Многие алгоритмы машинного обучения можно резюмировать как преобразование данных в n-мерные векторы и вычисление сходства между точками с помощью некоторой метрики расстояния. В этой статье рассматриваются четыре из этих метрик и способы их вычисления с помощью Python.

https://proglib.io/w/d56f9443

Дата-сайентисты — этот пост к вам!

12 декабря Альфа-Групп запускает online-чемпионат по Data Science: Alfa-Battle 2.0
Задачи придумали team leaders Data Science в Альфа-Банке. Поэтому — будет сложно, но интересно.
Призовой фонд — 1 000 000 рублей!

Ключевые даты:
12 декабря — старт чемпионата.
12 декабря - 20 января — время на решение задач.

Зарегистрироваться: https://link.alfabattle.ru/LXVTd
Дата-сайентисты, за вами — будущее.

Machine Learning in Java (2018)
Автор: AshishSingh Bhatia, Bostjan Kaluza
Количество страниц: 300

Объём данных растёт очень быстро, и способность выбирать полезную информацию от ненужной становится конкурентной чертой крупных организаций. Проекты машинного обучения везде: программы обнаружения спама, поиск изображений по примеру, распознавание речи, составление документа по фотографии и многие другие. Данная книга научит вас использовать инструменты и возможности Java для получения больших объёмов информации и их фильтрации, для классификации, прогнозирования, анализа и кластеризации. Также вы научитесь создавать программы, занимающиеся распознаванием голоса, текста, пользовательской активности и различных аномалий в сети.

Скачать книгу

Правило трех: расчет вероятности событий, которые еще не произошли.

https://proglib.io/w/d4578429

AI and Machine Learning for Coders (2020)
Автор: Laurence Moroney
Количество страниц: 390

Если вы хотите перейти из разработки ПО в сферу искусственного интеллекта, данная книга отлично подойдет для старта. Она основана на чрезвычайно успешных курсах по ИИ от Лоуренса Морони и предлагает практическое введение, которое поможет вам обрести уверенность при изучении ключевых тем. Вы поймете, как реализовываются наиболее распространенные сценарии машинного обучения, такие как компьютерное зрение, обработка естественного языка и sequence modeling для Интернета, мобильных устройств, облака и встроенных сред выполнения. Большинство книг по машинному обучению начинаются с устрашающего количества продвинутой математики. Это руководство построено на практических уроках, которые позволят вам работать непосредственно с кодом.

Скачать книгу

🥇👨‍🎓📈Хакатоны и соревнования для специалистов по Data Science

Мы собрали для вас все ближайшие мероприятия для карьерного роста и получения новых знаний в сфере Data Science. На фоне пандемии коронавируса многие из них проходят в онлайн-формате.

https://proglib.io/sh/mpui5TZkMG

Нейронная сеть для генерации рецептов хлеба.

https://proglib.io/w/dd5b4c83

В Сбер нужен человек, который умеет из огромного массива данных доставать самую ценную информацию и передавать ее другим специалистам. Или попросту Data Engineer. Если это ты — откликайся прямо сейчас: https://sberbank.ru/v/r/?p=B8Wmr

В твоем резюме хотели бы увидеть опыт работы с СУБД и хранилищами данных, бэкграунд в роли аналитика с функцией выгрузки данных для заказчика, уверенное знание SQL и языков программирования. Преимущество — Hadoop.

Приходи в нашу команду!

В этом руководстве вы узнаете, как реализовать генеративные состязательные сети с помощью Keras и TensorFlow.

https://proglib.io/w/b3df3b0c

Artificial Intelligence in Finance (2020)
Автор: Yves Hilpisch
Количество страниц: 478

Широкое распространение ИИ и машинного обучения сегодня меняет многие отрасли. Как только эти технологии будут объединены с программной доступностью финансовых данных за прошлые периоды и в реальном времени, финансовая отрасль также кардинально изменится. Из этой практической книги вы узнаете, как использовать ИИ и машинное обучение, чтобы обнаруживать статистические недостатки финансовых рынков и использовать их с помощью алгоритмической торговли.

