🌎TOP-25 DS-events all over the world:
• Feb 9-11 • WAICF - World Artificial Intelligence Cannes Festival • Cannes, France https://worldaicannes.com/
• Feb 15-16 • Deep Learning Summit• San Francisco, USA https://ai-west-dl.re-work.co/
• Mar 30 • MLconf • New York City, USA https://mlconf.com/event/mlconf-new-york-city/
• Apr 26-27 • Computer Vision Summit • San Jose, USA https://computervisionsummit.com/location/cvsanjose
• Apr 27-29 • SIAM International Conference on Data Mining (SDM23) • Minneapolis, USA https://www.siam.org/conferences/cm/conference/sdm23
• May 01-05 • ICLR - International Conference on Learning Representations • online https://iclr.cc/
• May 17-19 • World Data Summit• Amsterdam, The Netherlands https://worlddatasummit.com/
• May 25-26 • The Data Science Conference • Chicago, USA https://www.thedatascienceconference.com/
• Jun 14-15 • The AI Summit London • London, UK https://london.theaisummit.com/
• Jun 18-22 • Machine Learning Week • Las Vegas, USA https://www.predictiveanalyticsworld.com/machinelearningweek/
• Jun 19-22 The Event For Machine Learning Technologies & Innovations • Munich, Germany https://mlconference.ai/munich/
• Jul 13-14 • DELTA - International Conference on Deep Learning Theory and Applications • Rome, Italy https://delta.scitevents.org/
• Jul 23-29 • ICML - International Conference on Machine Learning • Honolulu, Hawai’i https://icml.cc/
• Aug 06-10 • KDD - Knowledge Discovery and Data Mining • Long Beach, USA https://kdd.org/kdd2023/
• Sep 18-22 • RecSys – ACM Conference on Recommender Systems • Singapore, Singapore https://recsys.acm.org/recsys23/
• Oct 11-12 • Enterprise AI Summit • Berlin, Germany https://berlin-enterprise-ai.re-work.co/
• Oct 16-20 • AI Everything 2023 Summit • Dubai, UAE https://ai-everything.com/home
• Oct 18-19 • AI in Healthcare Summit • Boston, USA https://boston-ai-healthcare.re-work.co/
• Oct 23-25 • Marketing Analytics & Data Science (MADS) Conference • Denver, USA https://informaconnect.com/marketing-analytics-data-science/
• Oct 24-25 • Data2030 Summit 2023 • Stockholm, Sweden https://data2030summit.com/
• Nov 01-02 • Deep Learning Summit • Montreal, Canada https://montreal-dl.re-work.co/
• Dec 06-07 • The AI Summit New York • New York, USA https://newyork.theaisummit.com/
• Nov • Data Science Conference • Belgrade, Serbia •https://datasciconference.com/
• Dec • NeurIPS • https://nips.cc/
• Dec • Data Science Summit • Warsaw, Poland • https://dssconf.pl/

Кстати, если кто хочет в Яндекс вдруг :https://yandex.ru/project/events/fasttrack-poisk-analytics-04-23?utm_source=recruitment&utm_medium=ra&utm_campaign=chaser

⁉️⁉️а такое бывало ⁉️⁉️⁉️

Но как менять работу, если такая любимая команда 🙄


Было такое? , что меняли место, а потом жалели?

Мой вид после спортзала 🤩😅

Мое мнение, что идти надо обязательно, предлагают наставничество, если хорошо прошли модуль, поэтому ещё прокачаетесь объясняя/ помогая другим, лучше освоите.

Иначе, не сможете вспомнить через неделю пройденный материал😝

Когда я менторю ребят или отвечаю на вопросы, я однозначно больше понимаю/ узнаю сама.

С вас огонёчки🔥🔥🔥

Сегодня написала узнать «как дела»

Людям, кто был у меня на консультации/менторстве, проходил курс.

