Data Science | Machinelearning [ru]

​​Законы мира информационных технологий Всем известный закон Мёрфи гласит: «Если что-то плохое может случиться, то оно обязательно произойдет». Согласитесь, не самая позитивная установка, особенно когда это касается работы. И тут мне стало любопытно, а есть ли такие законы, которые мне, как ИТ-специалисту, максимально помогут избежать «чего-то плохого». К своему удивлению, я их нашел, и даже не один. Читать...

​​Вокруг искусственного интеллекта много как хайпа, так и скепсиса. Конвертируется ли вообще использование AI-сервисов в реальную пользу для бизнеса? 📌Чтобы раз и навсегда поставить для себя точку в этом вопросе, приходите на вебинар с продуктовым менеджером Cloud AI Consulting Татьяной Славкиной и архитектором клиентских решений Владиславом Синеглазовым вы узнаете: ✅ как добиться высоких метрик точности AI/ML и как следствие улучшить бизнес-метрики; ✅ какой экономический эффект и в каких сценариях сегодня достигнут в десятках компаний России и почему не стоит откладывать инвестиционные проекты AI «на потом»; ✅ как выгодно внедрить AI и обеспечить его масштабирование, особенно в ситуации, когда в компании нет или не хватает нужных человеческих и технологических ресурсов. 👥 Вебинар будет полезен топ-менеджерам ИТ-направлений, директорам офисов Big Data, CDO/CDTO, финансовым директорам, руководителям отделов маркетинга и аналитики. ↗️Регистрируйтесь по ссылке!

​​Продвинутый уровень визуализации данных для Data Science на Python Когнитивное искажение о невозвратных затратах (sunk cost fallacy) является одним из многих вредных когнитивных предубеждений, жертвой которых становятся люди. Это относится к нашей тенденции продолжать посвящать время и ресурсы проигранному делу, потому что мы уже потратили — утонули — так много времени в погоне. Заблуждение о заниженной стоимости применимо к тому, чтобы оставаться на плохой работе дольше, чем мы должны, рабски работать над проектом, даже когда ясно, что он не будет работать, и да, продолжать использовать утомительную, устаревшую библиотеку построения графиков — matplotlib — когда существуют более эффективные, интерактивные и более привлекательные альтернативы. Читать...

​​Новости Data Science: факт-чек Википедии при помощи Sphere, обучение AI-геймингу, обложка для Cosmopolitan и кое-что еще Сегодня поговорим о новостях из мира Data Science. За пару последних месяцев как отечественные, так и зарубежные компании представили много всего интересного. Отличились и студенты, обучающиеся профессии «Data Scientist Pro», — они разработали нейросеть, которая написала сценарий для сериала СТС «Сидоровы».  Читать...

​​Любовь, люди и роботы: как создать чат-бота, за которого не стыдно Исторически сложилось, что в Ozon основной объём поддержки осуществляется через чат. В 2020 году бот закрывал 27% от общего числа обращений, а в 2022-м — уже 62%. Это сотни тысяч тикетов в день, при этом качество ответов не ухудшилось. Важность чат-бота выросла в разы. Из этой статьи вы узнаете, за что пользователи любят и ненавидят роботов, зачем вообще нужен чат-бот и на какие метрики мы смотрим. А ещё я расскажу, кто входит в команду разработки бота, что у него под капотом и как устроен процесс генерации фич. Читать...

​​Нужен ли английский программисту?  Мы совместно с карьерной платформой Jobby постарались комплексно ответить на этот вопрос и дать вам чёткое понимание, как и где английский используется в программировании.  Английский программисту однозначно нужен (уровня B1 - B2 будет достаточно) и вот, почему:  🔹 Функции, переменные, классы и тд нужно также обозначать на английском и желательно, чтобы формулировка была максимально близка к сути функции или класса   🔹 English также употребляется, когда строчишь комментарий к коду    🔹 Большая часть документации а также огромная часть крутых обучаюших роликов представлена на английском язык.  🔹 Значительная часть вакансий - зарубежные, а значит основной язык общения - английский Код – это такой же международный язык, который должен быть понятен всем. Кстати, найти работу и применить навыки программирования вам поможет карьерная платформа Jobby!

