fa
Feedback

فریب کلاهبرداران را نخورید! تل‌متریو این کانال‌ها را شناسایی و برچسب‌گذاری می‌کند 👉 برای مشاهده برچسب، اشتراک تهیه کنید

Анализ данных (Data analysis)

Анализ данных (Data analysis)

رفتن به کانال در Telegram

Data science, наука о данных. @haarrp - админ РКН: clck.ru/3FmyAp

نمایش بیشتر

📈 تحلیل کانال تلگرام Анализ данных (Data analysis)

کانال Анализ данных (Data analysis) (@data_analysis_ml) در بخش زبانی روسی بازیگری فعال است. در حال حاضر جامعه شامل 51 911 مشترک است و جایگاه 2 572 را در دسته فناوری و برنامه‌ها و رتبه 11 804 را در منطقه روسيا دارد.

📊 شاخص‌های مخاطب و پویایی

از زمان ایجاد در невідомо، پروژه رشد سریعی داشته و 51 911 مشترک جذب کرده است.

بر اساس آخرین داده‌ها در تاریخ 16 نوامبر, 2026، کانال فعالیت پایداری دارد. در ۳۰ روز گذشته تغییر اعضا برابر 444 و در ۲۴ ساعت گذشته برابر -8 بوده و همچنان دسترسی گسترده‌ای حفظ شده است.

  • وضعیت تأیید: تأیید نشده
  • نرخ تعامل (ER): میانگین تعامل مخاطب 11.63% است و در ۲۴ ساعت نخست پس از انتشار، محتوا معمولاً 8.47% واکنش نسبت به کل مشترکان کسب می‌کند.
  • دسترسی پست‌ها: هر پست به طور میانگین 6 040 بازدید دریافت می‌کند. در اولین روز معمولاً 4 397 بازدید جمع‌آوری می‌شود.
  • واکنش‌ها و تعامل: مخاطبان به‌طور فعال حمایت می‌کنند؛ میانگین واکنش به هر پست 192 است.
  • علایق موضوعی: محتوا بر موضوعات کلیدی مانند llm, контекст, openai, архитектура, deepseek تمرکز دارد.

📝 توضیح و سیاست محتوایی

نویسنده این فضا را محل بیان دیدگاه‌های شخصی توصیف می‌کند:
“Data science, наука о данных. @haarrp - админ РКН: clck.ru/3FmyAp”

به لطف به‌روزرسانی‌های پرتکرار (آخرین داده در تاریخ 17 نوامبر, 2026)، کانال همواره به‌روز و دارای دسترسی بالاست. تحلیل‌ها نشان می‌دهد مخاطبان به‌طور فعال با محتوا تعامل دارند و آن را به نقطه اثرگذاری مهم در دسته فناوری و برنامه‌ها تبدیل کرده‌اند.