Я даже не ожидала услышать такие разные, яркие истории становления специалистами data science, вот некоторые реплики:
⁃ я в начале прохождения исп. срока узнала, что беременна…
⁃ по факту: я полноценный аналитик на реальном проекте для банка;
⁃ у меня случилась интересная должность на работе, что-то между data analytics и программистом
⁃ вообще, многие из команды считают меня лидом
⁃ ну я маленькими шагами учусь
⁃ поняла о чем говорят и что от меня хотят в задачах. Информация уложилась, понимание пришло.
⁃ тяжело
⁃ не знаю, что будет дальше, пока просто стараюсь хоть как-то вывозить
⁃ медленно, но верно все продвигается) Я очень рада, что решилась на это. Счастлива можно сказать)

❓Прониклись?

Реальные истории преодоления трудностей, успехов и провалов, на пути к цели 🎯 работать в сфере Data Science/IT;

Очень рада, что все, с кем удалось пообщаться, продолжают учиться, работать, каждый со своей точки старта продолжает продвигаться вперёд 👏

Никто не говорил, что будет легко и быстро. Но считаю своей заслугой сформированное реальное положение дел и порция мотивации, чтобы развиваться в этой области.

А как у вас дела ❓
🤗пишите в комментариях 👇

Есть удобный сервис chatpdf.com который позволяет анализировать pdf-ки (и без проблем доступен из России). В бесплатной версии можно задавать до 50 вопросов в день, чего обычно вполне хватает. Для остальных промптов и поиска других нейросетей и сервисов есть сайт https://www.aicyclopedia.com/ , на котором постоянно появляются новые сетки

Привет ребят 🌞

Рада вам сообщить, что курс по математике для Data Science стартует совсем скоро: 19.06.

❗️Купить курс можно уже сейчас по ссылке и никак иначе:

https://stepik.org/a/127486

Для вас, самых перых и заинтересованных людей действует промокод на скидку, успейте воспользоваться:

MATHFIRST2023

Подробно с программой курса можно ознакомиться по ссылке. Помимо записаных уроков и заданий к ним, вас ждут онлайн вебинары с разбором заданий и ответами на все вопросы.

Так же вы сможете задавать все вопросы в чате курса или в комментариях на платформе курса, и я с преподаватели будем вам лично отвечать 24/7.

❗️Вы так давно хотели разобраться с этой математикой и не испытывать страх и непонимание!
Так давайте приступим к изучению и познаем какой же интересный интересный мир анализа данных через призму математики!

Так же, кто не в курсе, есть первая часть курса «Python для Data Science».

Он подойдет всем, кто хочет научиться программировать на Python с нуля.

https://stepik.org/course/100567/promo?fbclid=PAAaYpT4JSpEuoqHU2_995lGiTpDfmS6REOFMBUNsa40Ezj-2mrGAxMPnmyAY

КАКАЯ МАТЕМАТИКА НУЖНА ДЛЯ DATA SCIENCE??


1. Линейная алгебра: Матричные операции позволяют эффективно обрабатывать большие объемы данных. Например, с помощью линейной алгебры можно проводить операции с матрицами, решать системы линейных уравнений и применять метод главных компонент для снижения размерности данных.
2. Статистика: Математическая статистика позволяет извлекать информацию из данных и делать выводы на основе вероятностных моделей. Она используется для оценки параметров, проверки гипотез, построения доверительных интервалов и проведения регрессионного анализа.
3. Теория вероятностей: Эта область математики помогает моделировать случайные процессы и оценивать их вероятности. В анализе данных теория вероятностей используется для построения статистических моделей, прогнозирования и определения рисков.
4. Оптимизация: Математические методы оптимизации применяются для поиска оптимальных решений в условиях ограничений. В анализе данных оптимизация используется для настройки моделей машинного обучения, подбора оптимальных параметров и решения задач оптимального планирования.

Все эти дисциплины в сжатой форме, только самое необходимое для анализа данных представлены на нашем курсе “Математика для Data Science ”.

