Как машинлернеры мерили экспрессию генов от воздействия лекарств
Привет! Меня зовут Дима и я веду канал про соревновательный МЛ. Недавно мы выиграли приз в довольно престижном соревновании и я сделал обзор всех лучших решенийХочу вам рассказать о Open Problems, где не удалось взять золото, но все равно все очень довольны, ведь мы взяли 13 место и специальные приз жюри, который позволил нам выступить на NeuralIPS.Начнем с краткого описания соревнования:Компания-организатор занимается тем, что пытается оптимизировать проведение дорогостоящих экспериментов с препаратами на живых, но отделенных от самих созданий клетках 🧪 (in vitro) 🧪. У клеток много разных типов и препарат лечащий одну клетку мог спокойно убить все клетки другого типа в том же организме. Взяли много таких экспериментов, в том числе контрольные. Можно увидеть на картинке подробности того, как проводился тест Читать далее

#deep_learning #kaggle #kaggle_competition #open_problems | @habr_ai

Материалы для подготовки к собеседованию на позицию Data Scientist. Часть 2: Классическое машинное обучение
Привет! Меня зовут Артем. Я работаю Data Scientist'ом в компании МегаФон (платформа для безопасной монетизации данных OneFactor).В предыдущей статье я поделился материалами для подготовки к одному из самых волнительных (для многих) этапов - Live Coding.В этой статье рассмотрим материалы, которые можно использовать для подготовки к секции по классическому машинному обучению. Читать далее

#собеседование_в_it #data_science #подготовка_к_собеседованию #data_scientist #машинное_обучение #курсы #книги #материалы #ресурсы #kaggle | @habr_ai

Инструменты AutoML в 2024

Определимся с терминологией. Можно найти c десяток формулировок «AutoML- это…» с разной степенью детализации. Но все они сведутся к словам «AutoML — автоматизирует и упрощает работу с данными». И вот здесь как раз и начинаются сложности. Границы определения AutoML размыты. Есть фреймворки работающие на «3 строчках» кода, есть с платформы с GUI, есть библиотеки для профессионалов и новичков. Попробуем разобраться..

Читать далее

#automl #data #data_science #tools #kaggle #machine_learning #автоматизация #опыты_для_детей #соревнования #жизнь_в_радость | @habr_ai

Применение рекомендательного фреймворка ODRS на практике: SCARA-робот сортирует цветные крышки

В лаборатории комании Insystem мы часто применяем наш фреймворк ODRS(подробнее тут) для решения различных задач в области компьютерного зрения. Одной из такой задач стала настройка SCARA робота для сортировки цветных крышек от пластиковых бутылок. Этот проект был вызван необходимостью автоматизировать процесс переработки, увеличивая его эффективность и точность. Используя ODRS, мы смогли обучить робота распознавать крышки различных цветов, а затем сортировать их по категориям. В ходе работы были выполнены следующие задачи:

Читать далее

#object_detection #recommendation #recommender_system #yolo #robotics #scara #python #kaggle | @habr_ai

Как делать бизнес в Open Source

Интервью Эмели Драль — кофаундера и технического директора Evidently AI. У её open source библиотеки для оценки, тестирования и мониторинга качества данных и моделей машинного обучения уже более 22 миллионов скачиваний. Расспросим её о пути в карьере, передаче знаний, необходимых скиллах и будущем отрасли. Читать далее

#data_science #машинное_обучение #технологический_стек #композиции_моделей #гиперпараметры #fine_tuning #evidently_ai #open_source #интервью #kaggle | @habr_ai

Как выигрывать Kaggle соревнования: LLM-анализ выигрышных решений

Примерно год назад энтузиаст с Kaggle по имени Дарек Клечек провел интересный эксперимент: он собрал все доступные описания (writeups) побеждавших на Kaggle за последние годы решений, пропустил их через LLM и свел по ним общую статистику о том, какие механики и алгоритмы оказываются "наиболее победными". Отчет у парня получился достаточно объемный, интересный, а местами и непредсказуемый. Эта статья – свободный авторский пересказ его эссе. И пусть прологом к ней послужит цитата Дарека:

Читать далее

#kaggle #ml #competition #искусственный_интеллект #машинное_обучение #llm #статистика | @habr_ai

Kaggle для футболистов: Классификация событий на футбольном поле

Всем привет! В конце 2022 года закончилось соревнование DFL - Bundesliga Data Shootout. Так как мне интересен футбол и в целом спортивная аналитика, то я решил поучаствовать в этом соревновании. Целью данной статьи является описание моего подхода, и я уверен, что многие методы, примененные к этой задаче, могут быть адаптированы для решения других задач в области компьютерного зрения. За подробностями под кат!