51 911
مشترکین
-824 ساعت
+27 روز
+44430 روز
آرشیو پست ها
Repost from HyperGuard - news
Пес Мухтар или специализированная защита приложения? Сегодня мы поговорим о средствах защиты от сетевых атак, разберем конкретный случай, дадим рекомендации. В средневековье для защиты от вторжения строили замки, возводили высокие башни и бойницы. Современная защита сайта — это все то же самое. Ранее мы уже говорили о разновидностях атак, сегодня мы разберем конкретный случай. В общем, к нам обратился клиент с острой необходимостью защиты своего веб-сайта и приложения от DDoS атак. Почему острой? Потому что ресурсы не работали. Человек ранее пользовался решениями от компании CloudFlare и все обстоит не так сказочно, как в сказках. С веб-сайтом все достаточно просто, атака производилась full-stack ботами с поведенческой эмуляцией пользователя. Для защиты мы использовали механизмы валидации. Но с приложением все было не так красочно, приложение спроектировано на базе протокола UDP, но это не самое интересное. Самое интересное, что клиент не понимал как работает его приложение, от слова совсем, а разработчика или соответствующего специалиста у него нет. Атакующий в свою очередь постоянно менял векторы атак, что усложняло работу. Для решения этой задачи мы проанализировали внутренний протокол приложения, и буквально через 15 минут приложение заработало. Спустя 4 дня атаки начались вновь, только они были направлены не на приложение, а на переполнение каналов связи. Мы это предусмотрели, поскольку крупные атаки сегодня не редкость, поэтому она оказалась несостоятельной. С клиентом мы работаем и по сей день, человек остался доволен. В конце этого блокбастера хочется сказать, что каждый проект по своему уникален, и к защите надо подходить на этапе открытия, а не когда вы уже работаете, и ваше приложение наглухо легло. Так же необходимо понимать отличия между "сервисом защиты" и "инструментом". Сервис сделает все за вас, в отличие от инструмента. Если у вас остались вопросы напишите нам. Предлагайте темы для обсуждений, подписывайтесь на наш канал, чтобы узнать больше о интернете. #интернет #ддосзащита #разное
09 مارس 2023, 09:25
23 مارس 2023, ~04:02

🔍 Что говорить на поведенческом интервью по науке о данных. Собеседования в сфере дата-сайенс могут проходить по-разному в зависимости от компании и той должности, которую вы планируете занять. Как правило, все начинается с поведенческого интервью с менеджером по найму или сотрудником отдела кадров, за которым следует техническое собеседование с руководителем группы. Затем проводятся тест на написание кода и еще одно техническое собеседование с членами будущей команды. В разных организациях этот процесс может варьироваться, но первым этапом при найме специалистов в сфере дата-сайенс остается поведенческое интервью. Поведенческое интервью  —  это собеседование при приеме на работу, во время которого кандидата просят рассказать о достижениях на прежнем месте и его поведении в конкретных ситуациях. Это помогает определить, справится ли он с той или иной должностью. Во время такой беседы рекрутер, как правило, преследует следующие цели. Узнать, к какому типу людей относится соискатель. Понять, соответствует ли он требованиям культуры компании, сможет ли принять ее основные ценности. Выяснить, сработается ли он с другими членами команды, будет ли разделять их видение и цели. Первым делом на поведенческом собеседовании по дата-сайенс задаются личные вопросы. Скорее всего, в начале беседы вас попросят представиться и рассказать больше о себе. Итак, у вас появляется прекрасная возможность заявить о себе как о перспективном кандидате. Поэтому важно заранее подготовить ответы на эти вопросы. До собеседования узнайте больше о компании и должности, которую собираетесь занять. Вам также понадобится набросать план ответов. В этой статье мы обсудим, как правильно структурировать самопрезентацию, чтобы максимально конструктивно построить беседу с интервьюером. 1. Расскажите о своем бэкграунде Для начала расскажите о своем профессиональном опыте и полученном образовании. Начните с опыта. Опишите свой карьерный путь до этого момента, расскажите, чему научились, и не забудьте упомянуть самые важные результаты своей деятельности. Также вы можете рассказать о полученном образовании, если оно имеет отношение к должности, на которую вы претендуете. Важно сосредоточиться только на опыте, который связан с той вакансией, на которую вы проходите собеседование. К сожалению, многие кандидаты останавливаются на этом шаге и не переходят к следующему, в результате чего теряют возможность заявить о готовности принять ценности, видение и миссию компании. Тем не менее это важный этап собеседования  —  так вы можете показать, что действительно готовы стать ценным сотрудником. Посмотрим, как это сделать. 2. Выразите готовность принять ценности компании Теперь настало время показать, что вы готовы стать частью команды. Расскажите о том, что цените в работе и рабочем окружении, и свяжите эту информацию с ценностями и миссией компании. Помимо этого, можно объяснить, почему вам нравится работать в сфере науки о данных, объединив это с подходом компании к данным и тем, что ее представители в них ценят. Допустим, вы собираетесь устроиться компанию, которая использует данные для принятия важных решений. В таком случае стоит сказать, что вам нравится работать с данными из-за их влияния на бизнес (важный момент, который следует подчеркнуть). Но для этого нужно предварительно узнать больше информации о компании и продумать ответ перед собеседованием. 3. Убедите работодателя, что подходите на эту вакансию На последнем этапе интервью нужно доказать, что вы достойны занять должность, на которую претендуете. Расскажите о своих профессиональных компетенциях, а также о том, как они помогут вам выполнять должностные обязанности и почему вы заинтересованы в том, чтобы занять именно эту вакансию. Это важный момент: вам нужно показать, что вы справитесь с будущими обязанностями, а не просто упомянуть свой опыт и ждать положительного ответа. Также стоит рассказать о том, каких результатов, по вашему мнению, вы сможете достичь на этой должности и чего вы от нее ожидаете. @data_analysis_ml
09 مارس 2023, 05:46

