я обучала одну модель

Что сука характерно на собесе мне опять помогли не графы а DBSCAN, всем срочно ботать DBSCAN

Что я ботала по графам за полтора дня:

1. Теория графов для самых маленьких на Фоксфорде
2. Теория графов для взрослых и заебанных от МФТИ
3. Реально самое понятное объяснение метода ветвей и границ
4. Реально самое понятное объяснение алгоритма Дейкстры
5. Реально самое понятное объяснение алгоритма Флойда

Перерывчик небольшой от материалов по проге

В целом интересная статья о том, как в том числе из-за эпидемий интерьер внутри домов стал почти полностью металлическим и пластиковым, тогда как раньше все было деревянным и обитым тканями. Еще про то, почему все хрущевки строили с балконами, как придумали санаторий, и то, как эти же санатории породили моду на прозрачные дома, панорамные окна и вообще свободную планировку (про виллу "Савой" там тоже есть)

https://knife.media/tuberculosis-modernism/

Остановите русскую gpt3 пока не поздно

Прикладываю все ссылки, использованные мной, чтобы заботать a/b тесты за полтора дня:

1. Вообще что это такое
2. Очень подробно про t-test, критерий Манна-Уитни и бутстрап (включая ограничения и преимущества каждого из подходов)
3. Отдельно про бутстрап и перестановочные тесты + тестрование стат гипотез бутстрапом
4. Огромный гайдлайн от VK Tech – тут есть и про a/a тесты, что важно, и описание state of the art подходов и статистических тестов, также есть более продвинутые штуки вроде пуассоновского бутстрапа, чтобы не семплить на огромных выборках, симуляция данных, и вообще прикольно
Есть еще интервью с чуваком из ВК, где он все это более гуманитарно объясняет без матеши
5. Про minimum detectable effect (MDE) + как именно его считать и в чем математический смысл
6. Объяснение связи MDE, мощности критерия и уровня значимости (с графиками)
7. Про t-test, дисперсионный анализ и анализ таблиц сопряженности


Зачем-то еще перед интервью ботала DBSCAN и другие методы кластеризации и градиентный бустинг

Итак в ходе собеседования я:
* забыла все алгоритмику кроме bubble sort, в голове крутился видос, где методы сортировки иллюстрируют румынскими танцами, но воспроизвести названия я не смогла
* перепутала umap и mapreduce
* поговорила на английском о своем favourite subject и о Evgenii Sokolov, но мне сказали calm down
* сказала, что t-test работает с относительными значениями (не особо блять)

Состояние сегодня такое

Озон начал кастомизировать рекламу перед видосами в ютуб и выдавать там то, что ты в последний раз искал)))) хочется передать тем, кто им контекстную рекламу настраивает, что такая хуйня у меня побуждает не желание вернуться на сайт и купить эти чудесные ботинки, а желание выйти из интернета нахуй навсегда))))))

датасет со звуками города
@
gun_shot
@
america yeeeeaaahhhh

звучит как одно из изобретений доктора фуфелшмерца

"С митинга". Открытое письмо. - СПб.: Изд. Н. Мердер, нач. ХХ века.

помимо роботов-собак меня еще дико пугают приложения для слежки за детьми, это просто хуйня в худших традициях черного зеркала, я прям перед глазами вижу те пачки денег, которые эти дети потом будут носить психологам/психиатрам 🤡

Вот тут вообще по-другому объясняют механизм похожего GAN'а – Deep Music Visualizer: "The deep music visualizer syncs pitch with the class vector and volume and tempo with the noise vector, so that pitch controls the objects, shapes, and textures in each frame, while volume and tempo control movement between frames. At each time point in the song, a chromagram of the twelve chromatic notes determines the weights {0 ≤ 1} of up to twelve ImageNet classes in the class vector. Independently, the rate of change of the volume — mainly percussion — controls the rate of change of the noise vector"
В итоге получается нереально красивый видос, где картинки сжимаются и разжимаются друг в друга под темп музыки, кайф полный

зашарить в сетки для звука очень сложно и больно :((((

В этом (более диком) репозитории Lucid Sonic Dreams с помощью StyleGAN2 создается видеоряд к музыке
По ссылке ютуб можно посмотреть, как под мягкую электронику генерится что-то в духе Моне

Очень хочу зашариться в то, как конкретно здесь это обучали, в похожем релизе на arxiv пишут что-типа: 'an annotator listened to 100 music clips of 10 seconds long and selected an image that suits the music among the 200 StyleGAN-generated examples. Based on the collected data, we trained a simple transfer function that converts an audio embedding to a style embedding'. Что в целом звучит довольно просто, но кажется, что в Lucid Sonic Dreams что-то покруче

Почему-то накопилось много гитхабов именно про музыку, но why not
Вот тут можно передать чей-то LastFM и через Genius API посмотреть, какая эмоциональная окрашенность у отдельных треков или у всей истории прослушивания пользователя в среднем (нашла этот репозиторий, потому что там тот же лексикон используется, что у меня для твитов)

спасибо за еще один день с качественными (во всех смыслах) статьями

не хочу хвастаться но вы когда-нибудь оптимизировали код так, что число итераций в секунду повышалось с 30 до 1300 😎😎😎😎

спасибо пацаны, но я просто хотела музыку бесплатно из вашего кэша вытащить