Т‑Банк
Банк Бизнес
Инвестиции Мобильная связь Страхование Путешествия Долями
Войти

Обзор Каталог Пульс Аналитика Академия Терминал
Т‑Банк
Войти
БанкБизнес
ИнвестицииМобильная связьСтрахованиеПутешествияДолями

ОбзорКаталогПульсАналитикаАкадемияТерминал
Назад
#данных
Менее 10 публикаций
VYACHESLAV_SCHAVA
31 августа 2025 в 0:41
Отличный выбор! Онлайн-обучение (или инкрементальное обучение) особенно полезно, когда: - Данные приходят потоком (streaming), - Невозможно хранить всю историю, - Нужно быстро адаптироваться к новым паттернам (concept drift), - Объём данных слишком велик для полного переобучения. --- # 🔁 Онлайн-обучение с LightGBM: Инкрементальное обучение #К #сожалению, LightGBM не #поддерживает true online learning как, #например, `SGDRegressor`, но он поддерживает #продолжение #обучения #модели на #новых #данных — это называется continued training или model continuation. > ✅ Это ближайший аналог онлайн-обучения в бустинге: > Обучил на старых данных → сохранил модель → подгрузил новые данные → дообучил. --- ## ✅ Возможности LightGBM: - `lgb.train(..., init_model=prev_model)` — дообучение. - Поддержка `early_stopping` и валидации на каждом шаге. - Сохранение состояния ансамбля (все деревья). --- ## 🚀 Реализация: Онлайн-обучение по батчам ```python import lightgbm as lgb import numpy as np from sklearn.datasets import make_regression import time # Генерируем поток данных: 5 батчей def data_stream(n_batches=5, batch_size=1000, n_features=10, seed=42): np.random.seed(seed) for i in range(n_batches): # Меняем распределение со временем (concept drift) X, y = make_regression( n_samples=batch_size, n_features=n_features, noise=10.0, random_state=seed + i ) # Имитируем drift: сдвигаем целевую переменную y = y + i * 5 yield X, y # Параметры params = { 'objective': 'regression', 'metric': 'rmse', 'boosting_type': 'gbdt', 'num_leaves': 31, 'learning_rate': 0.05, 'feature_fraction': 0.8, 'bagging_fraction': 0.8, 'bagging_freq': 5, 'min_child_samples': 20, 'verbose': -1, 'random_state': 42 } # Инициализация model = None val_size = 200 X_val, y_val = None, None online_history = [] print("🚀 Запуск онлайн-обучения по батчам...\n") for i, (X_batch, y_batch) in enumerate(data_stream()): print(f"📦 Батч {i+1}: {X_batch.shape[0]} образцов") # Отложим часть для валидации X_train_b, X_val_b, y_train_b, y_val_b = train_test_split( X_batch, y_batch, test_size=val_size if len(X_batch) > val_size else 0.2, random_state=42 ) # Объединим валидацию (накапливаем или заменяем) if X_val is None: X_val, y_val = X_val_b, y_val_b else: # Можно накапливать или использовать скользящее окно X_val = np.vstack([X_val[-100:], X_val_b]) # последние 100 + новый y_val = np.hstack([y_val[-100:], y_val_b]) # Создаём датасет train_data = lgb.Dataset(X_train_b, label=y_train_b) valid_data = lgb.Dataset(X_val, label=y_val, reference=train_data) # Дообучаем model = lgb.train( params, train_data, num_boost_round=50, # маленькие шаги valid_sets=[valid_data], valid_names=['valid'], init_model=model, # ← КЛЮЧЕВОЙ ПАРАМЕТР: продолжаем обучение verbose_eval=False ) # Логируем score = model.best_score.get('valid', {}).get('rmse', np.nan) online_history.append(score) print(f" RMSE на валидации: {score:.4f}") # Сохраняем модель (опционально) model.save_model(f'lgb_online_model_batch_{i}.txt') print("\n✅ Онлайн-обучение завершено.") ``` --- ## 📈 Визуализация прогресса ```python import matplotlib.pyplot as plt plt.plot(online_history, marker='o') plt.title("Онлайн-обучение: RMSE по батчам") plt.xlabel("Батч") plt.ylabel("RMSE") plt.grid(True) plt.show() ``` --- ## ⚠️ Ограничения и best practices | Проблема | Решение | |--------|--------| | Нет true online learning | Используй маленькие батчи и частое дообучение | | Переобучение на новых данных | Используй `learning_rate < 0.1`, `early_stopping`, `bagging` | | **
5
Нравится
Комментировать
Делитесь опытом в Пульсе
Как больше зарабатывать и эффективнее тратить
VYACHESLAV_SCHAVA
17 июля 2025 в 5:48
