asyncio — недооцененное оружие для машинного обучения


Независимо от того, находитесь ли вы на стороне разработчика, когда пишете код для обслуживания модели, или вы на стороне потребителя, пишете скрипты для интеграции стороннего сервиса в свое приложение, вы можете получить огромную пользу, если понимаете использование asyncio в python. . В следующем разделе мы рассмотрим основные концепции асинхронного программирования в Python, представляя asyncioвам фантастический пакет и его функциональные возможности.

https://shly.link/mdmPXTi

Finetuned Diffusion: несколько точно настроенных моделей Stable Diffusion, обученных различным стилям.

демо: https://huggingface.co/spaces/anzorq/finetuned_diffusion

colab: https://colab.research.google.com/gist/qunash/42112fb104509c24fd3aa6d1c11dd6e0/copy-of-fine-tuned-diffusion-gradio.ipynb

🧐Какие SQL-задачи нужно уметь решать веб-разработчикам на собеседовании?

⚡️Разберем типовые задачи 16 ноября в 20:00 с Дмитрием Кирилловым, техническим директором 1С-Старт.

📚 В OTUS пройдет открытый урок, на котором мы:
- обсудим, какие знания SQL требуются от веб-разработчиков
- вспомним базовые приёмы для работы с данными
- совместно разберём несколько несложных задач
После вебинара вы сможете продолжить осваивать новые навыки на онлайн-курсе «Базы данных».

👉🏻Для регистрации на занятия пройдите вступительный тест: https://otus.pw/NXI0/

Это занятие является частью онлайн-курса «Базы данных» от OTUS.

#Python Machine Learning Projects

https://shly.link/yzyye

Два убийственных лайфхака Jupyter, которые гарантированно сэкономят вам часы рабочего времени
В тот момент, когда вы начинаете их использовать

https://shly.link/WnFcq

Знакомство с Галактикой. Большая языковая модель для науки. Может обобщать академическую литературу, решать математические задачи, создавать статьи для Wiki, писать научный код, аннотировать молекулы и белки и многое другое.
galactica.org

На бесплатном вебинаре расскажем, чем аналитики данных и продуктовые аналитики отличаются от системных и бизнес-аналитиков. Разберём, что каждому из них нужно уметь на старте.

Вы узнаете, как выбрать направление по душе и в каких компаниях искать работу. А эксперты ответят на вопросы.

→ Бесплатный вебинар Яндекс Практикума, 21 ноября в 15:00
→ Зарегистрироваться на вебинар

Памятка по алгоритмам машинного обучения
Краткое справочное руководство по 5 распространенным алгоритмам
https://shly.link/pG7gv

Big Data – один из ключевых юнитов МТС. Мы знаем о точках концентрации абонентов и их миграции, пользовательском опыте, помогаем развивать городские инфраструктуры. С помощью Big Data мы планируем развитие сети базовых станций, определяем места и форматы новых розничных салонов, управляем ассортиментом розничных точек, снижаем фродовые действия и не только.

Сегодня Big Data – это: 20 петабайт данных, 5 000 метрик на профиль и 400 увлеченных профессионалов в команде.

В команду ищем аналитиков:

⓵ Middle/Senior системный аналитик на продукт МТС Аналитика

Что нужно делать:
· анализировать работу платформы;
· проектировать интеграционные решения;
· снижать time to market команды разработки;
· собирать и анализировать требования от заказчиков;
· разрабатывать проектную и техническую документацию.

⓶ Middle/Senior системный аналитик на продукт Golden Record

Что нужно делать:
· проектировать решения, потоки и витрины данных;
· проводить интервью с заказчиками;
· документировать и согласовывать с архитектором логические и физические модели данных;
· разрабатывать бизнес-логику для повышения точности моделей.

Что мы предлагаем: гибридный формат работы, ДМС с первого дня, внутреннее и внешнее обучение за счет компании, психолог, карьерный коуч и даже массажист в офисе и, конечно, бесплатная сотовая связь.

Переходи по ссылкам в названиях вакансий, оставляй отклик и присоединяйся к нашей команде.

«Пол - Microsoft Excel», — я, специалист по данным:

Прогнозирование чемпионата мира по футболу FIFA 2022 с помощью простой модели с использованием Python

И победителем становится…

если пост полностью не открывается, откройте его в новой вкладке

https://shly.link/mdmA1C6

Как я изучаю машинное обучение
Контекст совета, которым я собираюсь поделиться, таков: я начал без инженерного образования и благодаря упорному труду и большой удаче стал инженером по машинному обучению... Моя главная цель как MLE состоит в том, чтобы постоянно работать над проектированием и развертыванием хорошо спроектированных и прозрачных систем машинного обучения и изучать передовые методы разработки программного обеспечения для этого... Так что, как всегда, воспринимайте этот пост в блоге в основном как совет самому себе в прошлом, который может сработать, а может и не сработать для вас в зависимости от ваших целей...
https://shly.link/Zg11h

Супермагистраль данных

Я работаю в сфере науки о данных с 2015 года. За последние 7–8 лет индустрия данных претерпела множество изменений. Тем не менее, самым частым вопросом остается: что такое наука о данных?

