🧹Так, что-то здесь запылилось всё порядком... Начнём разбирать накопленное, с конца (LIFO))
Forwarded from Dodo Engineering
13 базовых понятий, которые нужно знать аналитику или ML-инженеру
по версии Андрея Филипьева, CDO Dodo Engineering
Важно не просто знать, о чём идёт речь, но понимать как применять это в реальных задачах. Если есть ещё примеры на эти пункты, объяснение проблем и как их решали — это топ!
1. Случайная величина
2. Математическое ожидание (статья выше)
3. Закон больших чисел
4. Распределение
5. Нормальное распределение
6. Центральные предельные теоремы и причем тут нормальное распределение
7. Квантили (перцентили)
8. Доверительный интервал. Конкретные задачи.
9. Оценка стат. значимости
10. p-value
11. Смещение и дисперсия (bias and variance)
12. A Deeper look at Mean Squared Error — Count Bayesie
13. Нормализация и стандартизация
Есть вещи и посложнее, конечно — полный список того, о чём обычно Андрей спрашивает кандидатов, можно подглядеть у него в канале.
по версии Андрея Филипьева, CDO Dodo Engineering
Важно не просто знать, о чём идёт речь, но понимать как применять это в реальных задачах. Если есть ещё примеры на эти пункты, объяснение проблем и как их решали — это топ!
1. Случайная величина
2. Математическое ожидание (статья выше)
3. Закон больших чисел
4. Распределение
5. Нормальное распределение
6. Центральные предельные теоремы и причем тут нормальное распределение
7. Квантили (перцентили)
8. Доверительный интервал. Конкретные задачи.
9. Оценка стат. значимости
10. p-value
11. Смещение и дисперсия (bias and variance)
12. A Deeper look at Mean Squared Error — Count Bayesie
13. Нормализация и стандартизация
Есть вещи и посложнее, конечно — полный список того, о чём обычно Андрей спрашивает кандидатов, можно подглядеть у него в канале.
Forwarded from AIRI Institute
⚡️Самый долгожданный пост этого лета!
Записи лекций и семинаров летней школы по искусственному интеллекту «Лето с AIRI» с ведущими учеными из научно-исследовательских организаций и ВУЗов выложены на YouTube-канал.
🖇 Сохраняйте ссылку на плейлист
В этом году на Школе было много направлений: от обучения с подкреплением, робототехники, 3D компьютерного зрения до детектирования и диагностики аномалий в промышленности.
Институт AIRI
Записи лекций и семинаров летней школы по искусственному интеллекту «Лето с AIRI» с ведущими учеными из научно-исследовательских организаций и ВУЗов выложены на YouTube-канал.
🖇 Сохраняйте ссылку на плейлист
В этом году на Школе было много направлений: от обучения с подкреплением, робототехники, 3D компьютерного зрения до детектирования и диагностики аномалий в промышленности.
Институт AIRI
Forwarded from Data Whisperer
11 сентября стартует очередной запуск бесплатного курса
Machine Learning Zoomcamp
Zoomcamp как и всегда будет вести Алексей Григорьев, Principal Data Scientist at OLX Group.
Продолжительность курса 4 месяца.
Курс основан на книге
Machine Learning with Python Cookbook.
#обучение
Machine Learning Zoomcamp
Zoomcamp как и всегда будет вести Алексей Григорьев, Principal Data Scientist at OLX Group.
Продолжительность курса 4 месяца.
Курс основан на книге
Machine Learning with Python Cookbook.
#обучение
🚀Стань экспертом в Machine Learning и MLOps!
🤖В сентябре в Risoma School стартуют два курса, где вы сможете прокачать навыки для проектов машинного обучения и MLOps:
1. MLOps для Data Science и разработки ML моделей - курс для Data Scientists & Analytics, для эффективной работы с экспериментами, моделями и подготовки production решений c FastAPI и Airflow.
2. MLOps для Batch Scoring: автоматизация пайплайнов и CI/CD c DVC, MLflow и Airflow - курс для Machine Learning, Data и DevOps инженеров.
💻 Вы научитесь:
•Управлять экспериментами и жизненным циклом моделей
•Работать с продвинутыми сценариями версионирования данных и моделей
•Использовать Git и следовать Git-flow
•Настраивать мониторинг работы моделей и данных в production
•Работать с Airflow, DVD, Evidently, MLflow, FastAPI, Grafana, Git, Docker, GitLab, GitLab CI
В программе лекции от экспертов ML с опытом в банкинге, MedTech, AdTech, Big Data.
C промокодом data_career вы получите скидку 10% на любой курс!
📌 Выбрать курс: risoma.ru/school.