Яндекс Практикум ищет наставников на курс «Продуктовый аналитик» Наставники учат студентов продуктовому подходу. Проект можно совмещать с основной работой: он будет занимать от 8 до 12 часов в неделю удалённо.   Какие задачи нужно будет решать? — проводить встречи в мини-группах по 4-5 человек, — разбирать проекты студентов и частые ошибки, — рассказывать про интересные и удачные решения.  Кого мы ждём? Действующих продуктовых аналитиков с опытом от двух лет, которые проводили продуктовые исследования и разбираются в метриках. Важно владеть математической статистикой, SQL и Tableau или Apache Superset.  Что мы предлагаем? ◾️ Удалённое сотрудничество из любой точки мира. ◾️ Дополнительный доход. ◾️ Сертификат в портфолио. ◾️ Обучение в бесплатной Школе наставников — двухнедельный интенсив по коммуникации и управлению командой. ◾️ Развитие софт-скиллов: публичные выступления, тайм-менеджмент, обратная связь, объяснение материала. ◾️ Профессиональное коммьюнити: нетворкинг, возможность писать статьи и участвовать в мероприятиях Яндекса и Яндекс Практикума. Откликнуться: https://practicum.yandex.ru/job/vacancy-98
09 مارس 2023, 03:46
19 مارس 2023, ~06:32

