DataSciencePRO

#вакансия #remote #удаленка #fulltime #backend #python #middle #senior #spark Компания: Rubbles Вакансия: Senior/Middle Data Scientist Формат работы: remote из любой точки мира / Офис МСК Занятость: полная Зарплатная вилка: 250 000 - 400 000 rub 📌 О компании: Компания Rubbles (SBDA Group) занимается анализом данных и машинным обучением. Решаем много задач из разных индустрий: системы таргетирования персональных коммуникаций в банках, ритейле и телекоме, системы предсказания спроса на товары в ритейле, поисковые системы по товарам в онлайн-магазинах, системы предсказания поломок оборудования для промышленности и многое другое. Сейчас в поиске Дата Сайнтиста на проект для крупного ритейла. 📌 Основные задачи: • Моделирование и обработка данных на Python для извлечения бизнес-ценности из данных; • Глубокое обсуждение задач и методов их решения совместно с коллегами и бизнес-заказчиками; • Построение воспроизводимых и переиспользуемых решений для работы с данными и моделями; • Если будет хватать опыта — курирование или руководство командой. 📌 Основные требования: • Опыт автоматизации пайплайнов работы с данными (Airflow и др.) и навыки devops (Docker, Kubernetes и др.). • Опыт работы с Spark, Pyspark, Pandas, SQL, Hive и др.; • Опыт использования ml библиотек на Python (бустинг, нейронные сети и др.) и понимание особенностей реализации различных аспектов алгоритмов в коде; • Опыт работы на позиции, связанной с промышленной разработкой; • Понимание методов машинного обучения с точки зрения математики и умение адаптировать их под конкретные задачи; • Опыт проработки задачи от бизнес-постановки до математической формулировки и реализации в коде; 📌 Наше предложение: • Возможность работы удаленно, за пределами РФ; • Участие в быстром росте компании, работающей на перспективном AI рынке; • Поддержка кандидата в профессиональном и карьерном росте; • Совместная работа с опытными разработчиками, аналитиками данных, менеджерами, продуктологами; • ДМС по всей России со стоматологией (РФ). cv можно направить сюда @morevaliddevelopers

Проверим математиков)

В фейсбуке пытаются решить этот пример. К слову, комментариев набралось аж 60 тысяч, но они до сих не могут определиться между ответами 1 и 4. Вызывайте математиков. 👉 Топор +18. Подписаться

Краткое руководство по проектированию и выбору features. https://github.com/Yimeng-Zhang/feature-engineering-and-feature-selection/blob/master/A%20Short%20Guide%20for%20Feature%20Engineering%20and%20Feature%20Selection.md

Записи докладов прошедшего митапа 📺 Евгений Степанов (Банк Открытие) - Модели следят за моделями: опыт построения системы фактического и предиктивного ML мониторинга (35 минут). 📺 Марина Кузнецова (Альфа-Банк), Александр Косов (GlowByte) - Мониторинг, или Почему мы спокойно спим по ночам (20 минут). 📺 Василь Султанов (Росбанк), Михаил Зайцев (Kolmogorov AI) - Cистема управления моделями - System of Model Management (SyMoMa) (70 минут). А презентации, как обычно, в нашей базе знаний→

Guide to PostgreSQL Performance Tuning Гайд по тюнингу производительности PostgreSQL. Читать дальше.

Всех с наступающим, коллеги)

кстати тоже очень полезное действие

🚀Как ускорить Pandas с библиотекой Pandarallel Каждый Data Scientist знает, что Python-библиотека Pandas работает довольно медленно и не предназначена для больших объемов данных. Тем не менее, каждый Data Scientist ее использует.🤷‍♀️ Чтобы сделать Pandas более быстрой, можно включить в свой проект Pandarallel — простой и эффективный инструмент для распараллеливания операций Pandas на всех доступных процессорах. Pandas использует только одно ядро ЦП, а Pandarallel позволяет воспользоваться преимуществами многоядерного компьютера. Еще Pandarallel предлагает индикаторы выполнения программы, доступные на ноутбуке и терминале, чтобы получить приблизительное представление об оставшемся объеме вычислений, которые необходимо выполнить. Библиотеку можно использовать на любом компьютере под управлением Linux и macOS, а в Windows есть небольшие особенности: из-за многопроцессорной системы функция, которая отправляется в Pandarallel, должна быть автономной и не должна зависеть от внешних ресурсов. https://nalepae.github.io/pandarallel/

Надо ли говорить что курс по докеру мастхэв для всех кто в нашей теме)?

почти тоже самое но от MIT

Курс DataScience от Гарвардского университета http://cs109.github.io/2015/pages/videos.html

Есть тут программисты? Что будет, если вот:

int i = 2;
i += i++ + ++i;