ML мониторинг и Feature Store
😎Марина Смирнова (Альфа-Банк) и 😎Александр Косов (GlowByte) в своем докладе завтра на митапе затронут важную тему мониторинга стабильности фич и то, как она связана с Feature Store. В связи с этим небольшая подборка статей с Хабра:
📃 Как поссорились Инженер и Ученый - Статья про данные для ML и FeatureStore, 2021 (8 минут).
📃 Каким должен быть Feature Store, чтобы оптимизировать работу с ML-моделями, 2022 (7 минут).
📃 Как не перестать быть data driven из-за data driften, или Пару слов о дрейфе данных, 2022 (13 минут).
Вторая статья в списке по мотивам выступления:
📺 Артём Глазков - Анализ потребности бизнеса в использовании Feature Store, 2022 (38 минут).
Ну и можно пересмотреть наш самый первый очный митап, который был год назад и как раз по теме Feature Store:
📺 Технологии Feature Store (~2 часа).
#FeatureStore
Источник:
https://t.me/noml_community/5019/5087
😎Марина Смирнова (Альфа-Банк) и 😎Александр Косов (GlowByte) в своем докладе завтра на митапе затронут важную тему мониторинга стабильности фич и то, как она связана с Feature Store. В связи с этим небольшая подборка статей с Хабра:
📃 Как поссорились Инженер и Ученый - Статья про данные для ML и FeatureStore, 2021 (8 минут).
📃 Каким должен быть Feature Store, чтобы оптимизировать работу с ML-моделями, 2022 (7 минут).
📃 Как не перестать быть data driven из-за data driften, или Пару слов о дрейфе данных, 2022 (13 минут).
Вторая статья в списке по мотивам выступления:
📺 Артём Глазков - Анализ потребности бизнеса в использовании Feature Store, 2022 (38 минут).
Ну и можно пересмотреть наш самый первый очный митап, который был год назад и как раз по теме Feature Store:
📺 Технологии Feature Store (~2 часа).
#FeatureStore
Источник:
https://t.me/noml_community/5019/5087
Хабр
Как поссорились Инженер и Ученый
Статья про данные для ML и FeatureStore Это материал из цикла статей о ModelOps от команды Advanced Analytics GlowByte. В предыдущих статьях мы уже рассказывали про: 5 столпов MLOps Как...
Инструменты ЖЦМ
А теперь попробуем собрать список специализированных инструментов для управления жизненным циклом моделей - Model Lifecycle Management (MLCM), а также Model Governance (MG) и Model Risk Management (MRM).
Я бы охарактеризовал такие инструменты, во-первых, наличием некоторого workflow-движка, а во-вторых, возможностью собирать в себе модельные артефакты разнообразной природы (данные, код, документы, принятые решения и т.д.).
Если так, то у меня получился такой список:
🔸 SAS Model Risk Management
🔸 FICO Decision Central (по крайней мере как я понял этот инструмент)
🔸 ModelOp (на скриншотах вроде есть workflow)
🔸 Kolmogorov AI Continuity (без комментариев;))
Но вообще у терминов ЖЦМ/MLCM, MG, MRM нет строгого определения, такой функционал позиционируется очень у многих инструментов. Вот пара неожиданных на мой взгляд примеров:
🔹 DataRobot Model Risk Management
🔹 MathWorks Model Risk Management
А про какие инструменты MLCM, MG, MRM знаете вы? Делитесь мыслями в чате, в топике “тема недели”→
P.S.: Кстати, докладчики вчера на митапе так зажгли, что до круглого стола мы не дошли) Так что предлагаю обсудить заявленные темы observability и модельного риска в голосовом чате уже в январе😉
Источник: https://t.me/noml_digest/406
А теперь попробуем собрать список специализированных инструментов для управления жизненным циклом моделей - Model Lifecycle Management (MLCM), а также Model Governance (MG) и Model Risk Management (MRM).
