Data Scientist | IT

Курс «Английский для аналитиков» от Яндекс Практикума Для специалистов, которые хотят изменить свою профессиональную жизнь и работать в международной команде. Обучение построено вокруг рабочих ситуаций и полезных для карьеры навыков: • Самопрезентация. Рассказ о своей роли, задачах, сфере ответственности на поведенческом интервью и в неформальной беседе. • Работа в команде. Стендапы, планирование спринтов, демонстрация навыков командной работы на собеседовании. • Общение с заказчиками и исполнителями. Сбор требований у стейкхолдеров и постановка задач для разработчиков. • Презентация результатов работы. Выступление на митапах, неформальное общение с коллегами из отрасли. • Обсуждение решений по проекту. Генерация и аргументация идей, участие в мозговых штурмах. • Рефлексия и самоанализ. Ретроспектива, ревью, ответы на сложные вопросы. Запишитесь на бесплатную консультацию. Определим ваш уровень языка, расскажем про обучение и ответим на все вопросы.

💻 Топ бюджетных ноутбуков для junior-программистов в 2022 12 лучших ноутбуков для программирования, которые подойдут начинающим разработчикам (и тестировщикам) — как по цене, так и по аппаратному обеспечению. Читать статью

Олимпиада студентов "Я - Профессионал" дает возможность поступления в магистратуру и аспирантуру МФТИ. Регистрируйтесь на направления: математика, физика, искусственный интеллект и физика мегасайенс до 15 ноября 2022 г. Дипломантам - денежные призы, льготы при поступлении МФТИ и другие ведущие вузы страны, стажировки, вакансии и консультации в крупных компаниях-партнерах олимпиады. https://yandex.ru/profi

Открытый курс OpenDataScience и Mail.ru Group по машинному обучению #посмотреть #джун #мидл 10 лекций по машинному обучению — более 20 часов видео. Обязательно к просмотру всем, кто начинает изучать ML. Лекция #1. Pandas Лекция #2. Визуализация Лекция #3. Классификация, деревья решений Лекция #4. Логистическая регрессия Лекция #5. Случайный лес Лекция #6. Регрессия, регуляризация Лекция #7. Обучение без учителя Лекция #8. Обучение на больших выборках, Vowpal Wabbit Лекция #9. Временные ряды Лекция #10. Градиентный бустинг

Эволюция архитектуры данных: как потребности бизнеса изменили инструменты для хранения данных Архитектура данных — это каркас ИТ-инфраструктуры, на котором держится стратегия по работе с данными, фундамент, без которого невозможна ее эффективная реализация. Читать

Архитектура платформы машинного обучения в продакшене Отличная статья, в которой рассказывается о функциях сервисов ML в продакшене и рассматриваются готовые решения. Читать статью

Большим данным настал конец. Databricks, Snowflake и конец неоправданного хайпа Что только нам не обещали с появлением Big Data. Мы будем прогнозировать продуктовый спрос и вспышки болезни, научим нейросети рисовать картины и сочинять романы, от которых плакал бы сам Достоевский (воссозданный теми же нейросетями по дневникам, портретам и рассказам современников). Что-то из этого уже в каком-то виде увидело свет — и это круто. Но большинству компаний это неинтересно и не нужно. Вместо суперсовременной архитектуры с плюшками-свистелками мы ищем сермяжные аналоги наших старых хранилищ, но быстрее, дешевле и полегче в настройке. И это наглядно видно на примере кейсов Databricks и Snowflake. Читать продолжение

Кто такой T-shaped специалист по Data Science и зачем им становиться? T-shaped специалист — это сотрудник cо скиллами в виде буквы Т»: ◾️ c глубокими знаниями в экспертном направлении (|); ◾️ c базовыми знаниями в нескольких смежных областях (—). Универсальному специалисту проще работать. Он разбирается в процессах разных департаментов, говорит с коллегами на одном языке и может перейти на смежную должность. Таких экспертов хантят с большим рвением: они глубже погружены в работу и могут подхватить задачи другого сотрудника. Первый шаг, чтобы стать T-shaped в DS — научиться работать с данными на ранних этапах. На практике это означает: ◾️ собирать сырые данные, ◾️ проектировать архитектуру баз данных, ◾️ строить пайплайны для перемещения, ◾️ очищать данные для анализа и так далее. Всё это — харды инженера данных, которые можно освоить на курсе Яндекс Практикума. Начините растить поперечную перекладину: попробуйте спроектировать первую витрину данных бесплатно.

Создание интеллектуальной вопросно-ответной системы В статье описан процесс создания вопросно-ответной системы, в частности, с какими трудностями пришлось столкнуться, какие технологии использовались, и приведен реальный пример практического использования вопросно-ответной системы. Читать статью

Первый нейросетевой переводчик для эрзянского языка В статье рассказывается о первой нейросети, которая способна переводить с эрзянского на русский (и ещё на 10 языков) Читать

ClearML | Туториал ClearML — это фреймворк для трекинга ML-экспериментов. В статье разбираются практические нюансы работы с ClearML. Читать статью

👄 Как работают системы распознавания речи В русскоязычном сегменте интернета не так много информации о том, как устроены системы распознавания речи. В этой статье разбираются нюансы технологии и опишем путь создания собственного решения. В конце статьи – бесплатный телеграм-бот для теста системы распознавания речи, построенной на архитектуре, описанной в статье. Читать статью

Шахматы и вопрос разумности больших языковых моделей LLM могут отвечать на вопросы, генерировать реалистичные статьи и поддерживать, осмысленный разговор на широкий круг тем. Роботы захватят весь мир?🤔 Читать

Everything Bagel, часть II: версионные таблицы озера данных в lakeFS и Trino Как выполнять запросы к разветвленным данным lakeFS через механизм распределенных запросов Trino. Читать

Большой видеокурс по введение в DataScience и машинное обучение Отличный вводный бесплатный видеокурс, подготовленный на базе программы Института Биоинформатики. 🔹00 — DataScience и ML. О курсе 🔹01 — Детально о курсе 🔹02 — Big Data, Deep Machine Learning, основные понятия 🔹03 — Модель, деревья 🔹04 — Pandas, Dataframes 🔹05 — Фильтрация данных 🔹06 — Группировка и агрегация 🔹07 — Визуализация, seaborn 🔹08 — Секретный гость. Интервью 🔹09 — Stepik ML contest 🔹10 — Stepik ML contest — data preprocessing + еще 15 уроков по DS в плейлисте

Человек, маска и аватара. Не рано ли переходить на биометрическую идентификацию В статье подробно рассказывается о целом спектре методов, выработанных для опознания живого человека в картиночной реальности социальных сетей. Читать

Предохранители для данных: как автоматические выключатели повышают Data Quality Предохранители для пайплайнов — это метод, обеспечивающий доступность данных в зависимости от их качества. Читать

Введение в базы данных Кто много раз слышал словосочетание «база данных», но не до конца понимает, что это?🤔 Читать

Войти в IT: Служба поддержки как карьерный трамплин Насколько легко новичкам войти в “высшую лигу” ИТ-сферы, и какую роль в этом процессе может играть опыт работы в техподдержке. Читать

Оптимизация нейросети на максимальный вред человеку. Первый эксперимент  Десятилетиями учёные улучшают модели машинного обучения для поиска новых лекарств. Никто не думал, что эту технологию можно использовать во вред. Оказывается, можно Читать