🤖В сентябре в Risoma School стартуют два курса, где вы сможете прокачать навыки для проектов машинного обучения и MLOps:
1. MLOps для Data Science и разработки ML моделей - курс для Data Scientists & Analytics, для эффективной работы с экспериментами, моделями и подготовки production решений c FastAPI и Airflow.
2. MLOps для Batch Scoring: автоматизация пайплайнов и CI/CD c DVC, MLflow и Airflow - курс для Machine Learning, Data и DevOps инженеров.
💻 Вы научитесь:
•Управлять экспериментами и жизненным циклом моделей
•Работать с продвинутыми сценариями версионирования данных и моделей
•Использовать Git и следовать Git-flow
•Настраивать мониторинг работы моделей и данных в production
•Работать с Airflow, DVD, Evidently, MLflow, FastAPI, Grafana, Git, Docker, GitLab, GitLab CI
В программе лекции от экспертов ML с опытом в банкинге, MedTech, AdTech, Big Data.
C промокодом data_career вы получите скидку 10% на любой курс!
📌 Выбрать курс: risoma.ru/school.
💣 Научитесь создавать рекомендательные системы для контента
📌 Приходите 24 августа в 20:00 (мск) на открытый урок «Векторизация текстов для практических задач» в рамках курса «Natural Language Processing» от OTUS!
✅ Что будем делать:
— Обсудим, как можно получать векторы текстов и использовать их в практических целях;
— Узнаем, как быстро сделать рекомендательную систему для текстов;
— Рассмотрим похожие статьи на основе тематического моделирования, экстрактивной суммаризации и векторизации FastText;
— Поищем похожие товары на основе векторизации TF-IDF;
— Обсудим векторизацию текстов архитектурой BERT.
👉 В результат вы узнаете, как эффективно подбирать похожие по смыслу и тематике тексты.
💻 Успейте зарегистрироваться по ссылке https://otus.pw/xfre/ , количество свободных слотов на регистрацию ограничено.
Нативная интеграция информация о продукте www.otus.ru
📌 Приходите 24 августа в 20:00 (мск) на открытый урок «Векторизация текстов для практических задач» в рамках курса «Natural Language Processing» от OTUS!
✅ Что будем делать:
— Обсудим, как можно получать векторы текстов и использовать их в практических целях;
— Узнаем, как быстро сделать рекомендательную систему для текстов;
— Рассмотрим похожие статьи на основе тематического моделирования, экстрактивной суммаризации и векторизации FastText;
— Поищем похожие товары на основе векторизации TF-IDF;
— Обсудим векторизацию текстов архитектурой BERT.
👉 В результат вы узнаете, как эффективно подбирать похожие по смыслу и тематике тексты.
💻 Успейте зарегистрироваться по ссылке https://otus.pw/xfre/ , количество свободных слотов на регистрацию ограничено.
Нативная интеграция информация о продукте www.otus.ru
Если вам интересно, как устроен DS в Додо-пицце 😁
https://telesco.pe/data_feeling_back/226
https://telesco.pe/data_feeling_back/226
Telescope
Data Feeling Backstage
4 сентября в 18:00 мск встречаемся на открытом уроке «Языковые модели: от статистических до ChatGPT» в рамках курса «Natural Language Processing (NLP)» от OTUS.
- Практикующим Data Scientist и IT-специалистам, которые хотят глубже погрузиться в область NLP
- Тем, кто хочет узнать, что делает ChatGPT таким умным
- Людям, освоившим основы машинного обучения, но желающими развиваться в области DS
Вы узнаете, что такое языковые модели и как их использовать для решения NLP-задач, а также изучите подходы к обучению больших языковых моделей, таких как ChatGPT.
Это отличная возможность совершенно бесплатно протестировать формат обучения и задать преподавателю любые вопросы в режиме реального времени
Пройдите тестирование курса, чтобы зарегистрироваться на урок - https://otus.pw/ZoC2T/
Нативная интеграция. Информация о продукте www.otus.ru
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from Ivan Begtin (Ivan Begtin)
В рубрике полезных инструментов для работы с данными Jupyter AI [1] продукта который приносит AI в Jupyter Notebook. Фактически инструмент позволяет объяснять код, генерировать новые тетрадки, искать документацию и переписывать код. Выглядит полезно хотя его ещё не пробовал, но точно стоит попробовать создавая какую-то новую тетрадку в Jupyter.