Я бы охарактеризовал такие инструменты, во-первых, наличием некоторого workflow-движка, а во-вторых, возможностью собирать в себе модельные артефакты разнообразной природы (данные, код, документы, принятые решения и т.д.).
Если так, то у меня получился такой список:
🔸 SAS Model Risk Management
🔸 FICO Decision Central (по крайней мере как я понял этот инструмент)
🔸 ModelOp (на скриншотах вроде есть workflow)
🔸 Kolmogorov AI Continuity (без комментариев;))
Но вообще у терминов ЖЦМ/MLCM, MG, MRM нет строгого определения, такой функционал позиционируется очень у многих инструментов. Вот пара неожиданных на мой взгляд примеров:
🔹 DataRobot Model Risk Management
🔹 MathWorks Model Risk Management
А про какие инструменты MLCM, MG, MRM знаете вы? Делитесь мыслями в чате, в топике “тема недели”→
P.S.: Кстати, докладчики вчера на митапе так зажгли, что до круглого стола мы не дошли) Так что предлагаю обсудить заявленные темы observability и модельного риска в голосовом чате уже в январе😉
Источник: https://t.me/noml_digest/406
Sas
Model Risk Management (MRM) Software | SAS
Model Risk Management (MRM) from SAS governs your entire model development and risk management life cycle. Find out how SAS MRM can improve model governance.
Forwarded from Мария
Открыт дополнительный поток курса "Введение в технологии NGS. Работа с данными секвенирования" от PCR.NEWS
Подробности👇🏻
📌КОГДА: 18 февраля - 23 февраля 2023 г.
📌КАК: очно (Москва) / онлайн
📌ГДЕ: @medtechmoscow – место совместной работы научных стартапов для ускорения внедрения инновационных решений.
Программа курса позволит в сжатые сроки получить максимум практических навыков по работе с геномными данными, а знания, приобретенные на нашем курсе, откроют новые карьерные возможности!
Вы изучите работу с базами данных, проведёте анализ результатов секвенирования и самостоятельно соберете геном, аннотируете мутации и освоите множество других навыков!
В программе:
• Обзор технологий секвенирования
• Введение в Linux и анализ данных NGS
• Анализ NGS данных, поиск и аннотация точечных мутаций
• Метагеномика и полногеномное секвенирование, особенности пробоподготовки и анализ данных
• Применение результатов NGS секвенирования в онкологии. Анализ альтернативного сплайсинга
• Анализ экспрессии генов
Курс специально разработан для тех, кто только погружается в сферу NGS. По окончании выдается документ о переквалификации
Успейте забронировать по специальной цене! Скидка 20% действует до 30 декабря 2022 г.
Количество мест ограничено => biomedschool.ru
Подробности👇🏻
📌КОГДА: 18 февраля - 23 февраля 2023 г.
📌КАК: очно (Москва) / онлайн
📌ГДЕ: @medtechmoscow – место совместной работы научных стартапов для ускорения внедрения инновационных решений.
Программа курса позволит в сжатые сроки получить максимум практических навыков по работе с геномными данными, а знания, приобретенные на нашем курсе, откроют новые карьерные возможности!
Вы изучите работу с базами данных, проведёте анализ результатов секвенирования и самостоятельно соберете геном, аннотируете мутации и освоите множество других навыков!
В программе:
• Обзор технологий секвенирования
• Введение в Linux и анализ данных NGS
• Анализ NGS данных, поиск и аннотация точечных мутаций
• Метагеномика и полногеномное секвенирование, особенности пробоподготовки и анализ данных
• Применение результатов NGS секвенирования в онкологии. Анализ альтернативного сплайсинга
• Анализ экспрессии генов
Курс специально разработан для тех, кто только погружается в сферу NGS. По окончании выдается документ о переквалификации
Успейте забронировать по специальной цене! Скидка 20% действует до 30 декабря 2022 г.