Создай конкретный торговый план российский рынок на сегодня 17.7.2025..с помощью ProPicks AI. Укажи что купить и когда в лонг На российском рынке на сегодня, 17 июля 2025 года, с помощью ProPicks AI можно выделить конкретный торговый план с рекомендацией входа в лонг по акциям ПИК и ММК на основе технического анализа. Торговый план по акциям ПИК: - Покупка (лонг): при цене 627,6 руб. за акцию - Срок удержания: 2–3 недели - Цели по цене: первая цель 637,7 руб., вторая — 653,7 руб. - Потенциальная доходность: около 3,7% - Обоснование: сформировался паттерн продолжения восходящего тренда, растущие 20- и 50-дневные EMA указывают на среднесрочный бычий тренд, акция стабильно закрывается выше этих индикаторов на протяжении более двух недель[2]. Торговый план по акциям ММК: - Покупка: после закрепления цены выше 33,685 руб. (закрытие минимум трех часовых свечей выше 20- и 50-часовой EMA) - Цели по цене: 34,99 руб. и 36,64 руб. - Управление позицией: при достижении первого уровня закрыть 70% позиции и переставить стоп в безубыток; при достижении второй цели — продать остаток - Потенциальная доходность: около 5,3% - Обоснование: техническая фигура «Флаг», подтвержденная ABCD-паттерном, указывает на продолжение восходящего тренда[2]. Кроме того, ProPicks AI предлагает портфели с перспективными #акциями, показывающие высокую #доходность в 2024-2025 году, однако #отдельные конкретные российские акции кроме ПИК и ММК в открытых #данных на сегодня не указаны[1][3][4]. Рекомендация: Входить в лонг по #акциям ПИК при достижении цены 627,6 руб. и по ММК после #подтверждения закрепления цены выше 33,685 руб. с целями, указанными выше. Управление позицией и стоп-лоссы должны учитываться согласно техническому плану для минимизации рисков. Этот торговый план построен на данных технического анализа, предоставленных ProPicks AI, и рассчитан на активных трейдеров, работающих на российском фондовом рынке сегодня[2].
8
Нравится
Комментировать
VYACHESLAV_SCHAVA
17 июля 2025 в 5:05
Что я читаю.. В книге «Лаборатория ИИ будущего. DeepSeek в действии» подробно объясняется устройство и принципы работы современных генеративных больших языковых моделей (LLM), таких как DeepSeek, а также практические способы их внедрения и использования на основе архитектуры Transformer[1]. Основные идеи книги следующие: - Архитектура DeepSeek построена на базе Transformer, усовершенствована за счет таких технологий, как архитектура MoE (специализированные наборы экспертов для повышения эффективности), обучение с переменной разрядностью (например, FP8 для экономии ресурсов) и распределенная оптимизация[1]. Это позволяет модели эффективно обрабатывать текст, работать с мультимодальными задачами (текст+картинка и т.д.) и легко адаптироваться под специализированные приложения[1]. - Подробно рассматриваются ключевые компоненты архитектуры Transformer: механизм внимания (attention), структура кодировщика и декодировщика, остаточные связи и методы позиционного кодирования[1]. Отдельно анализируются виды внимания (многоголовое, скалярное, аддитивное) и способы их оптимизации. - Глубоко разбираются принципы эффективного обучения больших моделей: баланс между размерами параметров и вычислительной нагрузкой, организация распределенного обучения, использование смешанной разрядности, алгоритмы ускорения передачи данных между вычислительными устройствами и оптимизация пропускной способности[1]. - Книга затрагивает прикладные аспекты: методы интеграции больших языковых моделей в реальные проекты, сценарии использования (от генерации текста и диалогов до автодополнения кода и решения математических задач), способы вызова API, локализованного развёртывания и оптимизации производительности[1]. - Особое внимание уделяется сценариям тонкой настройки («fine-tuning») модели под #конкретные задачи, организации #многораундовых диалогов, #генерации структурированных #данных (например, JSON) и #решению #таких проблем, как #предвзятость и устойчивость ответов[1]. - Для #исследователей приводится #анализ масштабирования моделей, #зависимости производительности от размера, обзор экспериментов, а для инженеров — практические советы по оптимизации разработки и внедрению LLM[1]. Таким образом, книга одновременно объясняет теоретическую базу архитектуры современных генеративных ИИ, детализирует особенности последних инженерных решений (в частности, DeepSeek-V3), и предоставляет практические инструкции по их внедрению как для специалистов, так и для широкой аудитории, интересующейся современной ИИ-технологией[1].
9
Нравится
Комментировать
VYACHESLAV_SCHAVA
15 июля 2025 в 16:56
В России растёт число погибших в ДТП, совершенных по вине #водителей-мигрантов, следует из #данных МВД. За последние три #года показатель смертности в #таких авариях возрос на 22% — #только в 2024 году в них погибло #526 человек.
