Google DevFest в Алматы

Когда: 28 октября, 10:00
Где: Almaty Management University (Розыбакиева 227)

Google DevFest - конференция для разработчиков от Google Developers Group Almaty. Во время феста будут доклады от международных и местных специалистов по 3 направлениям:

1. AI Track
2. Dev Track (веб и мобильная разработка)
3. Startup Track

Параллельно докладам будет проходить Ideathon - конкурс идей, результаты которого будут объявлены к конце феста.

Регистрация по ссылке.

Конкурс научных стажировок от Фонда Шахмардана Есенова

Дедлайн подачи: 14 ноября
Для кого: студенты бакалавриата 2-3 курсов, студенты магистратуры 1 курсов, действующие научные сотрудники

Конкурс для студентов, кто интересуется наукой и хочет пройти стажировку в лабораториях зарубежных вузов. Для первого этапа необходимо подать заявку со следующими документами:

• Скан удостоверения
• Эссе
• Транскрипт с оценками и диплом (если вы студент магистратуры)
• Резюме
Дополнительно при наличии:
• Научные сертификаты
• Сертификаты за социальную активность
• Публикации
• Рекомендательное письмо

Подать заявку можно по ссылке.

NU OPEN 2023 💻

Контест по программированию от университета Nazarbayev University

Спонсоры: Khan Group, Meta, BTS Digital

Формат: онлайн и оффлайн (условия для участия в оффлайн режиме: ваш возраст должен быть >=16 и вы должны быть школьником / студентом бакалавра)

Призы (призы только для оффлайн участников):
1 место: 300К тенге
2 место: 200К тенге
3 место: 100к тенге
4 место: 100к тенге
(+ для всех призеров мерч)

3️⃣ Дедлайн регистрации: 3 ноября, 23:59
Регистрация по ссылке

Остальная информация в офф. странице (@nuopen) контеста

Yandex Cup 2023

Yandex Cup – жыл сайын өтетін чемпионат. Осы жолы жеңімпаздар 38 000 000 теңге ұтып ала алады. Чемпионатқа кез келген деңгейдегі қатысушылар қатысуға рұқсат (студент -> senior бағдарламашы)

Қатысушылар 6 бағытта сынға түседі:
• аналитика
• ML
• спорттық бағдарламалау
• фронтенд
• бэкенд
• мобильдік бағдарламалау

Жарысқа қатысу үшін 29 қазанға дейін осы сілтеме арқылы тіркелу керек

Чемпионаттың кезеңдері:
• 23-29 қазан – квалификация кезеңі
• 4 қараша – жартылайфинал
• 2-3 желтоқсан – финал

Финал Алматы қаласында өтеді. Финалистердің жол және өмір сүру шығынын Яндекс төлейді.

Ближайшие мероприятия для студентов

• Кейс-чемпионат Creative One от AIESEC в Астане

В кейс-чемпионате можно участвовать с любого города в команде от 2 до 4 человек, в возрасте от 18 до 30 лет

Когда: 4-12 ноября

Дедлайн регистрации: 2 ноября, 23:59

Регистрация по ссылке.

• Соревнование по компьютерным сетям и администрированию NetDay

Соревнование будет проходить в 3 этапа: онлайн тестирование, оффлайн задание и финальный хакатон. Регистрация открыта для всех студентов любого вуза.

Когда: 4-19 ноября
Дедлайн регистрации: 3 ноября

Регистрация по ссылке.

Хакатон SheCodes 2.0

SheCodes 2.0 — это недельный онлайн хакатон для девушек, где участницы решают кейс от компаний-партнеров.

В хакатоне могут принять участие девушки от 18 до 30 лет, в индивидуальном порядке или в командах. Делегаты могут участвовать с любого города.

ℹ️ Проект пройдёт 18–26 ноября:
18 ноября – открытие хакатона
19–25 ноября – решение кейсов
26 ноября – презентация решений и закрытие хакатона

📌Дедлайн подачи заявок 23:59, 17 ноября!

Не упусти эту уникальную возможность и регистрируйся прямо сейчас!

Митап Google Solution Challenge Camp 2023 в Алматы

Когда: 18 ноября
Где: Алматы, на базе De Monfort University

Google Developers Group устраивает митап на тему Машинного обучения. Данный митап входит в серию ивентов, посвящённых Google Solution Challenge - международный конкурс проектов среди студентов. На сам митап могут регистрироваться все желающие.

