Прекрасная статья: первое правило ML — стартовать без ML
https://eugeneyan.com/writing/first-rule-of-ml/

Хорошая статья с задачками по #SQL с собеседований:

https://habr.com/ru/company/dcmiran/blog/500360/

🔥🔥🔥 Интервью с Ваней Кобзевым, Аналитиком из Яндекса:
https://youtu.be/26ekdBPHgr0

Про то, как пройти отбор в Я, про плюшки компании, зарплаты и не только 🙂
Любая обратная связь приветствуется.

Книжка "Data Science для карьеристов".
Будет полезна тем, кто пытается понять что это за зверь, какие профессии в области есть и как тут стоит развиваться.
Состоит из 4 больших частей:
1. Data Science. С чего начать;
2. Как попасть в DS;
3. Осваиваемся в DS;
4. Как подняться по карьерной лестнице в DS

Ссылка: https://disk.yandex.ru/i/_uaFxg14epnKDQ

#sklearn cheat-sheet

Учебник #ШАД по машинному обучению:
https://academy.yandex.ru/dataschool/book

Судя по описанию, интересные #курсы аналитиков данных со вполне неплохой программой и стипендией 60к: https://analystsschool-rosbank.ru/

Вопросы про #сложность алгоритмов часто встречаются на интервью.
В этой теме очень важно понимать ассиптотику питоновских структур данных и уметь их комбинировать:
https://proglib.io/p/slozhnost-algoritmov-i-operaciy-na-primere-python-2020-11-03

#стажировки
Друзья из МегаФона запускают новую волну стажировок. Я сам когда-то начинал с точно такой же, поэтому очень рекомендую 🙂
Писать можно напрямую hr: @svetlana_stakanova
Подробности в файле

Хорошая статья про #shap:
https://towardsdatascience.com/shap-explain-any-machine-learning-model-in-python-24207127cad7

Для тех, кто не знаком: SHAP - инструмент, который позволяет оценить вклад каждого признака как в итоговую модель, так и в конкретное предсказание. Очень удобная и полезная штука. Понимать как она работает - большой плюсик в карму

Cheat-sheet по самым ключевым #алгоритмам (в классическом понимании): https://habr.com/ru/company/vk/blog/350326/

🔥Вторая часть видео про линейную регрессию!
В нём разбираются уже более сложные вещи.
Ключевые моменты: внутрянка sklearn LinearModel, решение линейной регрессии через SVD, градиентный спуск, стохастический градиентный спуск.
Как и всегда, буду рад любой обратной связи (как положительной, так и отрицательной) где угодно.
https://youtu.be/gZxtdPY6e_o

DLStories — канал о глубоком обучении и искусственном интеллекте, который ведут ребята из DLSchool — школы глубокого обучения на базе МФТИ.

В канале вы найдете:
- разборы архитектур новых нейросетей
- обучающие материалы: статьи, видео, подкасты на DL-тематику
- рассуждения о влиянии ИИ на социум
- новости и веселые истории из мира ИИ

Будьте в курсе последних тенденций в области DL и ИИ! ⬇️

@dl_stories

Один из самых понятных и красивых курсов по #nlp: https://lena-voita.github.io/nlp_course.html

Наверное, кто-то меня невзлюбит за эту статью и я получу большой отток в канале, но поделиться очень хочется 🙂
Автора лично не знаю, статью взял у ребят из @quas6
Ключевая мысль, которую я хочу ею донести - DS'ы бывают разными. Не ведитесь на название позиции, обязательно узнавайте чем вы будете заниматься и в каких условиях будете работать. Лучше - просите прямо конкретные примеры задач команды и равняйте их на себя, а ещё лучше - находите людей, которые в отделе работают.
mesyarik.ru/18/sberbank.html

P.S. Даже в рамках компании от отдела к отделу задачи и условия могут отличаться кардинально, поэтому не воспринимайте статью в штыки

Карта базовой математики для ML: https://app.learney.me
В вершинах - материалы, которые помогут изучить тему. Очень полезная штука.

Легендарная статья, которая позволит вам объяснить любому человеку с улицы что такое Data Science:

https://vas3k.ru/blog/machine_learning/

Очень хорошие материалы про решающие деревья и ансамбли на них:

Сами деревья: https://youtu.be/MJwAoWFTMWw
Композиции дереьев: https://youtu.be/vqF8wrWjR5s
Градиентный бустинг: https://youtu.be/JElfEE1OrSU

Прекрасный тренажёр по #pandas, позволит вспомнить основные хинты перед собеседованием (и не только):
https://www.machinelearningplus.com/python/101-pandas-exercises-python/

Всех с наступающим, а кого-то уже и с наступившим :)

Прошедший год в цифрах:
• Канал в телеграмме вырос более чем в 2 раза!
• Суммарные просмотры канала превысили 250k
• Более 150 постов были собраны в единую страничку на Notion
• Был запущен канал на Youtube, он уже набрал >350 подписчиков :)
Там уже есть и интервью, и обучающие видео. Дальше - больше!
Записаны и находятся в монтаже видео с несколькими очень интересными личностями:
1. С лидом из MTS AI (мастер и грандмастер Kaggle!)
2. С легендой российского и лондонского Data Science :)
Ссылочка: https://youtube.com/channel/UC58kXi5NtsovarEcx4FfsiA

А чего бы вам хотелось бы видеть больше в канале в 2022 году?)

Ключевые распределения.
На собеседованиях очень любят задачки на классический тервер а-ля
• Из ящика, в котором 4 красных, 5 зелёных и 1 синий шар вытаскиваются шары с возвращением. Каково матожидание первого вытягивание синего шара?
• В среднем в магазин заходят 3 человека в минуту. Какова вероятность того, что за 2 минуты в магазин зайдет не более 1 человека?
• Согласно какому распределению распределяется число изюминок в булочках?

Для того, чтобы в этом всём разобраться, здорово понимать какие ключевые распределения есть.
Вот эта статья позволит это вспомнить: https://habr.com/ru/post/311092/