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

Открыт прием заявок на Лето с AIRI!⚡️

В этом году мы запускаем Школу совместно с Передовой Инженерной Школой ИТМО. Программа пройдет в Санкт-Петербурге с 20 по 30 августа.

🗓 Подать заявку можно по ссылке до 23:59 14 июля 2024 года.

Школа включает в себя лекции, семинары и практическую работу по направлениям:

— Мультимодальные архитектуры и генеративный ИИ в промышленности
— Модели воплощенного ИИ и обучение с подкреплением в робототехнике
— Искусственный интеллект и химия
— Доверенный искусственный интеллект

📍Питание, обучение и проживание бесплатное, оплатить самим нужно будет только проезд.

Подавайте заявки и делитесь постом с друзьями и коллегами!

https://avito.tech/education/statistics

Часть 1
Статистический критерий
Статистическая мощность
Z-test
T-test
Метод Монте-Карло

1. Статистический критерий
1.1. Зачем нужна прикладная статистика?
1.2. Статистические гипотезы
1.3. Статистические функции в Python
1.4. Двусторонний критерий

2. Статистическая мощность
2.1. Статистическая мощность
2.2. Мощность для задачи про доставку
2.3. Minimum detectable effect aka MDE
2.4.1. Доверительный интервал
2.4.2. Доверительный интервал. Продолжение
2.4.3. Доверительный интервал Уилсона
2.5. Алгоритм проверки гипотез.
3. Z-test
3.1. Нормальное распределение
3.2. Z-test
3.3. Занятие со звездочкой, Z-test
4. T-test
4.1. Критерии сравнения средних. T-критерий Стьюдента
4.2. T-test4.3. Доверительный интервал
4.4. A/B-тесты. Двувыборочный Т-test
4.5. MDE для T-test5. Метод Монте-Карло
5.1. Метод Монте-Карло
5.2. Метод Монте-Карло (на исторических данных)
5.3. Метод Монте-Карло (определение мощности на исторических данных)

Часть 2
Критерий Колмогорова
Критерий Колмогорова-Смирнова
Хи-квадрат
Критерий Манна-Уитни
Бутстрап
Линеаризация

https://t.me/div_conv/242/5340

🔥Mastering LLMs: Открытый курс по LLM от практиков

Я заметил, что очень хорошо разлетелся пост с ноутбуком для файнтюна LLaMa 3.1 в колабе. Поэтому принес вам еще имбовый курс по LLM от практиков для практиков. Он будет актуален для технических специалистов (включая инженеров и DS-ов), которые имеют некоторый опыт работы с LLM, да, я думаю, и для начинающих практиков он тоже хорошо зайдет.

Это набор лекций, которые покрывают такие прикладные темы как RAG, файн-тюнинг, промпт-инжиниринг, оценка качества моделей и прочее. Курс уникальный, потому что лекции ведут 25+ разных опытных чуваков из индустрии, которые являются экспертами по соответсвующим темам. Там ребята из Pytorch (Meta), Anthropic, Mistral, Fireworks-ai и других компаний.

Курс очень хорошо оформлен. К каждой лекции идут слайды, заметки, дополнительные ресурсы со ссылками и полный транскрипт видео.

Минимальные требования, чтобы успешно смотреть курс:
- Базовое знакомство с LLM-ками.
- Если такого опыт у вас нет, то рекомендуется начать с видео A Hacker’s Guide to LLMs от Джереми Ховарда, а также пройти туториал об Instruction Tuning LlaMa-2.

> Ссылка на курс: https://parlance-labs.com/education/

Давайте еще накидаем в комментах другие классные курсы по NLP, которые вы сами смотрели/проходили.

#ликбез
@ai_newz

Книга "Управление DS проектами и продуктами при помощи Lean Data Science"
Асхат Уразбаев

What is Lean DS
Lean Data Science — открытый подход к управлению DS проектами и продуктами —
• Ориентированный на бизнес • Основанный на гипотезах
• Командный и итеративный • Строгий и воспроизводимый
Это позволит увеличить вероятность успеха за счет прозрачности процессов, снижения Time-to-Market и фокуса на инженерном совершенстве
LeanDS ориентирован на бизнес. Мы обсуждаем финансовую эффективность ML проек- тов и фокусируемся на их ускорении. Тем не менее, отдельные практики LeanDS можно использовать в исследовательских и тренировочных проектах.
Ключевая идея LeanDS — явная и четкая формулировка гипотез.
LeanDS содержит практики командной работы. Работа ведется итеративно и инкремен- тально — от простого к сложному с фокусом на быстрой поставке ценного результата.
Строгий и воспроизводимый. Техническое совершенство кода, автоматизация тестирова- ния и поставки очень важно для достижения хорошего бизнес-результата.

О структуре книги
Мы пройдем по всему жизненному циклу создания ML продукта — от идеи до реализации и рассмотрим практики позволяющие упростить и ускорить его создание.
Мы рассмотрим старт нового ML-продукта и начнем с создания «Технического Задания» на продукт в виде AI Project Canvas. ML-продукт может оказаться частью большего продукта и мы расскажем, как его спроектировать в главе Story Map.
Мы обсудим как ставить задачи членам команды в виде продуктовых гипотез и поговорим об их приоритизации. Для планирования работ по гипотезе воспользуемся подходом «Мерседеc».
Мы поговорим о структуре команды, а в последних главах рассмотрим более подробно подход Канбан в применении к DS проектам.

https://t.me/leands_chat/3487
#LeanDataScience #book

Осенний Data Science митап Lamoda Tech!

Когда: 25 сентября в 19:00.

Где: онлайн.

Что в программе:

Новый уровень ML-персонализации Lamoda: как мы усилили ее в каталоге и перенесли в другие продукты

Дана Злочевская, руководитель DS-группы ранжирования и поиска в Lamoda Tech

Повторное использование кода в ML: почему ML-пайплайны могут помочь? Дима Курганский, MLOps инженер в Lamoda Tech

ML-прайсинг на Lamoda: вошли и вышли, приключение на 20 минут

Слава Цыганков, руководитель DS-группы прогнозирования и оптимизации в Lamoda Tech

Места в офисе быстро закончились, но мы ждем тебя на онлайн-встрече 25 сентября в 19:00! Подробности и регистрация по ссылке.

Реклама. ООО "Ламода Тех". ИНН 7734461512. Erid: LjN8KJszB

🔥Прошедшие дни были богаты на запуски!

Стартовали сразу три курса:
- доступны на платформе первые лекции курсов Open ML Course: Классические модели ML и Natural Language Processing !
- сегодня в 12:00 по мск открывается первая лекция обновленного курса Deep Reinforcement Learning

Продолжается:
👍Курс от Альфа-Банка по AutoML in practice - 22 онлайн-урока с тестами. Каждый урок — в среднем по 15 минут. 🔥
👍Регистрация участников на Data Fest Siberia 5 , который пройдет 12 октября в Новосибирске 🔥

Присоединяйся!
https://t.me/datafest/754