Если хотите принять участие в самом конкурсе, подробную инфомацию можете найти здесь.

Регистрация на сам митап по ссылке.

DSGN Meetup от red_mad_robot Central Asia

Где: Алматы
Когда: 9 декабря, 14:30
Формат: оффлайн и онлайн

Митап будет интересен дизайнерам и UX исследователям.

Спикеры и темы докладов:

▪️ Полина Хоменко, Design Team Lead, ex-Avito
Богдан Артеменко, Senior Product Designer, Bank Centercredit — «Кто такой дизайнер в дискавери и деливери фазах и зачем он нужен»

▪️ Ислам Каимбаев, Product Designer, r_m_r CA
Малика Ягудина, UX-исследователь, Jusan Business — «Рост дизайнера через UX-исследования»

▪️ Мария Шкунарская, Lead Product Designer, Usability Lab — «Тебе не надо быть лидом, если…»

▪️ Асылхан Назир, Head of Design, r_m_r CA — «Да кто такой ваш этот хэд?!»

Регистрация по ссылке.

Рекомендация от админа

Папка с полезными каналами

В Телеграме давно уже есть функция подписки сразу на несколько каналов с помощью папок. В этой подборке собрали интересные каналы по IT в Центральной Азии.

К слову, мы в этой папке тоже есть, так что можете пересылать друзьям, если они еще не подписаны.

https://t.me/addlist/6hmSjiJAPntjYjUy

Презентация лучших решений по треку машинного обучения Yandex Cup в Алматы

Когда: 2 декабря, 10:30
Где: Алматы

В этом году финал Yandex Cup будет проходить в Алматы. В рамках ML трека будет презентация лучших решений финалистов. Если вы интересуетесь машинным обучением, это мероприятие будет вам полезно. Помимо презентаций будет так же фуршет и нетворкинг с участниками и жюри.

Темы докладов
• Предсказание музыкального жанра по звучанию трека
• Краткосрочное предсказание интенсивности осадков
• Распознавание слов по нарисованным кривым на экране смартфона

Регистрация по ссылке.

Что надо знать для собеседования на стажера Data Science/Machine Learning Engineer?

Пост основан не только на моем опыте, но и на опыте других студентов, которые в разное время подавались в разные компании на позицию стажера в DS/ML. Ниже идет список тем, которые стоит повторить перед собеседованием.

Основы машинного обучения

Виды машинного обучения
Линейная и логистическая регрессии
Другие алгоритмы МЛ (SVM, KNN, Naive Bayes)
Деревья и ансамбли
Регуляризация, переобучение

Ресурс для подготовки:
Репозиторий с вопросами и ответами для собеседования
DLS базовый курс
YouTube канал StatQuest

Статистика

Задачи на комбинаторику
Теорема Байеса
Виды распределений
Номальное распрелеление
Среднее, медиана и мода, стандартное отклонение
Z-test и T-test
p-value
Central Limit Theorem

Ресурсы:
Khan Academy Statistics
Канал с разбором задач по статистике для начинающих ДС специалистов @start_ds

SQL

Оконные функции
Виды join
Задачи на практику

Ресурсы:
Статья на хабре на оконные функции
SQL тренажер на Stepik

Python

Мутабельность
Типы данных
Генераторы
Итераторы
MapReduce

Ресурсы:
Сайт Real Python (статья про мутабельность)
Сайт BigDataSchool (статья про MapReduce)
Сайт GeeksForGeeks (статья про генераторы и итераторы)

Если у вас есть опыт прохождения собеседований, добавляйте свои темы и ресурсы в комментариях

Что такое MicroMasters?

MicroMasters – это набор онлайн курсов уровня магистратуры, но при этом благодаря онлайн формату это в разы дешевле (есть опция подать на финансовую помощь) и быстрее (от 5 месяцев до года). Сама программа хоть и не приравнивается полноценной степени магистра, но позволяет заработать учебные крéдиты, которые могут засчитать уже в настоящей магистратуре.

Чем это может быть полезно вам?

