Machine learning Interview

⚡️ Погружение в Deep Learning — лекции и видеозаписи Мюнхенского университета Это серия из 23 лекций по Deep Learning, к каждой лекции прилагается запись на YouTube и pdf с подробным описанием + практические задания Курс раскрывает такие темы Deep Learning и ML как: — свёрточные нейросети (CNN) и популярные архитектуры — настройка гиперпараметров — рекуррентные нейросети (RNN) и трансформеры — NLP и работа с текстом — а также много других тем + 22 практических задания 🟡 Introduction to Deep Learning @machinelearning_interview

Стратегический шаг для ИИ В последние годы ИИ стал одной из самых быстроразвивающихся и востребованных областей. Применение ИИ охватывает широкий спектр отраслей – от здравоохранения до финансов, от транспорта до образования. Спрос на специалистов по ИИ продолжает расти, и этот тренд только усиливается. В 2024 году наличие глубоких знаний в этой области станет вашим ключевым преимуществом. Аспирантура Яндекса, НИУ ВШЭ и ИТМО предоставит доступ к передовым исследованиям и разработкам. Одним из ключевых преимуществ программы является практикоориентированность. Это не теоретические упражнения, а настоящие задачи, которые решаются в рамках компании. Такой опыт чрезвычайно ценен, поскольку он помогает вам понять, как ваши разработки и исследования могут быть использованы для решения конкретных проблем и создания инновационных решений. Подробнее тут. #Яндекс #ИИ #Аспирантура #Образование #Наука #Технологии #ИТМО #НИУВШЭ @machinelearning_interview

⚡️ Разработка Яндекса, которая позволит внедрять объёмные языковые модели в смартфоны или умные колонки Яндекс выложил в опенсорс новые методы сжатия языковых моделей, с помощью которых размер нейросети можно уменьшить до 8 раз. Качество ответов при этом сохраняется на 95%, а уменьшенные с помощью алгоритмов модели могут работать до четырёх раз быстрее, поскольку требуют проводить меньше вычислений. 🟡Статья @machinelearning_interview

📌 Открытый курс по ML с видео и лекциями от Амстердамского университета Этот курс покрывает множество тем ML, вот некоторые из них: — Gaussian Mixture Models — PCA (Principal Component Analysis) — SVM (Support Vector Machines) — Bootstrapping, Feature Bagging К каждой теме приводится pdf с основными формулами и видео с подробным объяснением, в целом очень годный курс 🟡 Machine Learning (UvA) @machinelearning_interview

Станьте профессионалом в области Data Science и машинного обучения в магистратуре от Центрального университета! Центральный университет — современный вуз, созданный при поддержке ведущих компаний России: Т-Банка, Авито и других. Получите диплом магистра в области математики и компьютерных наук и обучайтесь на основе реальных кейсов ведущих ИТ-компаний у профессоров из МГУ, МФТИ, РЭШ и практиков из индустрии. Хорошая новость для тех, кто уже имеет опыт в Data Science и машинном обучении — вы можете пропустить базовое обучение и закончить магистратуру за 3 семестра. У каждого студента будет: -личный ментор по траектории обучения; -доступ к карьерному центру с коучами и консультантами; -опыт работы в проектах партнеров уже во время обучения. Участвуйте в онлайн-отборе, чтобы выиграть грант на обучение до 1,2 млн рублей. Больше подробностей про университет и конкурс грантов по ссылке! erid:2VtzqvmW7GE Реклама, АНО ВО «Центральный университет», ИНН 7743418023

📌Подборка полезных ресурсов для изучения ML и для подготовки к собеседованию Здесь приводится много ссылок на ресурсы, которые объясняют основы Computer Science, матанализ и линейную алгебру, теорию вероятностей и статистику. Плюс затрагиваются такие темы как: — классическое ML — байесовское ML — Deep Learning — NLP — Reinforcement Learning — применение ML, в частности в биологии и медицине Почти все практические примеры связаны с Python и R 🟡 ML resources @machinelearning_interview

ML: с чего начинается Data Science? Приглашаем на открытый урок, где вы узнаете про область ML, которая лежит в основе Data Science и AI сегодня.  🔹Расскажем, чем оно отличается от классического программирования и какие в ML существуют типы задач.  ✅ Практика: Решите первую задачу ML на языке Python  В результате урока вы обучите свою первую модель машинного обучения для решения задачи классификации рукописных цифр Урок приурочен курсу «Специализация Machine Learning» от Otus. 👉 Регистрация и подробности:  https://otus.pw/SUcb/?erid=LjN8Jx11E

