Программирование, т. 7

Есть тут кто шарит в машинном обучении? На профессиональном или любительском уровне. Есть пара технических вопросов.

Вообщем парни нужна ваша помощь, я учусь в универе на 4 курсе на инженера асу, к программированию дела не имею, за исключением семестра по С++ и каких-то школьных уроков на информатике по паскалю, бейсику, делфи и html

Через дорогу от моего дома есть контора в которую берут студентиков без опыта, на backend и frontend должности, но на backend у них требование уверенное знание php на 1С Битриксе, а на frontend html и javascript, плюс просят любые проекты, сойдет даже дз какое-нибудь свое придумать и воплотить

Так вот вопрос есть ли смысл дома учить что-то из этого и попроситься к ним вновь? При том, что они на такое согласны. Если есть, то, что лучше учить и с чего начать?

Вообщем парни нужна ваша помощь, я учусь в универе на 4 курсе на инженера асу, к программированию дела не имею, за исключением семестра по С++ и каких-то школьных уроков на информатике по паскалю, бейсику, делфи и html

Через дорогу от моего дома есть контора в которую берут студентиков без опыта, на backend и frontend должности, но на backend у них требование уверенное знание php на 1С Битриксе, а на frontend html и javascript, плюс просят любые проекты, сойдет даже дз какое-нибудь свое придумать и воплотить

Так вот вопрос есть ли смысл дома учить что-то из этого и попроситься к ним вновь? При том, что они на такое согласны. Если есть, то, что лучше учить и с чего начать?

hexlet

Вообщем парни нужна ваша помощь, я учусь в универе на 4 курсе на инженера асу, к программированию дела не имею, за исключением семестра по С++ и каких-то школьных уроков на информатике по паскалю, бейсику, делфи и html

Через дорогу от моего дома есть контора в которую берут студентиков без опыта, на backend и frontend должности, но на backend у них требование уверенное знание php на 1С Битриксе, а на frontend html и javascript, плюс просят любые проекты, сойдет даже дз какое-нибудь свое придумать и воплотить

Так вот вопрос есть ли смысл дома учить что-то из этого и попроситься к ним вновь? При том, что они на такое согласны. Если есть, то, что лучше учить и с чего начать?

А какие сроки?

 

Вообщем парни нужна ваша помощь, я учусь в универе на 4 курсе на инженера асу, к программированию дела не имею, за исключением семестра по С++ и каких-то школьных уроков на информатике по паскалю, бейсику, делфи и html

Через дорогу от моего дома есть контора в которую берут студентиков без опыта, на backend и frontend должности, но на backend у них требование уверенное знание php на 1С Битриксе, а на frontend html и javascript, плюс просят любые проекты, сойдет даже дз какое-нибудь свое придумать и воплотить

Так вот вопрос есть ли смысл дома учить что-то из этого и попроситься к ним вновь? При том, что они на такое согласны. Если есть, то, что лучше учить и с чего начать?

 

А какие сроки?

 

Точно сказать не могу, говорят, что вакансия будет долго висеть еще, т.к. фирма у них развивается и штаб они набирают

думаю до нового года время есть

Ну если нужно по фасту плотненько пройтись по основам html & js, то наверное htmlacademy + learn.javascript.ru самый лучший вариант

Есть тут кто шарит в машинном обучении? На профессиональном или любительском уровне. Есть пара технических вопросов.

Я шарю во всем

но на backend у них требование уверенное знание php на 1С Битриксе

Нахуй так рофлить

 

Есть тут кто шарит в машинном обучении? На профессиональном или любительском уровне. Есть пара технических вопросов.

 

Я шарю во всем

 

 

 

Сразу оговорюсь, я пока что профан в этой области, так что где-то могу нести откровенную хуйню.

В общем, у меня классификация текста с неебически большим количеством классов (скорее всего путем слияния большинства классов их количество уменьшится до 5-7). Распределение данных пиздецки несбалансированное, на 2 класса приходится 80-90% всех объектов.

На данный момент больше всего меня интересует наиболее оптимальные метрики для оценки качества работы классификатора. Пока что мой выбор пал на F-score. При классификации пока что думаю юзать классический подход с "мешком слов".

Читал/слушал разные статьи/лекции/курсы/етц, но в большинстве из них тривиальные примеры и не часто упоминаются кейсы с большим кол-вом классов и несбалансированным датасетом.

 

 

Есть тут кто шарит в машинном обучении? На профессиональном или любительском уровне. Есть пара технических вопросов.

 

Я шарю во всем

 

 

 

Сразу оговорюсь, я пока что профан в этой области, так что где-то могу нести откровенную хуйню.

В общем, у меня классификация текста с неебически большим количеством классов (скорее всего путем слияния большинства классов их количество уменьшится до 5-7). Распределение данных пиздецки несбалансированное, на 2 класса приходится 80-90% всех объектов.

 

На данный момент больше всего меня интересует наиболее оптимальные метрики для оценки качества работы классификатора. Пока что мой выбор пал на F-score. При классификации пока что думаю юзать классический подход с "мешком слов".

Читал/слушал разные статьи/лекции/курсы/етц, но в большинстве из них тривиальные примеры и не часто упоминаются кейсы с большим кол-вом классов и несбалансированным датасетом.

