Data Portal | DS & ML

11 наиболее важных распределений, используемых в DS Статистические модели предполагают существование некоторого процесса генерации данных. Основываясь на предполагаемом процессе генерации данных, мы можем: — Сформулировать шаг максимального правдоподобия (MLE); — Определить оценки максимального правдоподобия. В результате производительность модели полностью зависит от: — Вашего понимания процесса генерации данных; — Выбранного распределения для моделирования данных, что, в свою очередь, зависит от знания различных распределений. Таким образом, крайне важно знать некоторые из наиболее значимых распределений и тип данных, который они могут моделировать. Ниже приведены 11 наиболее важных распределений в Data Science:

C: Непрерывное (Continuous) D: Дискретное (Discrete)

1) Нормальное распределение (C) 🔹Наиболее распространённое в Data Science. 🔹Характеризуется симметричной колоколообразной кривой. 🔹Пример: рост людей. 2) Распределение Бернулли (D) 🔹Моделирует исход бинарного события. 🔹Пример: подбрасывание монеты. 3) Биномиальное распределение (D) 🔹Повторение распределения Бернулли несколько раз. 🔹Моделирует количество успехов в независимых испытаниях Бернулли. 4) Распределение Пуассона (D) 🔹Моделирует количество событий, происходящих за фиксированный интервал времени или пространства. 🔹Пример: количество голов, забитых командой. 5) Экспоненциальное распределение (C) 🔹Моделирует время между событиями в процессе Пуассона. 🔹Пример: время между голами, забитыми командой. 6) Гамма-распределение (C) 🔹Вариация экспоненциального распределения. 🔹Моделирует время ожидания для определённого количества событий в процессе Пуассона. 🔹Пример: время, необходимое для забития трёх голов. 7) Бета-распределение (C) 🔹Моделирует вероятности. 🔹В отличие от биномиального распределения, где вероятность является параметром, в бета-распределении вероятность — это случайная величина. 8) Равномерное распределение (C/D) 🔹Все исходы в заданном диапазоне равновероятны. 9) Распределение Стьюдента (C) 🔹Похоже на нормальное распределение, но с более длинными хвостами. 🔹Используется в t-SNE для моделирования парных сходств в низкоразмерном пространстве. 10) Лог-нормальное распределение (C) 🔹Логарифм случайной величины следует нормальному распределению. 🔹Применяется для моделирования распределений с правосторонней асимметрией. 11) Распределение Вейбулла (C) 🔹Моделирует время ожидания до наступления события. 🔹Часто используется для анализа времени до отказа. 👉 @DataSciencegx

Вам нравится читать контент на этом канале? Возможно, вы задумывались о том, чтобы купить на нем интеграцию? Следуйте 3 простым шагам, чтобы сделать это: 1) Нажмите на ссылку: Вход 2) Пополняйтесь удобным способом 3) Размещайте публикацию Если тематика вашего поста подойдет нашему каналу, мы с удовольствием опубликуем его.

Ускорьте Python в 50 раз за 4 простых шага По умолчанию интерпретатор Python, CPython, работает медленно, в основном из-за своей динамичности. После определения переменной с определённым типом её можно изменить на другой. Эти динамические манипуляции приводят к дополнительным затратам на выполнение и память. Чтобы ускорить работу, используйте модуль Cython. Он превращает код Python в C, делая его быстрым и эффективным. Вот как использовать модуль Cython: 1) Загрузите модуль Cython: %load_ext Cython 2) Добавьте магическую команду Cython 3) Указывайте типы данных параметров при использовании функций 4) Определяйте каждую переменную с помощью ключевого слова cdef и указывайте её тип данных Вот и всё! Теперь ваш код будет работать с ускорением до скорости нативного машинного кода, как показано на картинке. 👉 @DataSciencegx

