Machine learning Interview

👨‍🎓 Бесплатный курс от Гарвардского университета: Введение в искусственный интеллект с помощью Python: Это невероятный ресурс, которым стоит воспользоваться! https://pll.harvard.edu/course/cs50s-introduction-artificial-intelligence-python @machinelearning_interview

Новогодние подарки от karpovꓸcourses для тех, кто хочет сильно прокачать свою карьеру Только в декабре можно выгодно приобрести комбо «курс + симулятор» для полноценного старта/апгрейда карьеры в машинном обучении: ▪️Курс Start ML даст крепкие знания и навыки для старта карьеры и работы junior-специалистом ▪️Симулятор ML позволит наработать много практики на реальных задачах бизнеса, создать свой пет-проект для портфолио и попасть в классное комьюнити Записаться можно до конца декабря [Забронировать скидку]

🖥 Почему PostgreSQL признан самым лбимой бд по результатам опроса разработчиков Stackoverflow? На диаграмме показано множество вариантов использования PostgreSQL - одной базы данных, которая включает в себя почти все функции необходимых разработчикам. 🔹OLTP (Online Transaction Processing) Мы можем использовать PostgreSQL для CRUD-операций (Create-Read-Update-Delete). 🔹OLAP (Online Analytical Processing) Мы можем использовать PostgreSQL для аналитической обработки. PostgreSQL основан на архитектуре 𝐇𝐓𝐀𝐏 (Hybrid transactional/analytical processing), поэтому он может хорошо работать как с OLTP, так и с OLAP. 🔹FDW (Foreign Data Wrapper) FDW - это расширение, доступное в PostgreSQL, которое позволяет нам обращаться к таблице или схеме одной базы данных из другой. 🔹Streaming PipelineDB - это расширение PostgreSQL для высокопроизводительной агрегации временных рядов, предназначенное для работы с отчетами и аналитическими приложениями в реальном времени. 🔹Geospatial PostGIS - это расширитель базы данных для объектно-реляционной базы данных PostgreSQL. Он добавляет поддержку географических объектов, позволяя выполнять запросы на определение местоположения в SQL. 🔹Временные ряды Timescale расширяет PostgreSQL для работы с временными рядами и аналитикой. Например, разработчики могут объединять непрерывные потоки финансовых и тиковых данных с другими бизнес-данными для создания новых приложений и получения уникальных знаний. 🔹Распределенные таблицы CitusData масштабирует Postgres за счет распределения данных и запросов. Какая база данных вам нравится больше всего? @sqlhub

Оффер за выходной в Big Data.МегаФон для Data-специалистов! Зарплата от 250 до 450 тысяч рублей в зависимости от грейда, уютный офис или полная удаленка на территории РФ, а также ДМС со стоматологией и страховкой. На этом бонусы не заканчиваются: оплата связи, компенсация фитнеса, обучение за счет компании и многое другое. Вам предстоит работать с масштабными проектами: — разрабатывать аналитические сервисы на базе AI; — анализировать бизнес-процессы и внедрять языковые модели для облегчения рутины в LLM; — тестировать продуктовые и ML-гипотезы. Мегафон — оператор №1 по покрытию сети и скорости мобильного интернета. Оставляйте заявку и меняйте рынок телекома: https://u.to/0m0sIA

🔥 5 бесплатных курсов от Microsoft, которые не стоит игнорировать: 1. Наука о данных https://microsoft.github.io/Data-Science-For-Beginners/#/ 2. Машинное обучение https://microsoft.github.io/ML-For-Beginners/#/ 3. Искусственный интеллект https://microsoft.github.io/AI-For-Beginners/ 4. Бессерверные приложения https://learn.microsoft.com/en-us/training/paths/create-serverless-applications/ 5. Microsoft Azure https://learn.microsoft.com/en-us/training/paths/create-no-code-predictive-models-azure-machine-learning/ @machinelearning_interview

❓В каком порядке выполняются SQL-запросы❓ В SQL порядок выполнения запросов обычно определяется логическим порядком обработки запросов. Ниже приведен общий логический порядок обработки SQL-запросов: 1️⃣Предложение FROM: Сначала обрабатываются источники данных, указанные в предложении FROM. 2️⃣Предложение WHERE: Предложение WHERE применяется для фильтрации строк на основе заданных условий. 3️⃣Предложение GROUP BY: Если присутствует предложение GROUP BY, то строки группируются по указанным столбцам. 4️⃣Предложение HAVING: Если присутствует предложение HAVING, то оно фильтрует группы на основе агрегированных условий. 5️⃣Предложение SELECT: Затем к набору результатов применяется предложение SELECT. Выбираются столбцы и вычисляются выражения. 6️⃣Предложение ORDER BY: Если присутствует предложение ORDER BY, то набор результатов сортируется по указанным столбцам. 7️⃣LIMIT/OFFSET: Если имеется условие LIMIT или OFFSET, то конечный набор результатов будет соответственно ограничен или смещен.

