Статьи на яндекс кью: «Статьи» — Яндекс Кью

«Статьи» — Яндекс Кью

Популярное

Сообщества

Статьи

Стать экспертом

  • Популярные
  • Открытые
  • Все вопросы
  • Посты и опросы56
  • Новые ответы

Вероника Чурсина 🌍

Менеджмент

3,3 K

Интернет-маркетолог, журналист, копирайтер, автор статей для блогов и Дзена

спрашиваетАлиса Ч.  · 8 ответов

Когда ваши публикации наберут суммарно 10 000 минут прочтения за 7 дней, то канал выйдет на внутреннюю монетизацию. Т.е. в статьях будут появляться рекламные блоки, и за счет этого… Читать далее

Виктория — Dzenpraktikum_ru2г

2,1 K

Зарабатываю на дзен, стабильно и много.
Веду курсы и обучаю людей работать с этой площадкой.

спрашиваетVishota  · 11 ответов

от 600 до 2 000 на стартовых, потом чуть чуть проседает

дочитываний 30-50%

но потом уже цифры измеряется в десятках тысяч дочитываний, такие циры совсем не делать если не нарушать правила Яндекса.

Неоф. сообщество Яндекс.Дзен

30,5 K

Макс КолесниковNFT-инфлюэнсер. Инвестирую и зарабатываю на NFT и NFT-играх более 3-х лет.

спрашиваетЕва Варфоломеева  · 1 ответ

В данный момент времени у всех отключили эту функцию сами разработчики Дзена. Временно ли или не всегда — пока неизвестно. Но пока что, этой функции нет не у кого.

Вся информация об NFT в моем Telegram

Перейти на t.me/nftmaks

Достоверно

Алексей Бегин

Маркетинг

7мес

860

Блогер из Перми, рассказываю как вести текстовые блоги

спрашиваетВалерий Назарьев  · 16 ответов

Забудьте про Яндекс. Дзен. Хотите, чтобы ваши статьи читали? Заведите личный блог на своем сайте. Пишите статьи на любимые темы и продвигайте блог с помощью SEO.
Почему Яндекс Дзен вам… Читать далее

3 эксперта согласны

Советник помощь призывникам

8,1 K

Борис Андреевич ДоценкоКонсультации What’s App ☎️89183558009. Эксперт по военному праву.Юридическая помощь призывникам.Защита и восстановление прав призывников.

Анонимный вопрос  · 7 ответов

Здравствуйте, статья 17 одна из самых распространённых по которой происходит комиссация из армии и имеет наименьшее последствия для призывников/военнослужащих по сравнению с другими психиа… Читать далее

Алексей Грозный1г

295

Я автор канала Дзено-постинг на Дзене. Сайтостроение и SEO — мои увлечения.

спрашиваетТаро для обычных людей  · 9 ответов

Добрый день!
Всё очень просто. .. Во-первых, у Вас достаточно узкая тематика, и в принципе Вы не сможете получить охваты масштабов «охотников за скидками в ритэйлах» или «летописцев знамени… Читать далее

Молчанов Александр Викторович1г

1,8 K

Будьте здоровы телом и духом. Радуйтесь каждому новому рассвету, просыпайтесь с улыбкой и засыпайте с удовлетворением от совершенного днем.

спрашиваетсвета сергеевна  · 9 ответов

10000-12000 это в месяц, и если у тебя аудитория подходит к миллиону, ещё стать надо писать каждый день, а и так уже всё жёвано-пережёвано,о чём будешь писать ты?И не факт,что твои статьи… Читать далее

SMO-i-SEO.ru2г

821

Артем от SEO до SMMИнтернет-маркетолог. Занимаюсь продвижением проектов в сети с 2008 года. Консультирую по вопросам продвижения. Skype/Telegram: artek356

спрашиваетМанюня  · 3 ответа

Правильно, не значит результативно! Нужно исходить из конкретных задач статьи чтобы понять, как правильно её писать.
Работаем с текстами с 2008 года, в том числе по написанию статей… Читать далее

Владимир Владимирный8мес

363

Я эксперт во всех экспертных темах Яндекс.Кью, работаю бизнесменом Сбер.