Скачать книгу

Новые фреймворки Facebook выложены в открытый доступ для продвижения исследований в области глубокого обучения

Polygames, PyTorch3D и HiPlot - это новые дополнения к стеку глубокого обучения Facebook с открытым исходным кодом.

https://proglib.io/w/d33e9ab3

Сборник с описаниями 130 проектов по машинному обучению.

https://proglib.io/w/a61dbf2f

Портфолио Data Science более ценно, чем резюме

Изучение трех платформ для создания портфолио: Github, LinkedIn и Medium.

https://proglib.io/w/83ce2fec

Raspberry Pi Computer Vision Programming (2020)
Автор: Ashwin Pajankar
Количество страниц: 306

Raspberry Pi - один из самых популярных одноплатных компьютеров поколения. Все основные алгоритмы и операции обработки изображений и компьютерного зрения могут быть легко реализованы с помощью OpenCV на Raspberry Pi. Данное обновленное издание наполнено передовыми примерами и новыми темами и охватывает последние версии ключевых технологий, таких как Python 3, Raspberry Pi и OpenCV. Книга вооружит вас навыками, необходимыми для успешного проектирования и реализации ваших собственных проектов компьютерного зрения на основе OpenCV, Raspberry Pi и Python.

Скачать книгу

👨‍🎓📈Как выбрать специализацию и начать обучение Data Science

Рассказываем об этапах обучения, которые необходимо пройти новичку для начала карьеры в Data Science. Путь от выбора специализации до выработки практических навыков будет непростым.

https://proglib.io/sh/ugSNAv8y7x

Machine Learning Engineering (2020)
Автор: Andriy Burkov
Количество страниц: 274

Эта новая книга от автора бестселлера, опубликованного на одиннадцати языках «The Hundred-Page Machine Learning Book», является наиболее полной книгой по прикладному искусственному интеллекту. Она наполнена передовыми практиками и шаблонами проектирования для создания надежных масштабируемых решений с машинным обучением. Автор имеет докторскую степень в области искусственного интеллекта и является руководителем группы машинного обучения в Gartner. Эта книга основана на собственном 15-летнем опыте Андрея в решении задач с ИИ, а также на опыте лидеров отрасли.

Скачать книгу

Мы рады анонсировать Workshop “Data Science: Расти в экспертность или управление?” Акселератора Data Science от Skillfactory PRO 26 ноября (четверг) в 20:00

Участие бесплатно, необходима регистрация 👉 skillfactory.ru/dsexpert-workshop2611?utm_source=channel

Какой путь роста выбрать продвинутому специалисту Data Science: управлять командой или реализовывать проекты? В прямом эфире вы можете подробнее узнать об обоих вариантах, изучить опыт продвинутых экспертов и задать свои вопросы.

Эксперты:

- Иван Ямщиков, исследователь ИИ и когнитивных наук в Институте Макса Планка.
Cооснователь Creaited Labs, евангелист искусственного интеллекта в компании ABBYY

- Полина Полунина, ex-руководитель Data Science направлений HR, финансов и видеоаналитики в группе «М.Видео — Эльдорадо».
Победительница международных чемпионатов по анализу данных, основала с нуля 3 Data Science направления (HR, Финансы, Видео-аналитика)

Также в прямом эфире разработаем траекторию для ML-инженера, О. получил степень бакалавра в Московском техническом университете, затем продолжил обучение и получил степень магистра в инновационном ВУЗе по направлению “Data Science”, также активно проходит дополнительные курсы по Machine Learning и Data Science. Опыт работы О. в сфере Data Science уже насчитывает более 3-х лет, включая работу в России и за рубежом. На данный момент занимает должность “ML Engineer” в крупной международной компании.

Он хотел бы сейчас двигаться в сторону экспертности, но при этом быть универсальным специалистом, знать обо всём, а через 2-3 года начать делать управленческие шаги. Насколько это возможно и реализуемо? Нет ли в этом противоречий? Что на самом деле ему стоит предпринять? Ответы на все эти вопросы мы узнаем на нашем воркшопе, не пропустите!

📱 Обсудить в чате 👉 https://t.iss.one/joinchat/CwioCE1FcYCCu9pzFzvFyQ

🤖💬 Автодополнение длиной в тысячу слов. Что известно о нейросетевой модели GPT-3

О том, что умеет (и чего не может) языковая модель GPT-3, которую называют прорывом в задачах обработки естественного языка.

https://proglib.io/sh/HaA0S6ZfWT

💥 «Аналитикон» уже близко! В этом году конференция ИТ-аналитиков пройдет в онлайн-формате. Главные аналитики Ростелекома, а также аналитики из Райфайзен банк, SAP и МТС, обсудят самые горячие темы этого года: коммуникации, взаимодействие в команде, выстраивание процессов и, конечно, ошибки, проблемы и пути их решения. Узнать о том, как сделать сложное возможным, вы сможете 1 декабря с 16:00 (МСК), зарегистрировавшись по ссылке: https://clck.ru/Ryp5r
Не пропустите, будет интересно!

Руководство по подготовке к собеседованиям в сфере Data Science.

https://proglib.io/w/0f4a73d3