3571
Тут вы найдете всё, что связано с Data Science, AI и Machine Learning, как для начинающих, так и для бывалых специалистов. Также, для вас, мы переводим зарубежные статьи. Сотрудничество: @Seyfme
Неудачный опыт: выявление аномалий в данных методами кластеризации
Источник
Заметки Дата Сайентиста: с чего начать и нужно ли оно?
Источник
Большая статья с кучей шпаргалок в области Data Science! Здесь каждый найдет для себя что-то полезное!
101 DATA SCIENCE with Cheat Sheets (ML, DL, Scraping, Python, R, SQL, Maths & Statistics)
anushka.datascoop/101-data-science-cheat-sheets-ml-dl-scraping-python-r-sql-maths-statistics-ef30b4d786eb">Источник
🤖 Машинное обучение для начинающих: алгоритм случайного леса (Random Forest)
Источник
Cтекинг (Stacking) и блендинг (Blending)
Источник
Язык R - один из наиболее востребованных навыков в сфере Data Science
R способен заменить Excel, BI платформы и даже Python в области анализа данных и Data Science.
В канале R4marketing вы найдёте множество русскоязычных обучающих материалов по языку R, среди которых:
- Заметки по анализу данных на R
- Бесплатные книги
- Бесплатные курсы
- Статьи
- Видео уроки
Подписывайтесь!
Хочешь получить востребованную профессию в ИТ?👍
Сейчас все больше компаний принимают решения на основе данных и используют искусственный интеллект для автоматизации процессов. Поэтому навыки AI-разработчика всегда востребованы - об этом говорят зарплаты специалистов по нейросетям:
▫️Junior специалист - от 70 000 ₽
▫️Middle специалист - от 150 000 ₽
▫️Senior специалист - от 300 000 ₽
Мы проводим бесплатный🔥 3-х дневный практикум, на котором познакомим тебя с миром AI - это идеальный формат, который поможет тебе принять решение о дальнейшем обучении и, возможно, смене профессии.💪
👌Будет полезно всем, кто хочет разобраться в карьерных перспективах сферы работы c нейросетями.
Регистрация по ссылке 👈
Введение в диффузионные модели для генерации изображений – полное руководство
Источник
Управление на основе данных. Что общего между электронным дневником и базой налоговой?
Источник
Сравнение систем Machine Learning as a Service: Amazon, Microsoft Azure, Google Cloud AI, IBM Watson
Источник
SQL для Data Science: альтернатива обмену через Google Disk и Slack
Источник
Важные исследования в области AI в 2022 г
Источник
ML-задача на 30 минут: гадаем по cookie
Источник
7 полезных операций в Pandas при работе с DataFrame
Источник
Как обрабатывать объекты Avro с помощью датасетов Spark 3.2 & Scala 2.12
Источник
Математика для ИИ: линейная алгебра
Источник
Полезные и практические материалы про аналитику данных, бизнес-анализ и развитие soft-навыков в канале Data Study от ведущего BI аналитика.
Воркшоп по теме создания data-продуктов в компания
Статья на habr про оконные функции простым языком
Советы на старте поиска работы за рубежом
Шаблон оформления документации при профайлинге нового data-источника
Как писать SQL-запросы прямо в Jupyter Notebook
Материалы канала помогут улучшить профессиональные навыки в аналитике.
Подписаться 👨💻
Меры центральности в Network Science
Источник
Узнайте, как готовить данные в Greenplum®
🗓Когда: 7 февраля в 12:00 (МСК)
На вебинаре архитектор Yandex Cloud расскажет о том:
🔹как выбрать оптимальную модель данных для хранилища;
🔹как хранить, загружать и обрабатывать данные в Greenplum: heap и append-optimized таблицы, индексы, сжатие, партицирование и шардирование данных, подключение к внешним источникам с помощью механизма PXF;
🔹как выявлять типовые проблемы производительности: анализ мониторинга и настроек кластера, чтение и анализ планов запросов;
🔹как оптимизировать производительность;
🔹как выполнять обслуживание кластера Greenplum.
Также спикер проведёт короткую Q&A-сессию. Присылайте вопросы в чат трансляции — спикер ответит на них в прямом эфире.
Участие бесплатное, нужно только ➡️ зарегистрироваться
DeepFake-туториал: создаем собственный дипфейк в DeepFaceLab
Источник
Самообучение в Data science, с нуля до Senior за два года
Источник
❗️Как пройти техническое собеседование на ML-специалиста?
👉Узнайте на примере mock-интервью с преподавателями курса «MLOps» в OTUS! На открытом уроке вы сможете наблюдать один из этапов собеседования при найме ML-специалистов — ML System Design секцию. Для удачного прохождения этого этапа нужно не только знать ML-алгоритмы, но и иметь навыки проектирования ML-систем, которые могут успешно работать в промышленной среде.
Спикеры:
Павел Филонов — Ex-Data Science Manager в Kaspersky.
Александр Миленькин — cтарший менеджер по работе с большими данными в X5 Retail Group.
🗓Когда: 24 января 19:00 мск
➡️Для участия пройдите вступительный тест: https://otus.pw/mTus/
Реклама. Информация о рекламодателе на сайте otus.ru
Разработчик доказывает отделу тестирования, что всё работает
Читать полностью…