Количество мест ограничено => biomedschool.ru
👍1
Как специалисты по анализу данных мы используем Jupyter Notebook практически каждый день – от загрузки данных до создания и развертывания моделей с его помощью.
Мне нравится Jupyter Notebook за её простой и удобный дизайн и при этом Jupyter незаменим для решения любых python-ориентированных задач. В частности, Jupyter поддерживает возможность запуска и тестирование скриптов с множеством датасетов.
Однако, при всей простоте этого инструмента, мы часто склонны совершать ошибки, которые приводят к потере времени и увеличению затрат мощности.
В этой статье мы расскажем о некоторых советах и хитростях, которые должен знать каждый специалист по работе с данными. Эти трюки помогут сэкономить время и увеличить продуктивность работы.
@data_analysis_ml
Please open Telegram to view this post
VIEW IN TELEGRAM
Математика — это краеугольный камень Data Science. Хотя некоторые теоремы, аксиомы и формулы кажутся слишком абстрактными и далекими от практики, на самом деле без них невозможно по-настоящему глубоко анализировать и систематизировать огромные массивы данных.
Для специалиста Data Science важны следующие направления математики:
- статистика;
- теория вероятностей;
- математический анализ;
- линейная алгебра.
@data_analysis_ml
Please open Telegram to view this post
VIEW IN TELEGRAM
🚀 Один из важнейших инструментов MLOps — это MLFlow.
▶️ 12 января в 20:00 мск в рамках онлайн-курса MLOps от OTUS пройдёт открытый урок «MLFlow и переобучение ML-моделей».
✅ На открытом уроке вы узнаете:
🔹 Как экспериментировать сразу с несколькими ML-моделями, с разными гиперпараметрами и при этом не захлебнуться в разнообразии экспериментов.
🔹 Как, проводя регулярное переобучение, получить возможность сравнивать качество работы моделей и выбирать лучший результат.
🔹 Как не потерять накопленный опыт и воспроизводить более ранние эксперименты.
🔹 Как выбирать лучшие варианты для отправки в Prod / Staging среду, при этом делиться информацией и принимать совместное решение в команде.
💻 Спикером выступит преподаватель OTUS Данила Слепов. Он проектирует AI-системы, разрабатывает архитектуру MLOps платформ.
➡️ Для регистрации на вебинар пройдите вступительный тест: https://otus.pw/jCQ9/
Реклама. Информация о рекламодателе на сайте www.otus.ru.
▶️ 12 января в 20:00 мск в рамках онлайн-курса MLOps от OTUS пройдёт открытый урок «MLFlow и переобучение ML-моделей».
✅ На открытом уроке вы узнаете:
🔹 Как экспериментировать сразу с несколькими ML-моделями, с разными гиперпараметрами и при этом не захлебнуться в разнообразии экспериментов.
🔹 Как, проводя регулярное переобучение, получить возможность сравнивать качество работы моделей и выбирать лучший результат.
🔹 Как не потерять накопленный опыт и воспроизводить более ранние эксперименты.
🔹 Как выбирать лучшие варианты для отправки в Prod / Staging среду, при этом делиться информацией и принимать совместное решение в команде.
💻 Спикером выступит преподаватель OTUS Данила Слепов. Он проектирует AI-системы, разрабатывает архитектуру MLOps платформ.
➡️ Для регистрации на вебинар пройдите вступительный тест: https://otus.pw/jCQ9/
Реклама. Информация о рекламодателе на сайте www.otus.ru.