Почему DeepSeek Janus-7B — это нечто действительно невероятное В статье рассматриваются ключевые особенности новой мультимодальной модели DeepSeek Janus-7B, которая, по заявлениям, превосходит популярные AI-инструменты, такие как DALL-E 3 и Stable Diffusion. Подробно анализируются её уникальные технические решения и возможности. 🔜 Читать статью 👉 @DataSciencegx | #cтатья

Совет IT-спецам на 2025 год - чаще посещайте тематические мероприятия Зачем тратить время на Ютубчик, когда можно интересно проводить время, при этом развивая свои навыки! А чтобы не гуглить афиши и не подписываться на сотню разных каналов, IT-мероприятия России уже собрали все самые топовые события в одном месте. Оффлайн и онлайн, для разных специальностей и уровней знаний. 👨🏻‍💻 В этом канале ты найдешь самые актуальные и интересные события: анонсы форумов, конференций, митапов, вебинаров, хакатонов, олимпиад и многое другое. Присоединяйся к комьюнити лучших спецов и заново влюбись в свою работу: IT мероприятия России / ITMeeting / IT events

bRAG: Серия уроков по RAG Открытое руководство, которое проведет вас от основ RAG до продвинутых реализаций. Уроки насыщены практическими примерами, которые помогут вам создавать готовые к продакшену системы RAG с применением новейших технологий, таких как CRAG и многовекторный поиск. 👉 https://github.com/bRAGAI/bRAG-langchain 👉 @DataSciencegx | #ресурсы

«Комбинаторика для начинающих» — бесплатный курс на «Степике» Курс предназначен для начинающих, которые хотят освоить основы комбинаторики с нуля, а также для тех, кто когда-то изучал этот раздел математики, но нуждается в обновлении и систематизации знаний. Включает разделы: 🔸Правило сложения и умножения. Принцип Дирихле 🔸Основные комбинаторные величины и их свойства 🔸Сочетания с повторениями и без 🔸Комбинаторные тождества 🔸Полиномиальные коэффициенты 🔸Формула включений и исключений 🔸Выравнивания 👉 Ссылка на курс 👉 @DataSciencegx | #ресурсы

⚡ Kali LInux — канал-гайд, который научит тебя хакингу и защите информации с нуля. Это кладезь полезной информации, первоисточник того, что появляется в платных гайдах и курсах. •Лучшие бесплатные курсы и книги по Этичному Хакингу и Информационной Безопасности. • Полезный репозиторий с подборкой ресурсов по хакингу • Где изучать Linux и хакинг. Бесплатные курсы •Виртуальная машина Linux для #OSINT на базе Ubuntu. •Целая папка полезных ресурсов для Хакеров и многое другое 🔈 Подписывайся, это самый простой способ научиться хакингу: @linuxkalii

Отличный ресурс для изучения SQL — SQL Squid Game

Вы — новоиспечённый дата-сайентист в загадочной организации. Ваш босс, Фронтмен, требует от вас решения бизнес-задач с помощью SQL. Не справитесь — ☠️

9 уровней, растущая сложность, а заодно — отличная прокачка навыков. Не уверены в силах? На сайте есть 33 урока, чтобы подтянуть SQL перед стартом Держите ссылку: https://datalemur.com/sql-game 👉 @DataSciencegx | #ресурсы

Gaze-LLE Это модель позволяющая предсказывать куда направлен взгляд человека на видео. Метод поддерживает многопользовательскую инференцию, обрабатывая пакеты изображений с указанием ограничивающих рамок на головы людей. Включены функции визуализации тепловых карт и скрипты для оценки на наборах данных GazeFollow и VideoAttentionTarget, а модели можно легко интегрировать с PyTorch Hub. 👉 https://github.com/fkryan/gazelle 👉 @DataSciencegx | #ресурсы

Гайд по техникам RAG В репозитории собраны материалы по различным способам реализации Retrieval Augmented Generation (RAG). Вот некоторые методы: 🔸Простой RAG с LangChain; 🔸RAG с валидацией данных; 🔸RAG с трансформацией запроса; 🔸Relevant Segment Extraction (RSE); 🔸Сжатие контекста из документов. 👉 Ссылка на репозиторий 👉 @DataSciencegx | #ресурсы