Читать далее

#kaggle #computer_vision #cnn #футбол #yolo #opencv #machinelearning | @habr_ai

Обзор платформы Kaggle для начинающих: от состязаний до менторской программы

В IT-среде название Kaggle часто ассоциируется только с соревнованиями. Но на самом деле это полноценная социальная сеть и база данных для специалистов в сфере Data Science и ML.

Подготовили обзор, чтобы помочь новичкам разобраться в Kaggle. Разбираем, что площадка предлагает джунам и опытным специалистам, как пользоваться ее функциями и с какими задачами она может помочь.

Читать далее

#kaggle #kaggle_competition #машинное_обучение #ml #data_science #дата_сайенс #python #датасет #соревнования_по_машинному_обучению #нейросети | @habr_ai

Прогнозируем движение беспилотного автомобиля (или как я вышел в тройку лидеров на Yandex Cup 2024)

Хабр, привет! Меня зовут Николай Назаров, я работаю аналитиком данных в X5 Tech. Недавно завершился чемпионат по программированию Yandex Cup ML Challenge 2024, в котором я занял второе место в задаче “Self-driving cars: предсказание движения беспилотного автомобиля”. В статье расскажу про задачу и подходы, которые использовал для решения.

Читать далее

#self_driving_car #yandex_cup_2024 #machine_learning #data_science #lightgbm #чемпионат_по_программированию #kaggle #беспилотные_автомобили #python | @habr_ai

Как я стал AI-специалистом: путь от студенческой лабораторной до оргкомитета AiConf Х

Привет! Меня зовут Александр Абрамов, я руковожу AI-командами в R&D для b2c в SberDevices, веду канал про AI и вхожу в программный комитет конференции AiConf Х. В этой статье хочу рассказать о своём пути в мир искусственного интеллекта: как одна лабораторная работа по анализу данных определила мою карьеру, зачем нужны соревнования и хакатоны, и почему участие в конференциях важнее, чем просто прокачка резюме. Делюсь опытом, ошибками, победами и тем, как реально устроен AI в продакшене. Читать далее

#machine_learning #ml #ai #data_science #kaggle #llm #gigachat | @habr_ai

Новый подход к спортивному анализу данных: какие шаблоны «рвет» SDSJ

Специалистам по data science сейчас есть где разгуляться — один Kaggle с его активностью по спортивному анализу данных чего стоит. Но время идет и метрики, по которым определяются победители конкурсов, постепенно устаревают или приедаются — в большинстве случаев используются классические выборки данных. А что, если вместо этого предложить разработать полноценную модель в Docker с конечным решением-моделью? Подробности — под катом

#sberbank_data_science_journey #data_science_contest #data_science #kaggle | @habr_ai

BirdCLEF+ 2025: обзор соревнования и ключевые решения топ-5 команд

BirdCLEF+ 2025 — очередная часть ежегодного соревнования от Cornell Lab of Ornithology по распознаванию звуков дикой природы. В этом году участникам предстало предсказывать целевое животное на коротких фрагментах записи, балансируя между качеством моделей и жёсткими ограничениями железа. Разобраться в псевдолейблинге...

#птицы #машинное_обучение #ml #ai #kaggle #kaggle_competition | @habr_ai

Titanic + CatBoost (Первое решение, первый Jupyter Notebook)

Решение первого соревнования на kaggle титаник с помощью библиотеки от яндекса catboost. Два способа: обычная модель и второй: с перебором гиперпараметров с помощью randomizedsearch. Сравнение результатов. Читать далее

#kaggle #titanic #ml #машинноеобучение #machinelearning #scikitlearn #catboost #eda #соревнование #juniorml | @habr_ai