​​Как мы построили систему онбординга для аналитиков-новичков: подводные камни и полезные приёмы В новой компании аналитик тратит много времени на изучение данных, с которыми ему предстоит работать. В этой статье автор рассказывает, как мы построили процесс онбординга, чтобы погружение новичка проходило эффективно и безболезненно. Читать...

​​Аналитик данных от нуля до трудоустройства  Устали от офиса? Начните зарабатывать анализируя! В этом вам поможет курс «Профессия «Аналитика данных» от Moscow Digital School.  Аналитик данных - помогает принять решение в бизнесе, науке и управлении. Он находит закономерности и составляет логические выводы на базе проведенного анализа. Во время обучения вы освоите анализ данных в Excel, научитесь работать с SQL. Преобразовывать и анализировать данные. Узнаете больше о Bl и дашбордах, освоите визуализации данных в Python и создадите свой аналитический проект. Аналитик — ценный специалист. Даже специалисту на уровне Junior компании готовы платить от 80 000₽. На курсе вас ждет большой объем практических заданий, а эксперты аналитики будут сопровождать вас на каждом этапе обучение, доступным языком объясняя сложные вещи и отвечая на все ваши вопросы.  Лучшие студенты получат возможность попасть на стажировку в Ozon, Банк Открытие, Data Sfera, Agima. Старт нового потока: 26 июля 2022. Скидка 10% на обучение по промокоду: DATASCIENCE

​​Разбор базового решения для задачи определения железнодорожной колеи и подвижного состава с Цифрового Прорыва В данной статье будет рассмотрен кейс от НИИАС-РЖД, в котором необходимо разработать алгоритм определения железнодорожной колеи и подвижного состава для предотвращения чрезвычайных ситуаций на железной дороге. Спойлер: в конце статьи есть советы для улучшения базового решения. Читать...

​​Работа над неразмеченными данными с QGIS и opentripmap на практике Автор делится интересным опытом работы с неразмеченными данными при помощи открытых ресурсов. К сожалению, из-за подписанного NDA, я не смогу полностью поделиться кодом, но, разумеется, всегда готов помочь в комментариях и личных сообщениях с разрешением какого-либо вопроса по теме. Читать...

Англоязычный канал на тему DS и MachineLearning. 👉 Welcome

​​SQL HowTo: наперегонки со временем В PostgreSQL несложно написать запрос, который уйдет в глубокую рекурсию или просто будет выполняться гораздо дольше, чем нам хотелось бы. Как от этого защититься? Читать далее...

​​Инструменты анализа временных рядов в ETNA Статья про методы EDA в библиотеке ETNA, а также о том, что можно увидеть с их помощью в данных и как использовать для улучшения модели прогнозирования. Читать...

​​Ищем медработников, чтобы с нуля обучить профессии Data Scientist в медицине. С помощью машинного обучения, вы научитесь обрабатывать данные по сердечно-сосудистым заболеваниям, онкологии, сигналам ЭЭГ, рентгеновским изображениям, сможете ставить диагнозы,обнаруживать болезни и персонализировать лечение. Курс прекрасно подойдет: Медработникам Освоите IT-специализацию в знакомой нише, увеличите доход и сможете улучшать жизнь сотен людей с помощью искусственного интеллекта. Новичкам в Data Science Станете специалистом по Data Science с нуля: освоите аналитику в медицине, бизнесе и других направлениях. IT-специалистам Поможем систематизировать знания в Data Science, ускорить карьерный рост и больше зарабатывать. Вашими преподавателями станут эксперты из таких компаний как: Parexel, X5 Retail Group, NVIDIA, Минобороны России, Pirogov AI. Если после успешного обучения вы не найдёте работу, мы вернём вам деньги, ведь гарантия трудоустройства закреплена в договоре. Узнать подробности и зарегистрироваться: https://clc.to/x8sUdg

