Библиотека задач по Data Science | тесты, код, задания

📊 Попробуйте угадать, что изображено на этом графике? Не открывайте ответ сразу, подумайте. Ответ: Здесь отображено число продаж домов с разными номерами в Англии и Уэльсе. Как вы понимаете, всё дело в человеческих предрассудках.

📊 Попробуйте угадать, что изображено на этом графике? Не спешите открывать ответ, подумайте. Ответ: Как вы понимаете, дело в человеческих предрассудках.

🤖 Напоминаем, что у нас есть еженедельная email-рассылка, посвященная последним новостям и тенденциям в мире искусственного интеллекта. В ней: ● Новости о прорывных исследованиях в области машинного обучения и нейросетей ● Материалы о применении ИИ в разных сферах ● Статьи об этических аспектах развития технологий ● Подборки лучших онлайн-курсов и лекций по машинному обучению ● Обзоры инструментов и библиотек для разработки нейронных сетей ● Ссылки на репозитории с открытым исходным кодом ИИ-проектов ● Фильмы, сериалы и книги 👉Подписаться👈

✍️ Воскресный разбор задач прошедшей недели Сегодня поговорим об ошибках первого и второго рода. ▪️Допустить ошибку первого рода это отвергнуть нулевую гипотезу, при условии, что именно она верна. Нулевая гипотеза — это гипотеза, предполагающая, что никаких изменений не произошло/влияния нет ▪️Допустить ошибку второго рода это принять нулевую гипотезу, при условии, что верна альтернативная гипотеза. Альтернативная гипотеза — это гипотеза, предполагающая, что ​изменения произошли/есть влияние. А теперь вернёмся к нашей задаче. Для антиспам-фильтра нулевая гипотеза — это предположение, что новое входящее письмо является обычным письмом, не спамом. Альтернативная гипотеза тогда — это предположение, что письмо является спамом. В нашей ситуации, верна именно альтернативная гипотеза, но антиспам-фильтр принимает нулевую гипотезу. Это пример ошибки второго рода. #разбор_задач

🔢 Математика для Data Science: необходимый минимум Данные стали новой нефтью, а науку о данных Harvard Business Review назвал самой перспективной профессией 21 века. Для работы в сфере Data Science необходима математика: она позволяет извлекать смысл из огромных массивов информации и принимать обоснованные решения. Расскажем, какие разделы математики нужно знать для успешного старта в нашей статье: 🔗 Ссылка на статью

👨‍🎓️ Кто есть кто в команде data science: путеводитель по профессии О data scientist часто говорят, будто это одна профессия, хотя в науке о данных существуют и другие специализации. Расскажем, из каких направлений можно выбирать и что потребуется для их изучения. 🔗 Читать статью

🧑‍💻 Статьи для IT: как объяснять и распространять значимые идеи Напоминаем, что у нас есть бесплатный курс для всех, кто хочет научиться интересно писать — о программировании и в целом. Что: семь модулей, посвященных написанию, редактированию, иллюстрированию и распространению публикаций. Для кого: для авторов, копирайтеров и просто программистов, которые хотят научиться интересно рассказывать о своих проектах. 👉Материалы регулярно дополняются, обновляются и корректируются. А еще мы отвечаем на все учебные вопросы в комментариях курса.