Data Scientist | IT

🟡Привет, DS и ML инженеры! Свежий дайджест полезных материалов по DS & ML от канала DS Live 🚩 Data Science и машинное обучение за неделю с 26 июня по 2 июля! 🔖 Почитать: ▪️ Нейронные сети не могут обобщать периодические зависимости. Как это исправить? ▪️ Mini-ml-stand для бедных ▪️ Анализировать данные — это как варить пиво. Почему дата-анализ и пивоварение — одно и то же с техноизнанки ▪️ Что такое исследование данных и почему оно необходимо — кейс rdl by red_mad_robot и «АгроТерры» ▪️ Что такое NiFi ▪️ Распознавание лиц для чайников ▪️ Распознаем лючки бензобаков ▪️ Как подготовить PreLabeled-датасет при помощи CVAT, YOLO и FiftyOne ▪️ Генерация и валидация чисел по алгоритму Луна ▪️ Числа с плавающей точкой для гуманитариев. Что это такое и как они работают ▪️ Эволюция метрик качества машинного перевода ▪️ Sarsa: алгоритм, основные принципы и применение ▪️ Как я покорил ИТМО и поступил в магистратуру по ИИ без экзаменов 👀 Посмотреть: 🌐 Разбор задач из интервью в российские и международные компании на позицию Data Scientist (⏱ 1:08:08) 🌐 Как я перестал бояться и полюбил ChatGPT? | Data Science на Школково (⏱ 1:25:21) 🌐 Clean Code for Data Scientists // Matt Sharp // MLOps Podcast # 160 (⏱ 46:13) Хорошего дня!

🌳 Модификация алгоритма FP Growth или как правильно ухаживать за своими деревьями #почитать #senior Читать статью

Большой DS-митап о персонализации от СберМаркет Tech🔥 Встречаемся на Data Science Meetup 5 июля в 19:00 в московском офисе СберМаркета или на онлайн-трансляции. В программе: 🟡 Как мы делали проект по персональному ML-ранжированию каталога и почему из этого ничего не получилось, а потом внезапно каааааак получилось // Антонина Горячева, и.о. директора по анализу данных в СберМаркете. 🟡 ML-персонализация для карьерной платформы: о продукте, что для него делали, какие проблемы были и как их решали // Петр Чуйков, DS Team Lead, HeadHunter. 🟡 Кросс-категорийные рекомендации в Авито: зачем они нужны, как добавляли и что из этого вышло // Михаил Каменщиков, Recommendations Unit Lead Авито. 🟡 Персональный тарифный план для новой базы: key learnings после запусков пилотов, как и почему реальность разошлась с ожиданиями и что с этим делаем // Дарья Шатько, Data Science Teamlead Мегафон BigData. По традиции после каждого доклада дарим подарки за лучший вопрос 🎁 Регистрируйся по ссылке и до встречи на митапе!

🟡Дайджест полезных материалов из мира DataScience за неделю с 23.06 по 29.06 🔖 Почитать: ▪️ Поляризатор = датчик угла ▪️ PySpark для аналитика. Как выгружать данные с помощью toPandas и его альтернатив ▪️ Построение BI-системы: вы могли об этом забыть… ▪️ Зачем Data-инженеру Spark ▪️ Что такое индексация смарт-контрактов в Web3 разработке? (Начальные знания не требуются) ▪️ Стеганографические эксперименты с видеофайлами и Youtube. Продолжение ▪️ Задача про красные и синие точки ▪️ Дерево Киви для поиска шаблонов по тексту ▪️ Разделяй и властвуй. Повышение эффективности алгоритмов. Часть 1 ▪️ Разделяй и властвуй. Повышение эффективности алгоритмов. Часть 2 ▪️ Матирование изображений, или как получить фотореалистичный передний план ▪️ Как мы создаём новые языки в Yandex SpeechKit. Рассказываем на примере узбекского 👀 Посмотреть: 🌐 Разбор задач из интервью в российские и международные компании на позицию Data Science (⏱ 1:08:08) 🌐 Рекомендательные системы: подходы и применение. Data Science, ML, анализ данных. (⏱ 1:05:05) 🌐 Какие знания в области математики требуются специалистам в Machine Learning и Data Science? (⏱ 1:09:41) 🌐 Интровебинар "Школа 21"по направлению "Специалист по работе с данными, Data Scientist" Май 2023 (⏱ 1:07:44) Хорошего дня!

