​​За 2 дні розпочинається Make math great again. Basic Mathematics Course 😀
Ти вже встиг забронювати собі місце?
-----------------
Реєструйся на курс вже зараз: https://data-science.com.ua/ua/courses/make-math-great/

#datascienceua #datascience

Відео з конференції Data Science UA вже на нашому YouTube! 😃😍

- Андрій Бурлуцький, SMART business
Тема: Are you Ready to capture the AI opportunity?
- Володимир Ткачук, Ring Ukraine
Тема: How to deploy ML algorithm on embedded
- Олександр Гончар, Mawi
Тема: Multitask learning: learn more to learn better
- Олександр Жуков, Videogorillas
Тема: 12 мільйонів кадрів на секунду — як я потрапив у Голлівуд
- Василь Милько, Ingeenee
Тема: AI solves NP-complete
- Juan Pablo Figueroa, N-iX, Mercanto
Тема: How to predict with (very) small data
- Віктор Сахарчук, Independent CV/ML R&D professional
Тема: Confidence Measures For Stereo Vision
- Михайло Ільїн, Taxify
Тема: Machine Intelligence for Urban Mobility
- Андрій Босий, MindCraft
Тема: NER або Розпізнавання та класифікації документів
- Дмитро Солопов, SMART business
Тема: Intelligent advisory mechanism (IAM) to engage customers.
- Тарас Гнот, SoftServe
Тема: Сustomers profiling based on psychometric characteristics
- Олексій Слюсаренко та Віра Зінкевич, Deloitte
Тема: Обробка природньої мови для автоматизації бізнес-процесів
- Тетяна Фурсова, OTP Bank
Тема: Predictive analysis: the way to get a satisfied customer
- Денис Довгополий, GrowthUP
Тема: Features in attracting investors to the early stage AI-startups

#datascienceua #datascience

14-річний хлопчик на ім'я Бакші, який став AI експертом для IBM 😃 Історія, яка надихне.

Він вперше звернув увагу IBM у 11 років, хоча розвиток Бакші в галузі технологій почався набагато раніше. У той час як однолітки складали Legos, п'ятирічний він навчився кодувати.

У 7 років він почав вести YouTube канал про технології
https://www.youtube.com/channel/UCqufIGIYauviVaKyJUzKvQw

#datascienceua #datascience

​​Data Science UA запустили новий напрямок — консалтинг!
Очолила його Вероника Тамайо Флорес — магістр з Business Analytics & Big Data, випускниця IE Business School (Іспанія). Вона поєднує досвід у бізнесі та знання в галузі Data Science для вирішення різноманітних задач і прийняття рішень, заснованих на даних.

Звертайтеся до нас, якщо ви маєте задачі у сферах:
☑️ бізнес-аналізу та просунутої аналітики;
☑️ побудови Data Warehouse;
☑️ систем збору та агрегації даних;
☑️ Data Mining;
☑️ машинного навчання.

Якщо ви хочете запровадити новітні методи і технології, але не впевнені, з чого почати — ми готові відповісти на ваші питання та визначитись з першим проектом.

​​Розігруємо подарунок під ялиночку — теплий та класний світшот ❄️ Розіграш відбувається у Facebook та Instagram

Умови участі у розіграші:
1. Бути підписаним на сторінку Data Science UA
2. Зробити репост цього допису до себе на сторінку. Публікація повинна бути у відкритому доступі.

Інструкція із застосування 😊:
- нядягати у холодну погоду
- нядягати, коли сумно
- надягати, коли хочеш відчути присутність Data Science спільноти поруч 😀

Переможця оберемо 28 грудня.

#datascienceua #datascience

​​Data Science Visualization Course — повторення очікуваного курсу.

Встигніть потрапити на курс цього разу.
Кількість місць обмежено — 24 учасники.

31 січня та 1 лютого Дмитро Гусенко, Data Analyst, Luxoft проведе дводенний курс Data Science Visualization.

Дмитро має більше 20-років досвіду роботи в галузі автоматизації бізнес-процесів та впровадження систем ERP, 10-річний досвід роботи в системному аналізі та архітектурі бізнес-моделей, 3-річна експертиза управління даними для підвищення ефективності роботи компанії.
Має досвід роботи в галузі архітектури рішень, найкращих практик аналізу бізнес-аналізу для підвищення цінності для інвесторів.


