📌Добрый день!
Вот-вот наступит Новый год, впереди целых 10 дней каникул 🎄
Предлагаем провести их с пользой, поэтому делимся с вами — списком полезной литературы от академического директора программы Ивана Ямщикова 🥁
📚Список литературы на первый семестр 📚
🔹Туганбаев А. А. Линейная алгебра: учебное пособие Электронная библиотека Москва: Флинта, 2017
🔹Юрчук, С. Ю. Методы математического моделирования: учебное пособие Электронная библиотека Москва: МИСиС, 2018
🔹М. Лутц “Программирование на Python, 4-е издание”
🔹Франсуа Шолле: Глубокое обучение на Python.
https://www.labirint.ru/books/645742/
p.s. ещё больше примеров и кода
🔹Николенко, Кадурин, Архангельская: Глубокое обучение. Погружение в мир нейронных сетей.
Подробнее: https://www.labirint.ru/books/622166/
p.s. дружить с математикой
🔹Бенджио, Гудфеллоу, Курвилль: Глубокое обучение.
Подробнее: https://www.labirint.ru/books/620686/
p.s. для тех, кто хочет подробнее и с базовой математикой
🔹Перевод книги Эндрю Ына «Страсть к машинному обучению»
Главы 1 — 14
https://habr.com/ru/post/419757/
p.s. в качестве чтения перед сном
С наступающим! ❤️
Вот-вот наступит Новый год, впереди целых 10 дней каникул 🎄
Предлагаем провести их с пользой, поэтому делимся с вами — списком полезной литературы от академического директора программы Ивана Ямщикова 🥁
📚Список литературы на первый семестр 📚
🔹Туганбаев А. А. Линейная алгебра: учебное пособие Электронная библиотека Москва: Флинта, 2017
🔹Юрчук, С. Ю. Методы математического моделирования: учебное пособие Электронная библиотека Москва: МИСиС, 2018
🔹М. Лутц “Программирование на Python, 4-е издание”
🔹Франсуа Шолле: Глубокое обучение на Python.
https://www.labirint.ru/books/645742/
p.s. ещё больше примеров и кода
🔹Николенко, Кадурин, Архангельская: Глубокое обучение. Погружение в мир нейронных сетей.
Подробнее: https://www.labirint.ru/books/622166/
p.s. дружить с математикой
🔹Бенджио, Гудфеллоу, Курвилль: Глубокое обучение.
Подробнее: https://www.labirint.ru/books/620686/
p.s. для тех, кто хочет подробнее и с базовой математикой
🔹Перевод книги Эндрю Ына «Страсть к машинному обучению»
Главы 1 — 14
https://habr.com/ru/post/419757/
p.s. в качестве чтения перед сном
С наступающим! ❤️
Labirint.RU
Глубокое обучение на Python
Глубокое обучение - Deep learning - это набор алгоритмов машинного обучения, которые моделируют высокоуровневые абстракции в данных, используя архитектуры, состоящие из множества нелинейных преобразований. Согласитесь, эта фраза звучит угрожающе. Но...
📌Добрый вечер!
Сегодня расскажем вам о событиях в жизни магистратуры «Наука о данных» за эту неделю.
Подошла к концу первая сессия! Ура! 🥳
Наши студенты на шаг ближе к своей цели — освоить новую для себя профессию🎯
Напоминаю, что с 3 го семестра мы разделимся на три трека:
▫️Artificial Intelligence Developer
▫️Big Data Engineer
▫️Machine Learning Developer
🛤Чтобы помочь студентам сделать правильный выбор на своем карьерном пути — мы организовали Q&A встречу по треку Big Data Engineer, с экспертом из индустрии — Виталием Худобахшевым (тимлид в Jet Brains, разработчик плагина Big Data Tools)
Такие встречи пройдут по всем трём трекам, а пока делимся с вами некоторыми вопросами и ответами:
▪️Как выглядит рабочий день дата инженера, исключая совещания? Пришёл и что делает? Проверят всё ли живо и чинит или что-то пишет?