(если пост не открывается полностью, откройте в режиме инкогнито

)

https://shly.link/mdmWNxc

Памятка по Linux для науки о данных

Настоящая хитрость в освоении командной строки Linux, помимо изучения доступных команд, состоит в том, чтобы иметь под рукой справочные материалы по этому вопросу. Вот тут и вступает в игру последняя шпаргалка KDnuggets.

Эта шпаргалка охватывает 16 наиболее полезных команд терминала Linux, и этого достаточно, чтобы вы прямо сейчас могли выполнять большую часть своих повседневных операций с ОС из командной строки. Немного потренировавшись, вы обнаружите, что все это делает вашу повседневную деятельность более быстрой, легкой и податливой благодаря указыванию и щелчку.

https://shly.link/Tbyje

500 проектов ИИ Машинное обучение Глубокое обучение Компьютерное зрение НЛП

Проекты с кодом

https://shly.link/ghono2

🧬 Присоединяйтесь к онлайн-митапу ВТБ «Применение ML-инструментов в бизнес-процессах», который пройдёт 8 декабря 2022 года в 18:30 по мск. Митап будет полезен всем, кто интересуется Data Science и Machine Learning.

Темы митапа:

📌 «Инструменты для автоматизации решения бизнес задач»

Спикер: Дмитрий Тимохин, Data Scientist, ВТБ

📌«Модель для матчинга резюме и вакансий»

Спикер: Ярослав Пудяков, Data Scientist, ВТБ

📌 «Модель предсказания связанности компаний для привлечения клиентов в Банк»

Спикер: Роман Гончар, лидер команды Графовой аналитики стрима КиБ и СМБ моделирования, ВТБ

📌 Q&A-сессия, модератор: Артём Летин, лидер стрима КиБ и СМБ моделирования, ВТБ

👉 Зарегистрируйтесь по ссылке, и мы пришлём вам напоминание о митапе: https://cnrlink.com/dsmeetup25

🎁 Авторы самых интересных вопросов получат фирменный мерч

Узнайте, как ответственно разрабатывать, развертывать и поддерживать рабочие приложения машинного обучения.

Изучите основы машинного обучения с помощью интуитивно понятных объяснений, чистого кода и визуализаций.
https://shly.link/ghJ30f

Готовится PyCaret 3… Что нового?

PyCaret — это библиотека машинного обучения с открытым исходным кодом на Python, которая автоматизирует рабочие процессы машинного обучения. Это комплексный инструмент машинного обучения и управления моделями, который экспоненциально ускоряет цикл экспериментов и повышает вашу продуктивность.
https://shly.link/mdmDRHz

Python против R против Scala для науки о данных

Наука о данных — динамичная, увлекательная и многообещающая область. Влияние и варианты использования науки о данных постоянно растут, и набор инструментов, необходимых для достижения этих приложений, быстро расширяется. В результате специалисты по данным должны знать лучшие решения для каждого задания.

Хотя существует множество языков, которые могут быть полезны исследователю данных , Python для науки о данных является одним из широко используемых решений для обработки данных. Однако R и Scala также являются мощными решениями с мощными библиотеками. Мы хотим сосредоточиться на пакетах обработки данных, которые лучше всего подходят для машинного обучения, основанные на анализе данных, визуализации размера проекта и воспроизводимых исследованиях для реализации надлежащих решений машинного обучения.

https://shly.link/PePK7

Шпаргалка Scikit-learn по машинному обучению

Вы хотите начать работу с машинным обучением. У вас есть базовое понимание концепций машинного обучения. Вы знаете Питон. Что вы делаете?

Самый очевидный ответ — начать работать с Scikit-learn . Scikit-learn — это библиотека Python с открытым исходным кодом для всех видов прогнозного анализа данных. Вы можете выполнять задачи классификации, регрессии, кластеризации, уменьшения размерности, настройки модели и предварительной обработки данных.

Унифицированный API-интерфейс Scikit-learn значительно упрощает изучение реализации различных алгоритмов и задач. Как только вы изучите шаблон того, как делать вызовы Scikit-learn, вы готовы к работе. Единственное, что вам нужно после этого, помимо вашего воображения и решимости, это удобный справочник.

KDnuggets собрал именно то, что вам нужно. Эта шпаргалка охватывает основы того, что необходимо для изучения того, как использовать Scikit-learn для машинного обучения, и предоставляет справочную информацию для продвижения ваших проектов машинного обучения. Охвачена большая часть наиболее распространенных функций, которые вы будете использовать снова и снова. Посмотрите ниже для подтверждения.

https://shly.link/43a87

Что такое теорема Чебычева и как она применяется в науке о данных?

Теорема Чебышева применима к каждому набору данных и активно используется статистиками, специалистами по данным и инженерами по машинному обучению.


https://shly.link/2BCJX