 

Вопрос в чем ?

На данный момент больше всего меня интересует наиболее оптимальные метрики для оценки качества работы классификатора. Пока что мой выбор пал на F-score. При классификации пока что думаю юзать классический подход с "мешком слов".

Читал/слушал разные статьи/лекции/курсы/етц, но в большинстве из них тривиальные примеры и не часто упоминаются кейсы с большим кол-вом классов и несбалансированным датасетом.

Имеется ввиду случай, когда много классов и дизбаланс в данных

Зачем тебе эти метрики? Как измеряется это качество работы в твоем понимании?

Метрика это, фактически, и есть то, как я собираюсь оценивать работу своего классификатора. Есть фраза/реплика/предложение в текстовом виде, этот текст мне нужно отнести к какой-то определенной категории. В большей степени меня интересует точность на нескольки "слабораспространенных" классах.

 

Нахуй так рофлить

ну вот их требования

Требования:

• Уверенное знание PHP.
• Базовое понимание HTML5, CSS3, jQuery, MySQL.
• Базовое знание английского языка.
• Умение пользоваться документациями.
• Сертификат "Интеграция дизайна и настройка платформы" (в случае отсутствия, возможно получение сертификата за счет компании);

Будет плюсом (желательно, но не обязательно):

• Опыт работы c CMS 1С-Битрикс.
• Опыт работы с ядром D7.
• Опыт работы с системой контроля версий git.
• Понимание и использование принципов ООП.
• Умение разбираться в "чужом" коде, структурировать и комментировать собственный код.
• Оптимизации проектов под высокие нагрузки.

может я что напутал, не разбираюсь в сфере толком

 

 

Нахуй так рофлить

 

Я про то что это не бек-енд нихуя 

Метрика это, фактически, и есть то, как я собираюсь оценивать работу своего классификатора. Есть фраза/реплика/предложение в текстовом виде, этот текст мне нужно отнести к какой-то определенной категории. В большей степени меня интересует точность на нескольки "слабораспространенных" классах.

Зачем тебе оценивать работу классификатора? Ну допустим тебе выдало оценку 0.9 и что дальше 

 

Метрика это, фактически, и есть то, как я собираюсь оценивать работу своего классификатора. Есть фраза/реплика/предложение в текстовом виде, этот текст мне нужно отнести к какой-то определенной категории. В большей степени меня интересует точность на нескольки "слабораспространенных" классах.

 

Зачем тебе оценивать работу классификатора? Ну допустим тебе выдало оценку 0.9 и что дальше 

 

как мне тогда понять его эффективность? допустим я заюзал 2 алгоритма и для каждого провел индивидуально предобработку данных, как понять какой из двух лучше?

 

 

Метрика это, фактически, и есть то, как я собираюсь оценивать работу своего классификатора. Есть фраза/реплика/предложение в текстовом виде, этот текст мне нужно отнести к какой-то определенной категории. В большей степени меня интересует точность на нескольки "слабораспространенных" классах.

 

Зачем тебе оценивать работу классификатора? Ну допустим тебе выдало оценку 0.9 и что дальше 

 

как мне тогда понять его эффективность? допустим я заюзал 2 алгоритма и для каждого провел индивидуально предобработку данных, как понять какой из двух лучше?

 

Тебе надо выбрать из 2 или из скольки

Ты не путаешь кластеризацию с классификацией?) 

Тебе надо выбрать из 2 или из скольки

Какая разница из скольки, из скольки угодно, прежде чем я начну что-то классифицировать - я должен знать каким образом мне нужно определять качество модели.

Ты не путаешь кластеризацию с классификацией?) 

У меня есть заведомо известные категории и есть текст, я должен отнести этот текст к какой-то из категорий. Это называется классификацией, насколько мне известно.

 

Тебе надо выбрать из 2 или из скольки

Какая разница из скольки, из скольки угодно, прежде чем я начну что-то классифицировать - я должен знать каким образом мне нужно определять качество модели.

 

Ты не путаешь кластеризацию с классификацией?) 

У меня есть заведомо известные категории и есть текст, я должен отнести этот текст к какой-то из категорий. Это называется классификацией, насколько мне известно.

 

Твой вопрос не имеет ни какого смысла. Только ты сам можешь определить "каким образом нужно определять качество модели". То же самое что сказать "угадайте чего я хочу".

Впрочем я вероятно могу тебе сказать выбрать лучшую если ты ответишь на мой предыдущий вопрос.

 

Тебе надо выбрать из 2 или из скольки

Какая разница из скольки, из скольки угодно, прежде чем я начну что-то классифицировать - я должен знать каким образом мне нужно определять качество модели.

 

Ты не путаешь кластеризацию с классификацией?) 

У меня есть заведомо известные категории и есть текст, я должен отнести этот текст к какой-то из категорий. Это называется классификацией, насколько мне известно.

 

Чувак, я тоже профан в этой области и сам учу, но при этом у меня такие мысли: 

классификация это машинное обучение с учителем, то бишь у тебя есть обучающая и тестовая выборка. На обучающей ты учишь, а на тестовой ты тестируешь, и потом высчитываешь accuracy. Там где выше accuracy по отношению к тестовой выборке и будет норм классификатором.