Recently I’m interested in ML in terms of trading and I found course on Udacity platform which dedicated exactly for this topic.

Course structured as 3 big chunks:

1) Data reading and normalisation, vector algebra, regression using python(numpy, pandas) – mostly practice-focused
2) Market mechanics is for whom like me who doesn’t know anything how trading works. Module covers market data and some market indicators like Daily Return, Moving Average, Bollinger Bands, etc. It’s less practical but it’s still possible to code all formulas provided
3) Machine Learning overview. This module mostly about ML approaches, mostly focused on Q-Learning. It’s mostly theoretical, hence you have to go deep into details of implementation yourself. But yet it gives you sense of variety of options you’ve got.

Read more

Я старался и стараюсь всю жизнь обходиться минимальным удобныбными инструментами

В 14 мне казалось что не нужно дорогой паяльной станции с регулятором температуры и заземлением – а стал заниматься микроэлектроникой
В 15 мне казалось что скорость интернета – вторична, 300кбит есть и хватит – а стал продавать интернет
В 17 я был счастлив с Pentium I, пока другие играли в игры я мне для консоли хватало линукса

В 20 у меня был микронут от Lenovo c Intel Centrino, я писал на поганом пхп и впринципе не тормозило, но накопилось потихоньку. Как известно – java занимается двумя вещами: жрёт память и тормозит, пришлось добавить памяти. Тулы начинали тормозить, пришлось купить другой ноут

Я был очень счастлив на i3 с 4гб памяти но потихоньку тулы (idea, android) стали всё тяжелее и тяжелее. Мне не казалось это большой проблемой особенно смотря на прожорливые макось и венду, которым 4гб надо было чтоб просто запуститься, я уж не говорю про работу

Потом система сборки андроида стала создавать десятки тысяч файлов, а идея – строить гигабайтные индексы. Я со своей скромностью(я ж не мажор и не геймер!) не сразу решился купить SSD. Он кстати заметно помог.

В какой то момент времени система сборки Андроид просто перестала обновляться – эти идиоты прекратили поддержку 32х. Смешно, что при этом всё равно часть тулов работали на 32 и поэтому нужно было ставить 32х подсистему в 64х ось. Гугл Алё, всё в порядке в консерватории?! Ладно тулы для разработчиков – даже chrome перестал поддерживаться для 32х версии.

И вот сейчас сижу я с i7, с 12гб памяти в которую очевидно помещается сильно меньше при тех же задачах в 32х системе, /tmp – в ramfs, файловый кэш/индекс идеи – на незашифрованном диске. So far so good.

И вдруг меня потянуло на ML. Я только начал, но уже надоело проводить эксперименты оставляя тренироваться модель каждый раз тюня на чуть-чуть на ночь чтоб утром посмотреть результаты – приходится заранее планировать машинное время, это похоже на девяностые годы, да?) А какая альтернатива? Платить кучу денег amazon ec2 или покупать десктоп за £1000+ с какой нить GTX 1080?

Вроде стараюсь быть очень скромным, но внешние тулы/экосистема поддталкивают к использованию более дорогих инструментов, ближе к конфигурации игрового компьютера. А это понятие у меня вызывает некоторое неодобрение, наверное я с дества как то слышал что кому-то там нужна игровая машина, и по факту они на ней делали напорядки меньше чем я на сильно более слабых.

рефлексия