«Часто чинит и разгребает инциденты, которые довольно часты на практике. Чистит код, улучшает/добавляет pipeline. Условно говоря следит, чтобы всё не развалилось. Работа по входящим задачам от других отделов в пределах компетенции специалиста».
▪️Какие инструменты будут использоваться наибольшим образом? На каком уровне мы будем работать с этим?
«Apache Spark — очевидный лидер среди используемых инструментов, Hadoop — не понимать, как работает этот инструмент также нельзя (Spark работает поверх Hadoop, к примеру) и вся инфраструктура вокруг Hadoop важна для того, чтобы понимать, как кластера существуют. Hive важен для аналитики. DataGrip как самый продвинутый инструмент для работы с SQL, т. е. опять же к аналитике ближе. Koalos фреймворк для получения API Pandas, просто работающий поверх Apache Spark. Dask — фреймворк на чистом пайтоне, много времени изучение не должно занять, но и без него нельзя. Kafka — это продюсер большого количества контента, который после попадает в JDBC, Hadoop, а после попадает в Spark».
▪️Будет ли возможность брать дисциплины из нескольких треков или нужно строго выбрать один?
«Такая возможность будет, но нужно чётко понимать, что объём будет довольно-таки большой».
Сегодня расскажем вам о событиях в жизни магистратуры «Наука о данных» за эту неделю.
Подошла к концу первая сессия! Ура! 🥳
Наши студенты на шаг ближе к своей цели — освоить новую для себя профессию🎯
Напоминаю, что с 3 го семестра мы разделимся на три трека:
▫️Artificial Intelligence Developer
▫️Big Data Engineer
▫️Machine Learning Developer
🛤Чтобы помочь студентам сделать правильный выбор на своем карьерном пути — мы организовали Q&A встречу по треку Big Data Engineer, с экспертом из индустрии — Виталием Худобахшевым (тимлид в Jet Brains, разработчик плагина Big Data Tools)
Такие встречи пройдут по всем трём трекам, а пока делимся с вами некоторыми вопросами и ответами:
▪️Как выглядит рабочий день дата инженера, исключая совещания? Пришёл и что делает? Проверят всё ли живо и чинит или что-то пишет?
«Часто чинит и разгребает инциденты, которые довольно часты на практике. Чистит код, улучшает/добавляет pipeline. Условно говоря следит, чтобы всё не развалилось. Работа по входящим задачам от других отделов в пределах компетенции специалиста».
▪️Какие инструменты будут использоваться наибольшим образом? На каком уровне мы будем работать с этим?
«Apache Spark — очевидный лидер среди используемых инструментов, Hadoop — не понимать, как работает этот инструмент также нельзя (Spark работает поверх Hadoop, к примеру) и вся инфраструктура вокруг Hadoop важна для того, чтобы понимать, как кластера существуют. Hive важен для аналитики. DataGrip как самый продвинутый инструмент для работы с SQL, т. е. опять же к аналитике ближе. Koalos фреймворк для получения API Pandas, просто работающий поверх Apache Spark. Dask — фреймворк на чистом пайтоне, много времени изучение не должно занять, но и без него нельзя. Kafka — это продюсер большого количества контента, который после попадает в JDBC, Hadoop, а после попадает в Spark».
▪️Будет ли возможность брать дисциплины из нескольких треков или нужно строго выбрать один?
«Такая возможность будет, но нужно чётко понимать, что объём будет довольно-таки большой».
📌Добрый день!
Уже на следующей неделе начнется второй семестр магистратуры «Наука о данных».
Всего в семестре 4️⃣ дисциплины:
🔻Менеджмент для наук о данных
🔻Системы хранения и обработки данных
🔻Инжиниринг данных
🔻Глубокое обучение в науках о данных
Сегодня расскажем вам о самой первой дисциплине:
🔗Менеджмент для наук о данных🔗
Преподаватель и автор курса — Смирнова Ольга.
Профессионал с опытом управления проектами и продуктами в сфере IT и автоматизации финансовых и банковских услуг на протяжении 12 лет.
Опыт работы в таких компаниях, как: PROJECT TUNE, СКБ КОНТУР, WESTERN UNION CORPORATION.
