Я думаю, что под символьными графами понимают, графы в которых символы могут означать не конкретно цифру/переменную, а операцию или набор операций. Это такой просто уровень абстракции. Вот кажется тут поясняется http://www.sciencedirect.com/science/article/pii/S0747717110001689

Usually, an attributed graph is considered to be some kind of labelled graph whose labels are
values of a given data domain. The idea of our approach is to generalize this notion by considering
that attributed graphs are E-graphs, whose labels are variables, together with a set of conditions or
formulas that constrain the possible values of these variables. We call these graphs symbolic graphs

Ну то есть под символом понимается вершина графа, которая может быть мат операцией, трансформацией или просто набором данных.

Ну так знайте в Azure логические ядра, а в Amazon виртуальные(гипертрединговые) ну или shared.

Возможно понятие «символьные» появилось тут из-за символьных графов — ну или конструкции, которые получаются в ходе разработки на таких фреймворках. К примеру вот — https://1.bp.blogspot.com/-vDKYuCD8Gyg/Vj0B3BEQfXI/AAAAAAAAAyA/9tWmYUOxo0g/s1600/cifar10_2.gif или вот http://deeplearning.net/software/theano/_images/logreg_pydotprint_predict2.png

Вы сравниваете Vcpu у Амазона( гипертредовые ядра) и физические ядра у Azure.

А есть у кого нибудь ссылка на описание всех этих метрик RAE, MSE, R^2 желательно с визуализацией и на пальцах, я все время в них путаюсь.

Добрый день,
А сколько нужно накопить данных, что бы магия начала работать и предсказательная машинка — F&R начала выдавать удовлетворительные результаты? И может ли данная система делать прогнозы по товарам, которые еще ранее не продавались, к примеру находить схожие патерны с уже продаваемыми товарами и на основе этого делать прогноз?

Проходили уже и кончилось все не очень:
По «Закону о документации Штази», принятому в 1991 году, все граждане ГДР получили доступ к своим досье, собранным из информации, обеспеченной «неофициальными сотрудниками». Все сохранившиеся архивы были переданы «Комиссии Гаука», названной по имени пастора из Ростока, бывшего диссидента и будущего федерального президента Германии, которому доверили управление доступом к документам. Архив огромен: 111 километров стеллажей с бумажными документами и ещё 47 — с микрофильмированными. Кроме того, здесь хранится около 1,4 миллиона других носителей информации и документов — фотографий, аудиозаписей и кинопленки.
Ежегодно около 80 тыс. немцев знакомятся со своими досье. После официального запроса сотрудники архива выдают копию дела, из которой, согласно правилам, вымараны все имена (однако часто человек легко догадывается, кто на него «стучал»). Эти досье были доступны для всех людей, которые были в прошлом жертвами осведомителей, часто показывая, что друзья, коллеги, мужья, жёны и другие члены их семей регулярно шпионили за ними для государственной безопасности.

Хорошее кино по этой теме https://www.kinopoisk.ru/film/126196/

А еще можно воспользоваться Jupyter notes совершенно бесплатно в рамках Azure ML studio — https://blogs.technet.microsoft.com/machinelearning/2015/07/24/introducing-jupyter-notebooks-in-azure-ml-studio/ там уже есть Anaconda и прочие библиотеки и не нужно мучатся с деплойментом.

Площадка качается на 3-5 метров вниз-вверх-вбок. Кстати эта посадочная дрон площадка тоже подруливает и стабилизируется двигателями при посадке ступени.

Класс, спасибо!

Подскажите пожалуйста, что за механизм и как его включить?

Строиться физическая модель погоды с учетом кучи данных: спутники, зонды, метеостанции, движение воздушных масс, исторические данные и тд для всей планеты. И с помощью нее можно заполнять белые пятна, где нет показаний с земли. То что я кинул визуализации в не очень большом разрешении, но принцип схож.

Примерно вот так earth.nullschool.net :)

Да, я и имел ввиду что бы использовать эти данные для матрикснета вашего в обучении. Вы же WRF используете для заполнения белых пятен, где нет данных от метеостанций.

Кстати я в течении некоторого времени копаюсь с этими данными и мне для эксперемента нужны средние статистические значения по климату (скорость ветра, температура, давление и тд). Сейчас я смог собрать в разрешении 0,75 градуса, а хотелось бы в бОльшем разрешении. Может быть у вас там промежуточно делаются агрегации средних значение за несколько лет, которыми вы можете поделиться? Это бы очень сильно помогломоему проекту.

А все началось с фоточки в инстаграмме:)

А где собственно рйтинг по подозрительнности чиновников?

Вот это класс!!! Кстати NOAA выкладывает snapshot`ы работы, кажется как раз WRF моделей уже расчитанных — называется проект NCEP/NCAR Reanalysis — сейчас версии 2 www.esrl.noaa.gov/psd/data/gridded/data.ncep.reanalysis2.html зачем вам вычислять это еще раз? Можно чуть- чуть упростить схему и воспользоваться частью готовых данных.

У меня все ок. Chrome ver 46

Спасибо за ответ, а вообще может быть есть сторонние инструменты, которые могут делать такие smoke тесты из записанных действий? Для команды 1-2 разработчика не просто писать тесты:) А сделать, к примеру тест из записи действий пользователя, где протыкиваются все экраны и кнопки было бы очень полезно и быстро.

А нет ли инструментов, которые готовили бы тесты/сессии записывая действия пользователя?

«этой части подготовки данных я обошелся стандартным подходом: логарифмирую все, что распределено плотнее около нуля». А не настоящий сварщик, а почему это улучшает результаты и насколько это эффективно? Я тоже логарифмами проходился, но это ничего не дало.