⚠️Как специалисту по машинному обучению попасть в крупную компанию? Освоить востребованный скилл на бесплатном открытом уроке «Ассоциативные правила в теории рекомендательных систем» от OTUS и Марии Тихоновой – Senior Data Scientist в «SberDevices» и преподавателя ВШЭ. 🔹На вебинаре вы изучите теорию ассоциативных правил и примените полученные знания на практике  🔹Узнаете, как искать ассоциативные правила в покупательских корзинах и сможете находить ассоциативные правила в рекомендательных системах инструментами Python. Занятие пройдёт 4 декабря в 18:00 мск и будет приурочено к старту курса «Machine Learning. Professional».  👉 Регистрация https://otus.pw/HpnO/?erid=LjN8JtMMe Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963.

👉 Серия проектов и учебники по машинному обучению Серия туториалов по pytorch. В этом репозитории вы найдете учебники и проекты, связанные с машинным обучением. 🔗 https://github.com/aladdinpersson/Machine-Learning-Collection 🎞 www.youtube.com/c/AladdinPersson @machinelearning_interview

🚀 Связные списки в алгоритмических собеседованиях 📌 "Книжного академического образования недостаточно. Книги - это замечательно, но они не помогут вам пройти собеседование. Почему? Подскажу: интервьюверы не видели красно-черных деревье со времен своего обучения в университете. Чтобы успешно пройти собеседование, нужно готовиться на реальных вопросах, встречающихся на собеседованиях" - Лакман Макдауэлл 🗓 2 декабря в 18:00 по МСК пройдет бесплатный урок по подготовке к алгоритмическим собеседования от Senior разработчика из Тинькофф и спикера HighLoad (ex-разработчика Яндекс, Huawei) На открытом уроке решишь >8 задач, изучишь теорию, которая точно пригодится на собеседовании, и сможешь задать вопросы человеку, который успешно прошел алгоритмические секции в OZON, Tinkoff, VK, СБЕР, Яндекс и Авито Зарегистрироваться

ℹ️Объяснение 4 наиболее часто используемых типов очередей на одной диаграммеℹ️ Очереди - это популярные структуры данных, широко используемые в системе. На диаграмме ниже показаны 4 различных типа очередей, которые мы часто используем. 1️⃣ Простая очередь FIFO Простая очередь работает по принципу FIFO. Новый элемент вставляется в хвост очереди, а элемент удаляется из ее головы. 2️⃣ Кольцевой буфер Круговую очередь также называют круговым или кольцевым буфером. Последний элемент связан с первым элементом. Вставка происходит в начале очереди, а удаление - в ее конце. 3️⃣ Приоритетная очередь Элементы в приоритетной очереди имеют заранее определенные приоритеты. Мы берем из очереди элемент с самым высоким (или самым низким) приоритетом. 4️⃣ Deque Очередь Deque также называется двусторонней очередью. Вставка и удаление могут происходить как в начале, так и в конце. Deque поддерживает как FIFO, так и LIFO (Last In First Out). @machinelearning_interview

🔮 Больших данных не нужно бояться — с их помощью можно менять мир Как аналитики превращают массивы информации в пользу для людей и компаний — расскажут специалисты из сферы на бесплатном митапе Нетологии «Аналитика сегодня: как данные помогают прогрессу». Вы познакомитесь с кейсами из бизнеса, узнаете, как аналитики помогают в создании новых лекарств и развитии промышленности, и поймёте, интересно ли вам дальше разбираться в теме. Участники эфира получат пошаговый гайд для входа в сферу и смогут принять участие в розыгрыше курса по Excel. Присоединяйтесь, чтобы аналитика стала для вас понятнее и ближе Реклама ООО Нетология LatgC4qpb

