Data Science | Machinelearning [ru]

💬 Внедрение ИИ в общение с клиентами Статья исследует развитие ИИ в общении с клиентами и его интеграцию в бизнес. Обсуждаются успехи и сложности внедрения чат-ботов, важность настройки под бизнес-цели и перспективы замены сотрудников ИИ. Читать...

📝 Подборка вакансий для джунов QA Automation Engineer Junior (Python) • Python, PyTest, ООП, SQL, PostgreSQL • Уровень дохода не указан | от 1 года Data Engineer • Python, SQL, ETL, Docker, Kubernetes, Apache Airflow • Уровень дохода не указан | опыт не указан Инженер данных/Data Engineer в Управление анализа данных • SQL, Jira, Confluence, Hadoop, Bitbucket • Уровень дохода не указан | опыт не указан Младший аналитик • Python, SQL, Microsoft Excel, Английский язык, Анализ данных, Машинное обучение, Нейронные сети • от 130 000 ₽ | опыт не указан

👩‍💻 Поиск самого часто встречающегося элемента в списке Напишите функцию, которая принимает список и возвращает элемент, который встречается чаще всего. Если таких элементов несколько, вернуть любой из них. Пример:

numbers = [1, 3, 2, 3, 4, 1, 3, 2, 1]
result = most_frequent(numbers)
print(result)  
# Ожидаемый результат: 3 (или 1, если в списке оба встречаются одинаково часто)

Решение задачи🔽

from collections import Counter def most_frequent(lst): count = Counter(lst) return max(count, key=count.get) # Пример использования: numbers = [1, 3, 2, 3, 4, 1, 3, 2, 1] result = most_frequent(numbers) print(result) # Ожидаемый результат: 3

🎞 Как за 6 промтов к ChatGPT создать Python скрипт, скачивающий видео с YouTube для просмотра на телевизоре через Kodi Статья рассказывает, как с помощью Python и ChatGPT создать скрипт для автоматической загрузки видео с YouTube и генерации метаданных (описаний и обложек) для интеграции с медиацентром Kodi. Читать...

⚡️ Он бросил кисть и молоток ради ИИ-приложения. Сумасшествие или гениальность? Рома, без опыта в IT и бизнесе, решил создать вашего личного ИИ-репетитора, который знает как учить эффективно. Почему человек с заводским прошлым уверен, что сможет изменить ваш подход к обучению? 👉 Подписывайтесь на "Так, Рома взялся делать стартап" и узнайте первыми: https://t.me/romastartup

🔥 Самые интересные статьи за последние дни: • Делают всё роботы, а не человек! Как работать меньше, но продуктивнее? Обзор шести нейросервисов • Пишем свою Diffusion модель с нуля • Apple Intelligence на Андроид? Обзор ИИ, портированных на мобильные устройства с локальным запуском • Как мы обучали LLM для поиска уязвимостей в смарт-контрактах Solidity • Нейросети, мошенники и «мамонты»: как искусственный интеллект меняет кибермошенничество

👩‍💻 Проверка, являются ли две строки анаграммами Напишите функцию, которая принимает две строки и проверяет, являются ли они анаграммами. Анаграммы — это слова, которые содержат одинаковые буквы в одинаковом количестве, но в разном порядке. Игнорируйте регистр и пробелы. Пример:

result1 = are_anagrams("listen", "silent")
print(result1)  # Ожидаемый результат: True

result2 = are_anagrams("hello", "world")
print(result2)  # Ожидаемый результат: False

Решение задачи🔽

def are_anagrams(str1, str2): # Удаляем пробелы и приводим к одному регистру str1 = ''.join(str1.lower().split()) str2 = ''.join(str2.lower().split()) # Проверяем, равны ли отсортированные символы return sorted(str1) == sorted(str2) # Пример использования: result1 = are_anagrams("listen", "silent") print(result1) # Ожидаемый результат: True result2 = are_anagrams("hello", "world") print(result2) # Ожидаемый результат: False

⚙️ Нейросетевой апскейлинг дома: вторая молодость для классических мультфильмов Статья рассказывает, как с помощью нейросетей улучшить качество старых видеозаписей, включая VHS и DVD. Описываются инструменты, процесс и результаты с примерами, доступные каждому без глубоких технических знаний. Читать...

📝 Подборка зарубежных вакансий Python Developer/Data Scientist • Python, Pandas, NumPy, NLP, TensorFlow, Keras, SQL, Git, Docker, NoSQL • от 5 500 $ | от 3 лет Database Administrator • ClickHouse, PostgreSQL, Python, Linux, Bash, LVM • до 5 000 $ | опыт не указан Python QA automation developer • Python, Linux, HTTP, TCP, CI/CD, DevOps • до 5 000 $ | опыт не указа

🕵️‍♂️ Держи код чистым Никогда не думал, что через пару недель сам не разберёшься в своём коде? А коллеги тем более. Это реальность, если писать быстро и «как получится». ✔️ Совет: трать 10 минут после завершения задачи, чтобы убрать мусор, оставить комментарии и структурировать код. Это спасёт и тебя, и тех, кто будет работать с ним после тебя.

⚙️ Пишем свою Diffusion модель с нуля Статья предлагает разобраться в устройстве Diffusion моделей, их математике и принципах работы. Автор делится простыми объяснениями, примерами кода и результатами генерации изображений на собственной модели. Читать...