12
Нравится
Комментировать
VYACHESLAV_SCHAVA
14 июля 2025 в 10:50
20 лучших идей с книги Сигела «Долгосрочные инвестиции в акции» Вот 20 ключевых идей из книги Джереми Сигела «Долгосрочные инвестиции в акции», которые помогут понять его подход к инвестированию: 1. Акции — лучший актив для долгосрочного роста капитала, превосходящий облигации и другие классы активов по доходности за длительный срок[1][2]. 2. Традиционное распределение 60% акции / 40% облигации устарело — Сигел рекомендует более агрессивный подход с большим весом акций в портфеле[1]. 3. Диверсификация через индексные фонды с низкими издержками — ключ к стабильной доходности и снижению рисков[1]. 4. Не менее 1/3 портфеля стоит держать в акциях международных компаний, но осторожно с развивающимися рынками, которые часто переоценены[1]. 5. Доходность акций в долгосрочной перспективе более стабильна, чем в краткосрочной, несмотря на высокую волатильность на коротких интервалах[1][5]. 6. Акции компенсируют инфляцию со временем, в отличие от облигаций, что важно для сохранения покупательной способности капитала[1]. 7. Эмоции и рыночные настроения — враг инвестора; нужно иметь чёткие правила для мониторинга и ребалансировки портфеля[1]. 8. Исторические данные подтверждают среднюю реальную доходность акций около 6-7% годовых за последние два столетия[2][5]. 9. Волатильность акций возросла, но на горизонте в несколько десятилетий они остаются наиболее надёжным активом[5]. 10. Периоды кризисов и спадов — нормальная часть инвестиционного цикла, важно не паниковать и сохранять долгосрочный фокус[5]. 11. Акции развивающихся рынков сейчас могут представлять уникальные возможности для инвестиций из-за их недооценённости[5]. 12. Распределение капитала по регионам: около трети в США, трети — в развитых рынках, трети — в развивающихся — сбалансированная стратегия для глобальной диверсификации[5]. 13. Облигации и денежные рынки сейчас менее привлекательны с точки зрения доходности[5]. 14. Сезонные и циклические факторы влияют на доходность акций, но не должны влиять на долгосрочные решения[1]. 15. #Использование #статистических #данных и #исторической #аналитики #помогает #формировать #реалистичные #ожидания доходности[1]. 16. Долгосрочные инвестиции требуют терпения и готовности к временному снижению стоимости портфеля[3][5]. 17. Инвестиции в акции — это не быстрый заработок, а стратегия накопления богатства с течением времени[1]. 18. Возраст выхода на пенсию и демографические изменения влияют на доходность акций в будущем[5]. 19. Не стоит пытаться предугадать краткосрочные колебания рынка, лучше сосредоточиться на фундаментальных факторах и долгосрочной перспективе[1][3]. 20. Инвестиции в индексные фонды обеспечивают широкую диверсификацию и минимизируют издержки, что повышает общую доходность портфеля[1]. Эти идеи делают книгу Сигела «Долгосрочные инвестиции в акции» одним из самых авторитетных руководств по построению надёжного и доходного инвестиционного портфеля на годы и десятилети].
14
Нравится
Комментировать
VYACHESLAV_SCHAVA
10 июля 2025 в 2:51
Какие новые разработки в области ИИ обсуждаются на международных форумах На международных форумах в 2025 году обсуждаются следующие ключевые новые разработки и тренды в области искусственного интеллекта (ИИ): - Генеративный ИИ и робототехника: На Глобальном саммите МСЭ "ИИ во благо" демонстрируют инновации в генеративном ИИ, робототехнике и интерфейсах "мозг-машина", которые могут помочь в борьбе с изменением климата, здравоохранении и реагировании на стихийные бедствия[1]. - Этическое и ответственное развитие ИИ: На AI Action Summit в Париже обсуждаются пути снижения рисков ИИ, этические нормы, а также создание международного фонда ИИ с бюджетом 2,5 млрд евро для поддержки "третьего пути" развития, отличного от доминирования США и Китая[2]. - Инженерный и промышленный ИИ: На конференциях эксперты подчеркивают важность гибридных нейросимвольных систем, которые сочетают экспертные знания с генеративными технологиями для решения сложных инженерных задач и повышения прозрачности решений ИИ[3]. - Квантовый ИИ: Совмещение квантовых вычислений с ИИ #рассматривается как #революционный тренд, способный значительно ускорить обработку #данных и моделирование в #финансах, #фармацевтике и других #сферах[4]. - Экспоненциальный рост генеративных нейросетей: Эти системы переходят от узкоспециализированных функций к комплексным решениям, способным создавать дизайн-концепты, планировать производство и маркетинговые кампании, что требует продуманной этической стратегии[4]. - Стратегическое лидерство и цифровой суверенитет: На международных форумах, таких как «Шаг в будущее», обсуждаются долгосрочные стратегии развития ИИ, укрепление позиций стран в глобальном цифровом пространстве и поддержка отечественных разработчиков[5]. Таким образом, международные дискуссии сосредоточены на инновациях в генеративном и квантовом ИИ, этическом регулировании, промышленном применении и формировании глобального сотрудничества для устойчивого и справедливого развития технологий искусственного интеллекта[1][2][3][4][5].