🔥 Как устроено распределение памяти #почитать #middle #senior Основы распределения памяти (memory allocation). Наглядно рассказано, как работают простые распределители. Рассмотрены некоторые из задач, которые им необходимо решать, а также некоторые из методик, которыми они их решают. Прочитав этот материал, вы узнаете всё, что необходимо для написания собственного распределителя. Читать статью

🔔 Второй митап по работе с большими данными от Х5 Tech состоится 5 июля В этот раз обсудят, как с помощью PySpark Pipeline писать читаемый, легко тестируемый и поддерживаемый код, квази-эксперименты методом Propensity Score в кейсах, где нельзя провести стандартный A/B-тест и подходы распознавания жестового языка. 📍На митапе выступят: - Дмитрий Чернышев, старший менеджер по анализу больших данных, X5 Tech - Наталья Илюнькина, аналитик, группа клиентской аналитики Яндекс Маркета - Александр Нагаев, CV engineer, SberDevices Подробности и регистрация на событие здесь

5 страшилок об искусственном интеллекте Разработки на основе искусственного интеллекта нередко вызывают беспокойство широкой общественности. Чувство отторжения и неприязни, которое вызывает человекоподобие искусственного интеллекта, получило собственное красивое хоррор-название - "эффект зловещей долины" (термин из эссе Bukimi No Tani 1970 года). В статье — несколько реальных историй, сильно напоминающих сюжеты сериала «Черное зеркало» об угрожающих миру технологиях. Читать

Как определить, какая версия сайта работает лучше? Что изменилось после рефакторинга бэкенда и удалось ли отделу логистики ускорить доставку? Точные ответы на эти вопросы позволяют получить A/B-тесты. На нашем симуляторе вы поработаете с нетривиальными кейсами и разберёте полный пайплайн тестирования на реальных задачах бизнеса — всё под руководством экспертов из X5 Retail Group и Blockchain.com.  Вы поймёте, какие метрики нужно измерять, как улучшать их с помощью экспериментов и как получить качественный результат даже на небольшой выборке.  Если вы хотите научиться принимать решения на основе data-driven не погружаясь в программирование и сложную математическую статистику — вам подойдёт базовая версия программы. Все задачи вы будете решать в Google Sheets, а запускать эксперименты — на уже готовой инфраструктуре.  А если вы уже знаете основы Python и математической статистики, и вам важно на практике разобраться во всех тонкостях A/B-тестирования — приходите на продвинутую версию.  Обучение на симуляторе позволит вам вывести карьеру на новый уровень и заранее отработать на практике сложные и нестандартные ситуации, чтобы избежать ошибок в реальной работе. Новый поток стартует 26 июня, присоединяйтесь по ссылке! Ждем вас!

🔴Привет, Data Scientist-ы! Мы запустили канал с еженедельными дайджестами полезных материалов по Data Science и ML! Подпишитесь, чтобы получать дайджесты первыми и быть в курсе последних новостей сферы! DS Live 🚩 Data Science и машинное обучение

🟡Дайджест полезных материалов из мира DataScience за неделю с 16.06 по 22.06 Почитать: — Поляризатор = датчик угла — cv3 — делаем OpenCV питоничным — Готовы ли вы к прозрачности мозга: корпорации готовятся залезть в головы работников — Разделяй и властвуй. Повышение эффективности алгоритмов. Часть 1 — Разделяй и властвуй. Повышение эффективности алгоритмов. Часть 2 — PySpark для аналитика. Как выгружать данные с помощью toPandas и его альтернатив — Что такое исследование данных и почему оно необходимо — Зачем Data-инженеру Spark — Дерево Киви для поиска шаблонов по тексту — Как мы создаём новые языки в Yandex SpeechKit. Рассказываем на примере узбекского Посмотреть: 🌐 Разбор задач из интервью в российские и международные компании на позицию Data Science (⏱1:08:08) 🌐 Рекомендательные системы: подходы и применение. Data Science, ML, анализ данных (⏱1:05:05) 🌐 Вебинар: Какие знания в области математики требуются специалистам в Machine Learning и Data Science? (⏱1:10:21) Хорошей недели и наступающих выходных!