Совет на 2025 год - учите Data Science и Machine learning Все нейросети, базы данных компаний, выявление болезней и многое другое - не обходятся без DS и ML. А чтобы освоиться за несколько месяцев, а не лет, читайте канал Data Science. В нём на пальцах рассказывается, что и как учить, чтобы стать специалистом. Начните 2025 год с освоения новой профессии - devsp

Scientific Computing with Python — бесплатный интерактивный курс Это своего рода учебник от Freecodecamp. Его цель — дать обучающимся навыки анализа и обработки данных с помощью Python. Учебник содержит следующие темы: ⏩работа со строками; ⏩List Comprehension; ⏩основы дизайна алгоритмов; ⏩структуры данных; ⏩классы и объекты. ⛓ Ссылка: тык 👉 @DataSciencegx | #курсы

Советы от эксперта для тех, кто хочет развиваться в области DS и ML На канале школы MLinside вышел подкаст с Алексеем Толстиковым, руководителем ШАД Яндекса. Что внутри: ⏩ Какие навыки важны для работы в Data Science и Machine Learning ⏩ Почему одних технических знаний может не хватить для того, чтобы быть востребованным специалистом ⏩ Роль соревнований и междисциплинарности в развитии карьеры ⏩ Как поступить в ШАД и совмещать учёбу с работой 🔜 Ссылка: тык 👉 @DataSciencegx | #ресурсы

Проектирование систем машинного обучения Автор: Чип Хьюен Год: 2023 ⬇️ Скачать книгу 👉 @DataSciencegx | #книги

🧠 Machine Learning — авторский канал, где собрана вся база по ИИ и машинному обучению. Senior разработчик AI-алгоритмов и автономных агентов, разбирает гайды, редкую литературу и код топовых моделей машинного обучения и искусственного интеллекта. В 2025 году ИИ выйдет на совершенно новый уровень тот, кто не успеет за прогрессом - отстанет, а кто разберется - сорвет куш. Стоит подписаться: t.me/ai_machinelearning_big_data

SQL за 6 недель для дата-сайентистов Опытный дата-сайентист с семилетним стажем создал подробный план изучения SQL, представленный в формате репозитория на GitHub. Каждый этап обучения включает полезные ссылки на обучающие материалы. Вот как выглядит 6-недельная программа: 🔸 Неделя 1: Основы SQL. Научимся извлекать данные из баз данных. 🔸 Неделя 2: Группировка данных с помощью GROUP BY. 🔸 Неделя 3: Разбираем типы JOIN и их применение. 🔸 Неделя 4: Погружаемся в оконные функции. 🔸 Неделя 5: Изучаем CTE и подзапросы. 🔸 Неделя 6: Создаём собственный проект, чтобы закрепить знания. 👉 Дорожная карта на GitHub 👉 @DataSciencegx | #ресурсы

Шпаргалка по методам кодирования категориальных признаков 👉 @DataSciencegx

Автоматизация контакт-центров — тренд или способ увеличить прибыль? Несвоевременное обслуживание клиентов, трудности в коммуникации с клиентами из-за неавтоматизированных систем, ручной ввод данных CRM… И это еще не все проблемы, с которыми сталкиваются менеджеры по обслуживанию клиентов. На бесплатном вебинаре вы познакомитесь с омниканальной платформой контакт-центра и ее ключевыми возможностями. Наш Контакт-центр — это: 🖥 Удобный конструктор для всех задач бизнеса ⏱️ Внедрение за 1-2 месяца 📞 Автообзвон на 140 000 звонков в день при 20 операторах С автоматизацией вы получите: • снижение нагрузки на операторов • работу через все каналы без сложных интеграций • конструктор для решения ваших задач 📅 Присоединяйтесь к вебинару 12 декабря в 13:00 по МСК «Контакт-центр с максимальной выгодой для вашего бизнеса» Мы выгодный контакт для контакт-центра! 👉 Ссылка для регистрации