Работу с ML-моделями можно автоматизировать — такой подход называется AutoML. Как это сделать? Узнайте 18 октября на вебинаре VK Cloud!

Один из спикеров — Александр Волынский, преподаватель курса «Инженер данных», технический менеджер продукта, VK Cloud. Также на вебинаре выступит Николай Никитин, руководитель направления AutoML, NSS Lab ИТМО.

На вебинаре:

● поговорим, когда и для каких задач использовать AutoML;

● обсудим машинное обучение в облаке: разберём инструменты и инфраструктуру для быстрого запуска проектов и экономии затрат;

● Рассмотрим AutoML на базе Open-Source на примере фреймворка FEDOT от ИТМО.

В конце вебинара можно будет задать вопросы спикерам.

Вебинар пройдёт 18 октября в 17:00.

[Зарегистрироваться]

Как презентовать свои скиллы на собеседовании, если вы ищете первую работу?

Показать работодателю свой пет-проект! Так вы сможете выделиться среди большого количества кандидатов, а работодатель сможет увидеть примеры вашей работы.

Куратор курса Start ML Нерсес Багиян рассказал, на что стоит обратить внимание при оформлении пет-проекта. Делимся кратким чек-листом:

Прежде, чем выкладывать проект на GitHub, убедитесь, что:

● У проекта есть понятное и подробное описание, в котором указано, для чего он нужен и какие задачи вы решали.

● Код аккуратно логически разобран по файлам, как для тренировки модели, так и для её применения.

● Вы создали демо-версию, которая позволяет посмотреть, как работает проект, не запуская код.

● Вы провели грамотную работу с окружением: описали документацию для создания такого же окружения или даже завернули всё в Docker

Существует пласт задач машинного обучения, с которым классические ML-модели справляются с трудом. Это в первую очередь общие проблемы, не имеющие конкретного решения: например, генерация осмысленного текста или изображения по описанию.

Один из вариантов решения — нейронные сети. О них мы и хотим рассказать в этой статье.

«Папа хотел, чтобы я пошёл в налоговую полицию, но я сказал, что буду инженером»

Сегодня у нас в гостях Саша Гребенюк — проджект в Яндекс.Драйве. Поговорили с Сашей о мотивации, работе с моряками и обучении иностранцев без знания языка. А ещё обсудили, как не попасть в Яндекс, поработать в Лаосе, устроиться в HelpDesk Яндекса, уйти оттуда и вернуться обратно, но уже в Яндекс.Драйв.

[Смотреть]
[Слушать]

Программа System Design запустилась не так давно, и для того, чтобы вы лучше понимали, что на ней происходит, мы решили провести Q&A сессию.

25 октября в 20:00 (по Москве) Валерий Бабушкин ответит на ваши вопросы о курсе по проектированию систем и поделится историями из собственной практики.

Готовьте вопросы и подключайтесь!

[Зарегистрироваться на сессию]

Оплате из-за рубежа — быть!

Рады поделиться с вами новостью, что обучение в нашей школе стало доступно не только обладателям карт российских банков: теперь мы принимаем платежи через PayPal, а также можем сделать счёт на оплату.

Как этим воспользоваться? Оставьте заявку на сайте интересующей вас программы с пометкой «зарубежная оплата». С вами свяжется команда продаж и поможет приобрести курс.

Оплата через PayPal — наиболее быстрый способ. При оплате по выставленному счёту скорость обработки платежа зависит от условий вашего банка, и операция может затянуться. Поэтому если хотите успеть на уже стартовавшие потоки — лучше не откладывать, ведь теперь ничто не остановит вас на пути к знаниям :)

Сегодня стартуют сразу две программы — «Аналитик данных» и «Симулятор аналитика»

«Аналитик данных» подойдёт тем, кто только начинает свой путь в Data Science, а также Junior аналитикам, которые хотят углубить свои знания и освоить новые инструменты

[Присоединиться]

«Симулятор аналитика» — это минимум теории и максимум практики. На пять недель вы погрузитесь в полноценный рабочий процесс и наберётесь опыта в решении реальных бизнес-задач.

Симулятор не подойдёт новичкам, но может стать хорошим продолжением учебного трека после «Аналитика данных».

[Начать учиться]

Однажды мы уже работали с Superset — тогда Анатолий показывал основные возможности этого инструмента.

Давайте же теперь рассмотрим, как его запустить на своём компьютере. На этом уроке мы поднимем Superset, а также базы данных PostgreSQL и ClickHouse.

Для этого воспользуемся Docker:

● создадим тома и сеть, поднимем контейнеры;
● подключим базы данных к Superset и напишем несколько простейших SQL-запросов;
● поднимем контейнер с PostgreSQL так, чтобы можно было записать в него данные через программу (например, с помощью бота);
● после работы удалим контейнеры и тома.