🖼 Применение Аугментации с Даталодером Важным для качественного решения задач CV (Computer Vision) с помощью нейронных сетей, помимо наличия качественной модели (зачастую уже предобученной на других задачах), также является датасет с достаточным количеством изображений (несколько десятков тысяч). Получить необходимый объем размеченных изображений зачастую довольно затруднительно, тогда на помощь может прийти аугментация. Аугментация позволяет увеличить объем исходного количества изображений за счет их изменений: поворот, растягивание/сжатие, изменение цветов и т.д. Для сокращения времени процесса обучения нейронных сетей используют графические ускорители (GPU), объем памяти которых не способен вместить одновременно весь датасет и обучаемую модель. Для решения этой проблемы используют DataLoader, который «скармливает» нейросети данные из датасета порционно (батчами). И кажется, что нет проблем: взять готовые архитектуры для аугментации, применить к датасету и поместить в даталодер. Однако, на данный момент DataLoader и Dataset в Pytorch не работают «из коробки» с популярной библиотекой для аугментации albumentations. Выходом из этого является написание собственного класса Dataset. В данном случае — это Dataset для изображений Imagefolder (структура хранения изображений, при которой каждый класс хранится в папке с соответствующим именем). Для работы понадобится импорт следующих библиотек: import os import albumentations as A from torchvision import datasets, transforms from torch.utils.data import Dataset, DataLoader Создадим свой собственный класс ImageFolder, наследуя из класса Dataset: class ImageFolder(Dataset): def __init__(self, root_dir, transform=None, total_classes=None): self.transform = transform self.data = [] if total_classes: self.classnames = os.listdir(root_dir)[:total_classes] # for test else: self.classnames = os.listdir(root_dir) for index, label in enumerate(self.classnames): root_image_name = os.path.join(root_dir, label) for i in os.listdir(root_image_name): full_path = os.path.join(root_image_name, i) self.data.append((full_path, index)) def __len__(self): return len(self.data) def __getitem__(self, index): data, target = self.data[index] img = np.array(Image.open(data)) if self.transform: augmentations = self.transform(image=img) img = augmentations["image"] target = torch.from_numpy(np.array(target)) img = np.transpose(img, (2, 0, 1)) img = torch.from_numpy(img) return img, target Далее создадим правило, по которому исходное изображение будет меняться: SIZE = 244 SIZE2 = 256 train_transform_alb = A.Compose( [ A.Resize(SIZE2, SIZE2), A.ShiftScaleRotate(shift_limit=0.05, scale_limit=0.05, rotate_limit=15, p=0.5), A.RandomCrop(SIZE, SIZE), A.RGBShift(r_shift_limit=15, g_shift_limit=15, b_shift_limit=15, p=0.5), A.RandomBrightnessContrast(p=0.5), A.Normalize(mean=(0.485, 0.456, 0.406), std=(0.229, 0.224, 0.225)), ] ) В данном случае каждое изображение с какой-то долей вероятности (p) поворачивается, сжимается, обрезается, меняет цвета и яркость. А еще все изображения приводятся к одному размеру, а также нормализуются. Однако, если мы применим трансформацию к исходным данным, их объем не изменится относительно изначальных, поэтому нужно отдельно написать шаги трансформации для исходных данных без аугментации (остаются: приведение к исходному размеру, центрирование и нормализация). train_transform_base = A.Compose( [ A.Resize(SIZE2, SIZE2), A.CenterCrop(SIZE, SIZE), A.Normalize(mean=(0.485, 0.456, 0.406), std=(0.229, 0.224, 0.225)) ] ) ▪Читать дальше @data_analysis_ml
08 مارس 2023, 05:52

С 24 по 30 марта МТС проводит хакатон True Tech Hack. Что на кону: победители разделят призовой фонд 1 500 000 рублей. Кто уч
С 24 по 30 марта МТС проводит хакатон True Tech Hack. Что на кону: победители разделят призовой фонд 1 500 000 рублей.  Кто участвует: frontend-, backend- и мобильные разработчики, data science специалисты, UX/UI-дизайнеры и продакт-менеджеры.  Что делать: создать решения для просмотра фильмов на мультимедийной онлайн-платформе KION для людей с особыми потребностями. Условия: ты можешь участвовать со своей командой или тебе помогут ее найти.  Финальный питчинг и награждение: 31 марта офлайн на конференции True Tech Day. Создавай впечатления для тех, кто ощущает мир иначе, на хакатоне от МТС.  Успей зарегистрироваться до 22 марта по ссылке: https://cnrlink.com/truetechahack31
08 مارس 2023, 04:46
19 مارس 2023, ~06:32

🖥 Ускорьте код Pandas в 120 раз — Реальные методы ускорения Pandas – это популярная и надёжная библиотека анализа данных на
🖥 Ускорьте код Pandas в 120 раз — Реальные методы ускорения Pandas – это популярная и надёжная библиотека анализа данных на Python. Она предоставляет структуры данных и функции для управления числовыми таблицами и данными временных рядов. Однако, при работе с огромными наборами данных, Pandas иногда может стать медленным и неэффективным инструментом. В этой статье мы рассмотрим, как мы можем использовать встроенные функции Python и Pandas для более быстрого выполнения вычислительных задач. ▪ Читать @data_analysis_ml
07 مارس 2023, 05:01