Темы курса:
▪️IT в современном мире
▪️Оценка навыков и ресурсов
▪️Методологии управления проектами
▪️Начало работы над проектом
▪️Планирование проекта
▪️Сбор требований
▪️Гипотезы
После прохождения курса, студенты научатся:
▫️Составлять ТЗ
▫️Моделировать бизнес-процессы
▫️Проектировать ИС
▫️Оценивать навыки и ресурсы
▫️Строить план и дорожную карту проекта
▫️Проводить брифинг заказчика
▫️Собирать требования к продукту
▫️Применять такие модели, как: Waterfall и Agile
Уже на следующей неделе начнется второй семестр магистратуры «Наука о данных».
Всего в семестре 4️⃣ дисциплины:
🔻Менеджмент для наук о данных
🔻Системы хранения и обработки данных
🔻Инжиниринг данных
🔻Глубокое обучение в науках о данных
Сегодня расскажем вам о самой первой дисциплине:
🔗Менеджмент для наук о данных🔗
Преподаватель и автор курса — Смирнова Ольга.
Профессионал с опытом управления проектами и продуктами в сфере IT и автоматизации финансовых и банковских услуг на протяжении 12 лет.
Опыт работы в таких компаниях, как: PROJECT TUNE, СКБ КОНТУР, WESTERN UNION CORPORATION.
Темы курса:
▪️IT в современном мире
▪️Оценка навыков и ресурсов
▪️Методологии управления проектами
▪️Начало работы над проектом
▪️Планирование проекта
▪️Сбор требований
▪️Гипотезы
После прохождения курса, студенты научатся:
▫️Составлять ТЗ
▫️Моделировать бизнес-процессы
▫️Проектировать ИС
▫️Оценивать навыки и ресурсы
▫️Строить план и дорожную карту проекта
▫️Проводить брифинг заказчика
▫️Собирать требования к продукту
▫️Применять такие модели, как: Waterfall и Agile
📌Добрый день!
Продолжаем рассказывать о предметах второго семестра в магистратуре «Наука о данных».
⛓Система хранения и обработки данных⛓
Преподаватель курса — Конов Илья Сергеевич
Старший преподаватель кафедры АСУ, и.о. директора центра академии данных MADE НИТУ МИСиС. Сертифицированный тренер Huawei и Cisco по направлению R&S и Storage system.
✨Курс направлен на приобретение представлений об архитектуре и принципах функционирования систем хранения и обработки данных, о методах и подходах к защите данных. В рамках дисциплины разбираются принципы работы HDD и SSD дисков.
Рассказывается про RAID технологии, технологии защиты данных и основные протоколы хранения и передачи. Курс опирается на сертифицированные курсы Huawei BSSN Storage system.
Все лабораторные работы будут происходить на реальном энтерпрайз оборудовании.
👆В завершение каждый студент может пройти бесплатную инженерную сертификацию.
Компетенции студентов после прохождения предмета:
▪️Определения, термины и понятия в области хранения и обработки данных
▪️Подходы и методики создания отказоустойчивых систем хранения данных
▪️Проектирование систем хранения данных и работы с ними
▪️Коммутация, настройка и тестирование систем хранения и обработки данных
▪️Конфигурации современных систем хранения данных
▪️Проектирование конфигурации сетей исходя из параметров ТЗ
▪️Администрирование в Linux и Windows Server
▪️Базовые команды администрирования в Unix Shell
Продолжаем рассказывать о предметах второго семестра в магистратуре «Наука о данных».
⛓Система хранения и обработки данных⛓
Преподаватель курса — Конов Илья Сергеевич
Старший преподаватель кафедры АСУ, и.о. директора центра академии данных MADE НИТУ МИСиС. Сертифицированный тренер Huawei и Cisco по направлению R&S и Storage system.
✨Курс направлен на приобретение представлений об архитектуре и принципах функционирования систем хранения и обработки данных, о методах и подходах к защите данных. В рамках дисциплины разбираются принципы работы HDD и SSD дисков.