Многие из вас знают, что ШАД - одна из сильнейших школ для подготовки специалистов по анализу данных Однако попасть в ШАД не так просто, нужно иметь сильную математическую базу и успешно пройти все этапы отбора. Shad Helper готовит студентов к поступлению в Школу Анализа Данных Яндекса, AI Masters и магистратуру по анализу данных. В школе в основном ведутся занятия по высшей математике и программированию. Все преподаватели кандидаты и доктора наук из МГУ, МФТИ, ВШЭ. 2 декабря 2024 года запускается новый поток подготовки к ШАД 💎Все преподаватели кандидаты и доктора наук из МГУ, МФТИ, ВШЭ 💎Есть система скидок за хорошую успеваемость 💎Длительность курса: ~6 месяцев 💎Оплата курса еженедельная (можно остановить обучение в любой момент) 💎Регулярные персонализированные домашние задания 💎Работа в мини-группах 💎Есть умный чат бот для студентов ( на базе gpt4) 🔗 Ссылка на телеграм @shadhelper 🎁 Для подписчиков канала скидка 30% на первоначальный взнос по промокоду DEVSP30 Реклама. ООО "Школа высшей математики". ИНН: 9728100991 erid: 2VtzqwmcPtb

📝 Подборка вакансий для лидов TeamLead Data Analyst • Python, DWH, ClickHouse • до 5 000 $ | от 3 лет Главный администратор данных (Chief Data Steward) [Governance] • Git, SQL, Apache Kafka, NoSQL, PostgreSQL • Уровень дохода не указан | опыт не указан Аналитик данных, senior/lead • SQL, Python, Apache Airflow, ETL, DWH • Уровень дохода не указан | от 3 лет Lead/Senior Automation QA (Python or Java) • Python, Linux, Java, CI/CD, Docker, Тестирование API, Тестирование UI, Разработка тест-кейсов • Уровень дохода не указан | от 4 лет Ведущий питонист • Python, Django, PostgreSQL, Docker • от 150 000 до 250 000 ₽ | опыт не указан

⚙️ Как обеспечить Data Quality терабайтов данных и зачем: опыт СИБУРа Статья посвящена опыту СИБУРа в создании DQ-сервиса для обеспечения качества данных. Рассматриваются задачи DQ, архитектура решения и универсальные подходы, применимые для анализа данных в крупных компаниях. Читать...

📈 Подборка статей для вашей карьеры • Мои Red-Flags при устройстве в IT-компании: Как не стать гребцом. Часть 2 • Как строить карьеру в корпорации • История: работа в чешском Red Hat • Циничные заметки о карьере в IT от «гейткипера» • Моя петиция EB-1A на грин-карту талантов, одобренная с первой попытки

Это — база по Machine Learning и Data Science, которая заменит вам сотни тг-каналов и сайтов. Фишка в том, что здесь опытные ML-специалисты первыми освещают новости сферы, пишут емкие разборы статей и делятся прикладными материалами. И канал – только часть клада: ребята сделали целый сайт с научными лонгридами, ML-соревнованиями и свежими вакансиями индустрии. Теперь вся жизнь ML-специалиста собрана в одном месте: Data Secrets

📝 Подборка вакансий для сеньоров Data engineer • SQL, Python, Apache Hadoop • Уровень дохода не указан | от 3 лет Data Engineer • SQL, Python, Apache Airflow, Greenplum, Apache Spark • от 250 000 ₽ | от 2 лет Senior Data Scientist • Python • Уровень дохода не указан | опыт не указан ML-инженер • Машинное обучение, Deep Learning, Нейронные сети, Python, TensorFlow, PyTorch, Keras, Linux, Git, Docker • Уровень дохода не указан | опыт не указан Разработчик БД (PostgreSQL, прикладные витрины) • SQL, PostgreSQL, ETL, Apache Airflow, Greenplum • Уровень дохода не указан | от 3 лет

Приглашаем тебя на крутое IT-мероприятие, посвящённое AI и передовым технологиям разработки рекомендательных систем. Регистрируйся, и в день мероприятия мы пришлём тебе ссылку на трансляцию. Или приходи очно, если ты живёшь в одном из городов. Где и когда? ✔️ Владивосток, 26 ноября ✔️ Новосибирск, 28 ноября ✔️ Нижний Новгород, 5 декабря ✔️ Санкт-Петербург, 6 декабря Тебя ждут крутейшие доклады, живая дискуссия и новые знания в сфере рекомендательных систем. Количество мест ограничено — успей занять своё и прикоснуться к миру рекомендательных систем! 👌

🤔 Размер имеет значение: как исторические данные помогают на этапе дизайна A/B-теста Статья изучает применение метода CUPED в A/B-тестах для повышения чувствительности и сокращения выборок. Рассматривается его использование на этапе дизайна эксперимента без потери статистической мощности. Читать...

🔥 Самые интересные статьи за последние дни: • Разбей и властвуй: как создать кастомный токенизатор в SpaCy • Функция property() в Python: добавляем управляемые атрибуты в классы • Что, если не трансформеры: какие альтернативы главной архитектуре нейросетей у нас есть в 2024 году • cgroups и namespaces в Linux: как это работает? • ML-тренды рекомендательных технологий: шесть приёмов, которые помогают угадывать желания пользователя