Знание английского не только помогает в работе, но и значительно расширяет список компаний для трудоустройства — зная язык, можно претендовать на оффер от зарубежной компании. А подтянуть статистику никогда не будет лишним.

Предлагаем совместить два в одном! Собрали проверенные YouTube-каналы, которые подойдут как новичкам, так и опытным специалистам 👇

● StatQuest with Josh Starmer

Каждое видео на канале — это небольшой квест, раскрывающий определённую тему из мира статистики. Уникальная подача материала, юмор, последовательное объяснение сложных вещей простым языком — буквально на пальцах. Всё это сопровождается наглядными примерами и визуализацией.

У автора канала есть свой сайт с удобной навигацией по каналу. Если вы только начинаете изучать статистику, рекомендуем придерживаться её. А для опытных дата-сайентистов есть целые плейлисты, посвящённые ML-моделям и нейросетям.

● Brandon Foltz

Канал с уроками по основам теории вероятностей и статистики, который подойдет тем, кто только начинает знакомиться с этой областью.

Что такое мода и медиана? Как строится гистограмма? Как проводятся статистические тесты и для чего нужны линейные модели? Все эти вопросы последовательно раскрываются автором канала — каждая тема подкреплена большим количеством практических примеров с визуализацией, а к некоторым урокам приложены наглядные расчёты в Excel.

Важные достоинства курса Statistics 101 — целостность и структурированность. У каждой большой темы есть свой плейлист — рекомендуем изучать всё по порядку.

● zedstatistics

Канал посвящён наиболее популярным темам и сложным вопросам в области статистики. По сути это сборник полезных видео, проливающих свет на отдельные понятия и проблемы, который можно использовать для более глубокого погружения в предметную область.

Если в процессе обучения что-то осталось непонятным или вас заинтересовала определённая тема и вы хотите лучше в ней разобраться, можно поискать ответы на свои вопросы здесь.

● Professor Leonard

Хотите почувствовать себя студентом зарубежного колледжа? Соскучились по парам в университете или хотите узнать, что это такое? Тогда этот канал для вас!

Увлекательные живые лекции от профессора математики с подробным объяснением теории в мельчайших подробностях. Если у вас достаточно свободного времени и вам ближе именно такой формат обучения, а не сжатое объяснение ключевых понятий — рекомендуем присмотреться к этим видео.

На канале есть отдельный курс по статистике с нуля, а также лекции по высшей математике — для тех, кто хочет вспомнить её или изучить с нуля.

● The Organic Chemistry Tutor

Ещё один отличный плейлист по основам статистики от The Organic Chemistry Tutor. Автор раскрывает наиболее важные темы, подкрепляя объяснение наглядными расчётами, графиками и диаграммами. Самое то, чтобы в нужный момент быстро пробежаться по ключевым понятиям и вспомнить формулы — например, перед собеседованием.

Канал посвящён самым разным наукам: химии, физике, биологии. Здесь можно найти и видео по математике, по которым удобно повторять азы и изучать более продвинутые темы.

Как измерить результат и оценить эффективность новых фич для IT и бизнеса? Построить надёжную платформу A/B-тестирования!

А чтобы сделать это быстрее и избежать возможных ошибок, можно опереться на опыт коллег. Ozon Tech рассказали, как они построили платформу для проведения A/B-тестов, выявили проблемы инфраструктуры и существенно ускорили работу всего Ozon.

[Читать статью]

Для тех, кто хочет углубиться в тему, мы собрали материалы для работы с A/B-тестами.

Заканчиваем вечер Q&A-сессией по курсу System Design! Хорошие новости: вести его будет не только Валерий Бабушкин, но и преподаватель программы Евгений Нижибицикй.


Присоединяйтесь, чтобы задать интересующие вас вопросы и послушать истории из практики авторов курса.

[Начинаем через час!]

В блоке «Визуализация» на курсе «Аналитик данных» мы учим делать классные дашборды и даём основы работы с Tableau. Многие переживают, актуален ли этот инструмент. Во-первых, зная Tableau, легко обучиться и другим BI-системам. А во-вторых, мы всегда обновляем наши программы вслед за изменениями Data Science!

Поэтому мы добавили в программу курса большую лекцию с обзором нескольких аналогов, которые используют российские компании. А с вами хотим бесплатно поделиться лекциями об одном из таких инструментов — DataLens от Яндекса.

Всё самое интересное по ссылкам:

● Как подключать данные
● Как создавать чарты и расчётные поля
● Как работать с дашбордами, селекторами и параметрами

Полный блок с обзором других инструментов доступен на всех потоках курса «Аналитик данных».

