Data Scientist | IT

🌐Где искать первую работу в DS: телеграм, Slack ODS, нетворкинг, сайты компаний #посмотреть Data Science Guy. Смотреть на YouTube

"Галлюцинации — это большая тень, нависшая над быстро развивающимися языковыми моделями" #почитать ◽️Исследователи искусственного интеллекта из Университета науки и технологий Китая (USTC) и лаборатории Tencent YouTu Lab разработали инновационную структуру, получившую название «Дятел» (Woodpecker). Она предназначена для коррекции «галлюцинаций» в мультимодальных языковых моделях (MLLM). ◽️Принципы своей работы они описывают в статье, опубликованной несколько дней назад на сервере препринтов arXiv. Их технология достаточно проста, но позволяет убрать глупые, очевидно неверные ответы, которые иногда , казалось бы, в случайном порядке выдают языковые и другие GPT-модели. ◽️«Это происходит подобно тому, как дятел лечит деревья, съедая лесных вредителей. Он находит, выделяет и исправляет галлюцинации из сгенерированного текста», — говорят в публикации исследователи, объясняя название своего фреймворка. Читать статью

ChatGPT, GPT-4 и LLama созданы на основе трансформеров. Объяснение, что это, без кода и сложной математики #почитать ◽️Один из важнейших инструментов машинного обучения — трансформеры. Популярность трансформеров взлетела до небес в связи с появлением больших языковых моделей вроде ChatGPT, GPT-4 и LLama. Эти модели созданы на основе трансформерной архитектуры и демонстрируют отличную производительность в понимании и синтезе естественных языков. ◽️Хотя в сети уже есть хорошие статьи, в которых разобран принцип действия трансформеров, большинство материалов изобилует запутанными терминами. Мы подготовили перевод статьи, в которой без кода и сложной математики объясняют современную трансформерную архитектуру. Читать статью

ChatGPT фактически создан командой аннотаторов, размечавших огромный датасет из более чем восьми миллионов веб-страниц #почитать Для обучения ChatGPT компания OpenAI использовала труд команды аннотаторов, размечавших огромный датасет из более чем восьми миллионов веб-страниц. Этот процесс заключается в чтении огромных объёмов текста и в аннотировании его информацией о взаимосвязях различных слов и понятий. Затем эта информация применяется для тонкой настройки модели, позволяющей ей генерировать ответы, напоминающие человеческие. Читать статью

Малоизвестные библиотеки Python для анализа данных, которые делают жизнь проще #почитать Хотя для задач машинного обучения на ум приходят такие библиотеки, как pandas, numpy, scikit-learn, keras, tensorflow, matplotlib и т.д., но всегда полезно знать о других предложениях Python. ◽️ Sketch ◽️ MLxtend ◽️ SciencePlots ◽️ Ftfy ◽️ Pgeocode ◽️ Pendulum ◽️ Rembg Читать статью

Решаем реальное тестовое задание на Machine Learning Engineer https://www.youtube.com/watch?v=xpu59R3nqvY

Изучаем математическую статистику. Подборка книг, бесплатных курсов и блогов для новичков #почитать "Написал путеводитель по статистике, для тех, кому тяжело подступиться к изучению данного раздела математики и, тем более, сделать его «навыком». Все представленные ниже материалы основаны на моём опыте изучения математической статистики." 📕Книги: ◽️«Голая статистика. Самая интересная книга о самой скучной науке» Чарльз Уилан ◽️«Статистика и котики» Савельев Владимир ◽️«Медико-биологическая статистика» Стентон Гланц ◽️«Статистика для всех» Сара Бослаф ◽️«Практическая статистика для специалистов Data Science» Брюс Питер ◽️«Доверительное А/В-тестирование. Практическое руководство по контролируемым экспериментам» Р. Кохави ◽️«Теория вероятностей и математическая статистика» Гмурман В.Е. 🎓Курсы (на Степике): ◽️«Основы статистики» ◽️«Анализ данных в R» ◽️«Введение в Data Science и машинное обучение» ◽️«Теория вероятностей» и там же есть и другие. 👀Блоги: ◽️FlowingData ◽️Simply Statistics ◽️Gregory Gundersen ◽️Darren Wilkinson ◽️R-bloggers ◽️Блог expf ◽️Data Science by ODS.ai 🟢Читать статью

Обнаруживает скрытые закономерности, предвидит события и извлекает важные идеи. Инструменты и методы DS #почитать #junior ◽️Компании совершенствуют свои услуги, чтобы узнать, что нравится и что не нравится клиентам. ◽️Врачи анализируют данные пациентов и разрабатывают эффективные методы лечения. ◽️В обычной жизни наука о данных создает персонализированные предложения в соцсетях. Жизненный цикл и инструменты Data Science

"Обладает предсказательной силой". Определение авторства картины методами ML #почитать ◽️Датасетом стало собрание картин Музея современного искусства (MoMA), Нью-Йорк. В нем представлено описание работ 20 956 авторов. Набор данных произведений искусства содержит 130 262 записи. ◽️Для обучения модели использовался метод бинарной классификации на 5 моделях: Logistic Regression, Decision Tree, Random Forest, LightGBM, CatBoost. Читать статью

