Привет! Для начала стоит рассказать об этом канале и обо мне: я выпускник топ-5 российских ВУЗов, работал в стратегическом консалтинге, сейчас тружусь в немецкой IT-компании. Основная часть моей работы – анализ бизнес кейсов и решение проблем внутри компании (оптимизация бизнес-процессов, управление рисками, консультации топ-менеджменту). Примерно полгода назад я понял, что Excel банально не справляется с моими задачками: простейшие операции заставляют мой довольно-таки мощный ноутбук изрядно попотеть или вовсе зависнуть. Я решил, что настало время изучать data science и языки, связанные с этим явлением: Python, R, SQL. Вникнув в них, я понял, что они реально могут упростить мою жизнь. На этом канале я как новичок в мире machine learning буду писать про то, с чего стоит начать, на что обратить внимание и как применить машинное обучение. Помимо машинного обучения буду делиться рабочими моментами из своей жизни.

Моя (и наша общая цель): изучить machine learning, уметь писать простые нейросети, создать свой бизнес (или сгенерировать бизнес идею) на основе machine learning к декабрю 2018 года (у нас есть меньше года).

Погнали!

Сегодня зависаю на классном мастерклассе от одного чувака ex-Yandex, ex-Mail. Анализируем выборы и их результаты с помощью machine learning и Python. Какие можно сделать основные выводы? Выборы не очень честные. Хотите данные? Пожалуйста:
https://github.com/CommanderDuck/russian_elections_2018/blob/master/russian_elections_2018.ipynb

Ответы на базовые вопросы по Machine Learning, часть 1

Кому это нужно?

- вы офисный сотрудник, который часто анализирует данные;
- вы владелец бизнеса, вы data driven, поэтому хотите более-менее точные прогнозы;
- вы не анализируете данные, но чувствуете, что ваша сфера деятельности скоро перейдёт на big data, поэтому надо понимать что это такое и с чем её едят

Лично обычный офисный червь. В какой-то момент я понял, что в Экселе не смогу сделать анализ 20 миллионов строк и 20 столбцов.

Ответы на базовые вопросы по Machine Learning, часть 2

В каких программах делают этот самый machine learning?

Есть 2 основных языка программирования, где происходит сама магия чисел: R и Python. Оба языка предтавляют из себя обычные консоли, то есть вы по-настоящему программируете и кодите в условном чёрном окошке. Разницы в них немного. R более молодой, разработан data scientists для data scientists, в синтаксисе он более сложный и предназначен только для анализа данных. Python постарше, применяется он не только для анализа данных и machine learning (на нём, например, можно написать движок для сайта). По сути разницы между ними немного и только совсем углубившись в тему machine learning вы увидите разницу.

Красивая картинка ниже.

Что кроется за машинным обучением?

За машинным обучением стоит много сложной математики и статистики. В целом, машины могут учиться двумя способами: либо они получаются данные и понимают исход какого-то события, либо впитывают в себя знания экспертов. Первое - машинное обучение такое, каким его будем изучать мы. Второе - программирование алгоритмов, мы этого касаться не будем (в ближайшем будущем).

Вот вам данные:

0 0 0 = х
0 0 1 = у
0 1 1 = у
1 1 1 = у
1 0 0 = у
1 1 0 = у
1 0 1 = у
1 1 1 = у

Теперь вопрос: чему равняется 0 1 0 = ?

Чему равняется 0 1 0 = ?
anonymous poll

у – 31
👍👍👍👍👍👍👍 79%

х – 8
👍👍 21%

👥 39 people voted so far.

Машины выносят суждение так же, как и люди. Различие в том, что в отличие от нас (мешков с мясом) машины могут анализировать по-настоящему большие объёмы данных и при этом не ошибаться (или чётко определять с какой вероятностью возможна ошибка). Когда я загнал пример выше в алгоритм машинного обучения, он выдал мне ответ = у, скорость ответа 0.00001 милисекунды. Признайтесь, сколько у вас секунд ушло на решение этой задачи? Этот простой пример даст вам представление о том, насколько машины могут быстрее делать выводы, чем люди.

Анализ выборов президента России - 2018 😏
Вывод : даже простейший анализ показывает, что за Путина вбрасывали бланки или заставляли ВСЕХ людей на участке голосовать за него 🙊
Источник: сайт ЦИК