#trading #futures

Если интересно про фьючи (а затем и опционы) узнать, вот лучший в стране лектор рассказывает.

https://www.youtube.com/watch?v=7XBoISgP0t4

#trading #crypto

Понравился товарищ, старается поделиться ценной инфой, практическим опытом.

https://www.youtube.com/watch?v=R6-hNB4dn7s

#fun #flags #funwithflags #tbbt

https://www.youtube.com/watch?v=olp2t2Xkv0c

#ai #gpt #chatgpt

"Projects представляют собой систему проектов-папок, где можно распределять разговоры с ChatGPT в зависимости от темы. У каждого такого проекта может быть собственный цвет и иконка по выбору пользователя, свои настройки и ограничения на информацию, которой может пользоваться ИИ. Эти возможности особенно пригодятся тем, кто работает с нейросетями регулярно и в сложных задачах.

Также в Projects повышен лимит на загрузку файлов. На бесплатном тарифе можно прикреплять 5 файлов, на Plus — 25, на Pro — 40.

Ранее Projects была доступна только платным подписчикам, но в OpenAI взяли курс на постепенное расширение возможностей для широкого круга пользователей. Раньше точно так же перешли из платной в бесплатную категорию функции Deep Research и ChatGPT Voice. В компании считают, что такие шаги будут стимулировать переход бесплатных пользователей на платные тарифы."

https://3dnews.ru/1128696/funktsiya-projects-v-chatgpt-stala-dostupna-besplatnim-polzovatelyam

#music #metallica

https://youtu.be/Trxk60rygdk

#trading #futures

https://www.moex.com/ru/derivatives/futures

#polars

Воу!

"After working hard since our Polars Cloud announcement last February, we are pleased to officially launch Polars Cloud. Polars Cloud is now Generally Available on AWS. Beyond that, we also launched our novel Distributed Engine in Open Beta on Polars Cloud.

You can immediately get started at https://cloud.pola.rs/."

import polars_cloud as pc
import polars as pl
from datetime import date

with pc.ComputeContext(
    workspace="<my-workspace>",
    cpus=2,
    memory=8,
    cluster_size=8,
) as ctx:
    in_progress = (
        pl.scan_parquet("s3://polars-cloud-samples-us-east-2-prd/pdsh/sf100/lineitem/",
            storage_options={
                "aws_request_payer": "true",
            })
        .filter(pl.col("l_shipdate") <= date(1998, 9, 2))
        .group_by("l_returnflag", "l_linestatus")
        .agg(
            count_order=pl.len()
        )
        .remote(ctx)
        .distributed()
        .execute()
    )

    print(in_progress.await_result().head)

https://pola.rs/posts/polars-cloud-launch/

#chess

Валидольно )

https://www.youtube.com/watch?v=ZJ53EdZraLg

#basic

Вот бы они ещё vb6/vba открыли!

"Компания Microsoft опубликовала исходный код собственной версии языка программирования BASIC, выпускавшегося с 1976-го по 1978-й годы. Изначально он назывался Altair BASIC, а затем был переименован в Microsoft BASIC. Этот язык программирования был разработан для микропроцессоров MOS Technology 6502, использовавшихся в Apple IIe, Atari 2600, Commodore VIC-20, Commodore 64 и Nintendo Entertainment System (NES) и других системах."

https://github.com/microsoft/BASIC-M6502
https://3dnews.ru/1128741/microsoft-opublikovala-ishodniy-kod-drevnego-yazika-programmirovaniya-microsoft-basic

#ai #llms #futurology

Гриша крайне достойно выступил по ИИ. Вот вам и шахматист!

https://www.youtube.com/live/0s9tkvSl32M?si=aTKUmtXcWjx4HeaM

Feature Selection in Machine Learning by Soledad Galli

Feature selection is the process of selecting a subset of features from the total variables in a data set to train machine learning algorithms. Feature selection is an important aspect of data mining and predictive modelling.

Feature selection is key for developing simpler, faster, and highly performant machine learning models and can help to avoid overfitting. The aim of any feature selection algorithm is to create classifiers or regression models that run faster and whose outputs are easier to understand by their users.

In this book, you will find the most widely used feature selection methods to select the best subsets of predictor variables from your data. You will learn about filter, wrapper, and embedded methods for feature selection. Then, you will discover methods designed by computer science professionals or used in data science competitions that are faster or more scalable.