Рассказывается про RAID технологии, технологии защиты данных и основные протоколы хранения и передачи. Курс опирается на сертифицированные курсы Huawei BSSN Storage system.
Все лабораторные работы будут происходить на реальном энтерпрайз оборудовании.
👆В завершение каждый студент может пройти бесплатную инженерную сертификацию.
Компетенции студентов после прохождения предмета:
▪️Определения, термины и понятия в области хранения и обработки данных
▪️Подходы и методики создания отказоустойчивых систем хранения данных
▪️Проектирование систем хранения данных и работы с ними
▪️Коммутация, настройка и тестирование систем хранения и обработки данных
▪️Конфигурации современных систем хранения данных
▪️Проектирование конфигурации сетей исходя из параметров ТЗ
▪️Администрирование в Linux и Windows Server
▪️Базовые команды администрирования в Unix Shell
📌Добрый вечер!
У нас вышла статья, в которой студенты делятся своим опытом сбора датасета в рамках учебного хакатона магистратуры «Наука о данных» 🤖
В материале описаны 3 датасета:
🔹Набор данных о вакансиях для поиска IT специалистов на сайте hh.ru
🔹Датасет с данными кошек различных пород
🔹Датасет с данными из Spotify и MusicBrainz о российских музыкальных исполнителях и их лучших треках
Переходите по ссылке 👉 https://habr.com/ru/company/skillfactory/blog/542004/
Уверены, вам будет интересно! 🙂
У нас вышла статья, в которой студенты делятся своим опытом сбора датасета в рамках учебного хакатона магистратуры «Наука о данных» 🤖
В материале описаны 3 датасета:
🔹Набор данных о вакансиях для поиска IT специалистов на сайте hh.ru
🔹Датасет с данными кошек различных пород
🔹Датасет с данными из Spotify и MusicBrainz о российских музыкальных исполнителях и их лучших треках
Переходите по ссылке 👉 https://habr.com/ru/company/skillfactory/blog/542004/
Уверены, вам будет интересно! 🙂
Хабр
Нужно больше датасетов. Музыка, IT-скилы и котики
Привет, Хабр! Совсем недавно мы писали про открытый датасет, собранный командой студентов магистратуры «Наука о данных» НИТУ МИСиС и Zavtra.Online (подразделени...
📌Добрый день!
Продолжаем рассказывать о предметах второго семестра в магистратуре «Наука о данных».
🛠Инжиниринг данных🛠
Преподаватель курса — Троицкий Николай
Работал в таких компаниях, как: Техносерв, IBS, Сбербанк КИБ, Фонд Сколково и Интерфакс.
Сейчас занимается ИТ-консалтингом и руководит компанией «Бутик Информационных Технологий»
Курс состоит из модулей:
🔹Вводный модуль (Профессии в DS + Архитектура ПК)
🔹Тестирование
🔹Работа с файлами разных форматов
🔹Подготовка модели в Production
🔹Введение в SQL
🔹Агрегатные функции
🔹Связи таблиц
🔹Соединения таблиц
🔹Сложные объединения
🔹Практический Linux
🔹Системы визуализации и анализа
🔹Подзапросы
🔹Оконные функции
🔹NoSQL
В завершение курса, студенты научатся:
🔸Тестированию и отладке кода на Python
🔸Работать с файлами разных форматов
(не только CSV, но и Excel, JSON и XML)
🔸Понимать особенности доставки обученных моделей в продакшн
(различные способы применения моделей ML)
🔸SQL
🔸Операционная система Linux
Продолжаем рассказывать о предметах второго семестра в магистратуре «Наука о данных».
🛠Инжиниринг данных🛠
Преподаватель курса — Троицкий Николай
Работал в таких компаниях, как: Техносерв, IBS, Сбербанк КИБ, Фонд Сколково и Интерфакс.