Запрошені експерти:

Олександр Васильєв - Використання мови R для візуалізації даних

Дмитро Пациляндра - Використання мови Python для візуалізації даних

⚡️ Зміст курсу ⚡️

• Введення в візуалізацію даних
• Кращі практики та методи візуалізації
• Порівняння безкоштовних платформ для візуалізації даних
• Воркшоп в групах: моделювання візуалізації на підставі вимог бізнесу
• Практична робота: розробка та публікація візуалізацій, виконаних з використанням MS Power BI Desktop, Tableau Desktop Public Edition
• Практична робота: розробка візуалізації з R, бібліотеки ggplot2, RGL, Plotly
• Практична робота: розробка візуалізації з Python, бібліотеки matplotlib, plotly, bokeh

✓ На курсі ви знайдете відповіді на запитання ✓:

- Практики і підходи для якісної візуалізації. Яких помилок слід уникати? Як зробити так, щоб дані говорили самі за себе і показували необхідні бізнесу інсайти?
- Огляд систем Self BI
- Як зробити візуалізацію швидко, без програмування і надати доступ іншим до створеної візуалізації, в рамках організації або навіть за її межами?
- Як зробити це такими інструментами, за використання яких компанії б не довелося платити гроші, або вартість була б дуже доступною?

Ви отримаєте практичні навички роботи у Microsoft Power BI і Tableau.

Також для проектів Data Science і машинного навчання необхідний більш глибокий аналіз даних, який реалізується за допомогою R та Python. Частина курсу присвячена вивченню деяких базових можливостей для візуалізації з використанням популярних бібліотек R та Python.

З 1-го січня вартість квитка на курс зросте!

​​ТОП 5 бібліотек для візуалізації даних:

1. D3 - це JavaScript бібліотека для керування документами на основі даних.
D3 дозволяє легко працювати з великими датасетами.

2. React-vis
Ця бібліотека створена Uber. З її допомогою можна легко створювати загальні діаграми (стовпчикові, кругові, карти дерев та багато іншого).

3. Chart.js
Ще одна бібліотека, яка серед інших має перевагу — невеликий розмір. Chart.js дає 8 типів візуалізації.

4. VX
Тут можна знайти величезну кількість графіків.

5. Recharts
Бібліотека, побудована на react-компонентах.

Більше інформації за посиланням: https://www.kdnuggets.com/2019/01/five-best-data-visualization-libraries.html

31 січня і 1 лютого разом з Дмитро Гузенко ми проводимо Data Science Visualization Course: 2.0, де й дізнаємось більше про візуалізацію!

#datascienceua #datascience

​​Data Science UA Conference

Знання та нетворкінг, що створюють переваги

16 березня вже вшосте разом зберуться кращі розробники та інженери з data science, machine learning, NLP, computer vision та AI.

Data Science UA — конференція про технології, що створюють майбутнє вже сьогодні. Саме тут думки формуються в ідеї, учасники стають партнерами, а інсайти перетворюються на досвід.

Станьте частиною справжнього data science community в України на Data Science UA Conference 2019.

Data Science UA - це:
- 400 учасників
- 18 спікерів
- 3 потоки
- 10 годин нетворкінгу

Одночасно 3 потоки:
- технічний потік
- бізнес потік
- воркшопи

Інформація і квитки за посиланням

Ми розігруємо квиток на 6-ту конференцію Data Science UA на нашій сторінці у Facebook

Data Science UA - це:
- Три потоки: бізнес, технічний і воркшопи.
- Корисні і цікаві доповіді.
- Нетворкінг.

Умови участі у публікації

​​Залишилося менше одного дня до подорожчання квитків на Data Science UA Conference. Встигніть придбати квитки за пропозицією "Early Birds"!

Ми вже анонсували імена 19 спікерів на сайті. Дізнатися більше і придбати квиток на Data Science UA Conference: https://bit.ly/2FSUsnC

#datascienceua #datascience #dsuaconference

​​Рекомендуємо фільм на вечір — «Тау».

Сюжет:
Джулія заробляє на життя мілкими крадіжками. Одного дня її викрадають і вона прокидається у камері з двома людьми. Джулія робить спробу втекти, але вона потрапляє лише в іншу кімнату, а сусідів по камері вбивають. Усі спроби вийти за межі кімнати припиняються штучним інтелектом Тау...

#datascienceua #datascience

MIT Technology Review проаналізували 16,625 документів, щоб з'ясувати, куди AI рухається далі.

Вони виявили три основні тенденції: перехід до машинного навчання в кінці 1990-х і на початку 2000-х років, зростання популярності нейронних мереж, що починається на початку 2010-х років, і зростання reinforcement learning за останні кілька років.

То що ж чекає нас у найближчі роки?