🌟 Мощный учебник по использованию Julia в ML и Deep Learning Здесь приведено много практических примеров, таких как реализация LSTM, реализация классического перцептрона, использование линейной/логистической регрессии и много других примеров. Показывается, как работать с последовательностями, как корректно обрабатывать файлы, как использовать GPU. Отличный материал, если планируете использовать Julia в работе 🟡 Deep Learning with Julia @machinelearning_interview

Инфраструктура для ML и AI задач Кластеры Kubernetes отлично подходят для запуска ML-проектов в продакшене. С их помощью можно изолировать проведение разных экспериментов, автоматизировать их запуск и управление, а также быстро масштабировать ресурсы под нагрузкой. Добавление нод с GPU в такие кластеры ускорит обучение ML-моделей и повысит их производительность в продакшене. В сервисе Managed Kubernetes от Selectel, как раз есть все необходимое для работы с ML-проектами: ▪️ Большой запас видеокарт под любую задачу в наличии: NVIDIA А2, А30, А100, А2000, А5000, Tesla Т4, GTX 1080, GTX 2080 ▪️ Отказоустойчивость и автомасштабирование нод c GPU. В зависимости от нагрузки Kubernetes автоматически создаст или удалит ноды в группе. ▪️ Простая настройка драйверов на GPU-нодах кластера. Используйте предустановленные драйверы или самостоятельно установите нужные с помощью GPU Operator А сейчас новые клиенты Managed Kubernetes c GPU могут получить 100% кешбэк за первый месяц использования сервиса. Развернуть свой ML-проект в кластерах Kubernetes c GPU и получить кешбэк можно по ссылке: https://slc.tl/hlh7k Реклама АО «Селектел». ИНН: 7810962785 Erid: 2Vtzqvye82N

📌 Applied Statistics with R — свободная книга для аналитиков, ML-инженеров и специалистов по DS Здесь подробно объясняется линейная и логистическая регрессия и как работать с ними в R, описываются параметры данных такие как гомоскедастичность, гетероскедастичность и т.д. Приведено много формул, при этом всё детально объясняется 🟡 Applied Statistics with R @machinelearning_interview

📌 Открытый курс по ML с видео и лекциями от Амстердамского университета Этот курс покрывает множество тем ML, вот некоторые из них: — Gaussian Mixture Models — PCA (Principal Component Analysis) — SVM (Support Vector Machines) — Bootstrapping, Feature Bagging К каждой теме приводится pdf с основными формулами и видео с подробным объяснением, в целом очень годный курс 🟡 Machine Learning (UvA) @machinelearning_interview

Совмещайте очную магистратуру и работу комфортно Яндекс Практикум и РАНХиГС открывают набор на онлайн-программу «Data Science в экономике»: — учёба полностью онлайн, включая сессии; — очное обучение с дипломом РАНХиГС и всеми льготами; — фундаментальные знания от Института ЭМИТ РАНХиГС, который находится на 5-м месте в рейтинге SuperJob по уровню зарплат выпускников; — практический опыт экспертов Яндекса. Оплатить учёбу можно разными способами: всю сумму сразу, по семестрам или с помощью госкредита — тогда ежемесячный платёж составит от 500 ₽, а государство погасит часть кредита за вас. → Узнать подробности и подать заявку Реклама. ООО «Яндекс» ИНН 7736207543

🌟 Подборка Colab'ов с реализацией ML-алгоритмов, связанных с обработкой изображений Если конкретно, здесь реализованы алгоритмы удаления фона изображения, апскейлинга, сегментирования, алгоритмы распознавания частей лица и т.д. 🟡 Google Colab'ы с кодом @machinelearning_interview

🌟Лекции про большие языковые модели и NLP от экспертов магистратуры AI Talent Hub. • Безопасность LLM – Евгений Кокуйкин • Краткая история NLP – Валентин Малых • State of the LLM Landscape – Игорь Котенков • Как выбрать языковую модель – Татьяна Шаврина •AGI: Multi-Agent LLM for anything – Илья Макаров ▶️ Набор на 200 бюджетных мест в онлайн-магистратуру «Искусственный Интеллект» — AI Talent Hub, продолжается В новом учебном году впервые набираем >> LLM-трек Подай заявку* и учись бесплатно в проектной онлайн-магистратуре по ИИ от ИТМО х Napoleon IT *для участия в конкурсе на бюджетные места, рекомендуется подать заявку до 22 июля на ai.itmo.ru Реклама. Университет ИТМО ИНН:7813045547 erid:2Vfnxvr1n24