First, we will discuss the use of statistical and univariate algorithms in the context of artificial intelligence. Next, we will cover methods that select features through optimization of the model performance. We will move on to feature selection algorithms that are baked into the machine learning techniques. And finally, we will discuss additional methods designed by data scientists specifically for applied predictive modeling.
In this book, you will find out how to:
- Remove useless and redundant features by examining variability and correlation.
- Choose features based on statistical tests such as ANOVA, chi-square, and mutual information.
- Select features by using Lasso regularization or decision tree based feature importance, which are embedded in the machine learning modeling process.
- Select features by recursive feature elimination, addition, or value permutation.
Each chapter fleshes out various methods for feature selection that share common characteristics. First, you will learn the fundamentals of the feature selection method, and next you will find a Python implementation.

The book comes with an accompanying Github repository with the full source code that you can download, modify, and use in your own data science projects and case studies.

Feature selection methods differ from dimensionality reduction methods in that feature selection techniques do not alter the original representation of the variables, but merely select a reduced number of features from the training data that produce performant machine learning models.

Using the Python libraries Scikit-learn, MLXtend, and Feature-engine, you’ll learn how to select the best numerical and categorical features for regression and classification models in just a few lines of code. You will also learn how to make feature selection part of your machine learning workflow.

Link:
- Book

Navigational hashtags: #armbooks
General hashtags: #ml #machinelearning #featureselection #fs

@data_science_weekly

#featureselection

Скорее всего, книжка выше будет компиляцией общеизвестных клише без реальной практической пользы, но посмотрим, название притягивает меня.

#politics

Орешкин - красава, бритвенно острый и точный анализ.

https://youtu.be/Ef424cWA2oo?si=a1GL007octrQMPnI

#openai #jobs

"Как отмечает CNBC, подобная платформа станет конкурентом для социальной сети LinkedIn, которая помогает профессионалам и работодателям взаимодействовать на выгодных условиях. Пока проект носит рабочее название OpenAI Jobs Platform. Реализация данной инициативы позволит OpenAI составить конкуренцию Microsoft ещё на одном направлении деятельности, поскольку LinkedIn принадлежит последней из корпораций.

По замыслу представителей OpenAI, новая платформа для работы с вакансиями поможет решить проблему дефицита кадров не только крупным компаниям, но и малому бизнесу. Кроме того, правительственные организации также смогут найти подходящих специалистов в области ИИ с её помощью. Сервис должен быть введён в строй к середине следующего года.

Попутно OpenAI запустит фирменную программу обучения и сертификации, которая позволит выпускникам корпоративной академии лучше применять ИИ в своей профессиональной деятельности. В OpenAI Academy свою квалификацию смогут повысить представители самого разного уровня. Чат-бот ChatGPT в режиме обучения будет применяться для взаимодействия со слушателями курсов. До 2030 года OpenAI собирается выдать 10 млн фирменных сертификатов гражданам США. Обе инициативы помогут специалистам лучше адаптироваться к меняющимся из-за распространения ИИ условиям на рынке труда."

https://3dnews.ru/1128768/openai-hochet-sozdat-platformu-dlya-poiska-raboti-v-sfere-ii

#tragedy #mountains

Эх, зачем они это делают, зачем так рисковать?

https://www.youtube.com/watch?v=W7M1s35jZkk

#python

Не сказал бы, что эти фичи прямо меняют правила игры. Но неплохо. В целом, отладка как была в питоне дерьмовой, так и осталась.

https://medium.com/@huzaifazahoor654/python-3-14-is-here-5-game-changing-features-you-should-know-0a197bac9708

#timeseries

Отличный список, подписываюсь под почти каждым пунктом.

Red Flag #1: “Transformers worked in NLP and vision, so of course they’ll work for time series”
Red Flag #2: Confusing accuracy with business value
Red Flag #3: Believing more data automatically improves forecasts
Red Flag #4: Not stress-testing for regime shifts
Red Flag #5: Ignoring forecast stability
Red Flag #6: Confusing forecasting with generic prediction
Red Flag #7: Treating forecasting as one-size-fits-all
Red Flag #8: Neglecting benchmarking against simple models
Red Flag #9: Underestimating data leakage in time series
Red Flag #10: Overconfidence in black-box models
Red Flag #11: Thinking forecasting is a solo sport
Red Flag #12: Ignoring the forecast horizon

Жирным выделил самые, на мой взгляд, важные.

https://valeman.medium.com/avoiding-forecasting-pitfalls-in-2025-12-red-flags-when-hiring-data-scientists-579fe25c01b3

#jobs

Классный парень, MCP. Решил, и, кажется, в 2021-м, с хорошей директорской должности из Мск уехал с семьёй в Германию, подучил язык, освоился.

https://www.youtube.com/watch?v=jhNNeFxG29w

#jobs #tesla #musk

Готов управлять компанией за 1/10 от этой зарплаты. Ну же, тесла, пока я демпингую!

https://3dnews.ru/1128790/tesla-predlogila-ilonu-masku-do-1-trln-za-desyat-let-raboti-gendirektorom