Сейчас занимается ИТ-консалтингом и руководит компанией «Бутик Информационных Технологий»
Курс состоит из модулей:
🔹Вводный модуль (Профессии в DS + Архитектура ПК)
🔹Тестирование
🔹Работа с файлами разных форматов
🔹Подготовка модели в Production
🔹Введение в SQL
🔹Агрегатные функции
🔹Связи таблиц
🔹Соединения таблиц
🔹Сложные объединения
🔹Практический Linux
🔹Системы визуализации и анализа
🔹Подзапросы
🔹Оконные функции
🔹NoSQL
В завершение курса, студенты научатся:
🔸Тестированию и отладке кода на Python
🔸Работать с файлами разных форматов
(не только CSV, но и Excel, JSON и XML)
🔸Понимать особенности доставки обученных моделей в продакшн
(различные способы применения моделей ML)
🔸SQL
🔸Операционная система Linux
📌Добрый день!
Рубрика событий онлайн-магистратуры продолжается.
На прошлой неделе для наших магистрантов состоялась встреча с экспертом из области DS — Давидом Григорян.
Работает в компании Мегафон, занимается проектами по CVM (Customer value maximization).
Также к встрече присоединилась коллега Давида — HR-менеджер, Светлана Стаканова.
✨Цель встречи — рассказать о применении DS в телекоммуникациях и поделиться своим опытом.
Еще год назад Давид Григорян — был студентом магистратуры, а сейчас сотрудник ведущей компании в России.
Во время встречи студенты узнали:
▪С какими данными нужно работать
▪Как выглядит иерархия в команде,
▪Примеры проектов, типовые задачи, инструменты и как их освоить
▪Требования к профессии (на что смотрит работодатель при приеме на работу, как составить портфолио, реалии индустрии)
Кроме этого, успели задать вопросы приглашенным спикерам.
Делимся некоторыми из них:
❓Какой стек технологий вы точно требуете для стажеров и junior специалистов?
Топ 1,2,3 хард скилл для джуниора, кторый вы требуйте?
«Матан, лин.алгебра, питон. Начальные навыки по методам машинного обучения — всё что не дип ленинг джун должен знать.
1. Понимание статистики
2. Понимание матана и методов машинного обучения
3. Понимание питона»
❓Слышал такое мнение, что сейчас data science от узких специализаций движется в сторону "универсализации" специалистов, которые умеют и ml и de, всё действительно так?
«Да, и правда есть такое. Вполне нормальное картина, когда от ML Engineer требуется навыки работы с данными, со сбором их. Ровно, как и наоборот ситуация может повернуться.»
❓Насколько необходимо наличие портфолио для джуна? Достаточно ли пет-проджекта в виде телеграм-бота и небольшого ноутбука с анализом какого-нибудь датасета с кагла?
«Всё познаётся в сравнении. Если будет специалист с таким же стеком технологий, но с богатым гитхабом за плечами, то выбор будет в сторону богатого портфолио. Причины банальны — это опыт, на который будущий лид сможет опереться при составлении вопросов технического интервью.»
Рубрика событий онлайн-магистратуры продолжается.
На прошлой неделе для наших магистрантов состоялась встреча с экспертом из области DS — Давидом Григорян.
Работает в компании Мегафон, занимается проектами по CVM (Customer value maximization).
Также к встрече присоединилась коллега Давида — HR-менеджер, Светлана Стаканова.
✨Цель встречи — рассказать о применении DS в телекоммуникациях и поделиться своим опытом.
Еще год назад Давид Григорян — был студентом магистратуры, а сейчас сотрудник ведущей компании в России.
Во время встречи студенты узнали:
▪С какими данными нужно работать
▪Как выглядит иерархия в команде,
▪Примеры проектов, типовые задачи, инструменты и как их освоить
▪Требования к профессии (на что смотрит работодатель при приеме на работу, как составить портфолио, реалии индустрии)
Кроме этого, успели задать вопросы приглашенным спикерам.
Делимся некоторыми из них:
❓Какой стек технологий вы точно требуете для стажеров и junior специалистов?
Топ 1,2,3 хард скилл для джуниора, кторый вы требуйте?
«Матан, лин.алгебра, питон. Начальные навыки по методам машинного обучения — всё что не дип ленинг джун должен знать.
