block-2-4-activations.html
numpy_all_projects2.html
Мини апдейт
Я никуда не пропал, просто все еще в учебном отпуске. Решил выйти на канал, чтобы поделиться двумя темами: сколько нужно учиться для освоения навыка и как учиться с нейросетями.
Прежде всего теперь я могу ответить на один из самых популярных вопросов во время запусков курсов: А сколько нужно уделять времени в день, чтобы выучить Solidity?
Хоть я учу не Solidity, а библиотеки для машинного и глубокого обучения (numpy, matplotlib, seaborn, pandas, scikit, pytorch, huggingface), я могу с точность рассказать на что и сколько времени у меня уходит каждый день.
Обычно я сажусь за учебу около 12 дня и учу один из этапов библиотек часов до 15-15:30. Потом концентрация падает и нужно передохнуть пару часов. Затем я часа два сижу над своими проектами, скажем с 17 до 20. Потом еще немного отдыхаю и еще час занимаюсь математикой. В общем итоге у меня уходит около 5 часов в день на учебу нового материала и выполнение упражнений для его закрепления.
За это время я прошел материалы только по numpy и matplotlib. Сейчас делаю упражнения в Google Colab для получения навыков обращения с этими библиотеками. Затем подтяну pandas и seaborn. И как только пойму, что могу оперировать кодом хотя бы как джун, начну изучать scikit.
Я думал, что получится освоить и scikit до конца мая, но это было через чур амбициозно. Матрицы и линейная алгебра даются сложно.
И теперь пару слов про мой способ обучения с нейронными сетями. Знали ли вы, что Claude может создавать прекрасные обучающие материалы в html?
Для меня это было настолько впечатляюще, что я купил подписку, чтобы иметь возможность создавать такие страницы в большем количестве. Примеры таких генераций вы можете найти в прикрепленных файлах: один - это задания для практики numpy, а второй - урок по математике.
Такой способ это отличный вариант разобраться в теме, в которой вы "плаваете" или же получить задания для практики. Объясните нейронной сети, каков объем ваших знаний, что вы хотите изучить, как он должен объяснить тему (попросите сделать богатый визуал с графиками, интерактивными элементами и т.д.) и скажите сгенерировать html с уроком.
Самое крутое то, что вы можете через общение с нейронкой редактировать материал под себя: просить рассказать проще про конкретную тему, добавить задания в конец уроков, проиллюстрировать что-либо. Т.е. это отличное обучение с виртуальным учителем.
Может ли нейронка ошибаться? Да, вполне. Я сам ловил ее на некоторых моментах. Но они были чрезвычайно редки в Claude. Да и на базовом уровне изучения, они редко когда дают что-то совсем не верное. Вы так или иначе можете запросить уточнение или правки.
Если бы я не запустил SoliditySet в январе-феврале, то сейчас бы просто оставил эту идею. При этом горжусь, что получилось собрать, переработать и написать столько материалов для курса еще до бума нейронных сетей.
Кроме того, я считаю, что сейчас, во время затишья в web3 и мире нейронных сетей, самое время научиться чему-то новому и освоить новые навыки. Особенно учитывая то, что делать это теперь намного легче!
Давайте учиться вместе!
#learning
Я никуда не пропал, просто все еще в учебном отпуске. Решил выйти на канал, чтобы поделиться двумя темами: сколько нужно учиться для освоения навыка и как учиться с нейросетями.
Прежде всего теперь я могу ответить на один из самых популярных вопросов во время запусков курсов: А сколько нужно уделять времени в день, чтобы выучить Solidity?
Хоть я учу не Solidity, а библиотеки для машинного и глубокого обучения (numpy, matplotlib, seaborn, pandas, scikit, pytorch, huggingface), я могу с точность рассказать на что и сколько времени у меня уходит каждый день.
Обычно я сажусь за учебу около 12 дня и учу один из этапов библиотек часов до 15-15:30. Потом концентрация падает и нужно передохнуть пару часов. Затем я часа два сижу над своими проектами, скажем с 17 до 20. Потом еще немного отдыхаю и еще час занимаюсь математикой. В общем итоге у меня уходит около 5 часов в день на учебу нового материала и выполнение упражнений для его закрепления.
За это время я прошел материалы только по numpy и matplotlib. Сейчас делаю упражнения в Google Colab для получения навыков обращения с этими библиотеками. Затем подтяну pandas и seaborn. И как только пойму, что могу оперировать кодом хотя бы как джун, начну изучать scikit.
Я думал, что получится освоить и scikit до конца мая, но это было через чур амбициозно. Матрицы и линейная алгебра даются сложно.
И теперь пару слов про мой способ обучения с нейронными сетями. Знали ли вы, что Claude может создавать прекрасные обучающие материалы в html?
Для меня это было настолько впечатляюще, что я купил подписку, чтобы иметь возможность создавать такие страницы в большем количестве. Примеры таких генераций вы можете найти в прикрепленных файлах: один - это задания для практики numpy, а второй - урок по математике.
Такой способ это отличный вариант разобраться в теме, в которой вы "плаваете" или же получить задания для практики. Объясните нейронной сети, каков объем ваших знаний, что вы хотите изучить, как он должен объяснить тему (попросите сделать богатый визуал с графиками, интерактивными элементами и т.д.) и скажите сгенерировать html с уроком.
Самое крутое то, что вы можете через общение с нейронкой редактировать материал под себя: просить рассказать проще про конкретную тему, добавить задания в конец уроков, проиллюстрировать что-либо. Т.е. это отличное обучение с виртуальным учителем.
Может ли нейронка ошибаться? Да, вполне. Я сам ловил ее на некоторых моментах. Но они были чрезвычайно редки в Claude. Да и на базовом уровне изучения, они редко когда дают что-то совсем не верное. Вы так или иначе можете запросить уточнение или правки.
Если бы я не запустил SoliditySet в январе-феврале, то сейчас бы просто оставил эту идею. При этом горжусь, что получилось собрать, переработать и написать столько материалов для курса еще до бума нейронных сетей.
Кроме того, я считаю, что сейчас, во время затишья в web3 и мире нейронных сетей, самое время научиться чему-то новому и освоить новые навыки. Особенно учитывая то, что делать это теперь намного легче!
Давайте учиться вместе!
#learning