⚡️Открыта регистрация на конкурсы-сателлиты Up Great ПРО//ЧТЕНИЕ

ПРО//ЗНАНИЯ — выбор наилучшего решения для автоматического распознавания типа ошибки.

ПРО//ОЦЕНКИ — выбор наилучшего решения для автоматического определения балла ЕГЭ за эссе или сочинение.

ПРО//ФАКТЫ — выбор наилучшего решения для автоматического выявления фактических ошибок в текстовых документах.

💸Призовой фонд для каждого сателлита — 1 000 000 рублей!

🤖Подать заявки можно до 3 декабря на сайте Технологических конкурсов Up Great: https://ai.upgreat.one/satellites/

Конкурсы-сателлиты — это отличная возможность попробовать свои силы для начинающих. А если вы или ваша команда уже работали над проектами по обработке естественного языка (NLP), то для вас проходит основной конкурс Up Great «Про//Чтение». Для участия в нем необходимо зарегистрироваться и пройти квалификацию до 6 ноября.

Удачи!

🖥 Как освоить Python для науки о данных Итак, вы отправляетесь в науку о данных, и все рекомендуют начать с изучения программирования. Вы выбрали Python, и теперь вас парализовало огромное количество учебных ресурсов, имеющихся в вашем распоряжении. Возможно, вы ошеломлены и из-за паралича анализа вы откладываете свои первые шаги в изучении программирования на Python. https://goo.su/8tKd

🖥 Пошаговые инструкции о том, как понять документы Deep Learning и реализовать описанные подходы. Возможность воспроизводить последние научные статьи - чрезвычайно конкурентный навык для Data Scientist. Потому что не так много людей могут это сделать.

Если вы хотите, понимать, что происходит внутри "черного ящика", развивать свои творческие способности или стать первым разработчиком, который привнесет в бизнес последние научные исследования - этот пост для вас. https://goo.su/8tYi 🖥Руководство для начинающих по обучению модели классификации с помощью TensorFlow В этой статье мы рассмотрим все, от сбора данных до подготовки шагов для обучения и оценки модели. Алгоритмы глубокого обучения могут иметь огромное функциональное применение, если им предоставляются качественные данные для сортировки. https://goo.su/8tyk

💥Начните изучать базы данных вместе с OTUS!

▶️Ждем вас на открытом вебинаре, тема - "Миграции данных", 2 ноября в 20:00.
Занятие проведет преподаватель курса «Базы данных» Виктор Коробков. Он имеет опыт работы в IT-индустрии более 15 лет и опыт преподавания более 20 лет.

Что будет на уроке?
✔️ Разберем виды миграции и основные проблемы, возникающие при миграции данных.
✔️ На примере PostgreSQL посмотрим, как можно легко и быстро перейти с одной версии СУБД на другую.
Урок является частью онлайн-курса «Базы данных» и позволяет разработчикам, которые сталкиваются в своей работе с базами данных, протестировать обучение.

📍Чтобы зарегистрироваться на занятие, пройдите вступительный тест https://otus.pw/AYBe/

🖥 Оценка модели с корректными правилами выставления оценок: введение без математики Каждому специалисту по анализу данных необходимо оценивать модели или алгоритмы машинного обучения, и я не являюсь исключением. Как человек, который пришел в науку о данных без высшего образования в области статистики или инженерии, мой подход к оценке моделей был небрежным.
Мне нравилось думать о том, как создать модель, а оценка модели часто оставалась на втором плане. Я просто хотел поэкспериментировать со структурой модели или опробовать различные методы и подходы к моим данным. Однако, как я понял, оценка модели - это важный шаг в выборе надежной модели, особенно если она будет использоваться на практике.

