Многим из нас неоднократно приходилось искать информацию о том или ином синтаксисе или концепции Python и не только.
Попробуем разобраться с некоторыми сложными и полезными функциями и особенностями Python, NumPy и Pandas о которых многие так часто забывают

https://nuancesprog.ru/p/971/

@nuancesprog #статьи #python #DataScience #MachineLearning

Каждому специалисту в своей области хотелось бы впечатлить аудиторию динамическим представлением аналитики в презентации, посте в соцсетях и т.д.
В статье Вы научитесь превращать скучные и статичные графики в короткие видеоролики с помощью библиотек Matplotlib и Seaborn на Python

https://nuancesprog.ru/p/2048/

@nuancesprog #статьи #Python #DataScience

Обработка данных может оказаться очень длительным и трудоемким процессом. Однако, применяя статистические методы, специалист способен максимально сократить время на обработку и повысить ее эффективность.
В статье мы опишем некоторые такие методы

https://nuancesprog.ru/p/2479/

@nuancesprog #статьи #DataScience #MachineLearning #ArtificialIntelligence #Tech #

NLP: как стать специалистом по обработке естественного языка

https://tprg.ru/BbkC

Вместе с развитием сферы Data Science растёт и востребованность в кадрах для этой отрасли. Как же стать специалистом в такой части анализа данных, как обработка естественного языка?

В статье рассказываем:
— чем занимаются специалисты по NLP,
— в каких вузах учиться, чтобы стать специалистом по NLP,
— какие очные и онлайн курсы стоит пройти.

#datascience

Качественно новый уровень визуализации данных в Python

https://tprg.ru/BiM9

Что является самым важным при работе с большими данными? Пожалуй, их грамотная визуализация для последующего анализа.

Рассказываем вам про библиотеку plotly в Python, с помощью которой можно:

— строить сложные графики вроде тепловых карт и матриц рассеяния всего в одну строку кода,
— делать интерактивные визуализации,
— редактировать графики в онлайн-редакторе.

#python #datascience

Лучшие датасеты для машинного обучения и анализа данных

https://tprg.ru/7FKd

Для анализа данных и машинного обучения требуется много данных. Можно было бы собрать их самостоятельно, но это утомительно.

Рассказываем, где брать готовые датасеты в самых разных категориях:
— картинки пёсиков,
— подборки твитов,
— и даже тексты с дебатов Канадского Парламента.

#ml #datascience

Метрики для датасайнтиста

https://tproger.ru/translations/3-basic-distances-in-data-science/

Если вы начнёте знакомство с Data Science, то, скорее всего, столкнётесь с различными метриками. В сегодняшней статье рассказываем про основные их них.

#datascience

📃 Используем IBM Watson и OpenAI GPT-2 для персонализации контента. Общаемся с пользователем от лица его двойника из фильма. Код проекта на Github в конце статьи

https://nuancesprog.ru/p/5376

@nuancesprog #статьи #DataScience #Python #MachineLearning

Какие алгоритмы и структуры данных нужно знать специалисту в Data Science?

Что освоить, если будешь заниматься системами рекомендаций? А геоданными? А обработкой естественного языка? А что нужно точно-точно знать всем?

Разбираемся вместе с экспертами в аналитике и машинном обучении: https://tprg.ru/A3PU

#datascience #ml

​В чём разница между изучением Data Science и реальной работой?

Рассказываем про основные отличия: https://tprg.ru/rObs

#datascience

450 онлайн-курсов

Хотите послушать курс по информатике из Гарварда? Или курс по алгоритмам из Принстона? Может, подтянуть знания по финансам на курсе из Йеля?

Тогда эта подборка из 450 бесплатных онлайн-курсов от Лиги плюща (ассоциация из 8 топовых вузов США) — для вас:

https://tprg.ru/fsTE

#информатика #datascience #математика

План обучения для специалиста по Data Science

Что можно делать с помощью Data Science? Можно контролировать взлёты и посадки в самых больших аэропортах, анализировать и прогнозировать появление эпидемий без врачей, улучшать алгоритмы для беспилотного транспорта.

Предлагаем вам план обучения по этому направлению:

https://tprg.ru/aPoZ

#datascience

​Зачем нужна статистика дата-сайентисту?

Например, чтобы извлекать информацию из данных, узнавать их структуру и на основе полученной информации проводить дальнейший анализ.

В этой статье рассматриваем 5 базовых концепций статистики, которые полезно знать дата-сайентистам:

https://tprg.ru/Zgni

#datascience #статистика

Efficient Python Tricks and Tools for Data Scientists

The goal of this book is to spread the awareness of efficient ways to do Python. They include:

- efficient methods and libraries to work with iterator, dictionary, function, and class
- efficient methods to work with popular data science libraries such as pandas and NumPy
- efficient tools to incorporate in a data science project
- efficient tools to incorporate in any project
- efficient tools to work with Jupyter Notebook.

#book #python #datascience
https://khuyentran1401.github.io/Efficient_Python_tricks_and_tools_for_data_scientists/README.html

Humanities Data Analysis: Case Studies with Python is a practical guide to data-intensive humanities research using the Python programming language.

The book, written by Folgert Karsdorp, Mike Kestemont and Allen Riddell, was originally published with Princeton University Press in 2021 (for a printed version of the book, see the publisher’s website), and is now available as an Open Access interactive Juptyer Book.

#book #python #datascience
https://www.humanitiesdataanalysis.org/index.html

The A.I. Dilemma

This video is from a presentation at a private gathering in San Francisco on March 9th with leading technologists and decision-makers with the ability to influence the future of large-language model AIs. This presentation was given before the launch of GPT-4.

#ai #nlp #datascience
https://vimeo.com/809258916

Data on Kubernetes

Interesting community podcast

#datascience #kubernetes #k8s #ai
https://podcasts.apple.com/ua/podcast/data-on-kubernetes-community/id1524821862