Machine learning Interview

🌟 Большой список 140+ ресурсов для погружения в ML и AI Здесь собраны списки на гайды, туториалы, статьи Arxiv, эти ресурсы покрывают практически всю область ML, вот некоторые из рассматриваемых тем: — Трансформеры — Архитектура популярных моделей: GPT-3, LLaMA, Mamba и т.д. — Обучение с подкреплением — Масштабирование AI — Использование бенчмарков — Работа трансформеров с контекстом ▶️ GitHub @machinelearning_interview

📌Основные понятия Machine Learning Держите полезный материал, поможет вспомнить/закрепить важные темы. Здесь рассматривается множество центральных понятий ML, в том числе: • Модели машинного обучения • Свёрточные ИНС • Обзор основных архитектур ИНС • Предобработка данных: аугментация данных, отбор, извлечение признаков • Процесс обучения, оценка качества ▶️ Сайт 📎 PDF @machinelearning_interview

⭐️ Data Science разбор реальной задачи с собеседования. Прогнозирование оттока клиентов. ▪Смотреть ▪Данные ▪Ноутбук @machinelearning_interview

📌Как можно применить AI? Неочевидные примеры AI меняет мир на наших глазах, и у генеративных нейросетей и смежных технологий есть много довольно важных точек приложения. Держите полезное видео, здесь в ходе круглого стола спикеры обсуждают разнообразные случаи – например, такие: — рентгенология и медицина в целом; — кредитный скоринг; — распознавание животных; — распознавание ошибок в документах; — распознавание эмоционального состояния. 📎 YouTube @machinelearning_interview

⚡️ Список тестовых заданий для прокачки Тестовые задания для самостоятельного выполнения от разных it компаний. • GIthub @machinelearning_interview

Хотите учиться у экспертов в области IT? Школа анализа данных Яндекса принимает заявки до 12 мая, успейте зарегистрироваться. ШАД для вас, если вы: · интересуетесь Machine Learning · имеете хорошую математическую подготовку · уверенно владеете каким-либо языком программирования Программа длится два года, обучение бесплатное. Можно выбрать одно из направлений: Data Science, инфраструктура больших данных, разработка машинного обучения или анализ данных и ИИ в прикладных науках. Больше об учёбе в ШАД и возможностях для выпускников расскажем на днях открытых дверей. Узнать даты и зарегистрироваться можно по ссылке.

500+ список проектов AI с кодами 500 крутых проектов AI, Машинное обучение,Глубокое обучение Компьютерное зрение, NLP, Data Science. Все проекты с кодом !!! Полезный ресурс, если вы ищете вдохновение для своего следующего проекта, опирающегося на машину. 🖥 Github @machinelearning_interview

GitVerse – теперь и для малого и среднего бизнеса На онлайн-презентации «GitVerse: открой вселенную кода» СберТех рассказал про новые фичи платформы. Cреди них – CI/CD-инструменты, ускоряющие разработку, и новые функции GigaCode – персонального AI-ассистента разработчика (AI, artificial intelligence — искусственный интеллект). Но это еще не все: теперь возможности GitVerse доступны не только индивидуальным разработчикам, но и малому и среднему бизнесу. Это очень удобно: можно организовывать совместную работу команды с GitVerse и управлять доступами к своим репозиториям. Готовы попробовать? Присоединяйтесь.

📌Как решить задачу классификации в PySpark PySpark позволяет работать не только с Big data, но и создавать модели Machine Learning. Давайте рассмотрим, как обучить модель Machine Learning для решения задачи классификации. Обсудим подготовку данных, применение логистической регрессии, а также использование метрик в PySpark. 🔜 Поехали @machinelearning_interview

17 мая собираем всех на IT-конференцию МТС True Tech Day. Наша работа строится на коде, который мы создали из синтеза науки и технологий. Это надёжная и универсальная платформа для разработки продуктов и сервисов. Каждый участник конференции поучаствует в сессиях от лидеров индустрии, испытает технологии в true labs и получит новые впечатления и эмоции. Что будет: → 5 тематических треков: Main, Development, AI/ML, Cloud, Science → 50 спикеров с докладами про архитектуру, облачные платформы, NLP4Code, вероятностное программирование, безопасность контейнеров и другое → 10 часов нетворкинга → цифровые зоны и digital-интеграции → а ещё вечеринка со звездой Все спикеры и темы уже на сайте. Регистрируйся на True Tech Day. Участие бесплатное

⭐️ Материалы для подготовки к интервью по направлению data science: - тестовые задания - задачи по математике, теории вероятностей и - линейной алгебре - задачи на логику - примеры live coding с собеседований на Python - разбор задач собеседований и их аналогов на LeetCode Для тех, кто готовится к собесу в области data science, этот всеобъемлющий набор материалов, чтобы помочь вам успешно пройти интервью. • Разбор алгоритмических задач • Разбор leetcode задач с собеседований • Примеры заданий по live coding c решениями с собеседований • В этой папке вы найдете серию Jupyter Notebook, охватывающих широкий спектр задач, в области математики. • Задачи по статистике • Тестовые задания ds @machinelearning_interview

📌Вопросы для собеседования на позицию ML-инженера Неплохой список вопросов, вот некоторые из них: 🟡Расскажи о типах задач в машинном обучении. 🟡Остатки регрессии должны быть гомоскедастичными или гетероскедастичными? 🟡Что такое регуляризация модели линейной регрессии? Также тут встречаются вопросы по SQL, потому что 100% ML-инженеру, работающему с большим объёмом данных, это понадобится 📎 Вопросы и ответы @machinelearning_interview

