Найдено 3 материала
Эту историю рассказывают на первой лекции по анализу данных: сеть супермаркетов прогнала чеки через компьютер, нашла пару «пиво — подгузники», поставила товары рядом — и продажи выросли. На деле в 1992 году пару нашли запросами к базе данных, а не хитрым алгоритмом, и товары никто не передвигал. Но вопрос «что покупают вместе?» оказался настолько хорош, что под него построили целый раздел анализа данных. Этот разбор идёт от задачи IBM 1993 года через Apriori и FP-дерево, посчитанные руками на десяти чеках, к месяцу настоящих покупок. На 9835 чеках почти половина найденных правил — 2679 из 5668 — кончается цельным молоком, потому что его берёт каждый четвёртый покупатель. Отсюда главный вопрос выпуска: когда найденному правилу стоит верить. В конце — практикум на Python с библиотекой mlxtend и одна задача, решённая обоими алгоритмами от условия до ответа.
PDF | 50 стр.
Новинка399 ₽
Подробнее
Навык — папка с файлом SKILL.md, которую модель подгружает, когда сочтёт нужным. Формату меньше года, а на публичных репозиториях GitHub уже почти четыре миллиона таких файлов, и половина из них — побайтные копии чужих. Замеры сходятся в неудобном: навык помогает не тем, что знает, а тем, что задаёт порядок действий. Курированный навык, выданный под задачу, поднимает долю решённых задач SkillsBench с 33,9 до 50,5 %, но как только условия приближаются к настоящим, выигрыш тает, а навыки, которые модель написала себе сама, опускают результат ниже, чем без навыков. Пятнадцать шагов по двадцати трём исследованиям и двенадцати документам: что сделать, на каком измерении держится каждый шаг и по какому признаку видно, что он сработал.
PDF | 49 стр.
Новинка399 ₽
Подробнее
Если собрать советы по работе с ChatGPT, которые ходят по сети, выйдет толстая тетрадь: задать роль, попросить думать по шагам, дать образец, попросить проверить себя. Если собрать работы, где эти советы проверили на людях с секундомером и контрольной группой, тетрадь станет тонкой. Это письмо коллеге по одиннадцати работам, прочитанным целиком: у каждого совета стоит, на что он опирается — на измерение, на слова производителя или ни на что. Самое неожиданное нашлось не в приёмах, а в людях: там, где задача выходила за пределы возможностей модели, люди с ней ошибались чаще, чем без неё, и писали при этом убедительнее.
PDF | 26 стр.
Новинка299 ₽
ПодробнееПоказано 1–3 из 3