🛠 Что такое RAG? RAG - это техника, которая повышает производительность языковых моделей путём предоставления модели контекста вместе с вопросом. Существуют разные подходы к использованию RAG. В некоторых случаях используют две LLM, в некоторые встраивают классификаторы или проводят поиск контекста по базе документов. Зависит от целей. Мы возьмём самый простой: Последовательность действий: Передадим модели информацию о нашем заводе без дополнительного тюнинга; Создадим базу векторов, где будут храниться ембеддинги ранее заданных вопросов (кэш); При обращении к модели, будем проверять, задавались ли ранее похожие вопросы. Если да, то отдаём ранее сгенерированные ответы. Зачем использовать кэш? 🟡Чтобы увеличить скорость ответов для вопросов, которые задавались ранее. 🟡Снизить затраты при использовании платных API (GTP-3.5, GPT-4) для ответов на однотипные и повторяющиеся вопросы. ❓Деконструкция RAG❓ Бывает трудно уследить за всеми стратегиями RAG, появившимися за последние месяцы. Вот несколько основных тем, с ссылками на доп. материалы: 1️⃣ Преобразование запросов - вопросы пользователей могут быть не совсем удачно сформулированы для поиска. 2️⃣ Маршрутизация - Запросы могут быть направлены к различным источникам данных. 3️⃣ Построение запросов - Для доступа к структурированным данным естественный язык должен быть преобразован в определенный синтаксис запроса. 4️⃣ Построение индексов - Один из наиболее полезных приемов, который можно использовать, - это разделение: разделите то, что вы индексируете для поиска, и то, что вы передаете llm для синтеза ответа. 4️⃣.1️⃣ Полуструктурированные - В этом руководстве показано, как можно использовать RAG для работы с документами (статьями), содержащими таблицы. 5️⃣ Постпроцессинг - Получив найденные документы, можно по-разному их ранжировать/фильтровать их. @machinelearning_interview

Где ML-специалисту попрактиковаться перед собеседованием или подглядеть лучшие практики решения своих задач? На Симуляторе ML вы не просто прокачаете отдельные навыки, а поймёте, как сводить бизнес-задачи к задачам машинного обучения — всё как на настоящей работе. Вы научитесь: - Понимать, какие у бизнеса есть проблемы и какими метриками их можно измерить - Проводить А/В-тесты, чтобы подтверждать прирост метрик - Формулировать задачу для модели - Выбирать подходящую модель и обучать её - Организовывать процесс доставки данных для модели - Оборачивать модель в сервис и деплоить его После симулятора вы точно найдете применение знаниям в работе или сможете успешно пройти собеседование на позицию в сфере Machine Learning и приносить пользу бизнесу уже с первых дней. До конца ноября в karpovꓸcourses действуют скидки до 27%, успейте купить подписку на Симулятор по самой выгодной цене! [Начать учиться]

🔥 Алгоритмы, которые вы должны знать, прежде чем проходить собеседования по системному проектированию Эти алгоритмы полезны не только на собеседованиях, но и полезны для понимания любому инженеру-программисту. Следует помнить, что понимание того, "как эти алгоритмы используются в реальных системах", обычно важнее, чем детали реализации на собеседовании по проектированию систем. Что означают звездочки на диаграмме? Пять звезд: Очень важно знать. Постарайстесь понять, как это работает и почему. Три звезды: Важны в некоторой степени. Возможно, вам не нужно знать детали реализации. Одна звезда: Продвинутый. Полезно знать Senior кандидатам. @machinelearning_interview

🎮Одним из самых увлекательных направлений, в котором широко используется обучение с подкреплением, является киберспорт. 🔥В программе курса Reinforcement Learning в OTUS подробно разбираются одни из самых интересных кейсов применения RL в игровой индустрии. 21.11 в 20.00 мск. приглашаем на открытый урок “Игры c человеком и компьютером”  📌На занятии: - узнаем историю противостояния человека и компьютера в настольных и компьютерных играх; - познакомимся с основными идеями и подходами при создании игровых интеллектуальных агентов с помощью обучения с подкреплением;  - покажем как обучить модель эффективно управлять группой юнитов в одной из популярных игр. После урока вы будете понимать как разрабатываются интеллектуальные агенты для различных игр и какие шаги необходимо пройти для реализации собственного игрового бота. 👉Регистрация https://otus.pw/tb0b/ При поступлении в группу возможны разные способы оплаты и рассрочка платежа. Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963. erid: LjN8K22Ec

🚀 Если вы хотите усовершенствовать свои навыки в области машинного обучения, ознакомьтесь с этими репозиториями 1️⃣ Многомесячный учебный план по машинному обучению 2️⃣ План подготовки к собеседованиям по Machine Learning 3️⃣ Машинное обучение с Tensorflow 4️⃣ Список примеров машинного обучения 5️⃣ Список замечательных фреймворков и библиотек машинного обучения 6️⃣ ML для начинающих от Microsoft 7️⃣ Изучение основ машинного обучения с помощью интуитивно понятных объяснений, чистого кода и визуализаций. 8️⃣ Машинное обучение своими руками @machinelearning_interview

