Знакомый хороший ML специалист из EPAM рекомендует такие ресурсы:
Core ML and statistic:

1. Тревор Хасти "Основы статистического обучения"

2. Орель Жерон "Прикладное машинное обучение с помощью Scikit-Learn и Tensorflow"

3. Курс "Основы статистики. Часть 1" https://stepik.org/course/76

4. Курс "Основы статистики. Часть 2" https://stepik.org/course/524

5. Курс "Основы статистики. Часть 3" https://stepik.org/course/2152

6. Курс "Введение в Data Science и машинное обучение" https://stepik.org/course/4852

7. Курс "Машинное обучение и анализ данных" https://www.coursera.org/specializations/machine-learning-data-analysis

8. Специализация "Advanced Machine Learning Specialization" https://www.coursera.org/specializations/aml

9. Специализация "Data Science Specialization" https://www.coursera.org/specializations/jhu-data-science

10. Цикл курсов от ODS https://mlcourse.ai/


Deep Learning:

1. Николенко "Глубокое обучение"

2. Франсуа Шоле "Глубокое обучение на Python"

3. Ян Гудфеллоу "Глубокое обучение"

4. Курс "Нейронные сети и компьютерное зрение" https://stepik.org/course/50352/promo

5. Курс "Нейронные сети и обработка текста" https://stepik.org/course/54098/promo

6. Специализация "Deep Learning Specialization" https://www.coursera.org/specializations/deep-learning

7. Специализация "Advanced Machine Learning with TensorFlow on Google Cloud Platform Specialization" https://www.coursera.org/specializations/advanced-machine-learning-tensorflow-gcp

8. Цикл курсов от ODS https://dlcourse.ai/

https://t.me/datajobs/352348

#Курс A2nced про DS/ML в маркетинге
▫️ Даты обучения: 13-17 ноября 2023 г.
▫️ Формат: онлайн (10:00-14:00 по Москве).

Cкоро запускается новый поток нашего интенсива «Продвинутая аналитика и машинное обучение в маркетинге», пока еще есть места.

Преподаватели — наши активные спикеры NoML:
▫️ Дмитрий Забавин, архитектор решений Data Science практики GlowByte Advanced Analytics.
▫️ Вадим Глухов, ведущий консультант направления клиентской аналитики практики GlowByte Advanced Analytics.

В программе интенсива:
▫️ Жизненный цикл клиента. Универсальный пайплайн обучения модели. Подготовка и оценка результатов пилота.
▫️ Оценка склонности клиента к продукту. Естественный трафик. Целевой трафик. Клиенты без истории.
▫️ Отклик клиента на продукт.
▫️ Отток клиентов. Определение оттока. Идентификация оттока. Удержание и реактивация клиентов.
▫️ Оценка эффекта модели.
▫️ Также наши эксперты поделятся профессиональными секретами эффективного решения этих задач исходя из опыта проектов GlowByte.

Интенсив подойдет:
▫️ Специалистам DS, желающим освоить предметную область клиентской аналитики.
▫️ Маркетинговым / продуктовым аналитикам, маркетологам, PO, PM, желающим погрузиться в область DS.
▫️ И всем специалистам, которые интересуются областью Data Science и хотят расширить свой кругозор эффективными приложениями ML/DS в решении различных бизнес-задач.

Вас ждет:
▫️ 5 дней обучения, 20 академических часов;
▫️ Живая беседа в формате вопрос-ответ в период обучения с преподавателями;
▫️ Практические задания по пройденному материалу;
▫️ 2 месяца доступ к записям и материалам обучения;
▫️ Сертификат от A2nced x GlowByte (это вам не диплом MIT);

Подробнее о программе→

Курс платный, узнать больше и записаться можно у Людмилы Локтевой @ldMiila.

https://t.me/noml_community/5020/6879

Всем привет!
Скоро мы анонсируем новый сезон курсов, а пока присоединяйтесь к чату сообщества в Mattermost 🙌

🔥ОТКРЫТА РЕГИСТРАЦИЯ НА КУРС🔥
MLOps и production в DS исследованиях 3.0

18 марта 2024г при поддержке Open Data Science стартует запуск, открытого онлайн курса MLOps и production в DS исследованиях 3.0!

Мы учли ваши пожелания и предложения, внесли доработки, дополнили контент, разнообразили домашние задания, а так же, пригласили новых спикеров!

В рамках курса вы:
🤓Познакомитесь с концепцией воспроизводимых исследований;
🤓Научитесь автоматизировать процесс проведения стандартизированных исследований;
🤓Узнаете о методах организации командной работы над ML-проектами;
🤓Получите практические рекомендации по работе с кодом в DS исследованиях;
🤓Изучите полезные инструменты для автоматизации и обеспечения воспроизводимости исследований.

Следить за новостями, а так же, задавать любые вопросы, связанные с курсом, можно в нашем telegram чате для участников курса!

По всем вопросам @irinka_bekker

Компетенции DS-инженеров в Авито
https://github.com/avito-tech/playbook/blob/master/ds-skills.md

Друзья, привет! Ищем спикеров на офлайн DataFest - Сочи. Планируем проводить в период: 26 мая - 2 июня предварительно на площадке Университета Сириус.

Для участия мне в личку:
- Компани/должность
- Тема доклада
- Короткое описание доклада

Тут мой старый знакомый, Александр Червов, автор sberloga, делает какой-то большой научный проект по нейронкам, которые собирают кубик рубика

👨‍🔬 Проект

В общем, ему нужны волонтёры для написания моделей и проведения экспериментов. Взамен вы получите опыт написания реальных RL, DL, ML моделей под наставничеством Александра. Участникам проекта нужно будет проводить эксперименты и создавать модели аналогичные AlphaGo для теории групп, например для группы кубика Рубика.

📜 Что вам это даст

- Реальный опыт работы с RL, DL, ML
- Ценный пункт в вашем резюме, который подчеркнет ваш профессионализм и знания в области
- Инсайты можно будет опубликовать в научной статье для научного журнала

💌 Пишите Саше Червову

Релиз NumPy 2.0.0

16 июня 2024 года состоялся релиз стабильной версии Python-библиотеки для научных вычислений #NumPy 2.0.0. Это первый значительный релиз открытого проекта с 2006 года.

По информации OpenNET, наиболее крупное нарушение совместимости в релизе NumPy 2.0.0 связано с сохранением точности скалярных выражений, например, "np.float32(3) + 3" теперь вернёт значение с типом float32, а не float64, а в выражениях с несколькими типами для результата будет использован тип с наивысшей точностью, то есть "np.array([3], dtype=np.float32) + np.float64(3)" вернёт значение с типом float64.

https://t.me/dataexplorers/332 #release