💭Хватит откладывать мечту о работе в айти и на удаленке, пора воплощать желания в реальность.

КАК ПРЕОДОЛЕТЬ СТРАХ МАТЕМАТИКИ?

😑Мне с детства нравилась математика, но сама я не являюсь математическим гением.

И помню, как боялась экзаменов по линейной алгебре, дифурам, дискретной математике, мат. анализу, как и большинство. Но преодолевая это я и стала айти специалистом, другого пути просто нет.

В айти это одни из самых важных «инструментов» для решения реальных задач, но не стоит бояться, если ты не силен в математике или не любишь ее.

💙Благодаря упорству и помощи преподавателей, одногрупников, коллег я смогла освоить эту область на уровне достаточном для работы и понимания многих вещей, дальнейшего развития.

Если и ты тоже хочешь работать в индустрии технологий, но не знаешь, сможешь ли освоить математику, не отчаивайся! Это нормально, если ты не сразу поймешь все нюансы. Важно не бояться пробовать и не останавливаться на одном месте. Техническая специальность дает возможность развиваться и находить решения сложных задач. На пути будут встречаться трудности, но справиться с ними можно, если не бросать начатое и искать поддержку у коллег и наставников.
Так что, не позволяй страхам мешать тебе освоить техническую специальность и войти в айти. Ты можешь стать настоящим профессионалом!

❓Хочешь помогу тебе освоить математику и стану твоим наставником?

https://stepik.org/a/127486

Сегодня стартовал курс по математике для Data Science! Все, кто купил, уже приступают к обучению🥳

Ну а у вас, есть еще одна возможность заскочить в последний вагон 🚇

Понимаю, что сложно принять решение и, возможно, еще остались вопросы, сомнения , нет четкого понимания, подойдет ли этот курс лично вам и тд.

Поэтому предлагаю провести групповую zoom встречу, где каждый сможет задать свой вопрос и получить развернутый ответ.

Завтра 20.06 в 18:00 мск.

❗️Все, кто хочет, пишите мне лично, слово ХОЧУ и я пришлю ссылку на zoom

ПЕЧАЛЬНЫЙ ОПЫТ ПРОХОЖДЕНИЯ СОБЕСЕДОВАНИЯ в
samokat.tech

Я переодически прохожу собеседования, чтобы быть в курсе изменений требований/вопросов, тренировать навык уверенно рассказывать о своем прошлом опыте.

Не скажу, что я прям готовлюсь к ним, ну за день могу что-то повторить, посмотреть, так как собесы похожи на экзамены, а в голове все удержать сложно, особенно, когда ты с чем-то давно не работал.

Но в августе, я почувствовала, что мне слишком хорошо 😀 я в зоне комфорта, на удаленке, работа не занимает все мое время, в удовольствие, то к чему я стремилась перестало удовлетворять - короче, я осознала, что у меня кризис 5 лет, в DS я с августа 2018 (смотри карусель).

Возможно пора что-то менять?

Зашла на hh.ru, наткнулась на вакансию от samokat.tech, откликнулась, вышли на связь через примерно неделю, назначили встречу, я потратила на подготовку 2 дня, а не один 😀, прошла три этапа собеседования, а дальше тишина ….

Обещали дать обратную связь через 2-3 дня, пишу рекрутеру на 4: «Сегодня вернёмся».

Но сегодня так и не наступило…

Я НЕ ждала развернутого ответа почему я не подхожу(хотя это очень полезно), но элементарно ответа: Да/Нет, хотелось бы получить, учитывая, что было потрачено прилично времени с обоих сторон и процесс должен иметь логический конец.🙄
При этом я не раз слышала жалобы от IT HR, какие айтишники наглые, разбалованные и токсичные кандидаты, задания делать не хотят, код писать, вообще ужас, хотя теперь я не удивляюсь такому отношению.

Мораль: уважение должно быть взаимным🩵

У вас были подобные случаи? Часто компании просто пропадали без ответа?👇