💡 YandexART обновился до версии 1.3 В статье на Хабре старший разработчик в команде компьютерного зрения рассказывает о переходе на новую технологию латентной диффузии и увеличении датасета в 2,5 раза, а также объясняет, зачем в новой версии используются два текстовых энкодера. Интересно, что по результатам SBS-замеров асессорами Яндекса, нейросеть YandexART 1.3 выигрывает не только у модели-предшественницы, но и в 57 процентах случаев в сравнении с Midjourney V5.2. 📎 Статья @machinelearning_interview

📈 Одна из важных тем при подготовке к собеседованию, на которой стоит сосредоточиться это статистика. В конечном итоге, дата-сайентист - это современный статистик, а машинное обучение - это современный термин для статистики. Если у вас есть время, я рекомендую пройти курс "Математическая статистика" от Computer Science Center и "Статистические методы" от Джорджии Тек, который охватывает основы вероятности, случайные величины,ы распределение вероятностей, тестирование гипотез и многое другое. ▪Статистика Вопросы для собеседования ▪ Top 75 Statistics Interview Questions ▪Шпаргалка дата-сайентистов описательная статитска ▪Машинное обучение для решения прикладных задач ▪Основы статистики конспект лекций ▪Разбор ОТВЕТОВ на вопросы (Python, SQL, ТЕРВЕР, статистика) ▪Statistics Interview Questions & Answers for Data Scientists ▪40 вопросов по статистике с собеседований на должность Data Scientist @machinelearning_interview

Приглашаем выпускников и студентов старших курсов программ бакалавриата по математике и IT испытать себя сложными математическими задачами машинного обучения в рамках олимпиады «Математика машинного обучения». Победители олимпиады получат призы и могут быть зачислены на совместную магистратуру Сколтеха и НИУ ВШЭ «Математика машинного обучения» (победа в олимпиаде приравнивается к успешному прохождению конкурсного отбора). Регистрация открыта до 5 мая, успейте подать заявку и загрузить все документы

🎲 Теория вероятностей пронизывает все сферы науки о данных. Вероятностные модели и используются практически во всех алгоритмах машинного обучения. Функции штрафа в задачах регрессии или ошибок классификации основаны на понятии математического ожидания, закона больших чисел, а центральная предельная теорема служит основанием для доказательства сходимости и состоятельности многих алгоритмов и методов анализа данных. Полезные материалы для подготовки к вопросам по терверу: ▪ Теория вероятностей (на основе программы для поступления в ШАД) ▪Самые популярные ЗАДАЧИ на ТЕРВЕР на собеседовании АНАЛИТИКА ▪ R для теории вероятностей и математической статистики" ▪Книга: Математика в машинном обучении ▪Статистика для экспериментов от Harvard University ▪Учебное пособие Математическая статистика ▪Наука о данных 19 вопросов с Интервью по терверу @machinelearning_interview

📌Вкатываемся в Machine Learning с нуля за ноль рублей: что, где, в какой последовательности изучить Нереально полезная статья с огромным количеством полезных ссылок, ресурсов и всего остального ⏩План статьи Предварительные знания ├╼ 1.1. Математика: линал, матанализ, матстатистика ╰╼ 1.2. Python, C++, SQL, другие ЯП; алгоритмы и структуры данных Классическое машинное обучение Глубокое машинное обучение ├╼ 3.1. Основные материалы ├╼ 3.2. Дополнительные материалы ╰╼ 3.3. Если все же хочется пройти платный курс по Deep Learning... Инструменты для конкретной роли (вакансии) Поиск работы ├╼ 5.1. CV / резюме ├╼ 5.2. Где искать вакансии ╰╼ 5.3. Как готовиться к собеседованию 📎 Статья @machinelearning_interview

Покори цифровой мир и забери крутые призы, но сначала — окажись на код впереди! Залетай на «Цифровой марафон» от Сбера и «Школы 21» — бесплатный конкурс, который подойдёт новичкам, исследователям и опытным профи. Для разных уровней подготовки будут свои задания и награды: от мерча и гаджетов до поездок на премиум-курорты и миллиона рублей! Участвовать могут все, кому уже исполнилось 18 лет. В программе: онлайн-игра, тестирование, цифровой диктант и финал в Москве с церемонией награждения победителей. Проверь логику, память и мягкие навыки в онлайн-игре. Выбери свой уровень перед онлайн-тестированием — «Новичок», «Исследователь» или «Эксперт» — и зарабатывай очки на ответах. На цифровом диктанте напиши код решения на языке программирования, который знаешь лучше всего. Далее «Новички» заканчивают марафон и получают призы, а лучшие участники среди «Исследователей» и «Экспертов» попадают в финал. Успей на проверку своих цифровых навыков — регистрация заканчивается уже 20 апреля. Присоединяйся!

📌Подготовка к собеседованию по ML: ответы на основные вопросы Неплохая шпаргалка с ответами на популярные вопросы с собеседований по Machine Learning. Вот некоторые из вопросов, которые тут затрагиваются: ⏩Какие популярные модели ML ты знаешь? ⏩Какие метрики используются в ML для оценки производительности моделей? ⏩Как строится ROC-AUC? В чем суть ROC-AUC? ⏩Расскажи о разделении данных train/test split , а также об использовании кросс-валидации 📎 Ответы на вопросы @machinelearning_interview

24 апреля приглашаем в кампус Сколтеха, чтобы обсудить актуальные направления исследований в области интеллектуальной, промышленной, коллаборативной и мобильной робототехники, а также компьютерного моделирования и виртуального прототипирования, VR и хаптики и искусственного интеллекта в робототехнике. Во время мероприятия разберем программы магистратуры, которые готовят будущих специалистов в робототехнике: Инженерные системы, Науки о данных, Передовые производственные технологии. По традиции покажем кампус, проведём в лаборатории, познакомим с профессорами и ответим на все вопросы о Сколтехе. Регистрируйтесь