🌟 Репозиторий с основной теорией по Data Science и Machine Learning Здесь конспективно приводится самая основная информация с формулами и графиками, в частности говорится о таких понятиях: — наивный Байесовский классификатор — метод XGBoost — кластеризация/классификация — метод случайного леса — обучение нейросети, признаки переобучения — и также затрагивается множество других тем/алгоритмов Неплохой репозиторий, чтобы полистать перед собеседованием 🖥 GitHub @machinelearning_interview

🌟 Основные методы рекомендательной системы — подробный блокнот Kaggle Этот блокнот Kaggle — практическое введение в основные методы рекомендательных систем. В частности, здесь рассматриваются такие методы как: — коллаборативная фильтрация: этот метод делает автоматические прогнозы (фильтрацию) об интересах пользователя, собирая информацию о предпочтениях или вкусах других пользователей (похожих на данного). В основе такого подхода лежит предположение: если человек A выбирает те же товары, что и человек B, то вероятность того, что A будет придерживаться мнения B по данному товару, выше, чем вероятность, что мнение А совпадёт с мнением случайного человека — фильтрация на основе содержимого: этот метод использует для моделирования предпочтений пользователя только информацию об описании и атрибутах товаров, которые он ранее употреблял. То есть, такие алгоритмы пытаются рекомендовать товары, похожие на те, которые нравились пользователю в прошлом — гибридные методы, сочетающие коллаборативную фильтрацию и фильтрацию на основе контента 🟡 Блокнот Kaggle с пошаговой реализацией @machinelearning_interview

❓Как понять, что последний эксперимент дает лучшие результаты?  Часто при решении ML задачи нам приходится тестировать десятки моделей в десятках конфигурация гиперпараметров. Как не запутаться в этой куче параметров и выбрать лучшую модель?  -  нам поможет замечательный инструмент мониторинга экспериментов MLFlow. ✅ MLFlow один из самых популярных инструментов который позволит зафиксировать все параметры, запишет кривые обучения и запомнит все метрики для каждого эксперимента.  Регистрируйтесь на открытый урок от Otus и изучите на практике ключевой инструмент ML инженера Вы узнаете, как реализовать развернуть и настроить MLFlow локально и в облачной среде, как добавить в свой код логирование параметров экспериментов и как сохранить ваши обученные модели в реестр моделей для их дальнейшего переиспользования на основе полученных метрик. 👉 Регистрация и подробности: https://otus.pw/r9NJ/?erid=LjN8KAgfM

📌 Applied Statistics with R — отличная книга для аналитиков, ML-инженеров и специалистов по DS Здесь подробно объясняется линейная и логистическая регрессия и как работать с ними в R, описываются параметры данных такие как гомоскедастичность, гетероскедастичность и т.д. Приведено много формул, при этом всё детально объясняется 🟡 Applied Statistics with R @machinelearning_interview

25 июля, 16:00 Как построить MLOps-конвейер для CV-проекта в облаке Коллеги из @Selectel и Neoflex проводят совместный вебинар, где обсудят особенности запуска в продакшен ML-проектов. Разберут вопрос с разных сторон: с точки зрения провайдера инфраструктуры для ML, MLOps-инженера и Data Scientist. Покажут демо, как развернуть и задеплоить CV-проект в облаке Selectel на платформе Neoflex Dognauts. Расскажут, как подобрать инфраструктуру для вашего проекта и обеспечить безопасность CV в облаке. Мероприятие бесплатное. Задайте вопрос в форме регистрации, и мы ответим на него во время трансляции. Посмотреть программу вебинара и зарегистрироваться можно по ссылке: https://slc.tl/lstk6 Реклама АО «Селектел». ИНН: 7810962785 Erid: 2VtzqxgL5BP

📌Deep Learning на практике Очень полезный практический учебник/туториал по Deep Learning; каждый раздел подробно объясняет, что происходит в конкретном Jupyter Notebook'е Вот некоторые из затрагиваемых тем: — NLP и работа с текстом — классификация изображений — распознавание (начиная с классического MNIST и до более сложных примеров) 🟡 Deep Learning на практике 🖥 Ноутбуки на GitHub @machinelearning_interview