1. Понимание статистики
2. Понимание матана и методов машинного обучения
3. Понимание питона»
❓Слышал такое мнение, что сейчас data science от узких специализаций движется в сторону "универсализации" специалистов, которые умеют и ml и de, всё действительно так?
«Да, и правда есть такое. Вполне нормальное картина, когда от ML Engineer требуется навыки работы с данными, со сбором их. Ровно, как и наоборот ситуация может повернуться.»
❓Насколько необходимо наличие портфолио для джуна? Достаточно ли пет-проджекта в виде телеграм-бота и небольшого ноутбука с анализом какого-нибудь датасета с кагла?
«Всё познаётся в сравнении. Если будет специалист с таким же стеком технологий, но с богатым гитхабом за плечами, то выбор будет в сторону богатого портфолио. Причины банальны — это опыт, на который будущий лид сможет опереться при составлении вопросов технического интервью.»
📌Добрый день! У нас бомба-новость!💣💥
В прошлое воскресенье у нас прошел финал второго хакатона в магистратуре «Наука о данных».
В этот раз — Межгалактический хакатон 🪐
Рассказываем: Почему хакатон — межгалактический и что это вообще обозначает.
Чтобы было интереснее мы добавили идею известного произведения «Автостопом по галактике».🚀
По нашему мнению данные — это целая галактика.✨
🎯Миссия:
Студентам предстояло решить исследовательскую задачу с помощью анализа данных и/или машинного обучения.
✖
Подтвердить или опровергнуть поставленную гипотезу, обучив модели и найдя закономерности в данных.
Мы предложили студентам выбрать один из двух треков:
🤖«Марвин» — те студенты, которые выбрали этот трек — решали задачи от наших партнеров на их датасетах. «Галактический путеводитель» дал подсказку — собирать данные в таком случае не обязательно, но обогащение имеющихся данных из открытых источников может быть полезным.
🧑«Артур» — этот трек для настоящих исследователей: здесь можно использовать набор данных с первого хакатона, к нему разработать исследовательскую идею, сформулировать гипотезу и проверить ее, а результаты представить менторам.
Затянуло в космос Data Science и наших партнеров, которые представили кейсы нашим студентам:
Всего хакатон занял 5 дней. Все 5 дней студенты решали задачи, а также получили несколько дополнительных консультаций с партнерами в формате Q&A.
Также, перед выступлением финалистов хакатона, мы организовали «Музыкальную паузу». 🎵
Нашим специальным гостем стала — Аня Литомина из группы «Трипинадва», которая исполнила песни под гитару.🎸
Теперь рассказываем о финалистах нашего хакатона:
Команда «3 P’s» (кейс DVHB) — 1 место 🥇
Команда «Глубокое переобучение» (кейс UFC) — 2 место 🥈
Команда «Cloud 9» (кейс Intellivision) — 3 место 🥉
Предлагаем и вам частично погрузиться в наш межгалактический хакатон 👉🏻🚀 https://zavtra.online/hackathon
В прошлое воскресенье у нас прошел финал второго хакатона в магистратуре «Наука о данных».
В этот раз — Межгалактический хакатон 🪐
Рассказываем: Почему хакатон — межгалактический и что это вообще обозначает.
Чтобы было интереснее мы добавили идею известного произведения «Автостопом по галактике».🚀
По нашему мнению данные — это целая галактика.✨
🎯Миссия:
Студентам предстояло решить исследовательскую задачу с помощью анализа данных и/или машинного обучения.
✖
Подтвердить или опровергнуть поставленную гипотезу, обучив модели и найдя закономерности в данных.
Мы предложили студентам выбрать один из двух треков:
🤖«Марвин» — те студенты, которые выбрали этот трек — решали задачи от наших партнеров на их датасетах. «Галактический путеводитель» дал подсказку — собирать данные в таком случае не обязательно, но обогащение имеющихся данных из открытых источников может быть полезным.
🧑«Артур» — этот трек для настоящих исследователей: здесь можно использовать набор данных с первого хакатона, к нему разработать исследовательскую идею, сформулировать гипотезу и проверить ее, а результаты представить менторам.