Новогодние праздники – идеальное время для новых знаний 👀
Делимся плейлистами со всеми лекциями образовательных программ AIRI в 2022 году:
▪️Летняя школа RDLS
▪️Летняя школа РАИИ
▪️Конференция
В этом году нас ждет еще больше образовательных программ и мероприятий, обязательно вернемся с новостями!😁
https://t.me/airi_research_institute/178
Делимся плейлистами со всеми лекциями образовательных программ AIRI в 2022 году:
▪️Летняя школа RDLS
▪️Летняя школа РАИИ
▪️Конференция
В этом году нас ждет еще больше образовательных программ и мероприятий, обязательно вернемся с новостями!
https://t.me/airi_research_institute/178
Please open Telegram to view this post
VIEW IN TELEGRAM
Зимняя школа по аналитике и Data Science
28–29 января 2023
Центр непрерывного образования ФКН
Сегодня компании обладают огромными наборами данных о своих клиентах, товарах и транзакциях, поэтому все глубже в разные сферы бизнеса проникают аналитика данных и Data Science.
Приглашаем на школу по аналитике и Data Science всех, кто хочет разобраться:
какие сегодня есть тренды в ИИ и как устроены современные технологии;
как Data Science применяется в разных индустриях;
что нужно изучить, чтобы стать аналитиком данных или специалистом по Data Science;
можно ли стать аналитиком с непрофильным образованием и на что смотрят HR;
почему важны междисциплинарные проекты.
Школа подойдет как тем, кто только решил освоить новую профессию, так и начинающим специалистам.
Школа пройдет очно в Москве в здании Вышки на Покровском бульваре, 11. Участие бесплатное для всех желающих — нужно только зарегистрироваться.
Зарегистрироваться на школу
28–29 января 2023
Центр непрерывного образования ФКН
Сегодня компании обладают огромными наборами данных о своих клиентах, товарах и транзакциях, поэтому все глубже в разные сферы бизнеса проникают аналитика данных и Data Science.
Приглашаем на школу по аналитике и Data Science всех, кто хочет разобраться:
какие сегодня есть тренды в ИИ и как устроены современные технологии;
как Data Science применяется в разных индустриях;
что нужно изучить, чтобы стать аналитиком данных или специалистом по Data Science;
можно ли стать аналитиком с непрофильным образованием и на что смотрят HR;
почему важны междисциплинарные проекты.
Школа подойдет как тем, кто только решил освоить новую профессию, так и начинающим специалистам.
Школа пройдет очно в Москве в здании Вышки на Покровском бульваре, 11. Участие бесплатное для всех желающих — нужно только зарегистрироваться.
Зарегистрироваться на школу
https://ferrine.github.io/pages/practical-bayes/
The Practical Bayes course was first held at Moscow State University, Autumn 2022
This course is aimed at mastering Bayesian methods in practice. Advanced modeling is not about conjugate distributions (although they are sometimes useful), but mostly about projecting knowledge about the problem into code. Successful research will also require skills in solving problems of convergence, parameterization, selection from several models. A course with a focus on programming in Python / PyMC.
The Practical Bayes course was first held at Moscow State University, Autumn 2022
This course is aimed at mastering Bayesian methods in practice. Advanced modeling is not about conjugate distributions (although they are sometimes useful), but mostly about projecting knowledge about the problem into code. Successful research will also require skills in solving problems of convergence, parameterization, selection from several models. A course with a focus on programming in Python / PyMC.
Открытый практикум Data Analyst by Rebrain: АB-тестирование моделей машинного обучения
Успевайте зарегистрироваться. Количество мест строго ограничено!
👉Регистрация
Время проведения:
17 Января (Вторник) в 19:00 по МСК
Программа практикума:
🔹Что такое АБ-тестирование и для чего оно нужно в машинном обучении?
🔹Правила проведение корректного АБ-тестирования
🔹Оценка и анализ результатов
Кто ведет?
Артур Сапрыкин - Data Scientist, AI исследователь, предприниматель, автор курсов по машинному обучению, преподаватель.
https://t.me/Rebrain_DataScience/105
Успевайте зарегистрироваться. Количество мест строго ограничено!
👉Регистрация
Время проведения:
17 Января (Вторник) в 19:00 по МСК
Программа практикума:
🔹Что такое АБ-тестирование и для чего оно нужно в машинном обучении?
