Aspiring Data Science
Open in Telegram
Заметки экономиста о программировании, прогнозировании и принятии решений, научном методе познания. Контакт: @fingoldo I call myself a data scientist because I know just enough math, economics & programming to be dangerous.
Show more389
Subscribers
No data24 hours
No data7 days
+130 days
Posts Archive
#anthropic
"When you feel that their values are not they say they are, when yo feel that they are not honest, it makes it very hard to continue to work with the company."
Понимаю это чувство.
https://www.youtube.com/watch?v=v1wZwxY3CMg
2 года назад вот какие планы я строил на ближайшие полгода. И только сейчас, с появлением ИИ который может писать код с приемлемым уровнем качества, они стали реальностью для "команды" из 1 человека.
На 70% функциональность этой automl системы мной (с помощью ИИ) уже реализована, скоро, надеюсь, смогу выкладывать результаты бенчмарков. What a great time to be alive!
Repost from Технозаметки Малышева
⚡️Kaggle запустил MCP сервер
Kaggle выпустил поддержку Model Context Protocol (MCP), что позволяет подключать LLM-агентов (например, в Claude Desktop, Windsurf, VS Code или Gemini CLI) напрямую к инфраструктуре платформы.
Это дает вашему AI-агенту «руки» на Kaggle. Агент больше не просто генерирует код, он может взаимодействовать с платформой:
запускать вычисления,
скачивать датасеты и отправлять решения конкурсов.
Ключевые возможности (Tools):
Notebooks (Кернелы):
- Поиск чужих и своих ноутбуков (search_notebooks).
- Создание и запуск сессий (Notesbook_session).
- Сохранение и запуск кода «сверху вниз» (save_notebook).
- Скачивание результатов работы (output) и логов.
Competitions (Соревнования):
- Автоматическая отправка решений (create_code_competition_submission).
Benchmarks:
- Создание задач для бенчмарков из промпта.
- Просмотр лидербордов.
Как подключить:
URL: https://www.kaggle.com/mcp
Авторизация: Требуется API Token (можно создать в настройках профиля Kaggle: Settings > Create New Token).
Пример конфига (для Claude Desktop/VS Code):
"kaggle": {
"url": "https://www.kaggle.com/mcp",
"type": "http",
"headers": {
"Authorization": "Bearer ${YOUR_KAGGLE_TOKEN}"
}
}#kaggle #competitions
Приятненькая сорева началась.
"Roughly 10,000 horizontal wells are drilled worldwide every year, yet much of the drilling process still relies on manual interpretation by experts. These operations require immense technical precision, where even small deviations from the target zone can lead to significant resource waste. If the well drifts into less favorable geology, it results in inefficient energy recovery and may require additional corrective measures that increase the overall environmental footprint of the site.
Interpreting the subsurface is challenging because direct measurements are inherently limited. Data from wells, seismic surveys, and logging tools only show part of the picture. Rock layers start out stacked like a layer cake, but can bend or break along faults, making it hard to know exactly where the drill bit sits within the formation. Geologists and engineers analyze incoming data to steer the well, but current analytical tools often struggle to match the nuance of expert interpretation.
In this competition, you’ll develop machine learning models that predict the geology encountered along a horizontal wellbore. Your models should identify favorable layers from drilling data and help guide well placement more accurately during operations.
Your solution could help reduce resource waste by minimizing redundant drilling, improve operational safety by better predicting geological hazards, and move the industry toward automated systems that make faster, more consistent, and data-driven decisions.
A clearer map beneath the surface could make every meter count."
https://www.kaggle.com/competitions/rogii-wellbore-geology-prediction/overview
#programming #ai
/loops are the future )
https://www.youtube.com/watch?v=SlGRN8jh2RI