Завёл канал и публикую туда свои статьи, которые пишу сам. Тематика: политика.
Дело в… Развернуть

спрашиваетАлексей Владимиров  · 5 ответов

На самом деле Дзен даёт хорошее количество показов, публикации набирают от 300 показов. Но сейчас из-за санкций русские блогеры, которые раньше вели блог в иностранном сервисе потеряли… Читать далее

Рекламодатели Дзена

9мес

10,4 K

Арина НиколинаОфициальный эксперт по обучению Яндекс Дзена.
👉Отвечаю на вопросы по рекламе в Дзен и интернет-маркетингу

спрашиваетАлена Каменецких  · 1 ответ

Если вы таким образом хотите проверить, как выглядит ваша рекламная статья “со стороны”, то не скрольте её слишком быстро. Возможность бесшовного перехода Scroll2Site появляется тогда… Читать далее

«Как начать писать статьи в Яндекс.Кью?» — Яндекс Кью

Популярное

Сообщества

ЯндексСервисы яндексаЯндекс кью

NETKAR

  ·

3,4 K

ОтветитьУточнить

Вероника Чурсина 🌍

Менеджмент

1,4 K

Интернет-маркетолог, журналист, копирайтер, автор статей для блогов и Дзена   · 1 сент 2020  · textov.net

Ну вообще-то здесь сервис вопросов и ответов прежде всего. Т.е. как блог использовать эту площадку, насколько я понимаю, нельзя.

Но можно отвечать на вопросы очень развернуто, пожалуйста, пишите статью-ответ и размещайте под соответствующим вопросом. Никто вам этого не запретит)))

Консультирую предпринимателей по работе с текстами. Пишу. Портфолио:

Перейти на textov.net/potfolio.html

Sergey Ivanisov

19 ноября 2020

А это что?

Комментировать ответ…Комментировать…

Максим Сауленко

Маркетинг

268

Настройка рекламы для вашего бизнеса. Пишите 👇  · 30 июл 2021  ·

maksimsaulenko

Любой ответ можно превратить в хорошую статью. В первую очередь надо уделить тем вопроса — в которых вы хорошо разбираетесь и по которым можете дать развернутый ответ. Чем интересней вопрос и чем более подробный ответ вы сможете на него дать — тем больше просмотров получит в итоге ваша статья. При выборе вопросов — вы можете ориентироваться уже на количество просмотров… Читать далее

Бесплатная консультация по банкротству. Узнайте как списать свои долги онлайн!

Перейти на promo. dolgi-net.ru

Комментировать ответ…Комментировать…

Первый

Нефритовая сова

9

Компания «Нефритовая сова» уже более пяти лет занимается продажей и производством…  · 31 авг 2020  · nefrit-sova.ru

Отвечает

Владимир Ёлкин

Самый верный вариант, это создать одну почту с названием организации, зарегистрировать на неё организацию в Яндекс Справочнике и во всех сервисах яндекса в том числе и на КЬю, и просто заполнив профиль начать отвечать людям на вопросы по вашей теме. Люди увидят экспертность и смогут обратиться к вам за услугой или товаром.

Наш каталог изделий.

Перейти на nefrit-sova.ru/shop

Комментировать ответ…Комментировать…

Лучший

Famarket

11

12 окт 2020

Просто пиши, если знаешь. .. Делись опытом, это такая возможность посмотреть как к твоим мыслям относится общество КЬЮ. Будешь краснеть или гордится? Значит ты уже с нами. Каждая мысль интересна и поучительна для читающих, мы учимся вместе. Просто пиши, здесь ты можешь быть свободным.

Комментировать ответ…Комментировать…

Вы знаете ответ на этот вопрос?

Поделитесь своим опытом и знаниями

Войти и ответить на вопрос

Yandex Research Publications

5 of 194 publications

  • Decentralized Local Stochastic Extra-Gradient for Variational Inequalities

    OptimizationMachine learning theoryAleksandr BeznosikovPavel DvurechenskyAnastasia KoloskovaValentin SamokhinSebastian U. StichAlexander Gasnikov

    NeurIPS,
    2022

    We consider distributed stochastic variational inequalities (VIs ) на неограниченных доменах с данными о проблемах, которые являются разнородными (не IID) и распределены по многим устройствам. Мы делаем очень общее предположение о вычислительной сети, которая, в частности, охватывает настройки полностью децентрализованных вычислений с изменяющимися во времени сетями и централизованными топологиями, обычно используемыми в федеративном обучении. Кроме того, можно выполнить несколько локальных обновлений рабочих процессов для уменьшения частоты обмена данными между рабочими процессами. Мы распространяем стохастический экстраградиентный метод на эту очень общую ситуацию и теоретически анализируем скорость его сходимости в строго монотонных, монотонных и немонотонных (когда существует решение Минти) условиях. Предоставленные скорости явно демонстрируют зависимость от характеристик сети (например, времени смешивания), счетчика итераций, неоднородности данных, дисперсии, количества устройств и других стандартных параметров. В качестве особого случая наш метод и анализ применяются к распределенным стохастическим задачам седловой точки (SPP), например, к обучению глубоких генеративно-состязательных сетей (GAN), для которых децентрализованное обучение, как сообщается, чрезвычайно сложно. В экспериментах по децентрализованному обучению GAN мы демонстрируем эффективность предложенного нами подхода.