🔹Правила проведение корректного АБ-тестирования
🔹Оценка и анализ результатов
Кто ведет?
Артур Сапрыкин - Data Scientist, AI исследователь, предприниматель, автор курсов по машинному обучению, преподаватель.
https://t.me/Rebrain_DataScience/105
🎓Нужно ли разработчику высшее образование?
❓Обязательно ли идти в ВУЗ и получать диплом бакалавра/магистра, чтобы стать крутым DS? И стоит ли выбирать путь прогера-Джедая, который уже в 11 классе обучает такие нейросети, что только держись, но полностью посвящает себя работе и забивает на образование? Зачем ему универ? Эти пара и лекции будут только отвлекать от работы и развития в области DS? Или все же нет и высшее образование нужно?
Разбираемся в вопросе на карьерном подкасте вместе с Академией ИИ.
Спойлер: как по мне, так высшее образование все же необходимо. И если начинать прогать, делать крутые вещи и работать можно и раньше, без него, то на более поздних этапах в карьере без него никуда. А чтобы узнать, почему я так считаю, смотрите подкаст.
Note: Готова спорить только с теми, кто все посмотрел ;)
#подкаст #ds
https://t.me/mashkka_ds/327
❓Обязательно ли идти в ВУЗ и получать диплом бакалавра/магистра, чтобы стать крутым DS? И стоит ли выбирать путь прогера-Джедая, который уже в 11 классе обучает такие нейросети, что только держись, но полностью посвящает себя работе и забивает на образование? Зачем ему универ? Эти пара и лекции будут только отвлекать от работы и развития в области DS? Или все же нет и высшее образование нужно?
Разбираемся в вопросе на карьерном подкасте вместе с Академией ИИ.
Спойлер: как по мне, так высшее образование все же необходимо. И если начинать прогать, делать крутые вещи и работать можно и раньше, без него, то на более поздних этапах в карьере без него никуда. А чтобы узнать, почему я так считаю, смотрите подкаст.
Note: Готова спорить только с теми, кто все посмотрел ;)
#подкаст #ds
https://t.me/mashkka_ds/327
This media is not supported in your browser
VIEW IN TELEGRAM
500+ список проектов AI с кодами
Гитхаб с таблицей, связывающей 100 проектов с кодом.
Полезный ресурс, если вы ищете вдохновение для своего следующего проекта, опирающегося на машину.
🖥 Github
Гитхаб с таблицей, связывающей 100 проектов с кодом.
Полезный ресурс, если вы ищете вдохновение для своего следующего проекта, опирающегося на машину.
Please open Telegram to view this post
VIEW IN TELEGRAM
Курс ODS ML System Design.
В 17 лекциях дано широкое покрытие тем вокруг проектирования систем принятия решений на базе DS/ML, от особенностей работы с данными до интеграции моделей в бизнес процессы.
В контексте нашей темы недели можно посмотреть лекцию:
📺 8. Диагностика ошибок и отказов ML-систем. Диагностика проблем с данными. Мониторинг. (~40 минут).
Каждая лекция снабжена списком дополнительных материалов, в конце 8-ой лекции, например, вот такая занимательная подборка статей:
📄 J. Pan et al. - Adversarial Validation Approach to Concept Drift Problem in User Targeting Automation Systems at Uber, 2020 (~20-30 минут).
📄 R. Jiang et al. - Degenerate Feedback Loops in Recommender Systems, 2019 (~30-40 минут).
📄 S. Ira Ktena et al. - Addressing Delayed Feedback for Continuous Training with Neural Networks in CTR prediction, 2019 (~40-50 минут).
📄 P. J. Chia et al. - Beyond NDCG: behavioral testing of recommender systems with RecList, 2021 (~20-30 минут).
😎Команда курса ML System Design: Дмитрий Колодезев, Артем Карасюк, Евгения Сотникова и Ирина Голощапова.
📌 Подписывайтесь на канал коллег Reliable ML, если вы еще не там!
