🔥Холивар: scikit-learn — мастодонт ML или пора переходить на что-то посвежее?
🎓 С одной стороны — стабильный и понятный scikit-learn: • простота API, • огромная документация, • идеально подходит для обучения и базовых ML-пайплайнов.
💥Но многие говорят: «Он уже не тянет продакшн»: • нет GPU, • нет удобной работы с пайплайнами в стиле TensorFlow/PyTorch, • нет AutoML по умолчанию.
И начинают смотреть в сторону LightGBM, XGBoost, CatBoost, PyCaret, H2O, или даже Spark ML.
👀 А кто-то вообще считает, что Scikit-learn — это «велосипед прошлого десятилетия».
❤️ — Scikit-learn forever: надёжный, понятный, любимый 👍 — Уже давно перешёл на градиентный бустинг и AutoML 🔥 — Я вообще на PyTorch/TensorFlow, мне склерн не нужен 🤔 — Использую всё понемногу, зависит от задачи
🔥Холивар: scikit-learn — мастодонт ML или пора переходить на что-то посвежее?
🎓 С одной стороны — стабильный и понятный scikit-learn: • простота API, • огромная документация, • идеально подходит для обучения и базовых ML-пайплайнов.
💥Но многие говорят: «Он уже не тянет продакшн»: • нет GPU, • нет удобной работы с пайплайнами в стиле TensorFlow/PyTorch, • нет AutoML по умолчанию.
И начинают смотреть в сторону LightGBM, XGBoost, CatBoost, PyCaret, H2O, или даже Spark ML.
👀 А кто-то вообще считает, что Scikit-learn — это «велосипед прошлого десятилетия».
❤️ — Scikit-learn forever: надёжный, понятный, любимый 👍 — Уже давно перешёл на градиентный бустинг и AutoML 🔥 — Я вообще на PyTorch/TensorFlow, мне склерн не нужен 🤔 — Использую всё понемногу, зависит от задачи
Tata Power whose core business is to generate, transmit and distribute electricity has made no money to investors in the last one decade. That is a big blunder considering it is one of the largest power generation companies in the country. One of the reasons is the company's huge debt levels which stood at ₹43,559 crore at the end of March 2021 compared to the company’s market capitalisation of ₹44,447 crore.
Why Telegram?
Telegram has no known backdoors and, even though it is come in for criticism for using proprietary encryption methods instead of open-source ones, those have yet to be compromised. While no messaging app can guarantee a 100% impermeable defense against determined attackers, Telegram is vulnerabilities are few and either theoretical or based on spoof files fooling users into actively enabling an attack.
Библиотека data scientist’а | Data Science Machine learning анализ данных машинное обучение from sg
