PyTorch 2.10.0a0 hỗ trợ sm_120 cho RTX 5080/5090! Cài đặt dễ dàng với lệnh pip. Tính năng: hỗ trợ sm_120, nhân kernel đầy đủ, tăng hiệu suất. #PyTorch #sm_120 #RTX5080 #RTX5090 #AI #MachineLearning #TríTuệNhânTạo #HọcMáy
PyTorch 2.10.0a0 hỗ trợ sm_120 cho RTX 5080/5090! Cài đặt dễ dàng với lệnh pip. Tính năng: hỗ trợ sm_120, nhân kernel đầy đủ, tăng hiệu suất. #PyTorch #sm_120 #RTX5080 #RTX5090 #AI #MachineLearning #TríTuệNhânTạo #HọcMáy
Сможет ли языковая модель научиться читать биржевые графики? Эксперимент с LLM на данных Московской биржи
Представьте опытного трейдера: наверняка он не говорит котировками и не рассказывает про индикаторы — он просто говорит «сильный тренд», «пробой уровня» или «ложный отскок». Для него график это язык: свечи, объёмы и уровни складываются в понятные фразы о том, что сейчас происходит на рынке. Именно от этой человеческой интуиции я и отталкивался в своём эксперименте. Идея была такая: а что, если научить искусственный интеллект понимать этот язык? Не подавать модели сырые числа, а переводить бары и объёмы в текстовые описания наблюдаемых паттернов и кормить ими языковую модель. Гипотеза была что в тексте уже будет содержатся достаточно данных, чтобы модель научилась связывать недавнюю торговую историю с тем, пойдёт ли цена вверх на следующий день. Инструмент эксперимента — модель distilbert‑base‑uncased с Hugging Face и это облегчённая, быстрая версия BERT для понимания языка. Мне показалось это практичным выбором для прототипа — позволяет быстро проверять разные способы текстовой разметки без гигантских ресурсов. Цель была чёткая: по текстовому описанию недавней истории торгов предсказать рост цены на следующий день. Но это исследование моя попытка представления рыночных данных как языка, а не попытка сразу создать алгоритм для автотрейдинга. Ещё важно: это мой личный эксперимент, проведённый одним человеком и выполненный однократно. Результаты дали интересные наблюдения. Расскажу, как происходила разметка графиков в текст, какие шаблоны сработали лучше и какие метрики использовались. Также отмечу ограничения подхода и идеи для повторных экспериментов. А ещё весь код уже на GitHub. Анализ и код