9
Нравится
Комментировать
VYACHESLAV_SCHAVA
22 июня 2025 в 6:49
Сколько миллиардеров участвуют в финансировании военных конфликтов США Точных #данных о количестве американских миллиардеров, непосредственно #участвующих в финансировании военных конфликтов #сша, в открытых источниках нет. Однако# известно, что крупные военно-промышленные корпорации, связанные с миллиардерами и влиятельными бизнесменами, получают значительные доходы от военных контрактов США. Например, компании Lockheed Martin и Raytheon имеют многомиллиардные обороты и тесные связи с политиками, которые лоббируют их интересы[5]. Исследование Брауновского университета показало, что за последние два десятилетия военная промышленность США потратила около 2,5 млрд #долларов на лоббирование, включая финансирование избирательных кампаний конгрессменов и #сенаторов, что косвенно свидетельствует о #вовлечении ряда богатых инвесторов и бизнесменов в поддержание военных расходов[5]. Таким образом, финансирование военных конфликтов США происходит через сложные механизмы взаимодействия военных корпораций, политиков и инвесторов, среди которых есть американские миллиардеры, но их точное число не раскрывается.
12
Нравится
2
Т‑Банк
8 800 333-33-33Для звонков по России
Банк
Дебетовые картыПремиумИностранцамКредитные картыКредит наличнымиРефинансированиеАвтокредитВкладыНакопительный счетПодписка ProPrivateДолямиИпотека
Страхование
ОСАГОКаскоКаско по подпискеПутешествия за границуПутешествия по РоссииИпотекаКвартираЗдоровьеБлог Страхования
Путешествия
АвиабилетыОтелиТурыПоезда
Малый бизнес
Расчетный счетРегистрация ИПРегистрация ОООЭквайрингКредитыT‑Bank eCommerceГосзакупкиПродажиБухгалтерияБизнес-картаДепозитыРассрочкиПроверка контрагентовБонусы для бизнесаТопливо для бизнесаЛизинг
Город
Доставка продуктовАфишаТопливоТ‑АвтоИгрыОтслеживание посылокБлог Города
Полезное
Т‑PayВход с Т‑IDИдентификация с T‑IDПлатежиПереводы на картуБиометрияОтзывыМерч Т‑БанкаПромокодыТ‑ПартнерыСервис по возврату денегТ‑ОбразованиеКурс добраТ‑Бизнес секретыТ—ЖБлог Т‑БанкаПомощьБизнес-глоссарий
Средний бизнес
Расчетный счетСервисы для выплатТорговый эквайрингКредитыДепозитыВЭДГосзакупкиБизнес-решенияT‑Bank DataT‑IDЛизингАвтодилеры
Т‑Касса
Интернет-эквайрингОблачные кассыВыставление счетовБезналичные чаевыеМассовые выплаты для бизнесаОтраслевые решенияОплата по QR‑кодуБезопасная сделкаВсе сервисы онлайн-платежей
Карьера
Работа в ИТБизнес и процессыРабота с клиентами
Инвестиции
Инвестиционный счетИИСПремиумТрейдингТерминалМаржинальная торговляИнвестиционные турнирыАкцииВалютыФондыОблигацииФьючерсыЗолотые слиткиЦифровые финансовые активыСтратегииПервичные размещенияДолгосрочные сбереженияАкадемия инвестиций
Мобильная связь
Сим‑картаeSIMТарифыПеренос номераРоумингКрасивые номераЗапись звонковВиртуальный номерСекретарьКто звонилЗащитим или вернем деньги
Технологии от Т‑Банка
Речевая аналитикаРаспознавание и синтез речи VoiceKitПлатформа наблюдаемости Sage
Политика обработки персональных данных
© 2006—2026, АО «ТБанк», официальный сайт, универсальная лицензия ЦБ РФ № 2673
Т‑Банк
8 800 333-33-33Для звонков по России
Банк
Малый бизнес
Средний бизнес
Инвестиции
Страхование
Город
Т‑Касса
Мобильная связь
Путешествия
Полезное
Карьера
Технологии от Т‑Банка
Политика обработки персональных данных
© 2006—2026, АО «ТБанк», официальный сайт, универсальная лицензия ЦБ РФ № 2673