Если вы думаете поступать на магистратуру, но у вас низкий GPA. На некоторых программах магистратуры может быть требование по минимальному среднему баллу на бакалавриате. Если у вас GPA ниже нужного, вы можете пройти MicroMasters, закрыть все курсы на «отлично», и тем самым добавить к имеющимся низким оценкам хорошие оценки с MicroMasters. Про эту опцию подробнее можете прочитать у автора канала Yoko’s сhannel здесь.

Если вы хотите пройти на стажировку в FAANG, но уже не являетесь студентом. Во многих компаниях FAANG (Facebook, Apple, Amazon, Netflix, Google) есть требование, что на стажировку принимают действующих студентов бакалавриата или магистратуры. Если вы хотите пройти стажировку, но уже закончили бакалавриат, а на магистратуру пока не планируете, можете взять MicroMasters, в некоторых компаниях это могут засчитать, т.к. во время программы вы получаете крéдиты.

Сменить специализацию. Большинство MicroMasters программ строят свой учебный план для начинающих, так что если вы хотите «войти в айти», MicroMasters может быть хорошим вариантом.

Где искать MicroMasters?

Все программы MicroMasters можно найти на сайте edX (аналог Coursera) по ссылке.

Бесплатные курсы у платных IT школ

Сейчас у многих айти школ помимо платных курсов есть бесплатные курсы, которые, несмотря на бесплатность, структурированы хорошо и могут быть полезны начинающим.

В этом посте разберем karpov.courses. Данная школа знаменита курсами по аналитике, дата саенс и машинному обучению. Длительные курсы у них платные, а ниже представлены их бесплатные и более краткосрочные курсы.

Docker с нуля. Докер - инструмент для работы с контейнерами, который может понадобиться не только разработчику, но и дата саентисту, если надо внедрить модель в продукт. Помимо докера изучите yaml и docker-compose, и как разворачивать готовые сервисы, такие как Airflow, PostgreSQL, Nginx и другие.

SQL симулятор. По сути тренажер на 120 задач, разбитые по темам, от самого нуля до продвинутого. В конце идут задачи из реальной работы аналитиков: посчитать метрики, построить дашборды и т.д.

Математика для Data Science. В любом направлении ДС нужно знать основы мат анализа и линейной алгебры. Если нет времени на долгие курсы, можно взять быстрое введение тут, и по ходу уже добирать остальное. Подробнее о матеше для ДС можно прочесть в этом посте.

Если знаете еще школы, где есть бесплатные хорошие курсы, пишите в комментариях.

Data Science Internship (up to 3 months)
Citix
150000 to 200000 KZT per month
Almaty / Office

Citix is a company that specializes in outdoor advertising on LED screens. In the computer vision department, we focus on audience measurement.

Responsibilities:
• Audience forecasting
• Automation of model annotation and retraining
• Anomaly detection in data

Requirements:
• Strong Python skills
• Linux experience or willingness to learn
• Completion of a test task

Contacts:
📱 @gordinmitya

Бесплатные курсы у Яндекс Практикума

Сегодня обсудим бесплатные курсы у Яндекс Практикума. Всего 12 бесплатных курсов, есть как "с нуля", так и для людей с опытом.

Инженер облачных сервисов. Для людей, кто уже знаком с программированием, линуксом и командной строкой. Дают грант в Yandex Cloud, чтобы вы могли выполнять задания. Курс про развертывание своего сервиса, хранение данных и анализ, DevOps и многое другое.

Основы статистики и А/В тестирования. Если хотите стать дата аналитиком, но не знаете, с чего начать изучение статистики, этот курс будет хорошим стартом. Помимо теории есть симулятор с задачами.

Основы Python. По сути, из бесплатных курсов Практикума можно составить свою специализацию по дата аналитике. Данный курс покрывает все нужные темы по Python, которые понадобятся аналитику на первых порах.

Основы работы с базами данных и SQL. Еще один курс в догонку к вашей бесплатной дороге в дата аналитику, ибо любому дата специалисту нужно уметь работать с базами данных.

Подготовка к алгоритмическим собесам. Если после прохождения курсов задумаетесь подать на стажировку или позицию, в любом случае придется готовиться к алго секции. В Практикуме предусмотрели и это.

Из нетехнических есть курсы по составлению резюме, дизайну презентаций и выбору профессии.

Еще у всех платных специализаций есть возможность пройти первые 20 часов курса бесплатно.