Ссылки:
[1] https://jupyter-ai.readthedocs.io/en/latest/index.html
#opensource #ai #jupyter
Ссылки:
[1] https://jupyter-ai.readthedocs.io/en/latest/index.html
#opensource #ai #jupyter
Forwarded from Инжиниринг Данных (Dmitry)
Ну все, теперь Python in Excel. Значит не зря все это время пользователи держались руками и ногами за Excel, они знали, что однажды все поменяется, и они будут выгружать данные в Excel из хранилища или озера данных, подключать Excel к Kafka потоку и крутить модели машинного обучения, запускать MapReduce jobs, делать квантовые вычисления. Microsoft Excel мы в тебе не сомневались!💋
PS С сегодняшнего дня все Excel аналитики стали программистами и должны требовать прибавки, нет, удвоения зарплаты!🥳
PS С сегодняшнего дня все Excel аналитики стали программистами и должны требовать прибавки, нет, удвоения зарплаты!
Please open Telegram to view this post
VIEW IN TELEGRAM
YouTube
Python in Excel: a powerful combination for data analysis and visualization
Python in Excel combines Python's powerful data analysis and visualization libraries with Excel's features you know and love. You can manipulate and explore data in Excel using Python plots and libraries, and then use Excel's formulas, charts and PivotTables…
Forwarded from 🔋 Труба данных
Python и Excel
Только ленивый не написал о том, что питончик подвезли в эксель.
Еще больше экселек богу экселек на поддержку!
Но в целом, конечно же, новость хорошая.
https://support.microsoft.com/en-us/office/introduction-to-python-in-excel-55643c2e-ff56-4168-b1ce-9428c8308545
@ohmydataengineer
Только ленивый не написал о том, что питончик подвезли в эксель.
Еще больше экселек богу экселек на поддержку!
Но в целом, конечно же, новость хорошая.
https://support.microsoft.com/en-us/office/introduction-to-python-in-excel-55643c2e-ff56-4168-b1ce-9428c8308545
@ohmydataengineer
Forwarded from Метаверсище и ИИще (Sergey Tsyptsyn ️️)
Вы находитесь здесь.
Тут вот Гартнер предрекает на лихой спуск с горки ИИ-хайпа через пару лет.
Вопрос только в том, не начнет ли ИИ самостоятельно генерить все эти циклы хайпа.
Дипломы пишет, тесты проходит. А уж хайповать умеет как боженька.
Умные и немного кожано-пространные рассуждения тут:
https://www.gartner.com/en/articles/what-s-new-in-artificial-intelligence-from-the-2023-gartner-hype-cycle
Тут вот Гартнер предрекает на лихой спуск с горки ИИ-хайпа через пару лет.
Вопрос только в том, не начнет ли ИИ самостоятельно генерить все эти циклы хайпа.
Дипломы пишет, тесты проходит. А уж хайповать умеет как боженька.
Умные и немного кожано-пространные рассуждения тут:
https://www.gartner.com/en/articles/what-s-new-in-artificial-intelligence-from-the-2023-gartner-hype-cycle
Forwarded from Data & IT Career (Николай Крупий)
Please open Telegram to view this post
VIEW IN TELEGRAM
Telegram
Maxim Abrosimov in pandas_ru
PandasAI
С появлением ChatGPT многие задачи были автоматизированы в удобных утилитах. Для датасайентистов тоже появился такой лакомый кусочек: PandasAI. Эта библиотека-расширение pandas, в которую добавлена возможность выполнять задачи обработки данных без…
С появлением ChatGPT многие задачи были автоматизированы в удобных утилитах. Для датасайентистов тоже появился такой лакомый кусочек: PandasAI. Эта библиотека-расширение pandas, в которую добавлена возможность выполнять задачи обработки данных без…
Forwarded from Dan Okhlopkov - канал
Сижу на митапе PyData. На скрине результаты опроса, какие вообще ML модели люди используют в проде.
https://www.modular.com/?utm_medium=email&_hsmi=273373997
#Mojo зарелизился для локального скачивания (пока для linux-а).
Это новый язык (который в будущем должен стать надмножеством python-а) от Крис Лэттнера, создателя LLVM-а.
Оно пока сырое - примеры из sklearn-а выполнить не может.
Ключевые идеи как всегда - скорость, параллельность, компиляция и т. д
#источник: https://t.me/c/1367207194/82378 <= https://t.me/+UX3tGhCumOv8p3Of
#Mojo зарелизился для локального скачивания (пока для linux-а).
Это новый язык (который в будущем должен стать надмножеством python-а) от Крис Лэттнера, создателя LLVM-а.
Оно пока сырое - примеры из sklearn-а выполнить не может.
Ключевые идеи как всегда - скорость, параллельность, компиляция и т. д
#источник: https://t.me/c/1367207194/82378 <= https://t.me/+UX3tGhCumOv8p3Of