  • Оптимальное скольжение градиента и его применение для распределенной оптимизации при сходстве

    Оптимизация Machine Learning Theorydrydry Kovalevaleksandr beznosikovekaterina borodichalexand является (µ-сильно) выпуклым, q является Lq-гладким и выпуклым, а p является Lp-гладким, возможно, невыпуклым. Для такого класса задач мы предложили неточный метод ускоренного скольжения градиента, который может пропустить вычисление градиента для одного из этих компонентов, но при этом достичь оптимальной сложности вызовов градиента p и q, то есть O(Lp/µ) и O (Lq/мк) соответственно. Этот результат намного точнее, чем классическая сложность черного ящика O((Lp+Lq)/µ), особенно когда разница между Lp и Lq велика. Затем мы применяем предложенный метод для решения задач распределенной оптимизации в архитектурах мастер-работник, при схожести функций агентов, из-за схожести статистических данных или по другим причинам. Распределенный алгоритм впервые достигает более низких границ сложности как для связи, так и для вызовов локального градиента, причем первый из них является давней открытой проблемой. Наконец, метод распространяется на распределенные седловые задачи (в условиях подобия функций) путем решения класса вариационных неравенств, достижения более низких границ сложности связи и вычислений.

  • Optimal Algorithms for Decentralized Stochastic Variational Inequalities

    OptimizationMachine learning theoryDmitry KovalevAleksandr BeznosikovAbdurakhmon SadievMichael PersiianovPeter RichtárikAlexander Gasnikov

    NeurIPS,
    2022

    Variational inequalities are a formalism that includes games, minimization, saddle point, and equilibrium problems as special cases. Таким образом, методы вариационных неравенств являются универсальными подходами для решения многих прикладных задач, в том числе задач машинного обучения. Эта работа концентрируется на децентрализованной среде, которая становится все более важной, но не совсем понятной. В частности, мы рассматриваем децентрализованные стохастические (сумматические) вариационные неравенства над фиксированными и переменными во времени сетями. Мы представляем нижние границы сложности как для связи, так и для локальных итераций и строим оптимальные алгоритмы, соответствующие этим нижним границам. Наши алгоритмы являются лучшими среди доступной литературы не только в децентрализованном стохастическом случае, но и в децентрализованном детерминированном и нераспределенном стохастическом случаях. Экспериментальные результаты подтверждают эффективность представленных алгоритмов.

  • Distributed Methods with Compressed Communication for Solving Variational Inequalities, with Theoretical Guarantees

    OptimizationMachine learning theoryAleksandr BeznosikovPeter RichtárikMichael DiskinMax RyabininAlexander Gasnikov

    NeurIPS,
    2022

    Variational inequalities in general and saddle point problems in particular are increasingly relevant in machine learning applications , включая состязательное обучение, GAN, транспорт и надежную оптимизацию. С ростом объемов данных и задач, необходимых для обучения высокопроизводительных моделей в различных приложениях, нам необходимо полагаться на параллельные и распределенные вычисления. Однако при распределенном обучении связь между вычислительными узлами является основным узким местом во время обучения, и эта проблема усугубляется для многомерных и чрезмерно параметризованных моделей. В связи с этими соображениями важно оснастить существующие методы стратегиями, которые позволили бы уменьшить объем передаваемой информации при обучении при получении модели сравнимого качества. В этой статье мы представляем первые теоретически обоснованные распределенные методы решения вариационных неравенств и седловых задач с использованием сжатой связи: МАША1 и МАША2. Наша теория и методика позволяют использовать как несмещенные (такие как Рандк; МАША1), так и компрессионные (такие как Топк; МАША2) компрессоры. Новые алгоритмы поддерживают двунаправленное сжатие, а также могут быть модифицированы для стохастической настройки с пакетами и для федеративного обучения с частичным участием клиентов. Мы эмпирически подтвердили наши выводы, используя две экспериментальные установки: стандартную билинейную задачу минимум-макс и крупномасштабное распределенное враждебное обучение трансформаторов.

