Рефлексия: что я узнал о себе и мире, благодаря pet-проекту
Дисклеймер: это не статья про «так надо делать» или «кейс успеха».Мне просто хочется показать, что иногда стоит делать проект не для того, чтобы он заработал миллионы, а использовать его как инструмент, чтобы понять себя.Если ты пришел оценить статью или получить "невероятные знания" – она не для тебя.Привет!Меня зовут Артур!Я уже более 8 лет занимаюсь созданием и управлением IT-проектов.Последние 5 лет мой личный и профессиональный интерес находится в сферах edtech, обучения и создания идей.
Парадокс ансамблей: почему «слабые» модели иногда побеждают «сильные»
TL;DR: В ансамблевом прогнозировании важнее не индивидуальное качество моделей, а разнообразие их ошибок. Эксперимент показывает: пул из «худших» по отдельности моделей даёт лучшую точность ансамбля, чем пул из «лучших».Недавно я провёл эксперимент, который противоречит интуиции большинства практиков: пул из индивидуально более слабых моделей стабильно превосходит пул из более качественных моделей при объединении в ансамбль.🔬 Методология экспериментаДанные: финансовые временные ряды цены на пшеницу FOB Черное море, фундаментальные и макро факторы
Как писать промпты для разработки: опыт, который экономит часы
Система промптов в вайбкодингеСистема промптов — это фундамент всей работы с ИИ при разработке. Через промпты вы не просто общаетесь с моделью, а фактически управляете процессом создания продукта.При этом важно сразу убрать лишнее ожидание. Вам не нужно искать идеальную формулировку или пытаться писать «правильные» запросы. В реальной работе это почти не играет роли.Результат появляется не из одного точного запроса, а из процесса. Вы ставите задачу, получаете ответ, смотрите, что получилось, и корректируете. Именно этот цикл и есть основа вайбкодинга.Как меняется ваша роль
DiffQuant: прямая оптимизация коэффициента Шарпа через дифференцируемый торговый симулятор
Что будет, если убрать proxy-цель из трейдингового ML-пайплайна и оптимизировать напрямую то, что реально важно в торговле?