Так как же правильно оценивать модели?
https://goo.su/8ucL

🖥 Создание приложения для настольной игры с помощью TensorFlow на основе машинного обучения В этом комплексном руководстве мы покажем вам, как использовать ядро TensorFlow, агенты TensorFlow и TensorFlow Lite для создания игрового агента, который будет играть против человека-пользователя в небольшом приложении для настольной игры. Конечным результатом является эталонное приложение для Android, которое выглядит, как показано выше, и мы открыли исходный код всего кода в репозитории tensorflow/examples Ссылка на статью https://goo.su/8Uzz

Валентин Малых, эксперт конкурса ПРО//ЧТЕНИЕ, старший научный сотрудник в Huawei Noah's Ark lab, к.т.н.:

«В статье ученые обнаружили, что современные языковые модели (ЯМ), такие как GPT-3, с хорошим качеством могут предсказать активацию определенных зон мозга при чтении или прослушивании текстов. Этот результат можно интерпретировать, как то, что современные ЯМ уже сейчас во многом напоминают в своей работе работу нашего мозга, который занимается обработкой речи. Этот результат позволяет осторожно предположить, что ЯМ в недалеком будущем смогут качественно поддерживать диалог, то есть понимать, что человек хочет без большого количества уточняющих вопросов и вести в целом адекватный диалог. Пока же мы предлагаем вам применить эти ЯМ и их умение работать с текстами к задачам, которые сейчас под силу только человеку — к проверке школьных сочинений. Учитель, читая сочинение и отмечая ошибки, активно задействует зоны своего мозга, связанные с речью. Давайте вместе посмотрим, смогут ли языковые модели воспроизвести труд учителя. Может быть, в недалеком будущем, они смогут снять с учителей часть нагрузки. Попробуем приблизить будущее вместе!»

Подробнее о конкурсе ПРО//ЧТЕНИЕ.

🖥 Google представляет Pathways: архитектуру искусственного интеллекта нового поколения Слишком часто системы машинного обучения чрезмерно специализируются на отдельных задачах, тогда как они могут преуспеть во многих. Вот почему мы создаем Pathways - новую архитектуру искусственного интеллекта, которая будет обрабатывать множество задач одновременно, быстро изучать новые задачи и отражать лучшее понимание мира. https://cutt.ly/URCPkU7

🖥 Исследовательский анализ данных В этом посте мы представляем системный подход к EDA (основанный на источниках, перечисленных ниже), чтобы кратко представить методы EDA. https://cutt.ly/cRBPIzN

🖥 Нейронные сети в Python: от Sklearn до PyTorch и вероятностных нейронных сетей В этом руководстве рассматриваются различные концепции, связанные с нейронными сетями с помощью Sklearn и PyTorch . В последнее десятилетие нейронные сети привлекли много внимания в машинном обучении (ML) с развитием более глубоких сетевых архитектур (известных как глубокое обучение). https://cutt.ly/uRBHANm

Простые способы избежать переобучения в машинном обучении.

🖥 Модели Маркова и цепи Маркова, объясненные в реальной жизни: вероятностная тренировка Марков создал способ описать, как случайные, также называемые стохастическими, системы или процессы развиваются с течением времени. https://goo.su/8xZ8

🖥 Распределение зарплат на ведущих должностях в области науки о данных При рассмотрении заработной платы специалистов по данным и их ролей стало очевидно, что в науке о данных есть разные, более специфические аспекты. Эти аспекты относятся к уникальным должностям, в частности, к операциям машинного обучения, НЛП, инженерии данных и самой науке о данных. https://goo.su/8ytc 🖥 Самостоятельное обучение - будущее ИИ? Самостоятельное обучение (SSL) часто называют «будущим искусственного интеллекта». Google и Facebook используют эту технику машинного обучения для разработки новых тестов в области обработки естественного языка и компьютерного зрения. https://goo.su/8YTC 🖥 Принципы переобучения и недообучения О переобучении написано много статей, но почти все они представляют собой просто список инструментов . «Как справиться с переобучением - 10 лучших инструментов» или «Лучшие методы предотвращения переобучения». Это все равно, что показывать гвозди, не объясняя, как их забивать . Это может сбивать с толку людей, которые пытаются понять, как работает переобучение. https://goo.su/8ytF

🖥 Учебное пособие по глубокому обучению - Как использовать PyTorch и трансферное обучение для диагностики пациентов с COVID-19 С момента вспышки COVID-19 в декабре 2019 года исследователи в области искусственного интеллекта и машинного обучения пытаются найти более эффективные способы диагностики заболевания.