📞 И подключайтесь к нашему обсуждению в голосовом чате NoML в этот четверг!
https://t.me/noml_digest/422
#Курс #ODS ML #SystemDesign
В 17 лекциях дано широкое покрытие тем вокруг проектирования систем принятия решений на базе DS/ML, от особенностей работы с данными до интеграции моделей в бизнес процессы.
В контексте нашей темы недели можно посмотреть лекцию:
📺 8. Диагностика ошибок и отказов ML-систем. Диагностика проблем с данными. Мониторинг. (~40 минут).
Каждая лекция снабжена списком дополнительных материалов, в конце 8-ой лекции, например, вот такая занимательная подборка статей:
📄 J. Pan et al. - Adversarial Validation Approach to Concept Drift Problem in User Targeting Automation Systems at Uber, 2020 (~20-30 минут).
📄 R. Jiang et al. - Degenerate Feedback Loops in Recommender Systems, 2019 (~30-40 минут).
📄 S. Ira Ktena et al. - Addressing Delayed Feedback for Continuous Training with Neural Networks in CTR prediction, 2019 (~40-50 минут).
📄 P. J. Chia et al. - Beyond NDCG: behavioral testing of recommender systems with RecList, 2021 (~20-30 минут).
😎Команда курса ML System Design: Дмитрий Колодезев, Артем Карасюк, Евгения Сотникова и Ирина Голощапова.
📌 Подписывайтесь на канал коллег Reliable ML, если вы еще не там!
📞 И подключайтесь к нашему обсуждению в голосовом чате NoML в этот четверг!
https://t.me/noml_digest/422
#Курс #ODS ML #SystemDesign
👉Узнайте на примере mock-интервью с преподавателями курса «MLOps» в OTUS! На открытом уроке вы сможете наблюдать один из этапов собеседования при найме ML-специалистов — ML System Design секцию. Для удачного прохождения этого этапа нужно не только знать ML-алгоритмы, но и иметь навыки проектирования ML-систем, которые могут успешно работать в промышленной среде.
Спикеры:
Павел Филонов — Ex-Data Science Manager в Kaspersky.
Александр Миленькин — cтарший менеджер по работе с большими данными в X5 Retail Group.
🗓Когда: 24 января 19:00 мск
Please open Telegram to view this post
VIEW IN TELEGRAM
Хочу поделиться методами освоения Data science с нуля человеком из другой ИТ специальности. Цель: дать понять, подходит ли Вам эта специальность в принципе, и рассказать про эффективные подходы к самообучению, которые мне помогли (отдельно планирую потом детальные статьи по отдельным темам).
Отличные материалы уже существуют по большинству конкретных тем, я сам по ним учился.
Думаю, многим будут полезны "мета" материалы о том, как выбирать курсы и статьи, по которым учиться. Например, я пересмотрел десятки статей и книг, пробовал много разных он-лайн курсов, но полезной оказалась лишь малая часть всего доступного.
Надеюсь, что смогу серьезно сэкономить вам время и помочь достигнуть большего, показав более эффективный путь самообучения.
▪Читать дальше
Please open Telegram to view this post
VIEW IN TELEGRAM
🔹Что такое Face Recognition и с помощью каких инструментов лучше подходить к задаче по распознаванию лиц?
💬Обсудим 23 января в 20:00 на открытом уроке онлайн-курса «Компьютерное зрение» в OTUS.
На занятии мы разберем:
- В чем заключается задача Face Recognition и из каких подзадач она состоит
- Какие существуют основные подходы по решению задачи детекции лиц
- С помощью каких алгоритмов решается задача распознавания лиц (EigenFaces, нейросетевые методы).
- Как на практике решить задачу распознавания лиц с помощью метода EigenFaces.
- Какие существуют датасеты, библиотеки и инструменты, необходимые для решения задачи распознавания лиц.