🌐 Как ChatGPT изменит Data Science? Панельная дискуссия экспертов Альфа-Банк, Тинькофф, Huawei, AIRI Дискуссия о прикладном NLP, применении хайповых ChatGPT-like моделей в реальном продакшене, о перспективах генерации кода языковыми моделями, о важности данных и разметки, а также о том, на что обратить внимание начинающим специалистам, вкатывающимся в NLP. Смотреть на YouTube (~1 час)

🔴DataScience & Machine Learning дайджест за неделю 8-15 июня Почитать: — Готовы ли вы к прозрачности мозга: корпорации готовятся залезть в головы работников — Определение свободного парковочного места с помощью Computer Vision — Создание модов для Age of Empires II с помощью нейросети — Что делать, если человечество не сможет создать искуственный интеллект никогда? — Как Почта моделирует риски потери отправлений — Распознавание документов на Steam Deck. А нужен ли мне мой ноутбук? — PySpark для аналитика. Как выгружать данные с помощью toPandas и его альтернатив — Модификация алгоритма FP Growth или как правильно ухаживать за своими деревьями — Что такое исследование данных и почему оно необходимо — Как нейросети помогают паломникам совершать хадж? — Разбираемся в терминах искусственный интеллект и машинное обучение — Задача коммивояжёра — ещё немного больше, ещё немного быстрее — 5 страшилок об искусственном интеллекте Посмотреть: 🌐 Валерий Бабушкин: кто такой Data Scientist (⏱55:50) 🌐 Разбор задач из интервью в российские и международные компании на позицию Data Science (⏱1:08:08) 🌐 "Как вкатиться в Data Science?"" Дорожная карта IT (⏱1:01:18) 🌐 Какие знания в области математики требуются специалистам в Machine Learning и Data Science? (⏱1:09:41) 🌐 Что делают математики в продуктовом ритейле | X5 Data Science meetup #1 (⏱22:25) 🌐 Как адаптировать ML модель под поведение пользователя | X5 Data Science meetup #1 (⏱20:54) Хорошего окончания рабочей недели и наступающих выходных!

Как войти в AI и ML. Экспертный гид по профессии: компетенции, курсы, возможности #почитать #junior Хотите обуздать искусственный интеллект быстрее, чем он отнимет у вас работу? Разбираем карьерные возможности и курсы в сфере AI. Читать статью

Хотите освоить SQL и научиться решать реальные продуктовые задачи? karpov.courses сделали бесплатный Симулятор, где SQL изучают с нуля до продвинутого уровня на практике. Сейчас на курсе более 120 задач: от базовых до оконных функций. Это не просто курс, где вы изучите синтаксис языка и основные виды запросов. Здесь вы попробуете себя в роли настоящего аналитика сервиса доставки, поработаете в реальном рабочем окружении и научитесь решать нетривиальные задачи. Вы разберётесь как: • переводить запросы с языка бизнеса на язык аналитики • формулировать и проверять гипотезы • рассчитывать продуктовые метрики • визуализировать результаты анализа • строить интерактивные дашборды Обучение проходит на платформе школы [Начать учиться SQL]

Кто такой Data Scientist, чем он занимается и сколько зарабатывает Обзор профессии — в статье описано, что за профессия — data science, чем занимается дата-сайентист, какие задачи решает, в чем плюсы и минусы работы и зарплаты DS на рынке в РФ Читать статью

«Сеньор сеньору рознь»: Как понять, что вы больше не джун Как понять, что твой грейд вырос и как в целом оценивать свои скиллы? Интересный материал про ответственность, размытое понятие грейдов и то, почему время работы в компании — не показатель роста. Читать статью

❗️Как пройти техническое собеседование на ML-специалиста? ⚠️ Узнайте на примере mock-интервью с преподавателями курса «MLOps» в OTUS! На открытом уроке вы сможете наблюдать один из этапов собеседования при найме ML-специалистов — ML System Design секцию. 👉 Для удачного прохождения этого этапа не достаточно только знания алгоритмов машинного обучения. Также проверяются навыки проектирования ML систем, которые могут успешно работать в промышленной среде.

Больше инструментов MLOps ждет вас на курсе. Обратите внимание: возможные способы оплаты обучения.

👉 Готовьте вопросы и записывайтесь на вебинар! https://otus.pw/IiMo/ Нативная интеграция. Информация о продукте www.otus.ru

Тестируем нейросети для генерации изображений Результаты сравнительного анализа нейросетей для генерации изображений. Читайте, сравнивайте характеристики и выбирайте подходящий для вас инструмент. Важно отметить, что исследование проводилось в начале апреля 2023 года. Читать статью

Куда приложить машинное обучение? #почитать #junior #middle Инструкция по поиску проекта для ML-инженера с амбициями PM или для PM с пониманием ограничений сферы ML. Читать статью