❗️ Какие инструменты нужны для эффективного машинного обучения? 👉 Узнайте на бесплатном открытом уроке «Bagging, Random Forest, стекинг - ансамбли моделей для решения ML-задач» от OTUS и Марии Тихоновой – Senior Data Scientist в «SberDevices» и преподавателя ВШЭ. 🔹 На вебинаре узнаете, как применять ансамбли моделей для решения задач ML и изучите основные подходы к ансамблированию моделей 🔹 Разберем методы ансамблирования Bagging, Random Forest и стекинг Занятие пройдёт 23 ноября в 18:00 мск и будет приурочено к старту курса «Machine Learning. Professional» 📌 Результаты урока: Вы освоите такие популярные методы как Bagging, Random Forest и Стекинг  👉 РЕГИСТРАЦИЯ https://otus.pw/t2ac/ Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963.

🔥 Дайджест полезных материалов из мира Машинного обучения за неделю Почитать: — Bounding boxes для обнаружения объектов — что это, простым языком — Разработка алгоритмов обработки данных в реальном времени на Python — Лучшие практики Golang (20 лучших) — Нейронные сети для новичков и профи: топ бесплатных курсов по ИИ — 5 уровней зрелости MLOps — Персонализация тарифного плана для новых абонентов: как оцифровать привлекательность — Создание видео zoom in и zoom out с помощью inpainting в Kandinsky — Парк юрского периода глазами нейросети: как развернуть Diffusers для генерации изображений за 10 минут — Ближайшее будущее AI в рентгенологии. Мои комментарии к статье в RSNA — Использование Insightface для быстрого поиска и сравнения лиц на изображениях — OpenAI DevDay – ещё 5 видео про то, как работает компания, и как AI применять разработчикам — How to install NVIDIA drivers for machine learning on Ubuntu — Working through the fast.ai book in Rust - Part 1 — Why ChatGPT and other LLMs are overrated and won't take your job — Demystifying Transformer Models: Unveiling the Magic of Natural Language Processing — A Quick Look At Natural Language Generation (NLG) — AI Log #2: What is a Cost Function in Machine Learning? — The Next Generation of AI Developer Tools — AI Development Guide 2024 — What is a Conditional Generative Adversarial Network? — The State of Serverless GPU Part -2 Посмотреть: 🌐 Lightning Interview “Large Language Models: Past, Present and Future” (⏱ 01:00:00) 🌐 Leveraging Generative AI in Education - A M Aditya (⏱ 31:24) Посмотреть: 🌐 Пишем генератор Shorts видео на Python для заработка на YouTube. (⏱ 11:50) 🌐 Озвучка и генерации контента с помощью #Python и AI (⏱ 00:44) 🌐 Замена лица на любой фотографии с помощью #python БЕСПЛАТНО! (⏱ 00:59) 🌐 Lightning Interview “Large Language Models: Past, Present and Future” (⏱ 01:00:00) 🌐 Thomas Scialom, PhD - Large Language Models: Past, Present and Future (⏱ 34:45) 🌐 Leveraging Generative AI in Education - A M Aditya (⏱ 31:24) 🌐 AI Art: How is This Quality Even Possible? (⏱ 05:29) Хорошего дня! #digest #machinelearning @machinelearning_interview

✅Одно из базовых назначений ArchiMate — объединение разрозненных представлений об архитектуре предприятия благодаря еë послойному представлению, где каждый слой показывает устройство уровней предприятия: стратегический уровень, бизнес-уровень, уровень приложений, технологический уровень и другие. 👉Узнайте больше 23.11 в 19:00 мск на бесплатном вебинаре «Введение в язык Архимейт: кому он будет полезен в работе?»: регистрация На вебинаре мы познакомимся: — с назначением языка Архимейт, его концепцией — основными элементами языка Архимейт — примерами диаграмм Урок будет полезен всем, кто хочет познакомиться с Архимейт: — архитекторам, — аналитикам, — тимлидам, — разработчикам. 🔥После урока вы сможете продолжить обучение на курсе со скидкой ЧП по промокоду BLACK23 Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963. erid: LjN8Kchi2

🛥 The Data Provenance Initiative Data Provenance Initiative - это Data Provenance Collection, представляет собой крупномасштабный аудит 44 коллекций данных, охватывающих 1800 с лишним наборов данных для тонкой настройки, и содержит подробную документацию об их источниках, лицензиях, создателях и других метаданных. Скрипты в этом репозитории позволяют разработчикам отфильтровать наборы данных для тонкой настройки, которые наилучшим образом соответствуют их требованиям, начиная от самозаявленных лицензионных ограничений и заканчивая другими характеристиками данных https://github.com/Data-Provenance-Initiative/Data-Provenance-Collection @machinelearning_interview