  • О встраивании числовых функций в табличное глубокое обучение

    Табличные данныеЮрий ГоришныйИван РубачевАртем Бабенко

    NeurIPS,
    2022

    В последнее время глубокие архитектуры типа Transformer показали высокую производительность при решении задач с табличными данными. В отличие от традиционных моделей, например MLP, эти архитектуры отображают скалярные значения числовых признаков в многомерные вложения перед их смешиванием в основной магистрали. В этой работе мы утверждаем, что вложения для числовых признаков являются малоизученной степенью свободы в табличном DL, что позволяет строить более мощные модели DL и конкурировать с деревьями решений с градиентным усилением (GBDT) в некоторых дружественных к GBDT тестах (то есть, где GBDT превосходит обычные модели DL). Мы начнем с описания двух концептуально разных подходов к построению модулей встраивания: первый основан на кусочно-линейном кодировании скалярных значений, а второй использует периодические активации. Затем мы эмпирически демонстрируем, что эти два подхода могут привести к значительному повышению производительности по сравнению с вложениями на основе обычных блоков, таких как линейные слои и активация ReLU. Важно отметить, что мы также показываем, что встраивание числовых функций полезно для многих магистральных сетей, а не только для трансформеров. В частности, после надлежащего встраивания простые модели, подобные MLP, могут работать наравне с архитектурами, основанными на внимании. В целом, мы выделяем вложения для числовых функций как важный аспект дизайна с хорошим потенциалом для дальнейших улучшений табличного DL.

Фильтр от:

Computer Vision

Теория машинного обучения

Обработка естественного языка

Рейтинг

Ближайший сосед

Представления

Оценка неопределенности

Общее машинное обучение

Крупномасштабное машинное обучение

Вероятностное машинное обучение

Сдвиг распределения

Обработка речи

Таблицы

Байесовские методы

Сегментация

Neurips

Neurips Benchmarks

находки ACL 9003

Neurips Benchmarks

находки ACL 9003

Neurips Benchmarks

находки ACL 9003

Neurips 9003 9003.

emips 9003.

emips. Яху! LTR Challenge

Яндекс, крупная российская поисковая система, выпускает обновление Vega

Барри Шварц 18 декабря 2019 г.в 10:39 | Время чтения: 3 минуты

Яндекс, крупнейшая поисковая система в России, объявила о новом обновлении алгоритма под названием «Вега», которое внесло «1500 улучшений в поиск Яндекса». По словам Яндекса, самое большое и значительное изменение в этом обновлении заключается в том, что компания привносит в поиск больше человеческих элементов.

Человеческие элементы. Яндекс заявил, что «обновил алгоритм ранжирования с помощью нейронных сетей, обученных на данных, предоставленных настоящими экспертами в нескольких областях, предоставляя пользователям еще более качественные решения для их поиска». Похоже, что у Яндекса есть эксперты, которые передают алгоритмам машинного обучения сигналы о том, какими должны быть наилучшие результаты, и машины используют эти реальные человеческие данные, чтобы обеспечить лучший конечный результат для результатов поиска.

Яндекс.Q. Яндекс также сообщил, что вводит в поиск сервис вопросов и ответов. «Мы также связываем людей с ответами на их поиски от квалифицированных экспертов через нашу новую службу вопросов и ответов Yandex.Q», — говорится в сообщении компании.

Более крупный и быстрый индекс. Яндекс смог удвоить размер своего индекса, повысив при этом скорость доставки результатов поиска пользователям. «Наш поисковый индекс теперь вдвое больше, 200 миллиардов документов, благодаря умному методу группировки похожих веб-страниц в кластеры», — пишет Яндекс. Яндекс также использует технологию предварительного рендеринга для мобильных пользователей и другие методы, чтобы быстрее возвращать эти результаты.

«Наше новое обновление поиска сочетает в себе наши новейшие технологии с человеческими знаниями, — говорит Андрей Стыскин, руководитель Поиска Яндекса. «В Яндексе наша цель — помочь потребителям и компаниям лучше ориентироваться в онлайн- и офлайн-мире. Благодаря этому обновлению поиска пользователи Рунета помогают нам в этом. Делясь своими знаниями, эксперты улучшают наши алгоритмы и помогают нашим пользователям Поиска, число которых продолжает расти; за последний год доля поиска Яндекса на Android в России выросла на 4,8% до 54,7% в начале декабря».

Примеры. Яндекс разместил множество примеров на русском языке в блоге компании. Если вы говорите по-русски, вы можете понять примеры. Так иди посмотри.

Почему это нас волнует. Поисковые компании часто учатся у своих конкурентов. Будут ли Bing или Google использовать что-либо из того, что Яндекс делает здесь в будущем обновлении, еще предстоит определить. И Google, и Bing больше не говорят о размере своего индекса, но они оба говорят о скорости и более быстром возвращении лучших результатов.

This entry was posted in Популярное