Sberloga

Уже не новость, что Docker hub перестал работать в России И сразу же начали появляться зеркала, чтобы все работало, например хуёкер.io В принципе какое решение, такое и название🤣 А вот чего я еще не встречал, так это российские аналоги докера: Коробки — российский аналог Docker Ну что, на Коробки переходим? 🤣

🤪 Это уже AGI?

Друг из сообщества написал статью о том как начать работать с GNN для временных рядов. В комментариях можно найти ссылки на статьи, книги, доки. 👏 Лайк, репост статьи приветствуются 👍 https://www.linkedin.com/posts/nikita-iserson_graphneuralnetworks-gnn-timeseriesforecasting-activity-7199312050571866113-kImK

Секция Career от Reliable ML на Data Fest 2024 25 мая в офисе VK, Москва Всем привет! Есть у нас с Димой такая традиция, каждый год в конце мая мы организуем секцию Reliable ML на Data Fest. А в этом году делаем аж три секции. А все почему? Потому что очень много крутых докладов. Приходите послушать и обсудить! Публикуем расписание секции Карьера, которая пройдет 25 мая офлайн в офисе VK в Москве. Сначала поговорим с вами о рынке труда и карьерных вопросах со стороны работника/кандидата, а потом - со стороны руководителей команд. Регистрация на площадку на 25 мая тут. В этот же день после обеда будет вторая наша офлайн секция - Data Strategy. Расписание опубликуем чуть позже. Ваш @Reliable ML #datafest #offline #ods #career #reliable_ml #business

💻 Улучшаем навыки программирования! 💬 Уже занимаюсь DS наверное лет 10, еще с тех пор когда слова "Data Science" даже не употреблялись. И, как мне видится, за все это время мало что изменилось с точки зрения написания кода - сложно читаемый, не воспроизводимый и непригодный для использования в production-системах. Кроме этого выявляются многочисленные проблемы, такие как нарушение логики, лики, ошибки реализации тех или иных функций которые в конечном счете влияют на результат. 💬 Хочу поговорить о том как можно улучшить свои скилы в плане написания production ready кода. Ниже представлены несколько ресурсов, которые помогут систематизировать информацию, понять текущие пробелы в знаниях и начать их изучение: 1⃣ https://goodresearch.dev/ Сайт с базовыми знаниями о том как создавать и вести любой научный проект. От создания структуры проекта, работы с git, написание кода, документации, тестов и т.д. Кратко, понятно, а главное все по делу. Где нужно - есть дополнительные ссылки с более детальной информацией. В общем если вы видели в своей жизни только jupyter notebook и не знаете с чего начать более сложный проект - начните с этого сайта. 2⃣ https://refactoring.guru/ Паттерны проектирования - нужно знать. Вы же на python код пишите все-таки. Кроме этого есть отдельный раздел по рефакторингу кода, который содержит типичные ошибки при написании кода и принципы которые помогут избегать их. У меня сложная история с изучением этого материала, связанная с написанием проекта по парсингу документов судебных решений. История полная боли, ошибок, самоосознания насколько фиговый код я пишу, и в итоге - переписыванием кода с нуля, причем 2 или 3 раза. После переработки, код стал чище, понятнее, а главное - можно было легко его доработать. Мой совет - изучите тему, даже если не все запомните, при реализации проекта вам будут приходить правильные мысли и возможно не потратите уйму времени на переписывание собственного кода. 3⃣ Lott Phillips - Python Object Oriented Programming 4th Edition (2021, Packt) ООП в python. Конечно я считаю, что посмотрев 2 скринкаста ниже можно основную информацию подчерпнуть сразу потратив всего 2 часа https://www.youtube.com/watch?v=r1Y7m5bB7l8 https://www.youtube.com/watch?v=Eetg5HIxNow Прочитать книгу все равно рекомендую если вы хотите улучшить свои хард скилы 4⃣ Luciano Ramalho - Fluent Python- Clear, Concise, and Effective Programming (2022, O'Reilly Media) Думаю эта книга станет отличным дополнением для людей которые уже знают python и хотят узнать что-то новое. Там с первых строк будет понятно, что книга не для новичка - concurrency, async, метапрограммирование, датаклассы, ООП, функции, структуры данных. Вас ждет погружение в мир Python на максималках 🧑‍💻 Напишите в комментах свои рекомендации и чем вы пользовались

🔎 Ищешь работу в сфере аналитики, датасаенса или дата инженерии? Тогда подписывайся на канал в Telegram - Sberlogajobs! 📊 У нас публикуются только актуальные вакансии от ведущих компаний. Мы поможем тебе найти работу мечты! 💼 Подписывайся прямо сейчас: https://t.me/sberlogajobs Не упусти свой шанс на успешное трудоустройство! 😉 #vacancy #jobsearch #analytics #datascience #dataengineering

Митап Победителей в Лотерею 27 февраля! Всем привет! Как вы, возможно, знаете Гипотеза Лотерейного Билета предполагает, что в нейросетях можно найти мощные подсети, способные обучаться не хуже полных сетей. Наши друзья погрузились в тему и хотят рассказать об этом. Приходите на наш митап, чтобы узнать о том, как можно выявить и оптимизировать такие подсети, и как это открывает двери к нейросетям следующего поколения. 🚀 🔍 Что будет на митапе: - Узнаем какой прогресс по этой теме существует в мире. - Посмотрим на работу с подсетью MobileNet_V3, потерявшей половину весов и менее 1% accuracy без дообучения весов. - Откроем черный ящик нейросетей и разберемся, что происходит внутри. - Поговорим про перспективы и возможности для разработки совсем иных нейросетей с меньшим количеством параметров, но с гораздо большими возможностями. На мероприятии выступят: - Голощапов Владислав (независимый исследователь) - Денис Кузнеделев (Сколтех, Центр технологий искусственного интеллекта, Резидент исследовательского отдела ООО «ЯНДЕКС», лауреат Yandex ML Prize) 🌟 Доклады: 1. Ансамбль синапсов – структурная единица нейронной сети (Влад Голощапов) 2. История Оптимального хирурга для спарсификации нейронных сетей, в теории и на практике (Денис Кузнеделев) 3. Глубокий анализ полезности весов - путь к успешному прунингу (Влад Голощапов) 4. Как извлечь пользу из прунинга. Нейросети с адаптивно обучаемой архитектурой (Влад Голощапов) Обязательная регистрация по ссылке 📅 27.02.2024 🕓 18:00 - 22:00 📍 Точка кипения ODS Moscow