#datascienceua #datascience

Золоті медалісти Kaggle — про потрапляння в топ на змаганнях з ML та чому в Україні проблеми з машинним навчанням 🧐

Читайте про змагання Kaggle в інтерв'ю з Ігорем Крашеним, Senior Research Engineer в Ciklum, і Денисом Саквою, старшим аналітиком в Dragon Capital

#datascienceua #datascience

​​Вже п’ятниця, а отже час подумати про своє дозвілля! 🙂

Сьогодні ми хочемо порекомендувати фільм Стівена Спілберга «Особлива думка». У головних ролях Том Круз, Колін Фарел та ін.

Сюжет:
Події відбуваються у 2054 році. Людство навчилося передбачати навмисні вбивства і створило для цього спеціальне агенство.
Агент Джонні Андертон — палкий прихильник своєї справи — розкриває наміри злочинців і арештовує їх.
Але що робити, коли у списку вбивць бачиш своє ім’я?

#datascience #datascienceua

8 книг про штучний інтелект, які радить The Verge:

- «Риси майбутнього», Артур Кларк
- «The Book of Why», Дана Маккензі і Джуда Перл
- «Вибори», Айзек Азімов
- «Вбивчі Великі дані», Кеті О'Ніл
- «Алмазне століття, або Буквар для шляхетних дівчат», Ніл Стівенсон
- «Машинне навчання для людей», Вишал Маін і Самір Сабрі
- «Sorting Things Out: Classification and Its Consequences», Джеффрі Боукер і Сьюзан Лі Стар
- «Верховний алгоритм», Педро Домінгос

Читайте більше за посиланням

​​🔸Розшукуємо таланти 🔸
8 вакансій і основні вимоги до кандидатів нижче

R Engineer
- BS/MS/PhD degree in computer science or related
- R development experience
- Practical experience with SQL
- Data processing (data.table, dplyr, RODBC, etc)
- Visualization (ggplot2, plot.ly)
- UI (Shiny framework, shinyproxy)
- Understanding of ML techniques and concepts

QA Automation (Scala)
- Experience from 1 year (automation)
- Scala (or Java);
- Shell scripting;
- Experience in performance testing;
- Experience in backend automation;
- Load testing tools (JMeter, Gatling);
- QA experience in a Linux environment;
- Docker

DevOps
- Willingness to master unfamiliar technologies
- Non-abstract large system design skills: distributed network applications, capacity planning
- Containerization tools, 12-factor application practices
- Ability to diagnose performance issues in distributed systems
- Careful attention to details in the task specification
- Basic Computer Science qualifications

Machine learning engineer
- Have a Bachelor degree in Machine Learning, Computer Science, Mathematics, Statistics or equivalent experience
- Experience with applying predictive modeling using sophisticated algorithms such as Decision Trees, Deep Learning… etc. to solve real world case.
- Experience with multiple ML/AI (research papers, kaggle, open source implementations, etc.)
- Expertise in one or more specific areas of ML (Neural Nets/Deep Learning, Text Mining/NLP, etc.)
- Experience with large scale distributed programming and distributed computing platforms

Full Stack Developer
Position requirement:
- At least 3 years in software development;
- Node.js (express framework or similar)
- React.js (with redux or mobxjs)
- PostgreSQL; Unix; Git;
- Good experience with Promise/A+; async/await is must;
- Good experience with lodash is strong plus.

Python Back-End Engineer
- Experience in writing production quality code in Python (1,5+ years of experience)
- Ability to conduct performance analysis and optimization for features and systems.
- Experience of working with high load scalable systems.
- Hands-on experience with either SQL (e.g. MySQL, PostgreSQL).
- Experience with unit testing, load testing and end-to-end testing methodologies.
- Experience with frameworks such as OpenCV, Numpy and PyTorch.

Embedded Engineer
- Linux, ARM-based
- Worked with embedded bootloaders (u-boot, etc.)
- Experience with Yocto/Buildroot or similar
- HW bring-up skills
- Target platform - Xilinx Zynq Ultrascale
- Experience with video sensors/still image

Data Science Engineer
- Python DS libraries Keras, Tensorflow, Pytorch, Caffe2, scikit-learn, numpy, matplotlib,
- Darknet Worked with object detection, keypoint detection
- Semantic segmentation, Instance segmentation
- Object tracking, gesture recognition, scene understanding, movement / action prediction
- Perspective transformation, fast fourier transform, low pass filters, high pass filters
- Experience with data preparation - Data augmentation, annotation, labeling

🔺Резюме надсилайте на пошту cv@data-science.com.ua

​​Для тих, хто хоче побудувати кар’єру у data science і суміжних професіях, ми створили новий напрямок — менторство 😊.
У залежності від вашого досвіду, освіти, навичок та бажань ми:
- підберемо вам ментора;
- проконсультуємо з побудови кар’єрного шляху і розвитку необхідних навичок;
- надамо супровід у комфортному режимі (онлайн чи особисто);
- за бажанням створимо групи для спільного навчання.

