예를 들어 줄리아가 오고 있습니다. 그러나 일부 ChatGPT 6에서 이러한 언어가 필요없고 일반 언어를 사용할 수 있다면 재미있을 것입니다.)
그들은 확실히 파이썬을 우회하지 않을 것이며, 아무런 의미가 없습니다. 속도가 필요한 경우 코드 조각을위한 모든 종류의 가속기가 있습니다. 그러나 많은 팬들이 고급 언어의 벤치 마크에서 도망 칠 것이라고는 상상할 수 없습니다. 바둑도 마찬가지였는데, 많은 사람이 바둑에서 MO를 만들려고 달려들지는 않았죠.
그리고 파이썬은 가능한 한 간단하고 직관적입니다.
비좁은 구문을 가진 R도 경쟁자가 아닙니다. 딱딱한 구문은 어떻게든 마음을 왜곡하고 분위기를 망치는 것 같습니다.
그래서 처음에 R을 선택했고 잃지 않았습니다. 저는 프로그래머가 아니고 본질적으로 모두 동일하지만.
제가 여기서 여러 번 말씀드린 내용이 바로 그겁니다.
아무도 작동하는 모델을 가지고 있지 않지만 누구나 ONNX를 통해 심층 모델을 구현하는 방법을 알아야 합니다.)
적어도 테스터 수준에서 예측을 위해 모델을 사용하는 완전한 MM EA는 아무도 없다는 인상을 받았습니다.
예를 들어, 나는 매우 좋은 예측 모델 (예측 오차가 20 % 미만)을 가진 전문가 고문이 있지만 매우 불쾌한 특성이 나타났습니다. 예측 오류의 절반, 즉 10 % 오류는 다른 모든 양의 항목과 거의 동일한 손실을 제공합니다.
수사적 질문 : ONNX가이 문제를 해결하는 데 도움이 될까요?
그건 그렇고, 저는 3,000 페이지 모두에 대해 동일한 말을 해왔습니다. 모델에는 문제가 없으며 수백 개의 모델 중 하나를 사용하는 것이 MO 기반 전문가 조언자를 개발할 때 가장 쉬운 일입니다.
하지만 예측 오차의 절반, 즉 10%의 오차가 다른 모든 양의 항목과 거의 같은 손실을 준다는 매우 불쾌한 특이한 결과가 나왔습니다.
목표가 정확하지 않고 문제 진술 자체가 잘못 되었기 때문입니다.
예측 오차의 절반, 즉 10%의 오차는 다른 모든 양의 입력과 거의 동일한 손실을 제공합니다.
돈에 50/50
목표가 정확하지 않고 문제 진술 자체가 잘못되었기 때문입니다.
문제는 시장을 움직일 수 있는 큰 돈이 없거나 적어도 큰 돈에 대한 내부 지식이 없는 사람들에게는 시장이 효율적이라는 것입니다.
이 시점에서 우리는 진화의 막다른 골목에 안전하게 들어가 다른 정상 종을 위한 길을 만들 수 있을지도 모릅니다.
예를 들어 줄리아가 다가오고 있습니다. 하지만 일부 ChatGPT 6에서는 이러한 언어가 필요 없어지고 일반 언어를 사용할 수 있다면 재미있을 것입니다.)
50 대 50입니다.
예를 들어 줄리아가 곧 출시될 예정입니다. 하지만 일부 ChatGPT 6에서는 이러한 언어가 필요 없어지고 일반 언어를 사용할 수 있다면 재미있을 것입니다.)
아마 그런 단계는 오지 않을 겁니다. 그리고 Julia는 정말 매우 유망하고 R에 잘 통합되어 있습니다. 하지만 집중적으로 개발되는 동안에는 실험만 할 수 있습니다. 하지만 확실하지는 않습니다.)
예를 들어 줄리아가 오고 있습니다. 그러나 일부 ChatGPT 6에서 이러한 언어가 필요없고 일반 언어를 사용할 수 있다면 재미있을 것입니다.)
하지만 어떤 이유에서인지 전체 지점이 R에 앉아 있고 필요없이 파이썬을 만지고 싶지 않습니다 ...
제가 아는 프로그래머들 중 파이썬과 R을 모두 아는 사람들은 모두 R을 선택해요.
그리고 모르는 것을 비꼬는 것은 무지의 표시이고... 모르는 것을 판단하는 것도 무지의 표시입니다....
하지만 어떤 이유에서인지 브랜치 전체가 R에 머물러 있고 필요한 경우가 아니면 파이썬을 건드리지 않습니다.
제가 아는 프로그래머들 중 파이썬과 R을 모두 잘 아는 사람들은 모두 R만 선택합니다.
모르는 것을 비꼬는 것은 무지의 표시이고, 모르는 것을 판단하는 것 또한 무지의 표시입니다 ... ....
정반대의 상황입니다. 대형 구현업체에서는 아무도 R을 사용하지 않습니다. 그리고 그들은 IT 부서의 마지막 사람도 아닙니다.
그런 용도가 아니니까요.
왜 아무도 C++로 웹 사이트를 작성하지 않나요?
각 언어마다 고유한 작업이 있기 때문에 그렇게 많은 언어가 존재합니다.
나는 단지 더 친숙하고 더 유사한 것을 선택했고, 덜 친숙한 (익숙하지 않은) 것을 크램프라고 불렀습니다. 그리고 당신은 공부 했어야했습니다 ...