Три самые недооцененные концепции науки о данных Вы, вероятно, потратили бесчисленное количество часов на изучение различных методов построения высокопроизводительных прогностических моделей. Это неудивительно, учитывая обилие онлайн-контента, посвященного инструментам, которые мы используем для решения проблем.
Гораздо меньше контента исследует концепции, необходимые для определения правильных проблем, которые необходимо решить. В этой статье рассматриваются три из этих концепций. https://shly.link/pva4t

Data Scientist будущего, по версии Google https://shly.link/Q4SGQ

Производственное машинное обучение: начало работы с MLOps
Как MLOps может помочь вам в производстве ваших проектов машинного обучения? И почему вам нужно начать внедрять MLOps как можно скорее? https://shly.link/MMze4

Граф нейронных сетей через призму дифференциальной геометрии и алгебраической топологии Дифференциальная геометрия и алгебраическая топология не очень часто встречаются в основном машинном обучении. В этой серии постов я показываю, как инструменты из этих областей можно использовать для переосмысления графовых нейронных сетей и принципиального решения некоторых из их общих проблем. https://shly.link/bjBL8

Квантовое машинное обучение 🧠

Введение в теорию вероятности для науки о данных Стэнли Х. Чан
Учебник по теории вероятности для науки о данных. https://shly.link/78LKm

‍💥Прими участие в онлайн-хакатоне «ТФ Альянс» с призовым фондом 500 000 рублей

С 11 по 13 марта 2022 платформа токенизации проектных ИТ-команд «ТФ Альянс» проведет онлайн-хакатон для студентов и молодых IT-специалистов. Участники мероприятия поборются за призовой фонд в размере 500 тысяч рублей, а также за 3-х дневное бесплатное проживание в HackerHome в Иннополисе, городе высоких технологий.

Командам предстоит за 48 часов решить одну из трех задач на выбор с применением Data Science, Python и Blockchain:
👉 разработать робота-ассистента на основе Telegram-бота для тематической буферизации сообщений;
👉 создать систему учета метрик для оценки эффективности работы специалистов и команд в проектных задачах;
👉 разработать инструмент для обеспечения взаимосвязи блокчейнов реестра транзакций и реестра состояний.

После разработки прототипа участники продемонстрируют его работоспособность перед членами жюри в рамках финальной питч-сессии.

🕛‼️Для участия нужно подать заявку до 23:59 9 марта 2022 года на сайте.


Результаты будут объявлены 13 марта.

Хакатон приурочен к вступлению «ТФ Альянс» в сообщество Инновационного научно-технологического центра МГУ «Воробьевы горы». Компания планирует работать над инновационными проектами в сфере ИТ-услуг.

280+ проектов машинного обучения с Python
Более 280 проектов машинного обучения, решенных и объясненных с использованием языка программирования Python. https://shly.link/mdm9xWg

Как построить масштабируемый конвейер аналитики данных

6 лучших алгоритмов машинного обучения для классификации
Как построить конвейер модели машинного обучения в Python https://shly.link/wt2Ld

DagsHub: дополнение GitHub для специалистов по данным и инженеров машинного обучения
Храните свои данные, модели, эксперименты и код в одном месте https://shly.link/bURTm

Роботизированный телекинез: Мы создаем систему, которая позволяет любому человеку управлять рукой робота, просто демонстрируя движения собственной рукой. Робот наблюдает за человеком-оператором с помощью одной RGB-камеры и имитирует его действия в режиме реального времени. https://shly.link/5D1w1 Сайт проекта https://shly.link/tXnxR

Data Scientist vs Data Engineer vs Data Analyst

​"Яндекс.Практикум — это сервис онлайн-образования, доступный в России и Америке. Мы помогаем людям расти — на работе и в жизни.

Если у вас есть знания и опыт в области Data Engineering — вы можете стать ревьюером, который проверяет, оценивает и комментирует самостоятельные работы студентов.

Что делает ревьюер?
Студенты учатся с помощью онлайн-тренажёра, а также выполняют самостоятельные работы, которые проверяет, оценивает и комментирует команда специалистов. Роль ревьюера в этом процессе очень важна: он проверяет задания студента и даёт обратную связь. Именно ревьюер решает: зачесть задание или нет. Также он даёт советы по улучшению задания, отмечает неточности, указывает на ошибки.

Я хочу стать ревьюером. Меня возьмут?
Скорее всего — да, если вы:
— имеете опыт работы инженером данных, data scientist или аналитиком данных;
— умеете работать с SQL, Python, AirFlow, Spark;
— умеете доступно объяснять сложные вещи и оценивать чужую работу;
— готовы посвящать проекту от 10 часов в неделю;


Будет плюсом
— Опыт работы с Grafana / MongoDB / ClickHouse / ElasticSearch / LogStash / — Kibana / HDFS / Kafka / Greenplum.


Я подхожу. Что вы можете мне предложить?
— удаленную работу с частичной занятостью, объём работы определяется индивидуально;
— оклад 600 - 1 000 рублей за проверку одной работы;
— обучение развивающей коммуникации и грамотному подходу к проверке проектов;
— постоянную практику и углубление знаний;
— возможность стать частью сообщества аналитиков, делающих образование качественным и доступным;
— возможность помочь начинающим специалистам усвоить важные базовые вещи и поверить в себя.

Откликнуться по ссылке
Контакты: ТГ @HelenaTrishkina, [email protected]"

Интеграция #IoT и #MachineLearning Бесплатная электронная книга в формате PDF на 266 страниц

40 наборов аудиоданных с открытым исходным кодом для машинного обучения https://shly.link/iXPKJ

SeamlessGAN: метод, способный автоматически генерировать мозаичные текстурные карты из одного входного экземпляра. В отличие от большинства существующих методов, ориентированных исключительно на решение проблемы синтеза, в нашей работе решаются обе проблемы одновременно и синтеза, и мозаичности. https://arxiv.org/abs/2201.05120

Узнайте о том, как создать модель машинного обучения. Визуальное руководство по изучению науки о данных https://shly.link/tCTfS

Конспекты лекций, учебные задания, включая решения, а также онлайн-видео для курса обучения с подкреплением, организованного Падерборнским университетом. https://shly.link/ghaioD

Может ли машинное обучение заново открыть закон гравитации, просто наблюдая за нашей Солнечной системой? С нашим новым подходом ответ *ДА*. https://shly.link/DP151