75 суток. Последние цифры числа «Пи» до 105 трлн знаков: 1432360875 9463978314 2999186657 8364664840 8558373926. (Теперь вы можете похвастаться, что знаете последние вычисленные цифры числа пи)
До этого рекорд удерживала команда из Google, вычисляющая Пи до 100 трлн знаков.
StorageReview использовали двухпроцессорная 128-ядерная систему AMD EPYC 9754 Bergamo, оснащённую 1,5 ТБ DDR5 RAM и системой хранения на твердотельных накопителях Solidigm QLC общим объёмом около 1 ПБ.
Команда начала считать 14 декабря 2023 и закончила 27 февраля, то есть 75 дней. Для расчета использовался алгоритм Чудновского
Путь оказался не без ошибок. Первым препятствием стала архитектура Zen4 и ее проблема с производительности из-за параллельных вычислений, связанных с супер выравниванием и его влиянием на шаблоны доступа к памяти.
Также инженеры столкнулись с арифметической ошибкой с плавающей запятой в коде AVX512 для алгоритма умножения N63. Решил ее удаленно разработчик Александра Йи, что позволило дальше вычислять.
https://www.storagereview.com/review/breaking-records-storagereviews-105-trillion-digit-pi-calculation
@data_math
👍19🔥4❤3🤯3😱1
⚡️ 100 уроков математики от Алексея Савватеева!
Идея этого курса — рассказать про математику. Но не про школьную математику, а про Математику, которой занимаются настоящие Математики. Можно сказать, что это курс мехматовской математики в изложении, пригодном даже для детей. Если все понятно и очень интересно — то вам сюда!
▪ Курс
@data_math
Идея этого курса — рассказать про математику. Но не про школьную математику, а про Математику, которой занимаются настоящие Математики. Можно сказать, что это курс мехматовской математики в изложении, пригодном даже для детей. Если все понятно и очень интересно — то вам сюда!
▪ Курс
@data_math
🔥33❤5👍1👎1🥰1🤔1
🔥 ChatGLM-Математика: Улучшение решения математических задач в больших языковых моделях с помощью конвейера самокритики
Достижение результатов SotA для моделей с открытым исходным кодом по математике с помощью модели самокритики.
https://arxiv.org/abs/2404.02893
@data_math
Достижение результатов SotA для моделей с открытым исходным кодом по математике с помощью модели самокритики.
https://arxiv.org/abs/2404.02893
@data_math
👍6❤3🔥2
Логика
1. Риторика, Дедукция, Индукция
2. Правильность и Истинность
3. Тавтология в логике
4. Классы в дедукции
5. Нулевой класс в дедукции
6. Формы силлогизмов
7. Стандартные логические конвертации
8. 4-ая форма силлогизмов
9. Аргумент от авторитета и Атака личности
10. 3-я форма силлогизмов
#video
https://www.youtube.com/watch?v=YcmCMbkNGvw&list=PLY7PmJJFH5nRi2mjOdiS9N-eo5FB42MLH
@data_math
1. Риторика, Дедукция, Индукция
2. Правильность и Истинность
3. Тавтология в логике
4. Классы в дедукции
5. Нулевой класс в дедукции
6. Формы силлогизмов
7. Стандартные логические конвертации
8. 4-ая форма силлогизмов
9. Аргумент от авторитета и Атака личности
10. 3-я форма силлогизмов
#video
https://www.youtube.com/watch?v=YcmCMbkNGvw&list=PLY7PmJJFH5nRi2mjOdiS9N-eo5FB42MLH
@data_math
❤8👍5🔥2
Новая версия GPT-4 и она уже покоряет математические олимпиады
Недавно, вышло очередное обновление для ChatGPT - GPT-4 c суффиксом 04-09, и новая версия уже показала себя в деле. Она демонстрирует впечатляющие результаты в решении сложных математических задач олимпиадного уровня и значительно превосходит предыдущую в данной области.
Для проверки мощности, GPT-4-04-09 "поучаствовал" в соревновании AI Mathematical Olympiad Prize на платформе Kaggle, до обновления GPT-4 решал только одну задачу, причем с использованием длинного промта (в котором, по сути, были подсказки к решению). Новая же версия успешно справилась уже с 5 из 10 задач. Для сравнения, конкурирующая модель Claude 3 Opus решила только одну задачу, хотя и без подсказок.
Сотрудники OpenAI в X Twitter даже отметили, что это "существенный прогресс" (big improvement), особенно заметный в области математики. Ожидается, что обновленная модель будет интегрирована в ChatGPT (речь про веб-версию с подпиской). Также на платформе LMSYS Arena мы скоро сможем воочию увидеть, насколько впечатляющи эти улучшения.