Как тренировать навыки, закрывать пробелы в знаниях и готовиться к техническим собеседованиям? Курсы и видео на YouTube — это хорошо, но не стоит ограничиваться только этими источниками. Мы собрали сайты, где вы можете потренироваться в написании кода на Python и SQL.

● InterviewBit

Платформа для подготовки к техническим интервью. Внутри — вопросы, которые можно услышать на собеседованиях в такие компании, как Google, Facebook и Amazon. В зависимости от вашего уровня и целей сервис составит оптимальный план подготовки и подберёт наиболее подходящие задачи.

● StrataScratch

Сервис, созданный специально для тренировки навыков, востребованных в сфере Data Science. Здесь можно целенаправленно готовиться к собеседованиям либо просто прорабатывать слабые места — на сайте есть более тысячи реальных вопросов с интервью в BigTech компании.

● CodeWars

На Codewars можно практиковаться в написании кода на более чем 55 языках программирования. Задачи будут подобраны под ваш грейд, и по мере выполнения он будет повышаться. Также после отправки ответа у вас будет возможность посмотреть решения других пользователей.

● CodeChef

Особенность CodeChef заключается в том, что помимо решения задач пользователи могут участвовать в ежемесячных соревнованиях, продвигаться в таблице рейтинга и даже получать призы! Соревновательный дух может стать сильной мотивацией :)

● Py.Checkio

Py.Checkio — необычный сервис, где можно учиться писать код на Python в игровом формате. По мере выполнения заданий вы будете открывать новые локации и переходить к более сложным задачам.

● LeetCode

Идеальная платформа для тех, кто только начинает свой путь в IT. LeetCode позволяет решать задачи разных уровней сложности, отслеживать прогресс готовиться к техническим интервью и изучать решения опытных программистов. По праву считается одним из самых популярных тренажёров для развития профессиональных навыков.

Всем привет! На связи karpovꓸcourses

Помним, мы обещали встречу с Анатолием Карповым в Ереване... освобождайте эту субботу, будем знакомиться!

Часть нашей команды сейчас находится в Армении, поэтому помимо обещанных историй о работе Анатолия в аналитике и ответов на вопросы, будем делиться «инсайдами» от ребят, участвующих в создании, запуске и поддержке курсов.

29 октября, с 14:00 до 17:00 (по местному времени) ждём всех желающих в Библиотеке Мирзояна 🧡

А если боитесь потеряться – добавляйтесь в чат встречи [по ссылке]

Пройти курс «Аналитик данных» с нуля, найти работу, пойти учиться на дата-инженера и получить оффер с зарплатой вдвое выше.

Именно такой путь прошёл выпускник программ «Аналитик данных» и «Инженер данных» Александр Глухов. Мы узнали у Александра, почему он выбрал дата-инженерию и какие навыки помогают ему на новом месте. Делимся его отзывом 👇

На момент, когда началось обучение на курсе, я уже заканчивал курс «Аналитик данных» от karpovꓸcourses и работал около трёх месяцев на должности аналитика данных в крупном офлайн-ритейле.

Решил пойти на дата-инженерию, выбирал между ней и Data Science (ML), так как было интересно расти дальше. Для меня это первый опыт работы в сфере IT, моё профильное образование совершенно другое — инженер-конструктор в области машиностроения.

Курс — бомба. Честно. Сейчас, уже работая инженером данных, я добрался до middle-позиции и, оглядываясь назад, могу сказать, что я безумно благодарен за курс. Всего за несколько месяцев я сумел найти работу инженером данных, увеличил зарплату в два раза (по сравнению с аналитиком) и до сих пор использую стек технологий, который был на программе.

Более того, сейчас на текущей работе я даже внедряю некоторые инструменты, с которыми познакомился на курсе, отвечаю за их настройку и обучаю других ребят.

Конечно, уже сейчас, спустя несколько месяцев работы, я мог бы найти какие-то «минусы», придраться к тому, что иногда не хватало более глубоких примеров и боевых задач (а ещё лучше — сквозного проекта, который научил бы студентов всей Data Lineage: от источника до потребителя). Но эта придирка была бы с моей стороны не совсем корректна, если учесть, что курс практически с нуля ведёт до Junior+. Кстати, я до сих пор обращаюсь к некоторым преподавателям за советом.

Резюме: я очень доволен курсом, не жалею ни секунды о потраченных ресурсах и времени. Более того, с удовольствием бы продолжил обучение актуальным open source инструментам и технологиям, так как в нашей стране всё-таки дата-инженер — это некий мастер на все руки, и конкретно мне нужно ещё очень многое изучить и переварить.

В частности, жду курса по Docker, и поглядываю в целом за новыми направлениями у karpov.courses.

Всем рекомендую курс, но предупреждаю: здесь придётся пахать, читать, спрашивать, а уж когда будет Big Data и облака — ух! :) Эмоций будет море, но оно того стоит.