Сложные темы SQL для дата-инженеров. Обобщения, агрегирование, материализованные представления #почитать "Рассмотрели ряд продвинутых тем SQL: фильтрацию и агрегирование данных, объединение таблиц, использование подзапросов и оконных функций. Освоив их, дата-инженеры станут эффективнее в анализе и визуализации данных, повышая качество принимаемых в организациях решений." Читать статью

«Зарабатываю в разы больше среднего американца». Беларуска-тимлид в Dropbox про деньги и культуру в компании #почитать Дата-аналитик, а затем Software Engineering Manager в Dropbox рассказывает про свой путь в Кремниевую долину, корпоративную культуру в Dropbox и как проходит интервью в компанию. Читать статью

Как использовать машинное обучение для оптимизации производства? Узнайте на примере реальных кейсов на бесплатном эфире «Как автоматизировать производство при помощи Machine learning? Опыт FinTech и Security индустрий» от OTUS. После эфира вы сможете: – Найти и выстроить процессы, связанные с машинным обучением – Понять, как работать с эффективностью данных проектов – Избежать основных ошибок руководителя – Получить ответы на свои вопросы от опытного эксперта Встречаемся 31 октября в 19:00 мск. Регистрируйтесь бесплатно прямо сейчас и забирайте чек-лист «Список технологий, нужный для MLOps» в подарок: https://clck.ru/36E3uA Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576, www.otus.ru, erid: LjN8KZDxz

🌐Ранняя диагностика рака кожи, психологических проблем и COVID19 при помощи методов Data Science. Доклад на Flow 2023 #посмотреть ▫️Диагностирование COVID-19 на ранней стадии ▫️Диагностирование рака кожи уже на первой стадии ▫️Психические и психологические расстройства Смотреть видео на YouTube (45 минут)

Компания воровала тексты песен для обучения своей ML-модели и будет отвечать в суде #почитать Нейросеть Claude 2 выдаёт тексты песен в ответах на запросы, не указывая владельца песни - Universal Music. "Выяснилось, что одну из самых передовых технологий последнего времени можно легко ограничить авторскими правами и другими нормативными вещами" Читать статью

🔥 Бесплатный открытый урок по продуктовой аналитике Тема: Метрики для жизненного цикла продукта Урок приурочен к старту онлайн-курса "Продуктовая аналитика" от OTUS. Дата: 23 октября в 20:00, мск 🔸 На эфире мы: - поговорим о взаимосвязи продуктового термина жизненного цикла с аналитическими метриками; - разберёмся, какие отличительные черты характерны для каждого жизненного цикла продукта; - узнаем, какие метрики необходимо замерять на каждом этапе, а на какие можно обратить чуть меньше внимания. 🔸 Вебинар проведет Марина Михеева – старший аналитик в DiDi и эксперт с опытом работы в Авито, ЦИАН и AliExpress. Зарегистрироваться можно по ссылке: 👉 https://clck.ru/36BhBi Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576, www.otus.ru, erid: LjN8KBmad

🍇Женщины тратят в полтора раза больше. Исследование розничной торговли в Стамбуле при помощи DS #почитать 💵Если женщины рассчитываются не картой, а наличкой, то разница в тратах еще больше. ▫️ЯП Python, среда Jupyter Notebook (anaconda3). ▫️Для моделирования использовались: - линейная регрессия; - деревья решений; - LGBMRegressor; - CatBoostRegressor. 🍉Читать статью

"Понимает российский культурный код": релиз YandexART, создающей изображения и анимации из текста #почитать Нейросеть знает известные места в России, выдающихся личностей разных эпох и знакома с персонажами сказок и мультфильмов. Но пока лучше получаются обложки альбомов Басты. Читать статью

🥰 В ближайшем будущем работодатели будут искать Data Scientist. Сыграйте на опережение — начните учиться со Слёрмом уже в ноябре! Не требуется заглядывать во временную воронку, достаточно проанализировали актуальное положение вещей: 🔥 Работа с данными требуется и в небольших IT-стартапах, и в финтехе, и в бизнесе, и фармацевтике — везде, где требуются наиболее точные прогнозы. ⭐ Спрос на специалистов растет. По данным Всемирного экономического форума, количество вакансий по направлению выросло на 433%. ➕ Средняя зарплата Data Scientist зарабатывает от 50 000 рублей на уровне junior и от 250 000 рублей, когда он станет senior-специалистом. Как стать Data Scientist, учат в Слёрме! Курс стартует с 13 ноября, вам потребуется около 4 месяцев, чтобы доучиться до уровня специалиста. Вам помогут мощные эксперты: — Иван Аникин, Team Lead Yandex.Edadeal; — Владимир Бугаевский, Team Lead СберМаркет. Посмотреть подробную программу вы можете на сайте Слёрм. Реклама. ООО «Слёрм» г. Лиски, ОГРН 1193668020545