В @Selectel появились новые конфигурации выделенных серверов с GPU для Machine Learning, инференса и других задач, связанных
В @Selectel появились новые конфигурации выделенных серверов с GPU для Machine Learning, инференса и других задач, связанных с обработкой больших данных. Вы можете арендовать одну из готовых конфигураций или собрать собственную: например, с NVMe-дисками, большим объемом памяти, несколькими видеокартами или сетевой картой 10 Гбит/с — под любые требования вашего проекта. На все проекты в аккаунте вы получаете бесплатный безлимитный канал 1 Гбит/c. Серверы по умолчанию соответствуют стандартам 152-ФЗ — российского закона о персональных данных. Вы можете арендовать сервер даже на день, чтобы протестировать все возможности GPU, но при долгосрочной аренде на 3, 6 и 12 месяцев действуют скидки до 15%. Чтобы заказать сервер, достаточно сделать пару кликов в удобной панели — и никакого установочного платежа. Регистрируйтесь по ссылке и заказывайте выделенный сервер c GPU: https://slc.tl/savgg Реклама ООО Селектел Pb3XmBtzsx5qxJAZa7EM4qFdyVYxDs44NqdfjMQ
07 مارس 2023, 03:00
13 مارس 2023, ~14:17

Как использовать Регулярные выражения в Pandas для работы со строками Регулярное выражение – это самый мощный метод очистки и
Как использовать Регулярные выражения в Pandas для работы со строками Регулярное выражение – это самый мощный метод очистки и извлечения данных. Если вы когда-либо работали с большим текстовым набором данных, вы бы знали, насколько много это отнимает времени и энергии. Я часто использую регулярные выражения для очистки телефонных номеров и электронных писем, а также для стандартизации адресов. Но существуют и более сложные случаи, когда приходится обращаться к ним. ▪ Читать @data_analysis_ml
06 مارس 2023, 12:18

Что дают аналитику навыки машинного обучения? Представьте двух аналитиков: один анализирует данные продукта и визуализирует р
Что дают аналитику навыки машинного обучения? Представьте двух аналитиков: один анализирует данные продукта и визуализирует результаты; второй делает то же самое, но потом ещё и исследует неоднозначные события, глубже погружаясь в продукт, и прогнозирует будущие показатели. Кто приносит бизнесу больше пользы? Однозначно, второй. Он решает больше задач компании. Знание машинного обучения поможет вам стать более востребованным специалистом. Освоить всё необходимое для работы можно на курсе Start ML. Вы будете учиться под руководством опытных специалистов из Райффайзен и Яндекс. За 7 месяцев вы прокачаетесь в написании кода на Python, научитесь обучать классические модели и нейронные сети, а также оценивать их влияние на бизнес с помощью статистики и A/B-тестов — всё на реальных задачах бизнеса. Записывайтесь на курс по ссылке до 10 марта. А по промокоду ANALYSISML18 вы получите скидку 10% на полную оплата. Ждем вас!
06 مارس 2023, 10:31
14 مارس 2023, ~04:01

🛠 7 инструментов Python, которые должен иметь каждый разработчик машинного обучения и Data Science специалист. В этой статье
🛠 7 инструментов Python, которые должен иметь каждый разработчик машинного обучения и Data Science специалист. В этой статье будут представлены 7 полезных инструментов Python, которые должны изучить все программисты в 2023 году, чтобы ускорить процесс написания кода и упростить трудоёмкие задачи анализа данных. Вы увидите инструменты, начиная от сред разработки (IDE), таких как PyCharm, и заканчивая инструментами тестирования браузера, такими как Selenium. ▪Читать @data_analysis_ml
06 مارس 2023, 04:32