🔥Регистрируйтесь на мероприятие прямо сейчас и получите доступ к курсу по спец.цене!
Записаться на урок
#FaceRecognition
💬Обсудим 23 января в 20:00 на открытом уроке онлайн-курса «Компьютерное зрение» в OTUS.
На занятии мы разберем:
- В чем заключается задача Face Recognition и из каких подзадач она состоит
- Какие существуют основные подходы по решению задачи детекции лиц
- С помощью каких алгоритмов решается задача распознавания лиц (EigenFaces, нейросетевые методы).
- Как на практике решить задачу распознавания лиц с помощью метода EigenFaces.
- Какие существуют датасеты, библиотеки и инструменты, необходимые для решения задачи распознавания лиц.
🔥Регистрируйтесь на мероприятие прямо сейчас и получите доступ к курсу по спец.цене!
Записаться на урок
#FaceRecognition
#Интерпретируемость ML-моделей: от инструментов до потребностей пользователя
Новая статья на Хабре
Опубликовали с Димой статью на Хабре - на основе постов в канале от осени 2022 г. Может быть интересно как новым участникам канала, так и тем, кому интересно прочитать все системно вместе, а не отдельными постами.
Интерпретируемость ML-моделей - очень широкая концепция. То, насколько интерпретация хороша, зависит не только от инструментов и отчетов, которые мы предоставляем пользователю, но и от потребностей пользователя и особенностей задач, которые он решает.
В статье разберемся, как эффективно работать с интерпретируемостью ML-моделей в зависимости от потребностей ключевых пользователей.
Лайк, шер, репост, конечно же! Всем добра! 🌹
Ваш @ReliableML
https://habr.com/ru/post/709688/ #ReliableML
Источник: https://t.me/reliable_ml/119
Новая статья на Хабре
Опубликовали с Димой статью на Хабре - на основе постов в канале от осени 2022 г. Может быть интересно как новым участникам канала, так и тем, кому интересно прочитать все системно вместе, а не отдельными постами.
Интерпретируемость ML-моделей - очень широкая концепция. То, насколько интерпретация хороша, зависит не только от инструментов и отчетов, которые мы предоставляем пользователю, но и от потребностей пользователя и особенностей задач, которые он решает.
В статье разберемся, как эффективно работать с интерпретируемостью ML-моделей в зависимости от потребностей ключевых пользователей.
Лайк, шер, репост, конечно же! Всем добра! 🌹
Ваш @ReliableML
https://habr.com/ru/post/709688/ #ReliableML
Источник: https://t.me/reliable_ml/119
Forwarded from Aleron Backstage
Понемногу захожу в ML System Design.
Вчера получил дозу удовольствия от мастерского разбора задания от Павла Филонова (Ex-Head лабы Касперского). Разбирали анти-фрод систему.
План был такой. С меня была задача, с Павла демонстрационный разбор. Скоро появится запись.
Вчера получил дозу удовольствия от мастерского разбора задания от Павла Филонова (Ex-Head лабы Касперского). Разбирали анти-фрод систему.
План был такой. С меня была задача, с Павла демонстрационный разбор. Скоро появится запись.
👍2
Forwarded from Aleron Backstage
Aleron Backstage
Понемногу захожу в ML System Design. Вчера получил дозу удовольствия от мастерского разбора задания от Павла Филонова (Ex-Head лабы Касперского). Разбирали анти-фрод систему. План был такой. С меня была задача, с Павла демонстрационный разбор. Скоро появится…
С кем не говорю, все при упоминании MLSD говорят про видосы Бабушкина. На мой взгляд, у Бабушкина были не самые яркие кандидаты. Не принижаю достоинство других авторов, но я вчера четко прочувствовал, что много звездных экспертов остается еще пока в тени. Будем рыть в этом году контент в эту сторону тоже. Обещаю сделать пару ярких выпусков.
26 января в 19:00. Вебинар «Кто такой дизайнер разговорных интерфейсов и как им стать»