Затянуло в космос Data Science и наших партнеров, которые представили кейсы нашим студентам:
◾ Кейс 1. — «Анализ схем севооборота» от DHVB◾ Кейс 2. — «Анализ данных для формирования состава» от РЖД◾ Кейс 3. — «Кластеризация изображений транспортных средств» от Intellivision◾ Кейс 4. — «Предсказание бойца победителя UFC» от ментора Николая Толстова, Data Science Teamlead, Merlin AI◾ Кейс 5. — «Формирование мультизаказов курьерской доставки»Всего хакатон занял 5 дней. Все 5 дней студенты решали задачи, а также получили несколько дополнительных консультаций с партнерами в формате Q&A.
Также, перед выступлением финалистов хакатона, мы организовали «Музыкальную паузу». 🎵
Нашим специальным гостем стала — Аня Литомина из группы «Трипинадва», которая исполнила песни под гитару.🎸
Теперь рассказываем о финалистах нашего хакатона:
Команда «3 P’s» (кейс DVHB) — 1 место 🥇
Команда «Глубокое переобучение» (кейс UFC) — 2 место 🥈
Команда «Cloud 9» (кейс Intellivision) — 3 место 🥉
Предлагаем и вам частично погрузиться в наш межгалактический хакатон 👉🏻🚀 https://zavtra.online/hackathon
Доброе утро! ☀️
⏰ Сегодня в 17:00 по Москве — состоится стрим «Высшее образование в онлайне» с Александром Турилиным CEO & Co-founder в SkillFactory.
🎓На стриме поговорим об онлайн-образовании в университетах, а так же на другие важные темы:
🔹Всем ли профессиям можно научиться в сети и заменит ли онлайн-образование классические формы обучения?
🔹Поменять профессию онлайн — реальность или маркетинговый ход? Как онлайн-школы помогают кандидатам найти новую работу?
🔹Какие возможности дает онлайн-образование для построения карьеры и развития экспертизы топ-менеджерам?
👉🏻Регистрация на мероприятие не нужна — просто нажмите кнопку «Пойду» на странице Facebook.
Вам придет уведомление о начале трансляции прямого эфира.
Также трансляция будет вестись на YouTube-канале.
⏰ Сегодня в 17:00 по Москве — состоится стрим «Высшее образование в онлайне» с Александром Турилиным CEO & Co-founder в SkillFactory.
🎓На стриме поговорим об онлайн-образовании в университетах, а так же на другие важные темы:
🔹Всем ли профессиям можно научиться в сети и заменит ли онлайн-образование классические формы обучения?
🔹Поменять профессию онлайн — реальность или маркетинговый ход? Как онлайн-школы помогают кандидатам найти новую работу?
🔹Какие возможности дает онлайн-образование для построения карьеры и развития экспертизы топ-менеджерам?
👉🏻Регистрация на мероприятие не нужна — просто нажмите кнопку «Пойду» на странице Facebook.
Вам придет уведомление о начале трансляции прямого эфира.
Также трансляция будет вестись на YouTube-канале.
Facebook
Log in or sign up to view
See posts, photos and more on Facebook.
📌Добрый день!
Совместно с нашими студентами мы снова выпускаем ✍️серию статей.
Финалисты подробно рассказывают о своём опыте решения задач, в рамках «Межгалактического хакатона» в магистратуре «Наука о данных» НИТУ МИСиС 🛸
Переходите по ссылке, чтобы прочесть 👉🏻 https://habr.com/ru/company/skillfactory/blog/549754/
Совместно с нашими студентами мы снова выпускаем ✍️серию статей.
Финалисты подробно рассказывают о своём опыте решения задач, в рамках «Межгалактического хакатона» в магистратуре «Наука о данных» НИТУ МИСиС 🛸
Переходите по ссылке, чтобы прочесть 👉🏻 https://habr.com/ru/company/skillfactory/blog/549754/
Хабр
Как мы на хакатоне транспорт кластеризировали
Привет, Хабр! Компьютерное зрение и искусственный интеллект — одни из самых востребованных направлений в современном IT. Поэтому мы выбрали именно их для учебног...