Ошибки при изучении Data Science

Всем привет, на связи админ. Летом 2021 года, после 2 курса, меня заинтересовала сфера Data Sceince, и я самостоятельно составляла себе учебный план и проходила курсы. Спустя год после начала моей “учебы Data Science” я получила первую стажировку.

В этом посте решила поделиться некоторыми выводами, что я делала правильно и неправильно во время погружения в эту сферу.

1. Пыталась выучить всю математику до Машинного Обучения

Из-за того, что в Специализации от Яндекса и МФТИ (уже недоступна на Курсере) весь первый вводный курс был посвящен необходимым темам в математике для МЛ (мат.анализ, линейная алгебра, теория вероятности и статистика), я всерьез решила, что надо изучить все эти дисциплины, и только потом изучать МЛ.

В итоге я действительно за лето изучила мат.анализ, линейную алгебру и теорвер, и только в сентябре приступила к МЛ. Взяла я курс Machine Learning by Andrew Ng на Курсере. И как выяснилось, бОльшая часть тех тем, которые я учила, были не нужны на первых порах изучения МЛ. На том курсе от Andrew Ng и вовсе хватало тех знаний, которые у меня были с 1 курса. А когда я пыталась вникнуть в SVD разложение матриц из дополнительной (необязательной) части курса, выяснилось, что сложные темы из линалга я уже и забыла.

Как стоило: уже в середине линалга начать МЛ на курсере, т.к. для начальных алгоритмов достаточно мат.анализа и совсем чуть-чуть линалга.

2. Пренебрегала курсами на русском языке

Да, мне не зашли курсы от МФТИхЯндекс и от ВШЭ на Курсере, и учебники по матану на русском, но в инете много крутых вещей на русском все же есть. Пример - DLS от МФТИ. Точно не для новичком, как они пишут, но очень круто объясняется сложная часть - сам МЛ, ДЛ, регуляризация, компьютерное зрение. Просто нужно найти более свежий курс. Особенно хороши курсы от ODS сообщетсва. Некоторые курсы от них упоминала здесь.

3. Консультации у уже работающих людей

Это необязательно платные консультации за миллион денег, это может быть короткий созвон на 30 минут с человеком, которого вы нашли на Линкедине по вашей специальности. Еще в некоторых онлайн комьюнити есть люди, которые сами предлагают короткие консультации бесплатно. Надо приходить с уже готовыми конкретными вопросами. Например, на одной из таких консультаций мне помогли отсеять пока ненужные мне курсы и сосредочиться на более нужных.
Еще свои вопросы по учебе/работе можно задавать в чатах, обычно как минимум 1 человек точно ответит.

4. Проходить собеседования, даже если ничего не знаешь.

У меня был забавный кейс летом 2021, когда я только прошла 1 курс на Курсере от Яндекса. Я подала на стажировку в одну компанию, сделала их тестовое и прошла на собеседование. На собесе меня попросили пройтись по своему тестовому заданию (анализ в jupyter notebook). В итоге выяснилось, что сделала я его неправильно. Интервьювер в итоге объяснила каждый шаг, как надо было сделать. После собеса у меня было представление, что именно надо знать и уметь, чтобы стать дата саентистом. Так что, несмотря на очевидный провал, это был очень полезный опыт.

Еще рекомендую записывать вопросы, которые вам задают на интервью, чтобы знать, какой уровень от вас ожидают как от стажера и что стоит подтянуть.

5. Ну и собственно вела заметки, что я делала, чтобы было о чем рефлексировать в будущем (и чтобы написать этот пост, конечно :) )

Если у вас тоже есть советы для начинающих специалистов, пишите в комментариях.

Всем привет, на связи админ

Просьба пройти опрос. Опрос займет меньше минуты.

Ссылка на опрос.

Школа по Data Engineering от компании Quantori

Когда: с 1 февраля, 4 месяца
Где: онлайн
Дедлайн: 22 декабря

Quantori - биоинформатическая компания, которая делает проекты для лабораторий на стыке биологии/химии и IT.

Компания организовывает онлайн школу по дата инженерии для студентов.

Требования:

Знание Python и SQL
Понимание реляционных моделей данных
Знание английского на уровне В1 и выше

Лучшие студенты курса получат приглашение на работу.

За новостями компании можно следить на их канале @Quantori.
Регистрация по ссылке.