​​В Data Science не нужна математика (Почти) Ребята с «вышкой» всё время умничают, что в Data Science нужна «математика», но стоит копнуть глубже, оказывается, что это не математика, а вышмат. В реальной повседневной работе Data Scientist'а я каждый день использую знания математики. Притом очень часто это далеко не «вышмат». Никакие интегралы не считаю, детерминанты матриц не ищу, а нужные хитрые формулы и алгоритмы мне оперативнее просто загуглить. Решил накидать чек-лист из простых математических приёмов, без понимания которых — тебе точно будет сложно в DS. Если ты только начинаешь карьеру в DS, то тебе будет особенно полезно. Мощь вышмата не принижаю, но для старта всё сильно проще, чем кажется. Важно прочитать до конца! Читать далее...

Идея для лета — нырнуть в Data Science с головой Станьте специалистом по Data Science и приручите алгоритмы под свои амбициозные цели: от решения бизнес-задач до развития медицинских технологий. На курсе Яндекс Практикума вы можете за 8 месяцев изучить Python, SQL, машинное обучение и визуализацию данных — необходимый минимум для работы младшим специалистом. Пять «П» — преимущества обучения в Практикуме: — Помощь с трудоустройством: 78% выпускников находят работу в течение 4 месяцев после окончания курса. — Портфолио: 16 проектов на основе реальных задач бизнеса и диплом о профессиональной переподготовке. — Поддержка: преподаватели, наставники, кураторы и ревьюры помогают пройти обучение. — Подходящий формат: можете заниматься из любой точки мира когда вам удобно. — Практика: курс на 75% состоит из задач в онлайн-тренажёре и учебных проектов. → Старт потока — 21 июля. Оплачивать учёбу можно помесячно, от 6 090 ₽/мес, или 112 000 ₽ сразу. Начните учиться бесплатно и решите, подходит ли вам роль специалиста по Data Science. → Попробуйте курс бесплатно

​​Нейрон мне в элерон: суррогатные модели Статья о том как автор применил нейросети при создании сложных технических систем – приспособили GRU в качестве суррогатной модели для испытаний. Реальный кейс для клиента в рамках реального проекта. Читать...

​​🗣7 инструментов распознавания речи Чтобы разработать собственную ML-систему распознавания речи, можно воспользоваться следующими фреймворками и библиотеками: Читать...

​​Работа в Data Science: что важно знать и как этому научиться Сегодня словосочетания вроде Data Science, Machine Learning, Artificial Intelligence очень популярны. При этом нередко под ними понимаются довольно разные вещи. Это зачастую смущает и запутывает людей, желающих войти в специальность: трудно разобраться, с чего начать, что действительно нужно, а что необязательно для начала. Не претендуя на общность, расскажем, как это видится на основе десятка лет опыта c решением такого рода задач для крупных клиентов со всего мира (сервис / заказная разработка / аутсорс – подставьте термин по вкусу). Читать...

​​Слышали о востребованной профессии аналитика данных? Уверенны, что да.  20 июля в 19:30 приглашаем вас на бесплатный вебинар «Первый практикум по аналитике данных» от Moscow Digital School, где вместе со спикерами вы узнаете больше актуальной информации и главные скиллы этой профессии.  🗒️Основные темы:  - Роль аналитика данных; - Построение дашборда в Excel; - Построение автоматически обновляемого дашборда в Power BI; - Разбор и решение кейса retail-компании с помощью Excel и Power BI. Прямо во время вебинара спикер разберет реальный кейс и покажет на экране процесс построения аналитического дашборда. 🧑‍💻Спикеры:  - Екатерина Чернышова, продуктовый аналитик в Х5 Retail Group - Дмитрий Захаров, генеральный директор Moscow Digital School ❤️После регистрации мы отправляем подарок — 9 полезных советов по работе в Excel. Узнайте, подойдет ли вам профессия аналитика и что нужно знать, чтобы начать работать. Присоединяйтесь!