Выход новой версии GPT-4 совпал с обновлением рейтинга, в котором модель CMD-R+ от Cohere на 100B+ параметров обогнала исходные версии GPT-4 весны 2023 года, но Claude 3 Opus по-прежнему гордо восседает на первом месте. В ближайшее время ждем публикации метрик, демонстрирующих рост качества рассуждений и способностей GPT-4 в математике.
Это похоже на новый виток развития моделей, подогреваемый невероятно быстро растущей конкуренцией, и свежая модель GPT-4 задает новые стандарты на этом этапе.
@data_math
Недавно, вышло очередное обновление для ChatGPT - GPT-4 c суффиксом 04-09, и новая версия уже показала себя в деле. Она демонстрирует впечатляющие результаты в решении сложных математических задач олимпиадного уровня и значительно превосходит предыдущую в данной области.
Для проверки мощности, GPT-4-04-09 "поучаствовал" в соревновании AI Mathematical Olympiad Prize на платформе Kaggle, до обновления GPT-4 решал только одну задачу, причем с использованием длинного промта (в котором, по сути, были подсказки к решению). Новая же версия успешно справилась уже с 5 из 10 задач. Для сравнения, конкурирующая модель Claude 3 Opus решила только одну задачу, хотя и без подсказок.
Сотрудники OpenAI в X Twitter даже отметили, что это "существенный прогресс" (big improvement), особенно заметный в области математики. Ожидается, что обновленная модель будет интегрирована в ChatGPT (речь про веб-версию с подпиской). Также на платформе LMSYS Arena мы скоро сможем воочию увидеть, насколько впечатляющи эти улучшения.
Выход новой версии GPT-4 совпал с обновлением рейтинга, в котором модель CMD-R+ от Cohere на 100B+ параметров обогнала исходные версии GPT-4 весны 2023 года, но Claude 3 Opus по-прежнему гордо восседает на первом месте. В ближайшее время ждем публикации метрик, демонстрирующих рост качества рассуждений и способностей GPT-4 в математике.
Это похоже на новый виток развития моделей, подогреваемый невероятно быстро растущей конкуренцией, и свежая модель GPT-4 задает новые стандарты на этом этапе.
@data_math
👍10🔥4❤1
⚡️Индуктивная статистика: доверительные интервалы, предельные ошибки, размер выборки и проверка гипотез
Крутая статья, рассказывающая о:
- анализе выборок;
- влиянии параметров эксперимента и статистических критериев на результаты анализа;
- основных критериях;
- доверительных интервалах;
- статистических тестах.
🚀 Читать
@data_math
Крутая статья, рассказывающая о:
- анализе выборок;
- влиянии параметров эксперимента и статистических критериев на результаты анализа;
- основных критериях;
- доверительных интервалах;
- статистических тестах.
🚀 Читать
@data_math
❤13👍6🔥3
Особенно актуально будет для тех, кто занимается научными вычислениями
Темы разобраны очень подробно, даже фундаментально, я бы сказал
Охват тем вы видите ниже
О python • Установка python • Python в качестве калькулятора • Скрипты python • Блокноты. Jupyter Notebooks • Основные типы объектов: числа и списки • Операторы потока управления
Компилируемость vs Интерпретируемость • Динамическая типизация • Аннотация типов • Изменяемые и неизменяемый типы объектов • Создание и удаление объектов. Сборщик мусора • О коллекциях в python • Последовательности: списки, кортежи и строки
Сторонние библиотеки и пакетные менеджеры • NumPy • Векторизация • Срезы • Умножение векторов • Логические операции • Векторизация на примере вычисления статистик • Случайные числа
Словари. dict • Функции • Взаимодействие с файловой системой • Работа с файлами. Сериализация: json и pickle • Построение графиков и визуализация данных • Matplotlib • Настройка деталей графиков • Анимация в matplotlib
Таблицы • Библиотека pandas • Столбцы в pandas • Таблицы pandas • Оперирование таблицами pandas • Дата и время • Анализ данных
Основы списковых включений • Итераторы • Генераторы • Декораторы
SciPy • Линейная алгебра • Дифференцирование и интегрирование функций • Поиск минимума • Решение нелинейных уравнений • Интерполяция и аппроксимация • Решение ОДУ • Обработка сигналов
Пользовательские классы • Наследование • Полиморфизм в python • Перегрузка специальных методов и операторов
Исключения • Пользовательские исключения • Стратегии контроля ошибок
Графический пользовательский интерфейс • PySide. Основы • События • Слоты и сигналы • Виджеты и макеты • Кнопки • Вывод данных • Ввод данных • Диалоговые окна
@data_math
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
👍21❤6👎1🔥1💩1