🧬 Примите участие в международной конференции Data Fusion 2023 от ВТБ, которая пройдёт 13-14 апреля. Конференция будет полез
🧬 Примите участие в международной конференции Data Fusion 2023 от ВТБ, которая пройдёт 13-14 апреля. Конференция будет полезна разработчикам и специалистам в области Data Science, CDO, бизнес-заказчикам DS-продуктов и сервисов, представителям государства и науки. Первый день конференции будет посвящен аспектам управления данными, практикам перехода на доверенные технологии, доступности дата-сетов для ИИ и другим темам, актуальным для CDO и руководителей бизнес-подразделений. Программа 14 апреля адресована data science специалистам и исследователям. Темы докладов и сессий распределены по трем стримам: «ML+», «AI Classic», «ML Environment». На конференции представят новейшие технологии и инструменты, а также будут проведены практические сессии и выступления ведущих предприятий. Не пропустите возможность улучшить свои навыки и расширить свои знания в области Data Science. Участие в конференции бесплатное. Успейте зарегистрироваться по ссылке: https://cnrlink.com/datafusion2
06 مارس 2023, 02:34
14 مارس 2023, ~04:01

🔎 Как найти информативные фичи при работе с данными Отбор признаков – удаление не информативных признаков из общего набора п
🔎 Как найти информативные фичи при работе с данными Отбор признаков – удаление не информативных признаков из общего набора признаков. Вследствие чего достигается уменьшение времени обучения моделей, повышение точности, а также уменьшение вероятности переобучения. Выделение признаков – генерация новых признаков на основе имеющихся. Новые признаки полностью описывают исходный набор данных и при этом уменьшают его размерность. В этой статье я подробно расскажу о задаче отбора признаков. Существует множество методов для решения данной задачи. ▪Читать @data_analysis_ml
05 مارس 2023, 06:11

Введение в развёртывание ML: Flask, Docker и Locust Вы потратили много времени на EDA, тщательно проработали все функции, нес
Введение в развёртывание ML: Flask, Docker и Locust Вы потратили много времени на EDA, тщательно проработали все функции, несколько дней настраивали модель и, наконец, получили то, что хорошо работает в тестовом варианте. Теперь, мой друг, вам нужно развернуть вашу модель. В конце концов, любая модель, которая остаётся на локальном компьютере, ничего из себя не представляет, независимо от того, насколько она хороша. Изучение этой части рабочего процесса Data Science может показаться непосильным, особенно если у вас нет большого опыта разработки программного обеспечения. Не бойтесь, основная цель этой статьи — познакомить вас с одним из самых популярных фреймворков для развёртывания на Python – Flask. Кроме того, вы узнаете, как контейнеризировать развёртывание и измерить его производительность – два аспекта, которые часто упускаются из виду. ▪Читать ▪Код @data_analysis_ml
04 مارس 2023, 05:41

Раскройте потенциал Python Numpy: руководство для начинающих в науке о данных Смотреть @data_analysis_ml
Раскройте потенциал Python Numpy: руководство для начинающих в науке о данных Смотреть @data_analysis_ml
03 مارس 2023, 15:38

Завершился финал по профилю «Искусственный интеллект» Национальной технологической олимпиады Ранее мы писали, что финал стартовал 27 февраля и продлится он вплоть до 3 марта. Школьники работали над задачей от Sber AI в командном туре, а в индивидуальном — показывали свои знания математики и информатики. По итогам финала были определены: 🏅 5 команд-победителей — они получат денежные сертификаты на образование. Напомним, призовой фонд конкурса — более 4 млн рублей. 🏅8 победителей и 17 призеров индивидуального тура — они получат преференции при поступлении в топ-вузы нашей страны, а также приглашения на прохождение оплачиваемой стажировки в Сбере и командах-партнерах. Направление стажировки — «Машинное обучение». «Вы уже все, уважаемые конкурсанты, победители. Смело идите вперед, покоряйте свои вершины. Новых вам успехов и больших побед», — поздравила конкурсантов ректор Национального исследовательского технологического института «МИСиС» Алевтина Черникова.
03 مارس 2023, 14:31