Они работали над разработкой алгоритмов, которые могли бы обнаружить болезнь в течение нескольких секунд - и только по рентгеновским снимкам грудной клетки и / или изображениям компьютерной томографии. https://goo.su/8ZHa 🖥 Текст в речь - демонстрация синтеза живой речи (часть 1)
Начало серии статей "От нуля до героя", посвященных использованию ESPnet. Охватывая текущее состояние машинного обучения, ориентированного на аудио, эта первая заметка рассказывает о предыстории, архитектуре и демонстрации TTS. https://goo.su/8ZHB 🖥 Преобразование Фурье в моделировании временных рядов https://goo.su/8zHE

Краткий обзор линейной регрессии и логистической регрессии.

⁉️Какие навыки нужны администраторам и разработчикам, чтобы эффективно работать с любой базой данных?

🔆Узнайте 10 ноября в 20:00 на дне открытых дверей онлайн-курса «Базы данных» в OTUS. Преподаватель Евгений Аристов, специалист с 20-летним опытом в разработке и администрировании серверов, разберет наиболее востребованные СУБД.
Вы узнаете, какие перспективы открывают навыки проектирования БД и познакомитесь с программой обучения. Евгений расскажет об особенностях курса, практике и формате обучения.
- В конце вебинара у вас будет возможность занять место в группе по спец.цене.

👉РЕГИСТРАЦИЯ НА ВЕБИНАР: https://otus.pw/GAj6/

📌Хотите протестировать учебный процесс заранее? Регистрируйтесь на бесплатное демо-занятие:
- "Транзакции, MVCC, ACID в PostgreSQL" 15.11 в 20:00 по мск.: https://otus.pw/0Bpz/

Избегайте быстрых решений в искусственном интеллекте Новый метод заставляет модель машинного обучения фокусироваться на большем количестве данных при изучении задачи, что приводит к более надежным прогнозам. https://goo.su/90x3

🖥 ЧИТАЙТЕ: шпаргалку на 130 страниц с изложением ключевых понятий MachineLearning Эта шпаргалка содержит множество классических уравнений и диаграмм по машинному обучению, которые помогут вам быстро вспомнить знания и приобрести идеи по машинному обучению.

Шпаргалка также понравится тем, кто готовится к собеседованию по поводу машинного обучения. https://goo.su/94X4

🖥 Гауссовские процессы (1/3) - С нуля В этом посте исследуются некоторые концепции гауссовских процессов, такие как случайные процессы и функция ядра. Мы построим более глубокое понимание регрессии гауссовских процессов, реализовав их с нуля с помощью Python и NumPy. https://goo.su/96VS

Какую роль играют производные функции и формула тейлора в Data Science? 🤔

🔖 11 ноября в 20:00 приглашаем вас на demo-занятие онлайн-курса «Математика для Data Science» от OTUS.

Вебинар проведет Сергей Жестков, эксперт с опытом преподавания в МФТИ. Вместе с преподавателем вспомним ключевые понятия математического анализа: функции и ее производной. И при помощи этого матаппарата содержательно обсудим форумулу Тейлора — один из самых фундаментальных математических разделов. Поговорим, зачем нужна эта формула и, конечно, порешаем примеры.

💥 Занятие бесплатное и входит в программу онлайн-курса «Математика для Data Science». Для обучения достаточно школьных знаний математики.
Чтобы зарегистрироваться на занятие, пройдите вступительный тест https://otus.pw/V7KB/, который определит подходит ли вам курс.