🔸ВАЖЛИВО🔸: це не офлайн навчальна група, це створення індивідуального плану для самостійного навчання або плану для самостійного навчання маленької групи.

Зацікавились? Пишіть нашому community manager @h31ga

#datascienceua #datascience

​​Усе життя ми проводимо з іншими людьми — колегами, друзями, коханими та родичами. Від дитячого садочку до технічних конференцій.
Лише 14 лютого купуйте 2 квитки на Data Science UA Conference за ціною 2900 грн. Адже разом ми здатні на більше, разом ми — команда.

More information about Data Science UA Conference: https://data-science.com.ua/conferences/conference-6/

#datascienceua #datascience #dsuaconference

​​28 лютого в Creative Quarter Олесь Петрів і Назар Шматко проведуть воркшоп 'How to control GANgsters. Controlled image synthesis'.

Олесь Петрів, CTO, NeoCortext/ML Lead, Videogorillas
Олесь активно займається дослідженнями і розробкою систем комп’ютерного зору й обробки природної мови. Він є автором курсу з машинного навчання на Prometheus, а також курсу з глибокого навчання в ARVI Lab. Олесь має великий досвід роботи в обробці відео із використанням методів Deep learning для виявлення об’єктів і дiй, генерацій субтитрів до зображень та відео для кіностудій Голлівуду.

Назар Шматко, VP of engineering, NeoCortext
Назар, як фахівець в області машинного навчання, має досвід роботи в сферах комп'ютерного зору, обробки природної мови та прикладні знання в healthcare-сфері. Зараз активно працює з генеративними моделями для проекту із переносу рис обличчя.

Воркшоп поділений на 2 частини:

Доповідь — 1 година.
У доповіді поговоримо про базову теорію глибоких генеративних моделей і розглянемо принципи роботи змагальних мереж (GAN). Обговоримо основні проблеми з якими стикаються дослідники під час тренування таких моделей і способи їх вирішення. Зробимо огляд існуючих досягнень генеративних моделей і області їх практичного застосування.

Воркшоп — 1,5 год.
Ми розглянемо загальний метод, що дозволяє використовувати натреновану генеративную модель для синтезу даних, які мають заздалегідь визначені атрибути. Для прикладу будемо використовувати натреновану модель GAN, що генерує довільні обличчя з шуму. Натренуємо модель, яка шляхом зміни латентного вектора на вході буде регулювати стать і вік згенерованої особи. Для того, щоб дати розуміння нейромережі, що таке стать і вік ми додатково натренуємо допоміжну модель, що відповідає за передбачення цих атрибутів. Обговоримо переваги і недоліки розглянутих методів і межі їх застосувань.

Коли: 28 лютого, 19:00-22:00
Де: Creative Quarter, 11 поверх
БЦ Gulliver, Спортивна площа, 1А, 01023 Київ, Україна

Вартість:
15-20 лютого — 700 грн
21-28 лютого — 850 грн

Знижки:
від 3 квитків — 10%
від 5 квитків — 15%
студентам — 25%

Квитки за посиланням https://goo.gl/MBVrc2
---------------------------------

Кількість місць обмежено — 20 учасників

---------------------------------
Вимоги до програмного забезпечення:
- операційна система Linux
- бажано, але не критично мати окрему відеокарту
- CUDA
- CUDNN

Необхідне ПО для воркшопу:
imageio
ipython
jupyter
matplotlib
numpy
opencv-python
Pillow
scikit-image
scikit-learn
scipy
sklearn
tensorboard
tensorboardX
tensorflow
torch
torchfile
torchvision
tqdm

Сайт https://thispersondoesnotexist.com/ генерує реалістичні людські обличчя. Більшість є дуже реалістичними 😏

Як це все працює можна прочитати у статті: https://arxiv.org/pdf/1812.04948.pdf

#datascienceua #datascience

Нейромережа, що пише сама тексти 🤨

OpenAI натренувала нейромережу на 8 мільйонах веб-сторінок. І, як стверджують, тексти виходять доволі непоганої якості 😏

Компанія поки що пропонує лише демо-версію, через низку побоювань