🌐 Пошаговое руководство по NLP: конструирование признаков текстовых данных Конструирование признаков (feature engineering) —
🌐 Пошаговое руководство по NLP: конструирование признаков текстовых данных Конструирование признаков (feature engineering)  — процесс выбора и создания наиболее релевантных и полезных признаков для ввода в модель машинного обучения. Это важнейший шаг в ходе МО, который может существенно повлиять на производительность, сложность и способность модели обобщать новые данные. Тщательно выбирая и конструируя признаки, используемые в качестве входных данных, можно повысить точность и эффективность модели и избежать ее чрезмерного обучения. Одним из основных текстовых источников является Twitter. Соцсеть содержит множество информации, которую можно использовать для создания моделей МО, помогающих решать различные задачи, такие как анализ настроений, тематическая классификация и многие другие. Чтобы обучить модель МО на данных твитов, сначала нужно извлечь из них признаки. Рассмотрим различные типы признаков, которые можно извлечь из твитов, и способы их получения в Python. ▪Читать @data_analysis_ml
03 مارس 2023, 05:16

Получите надежную базу для быстрого старта в сфере data science: обучим в онлайн-формате за 2 месяца полностью бесплатно. 📚
Получите надежную базу для быстрого старта в сфере data science: обучим в онлайн-формате за 2 месяца полностью бесплатно. 📚 Официальный образовательный партнер Томского государственного университета 💰 Преподаватели-практики с выдающимся профессиональным опытом в своей области 🙌 Увлеченное коммьюнити и новые полезные контакты 🎓 Диплом о профессиональной переподготовке установленного образца 💻 Удобная обучающая платформа 🙍‍♀️ Поддержка тьютора в зачислении и обучении Кто может участвовать? — Студенты старшего курса и выпускники — Женщины в декрете и мамы детей до 7 лет — Безработные и лица под риском увольнения и другие категории граждан. Подробные условия — на нашем сайте. Ближайший поток стартует уже в марте! 🚀 Подайте заявку прямо сейчас: https://clck.ru/33fqHw
03 مارس 2023, 03:16
10 مارس 2023, ~01:56

🔎 13 Инструкций SQL для решения 90% ваших задач по обработке данных Независимо от того, являетесь ли вы новичком в SQL или и
🔎 13 Инструкций SQL для решения 90% ваших задач по обработке данных Независимо от того, являетесь ли вы новичком в SQL или имеете некоторый опыт работы с ним, эта статья предоставит вам ценную информацию для подготовки к интервью и практические советы по работе с данными . ▪ Статья @data_analysis_ml
01 مارس 2023, 11:01

ИИшница уже завтра! 🍳 Институт AIRI проводит ИИшницы – митапы для исследователей, ML-инженеров и DSов. Расписание митапа уже
ИИшница уже завтра! 🍳 Институт AIRI проводит ИИшницы – митапы для исследователей, ML-инженеров и DSов. Расписание митапа уже в канале AIRI. Подписывайтесь, чтобы не пропускать новые события. На ИИшницах разбирают статьи с конференций уровня NeurIPS вместе с авторами, обсуждают применение технологий ИИ и отвечают на вопросы слушателей 👾
01 مارس 2023, 10:01
08 مارس 2023, ~10:22

🖥 Подбор гиперпараметров модели машинного обучения в PySpark Сегодня я расскажу, как с помощью библиотеки ML Tuning осуществ
🖥 Подбор гиперпараметров модели машинного обучения в PySpark Сегодня я расскажу, как с помощью библиотеки ML Tuning осуществить подбор гиперпараметров модели GBTRegressor в PySpark. Apache Spark реализован на языке программирования Scala, который выполняется на JVM (Java Virtual Machine). Чтобы получить функциональность Spark в Python, используется PySpark. Поэтому те, кто не знаком со Scala, но знаком с Python, могут запросто использовать возможности фрейвморка Apache Spark. • Читать @data_analysis_ml
01 مارس 2023, 05:01