Подробное разделение по профессиям в области Data Science.

https://proglib.io/w/f28bd900

Интенсив по Docker для разработчиков без «капитанской теории». Отправляемся 25 февраля.

На 2 дня оставим за бортом всё то, о чём и так все знают и погрузимся в глубины крутейшей практики. Вы запустите сайт в контейнере, соберёте несколько контейнеров в рабочую систему, запустите готовый pipeline в Gitlab, рассмотрите подводные камни использования stateful и Docker и научитесь обходить ограничения DockerHub. Помимо этого расскажем об особенностях использования контейнеров с ruby, php, python, go, java, c#, c++ и работе Docker в облаках.

Интересно? А ведь это ещё не всё! Почитать всю программу (там много вкусного) и посмотреть реальные примеры практических заданий можно на сайте.

Йо-хо-хо, морские волки! На абордаж!

Архитектура EfficientDet в PyTorch.

https://proglib.io/w/a96d0954

Сверточные нейронные сети: основы, вычисления и новые приложения.

https://proglib.io/w/48e553b3

Различные алгоритмы оптимизации для обучения нейронной сети.

https://proglib.io/w/8eebf837

Написание распределенных приложений с PyTorch: реальный пример.

https://proglib.io/w/07c1a92c

Blueprints for Text Analytics Using Python (2020)
Автор: Jens Albrecht, Sidharth Ramachandran, Christian Winkler
Количество страниц: 424

Превращение текста в ценную информацию очень важно для предприятий, стремящихся получить конкурентное преимущество. Благодаря недавним улучшениям в обработке естественного языка у пользователей теперь есть много возможностей для решения сложных задач. Но не всегда ясно, какие инструменты или библиотеки подойдут для нужд бизнеса или какие методы следует использовать и в каком порядке. Эта практическая книга предоставляет специалистам по обработке данных и разработчикам схемы передовых практических решений распространённых задач в области анализа текста и обработки естественного языка.

Скачать книгу

Введение в машинное обучение.

https://proglib.io/w/a1815afa

Краткое руководство по построению гистограмм в Seaborn.

https://proglib.io/w/fab479ee

Хотите освоить Data Science и начать работать по новой специальности уже в этом году?

Elbrus Coding Bootcamp приглашает на трехдневный email-марафон по Python. С 1 по 3 февраля в 12:00 вы будете получать письмо с заданиями на отработку навыков программирования по темам: синтаксис, операторы, переменные. Этих тем хватит, чтобы сдать экзамен и поступить в Data Science Bootcamp на ближайший поток 22 февраля.

Марафон подойдет, если вы:
— еще не пробовали программировать, но хотите начать
— уже изучаете базовый Python
— хотите поступить в Data Science Bootcamp в Elbrus

Регистрируйтесь и ждите первое письмо со вспомогательными материалами к марафону ↓

visdom - гибкий инструмент для создания, организации и совместного использования визуализаций живых, богатых данных.

https://proglib.io/w/3681c633

📊 Обучение на Data Scientist: как получить работу, если без опыта никуда не берут?

Рассказываем о стратегиях, которые помогут получить должность в Data Science специалисту без опыта или с небольшим опытом работы в этой отрасли.

https://proglib.io/sh/Pi2mjpXJMk

Использование Python и Pandas Datareader для анализа финансовых данных.

https://proglib.io/w/0410dbb8

Какие медиа Вы читаете?

Пройдите короткий опрос и получите промокод 5% на все курсы Библиотеки программиста!

https://docs.google.com/forms/d/e/1FAIpQLSd3389cZTNhrnifV_5JaQuKVXzUFykk74Y-pK7jVioqlrV3lQ/viewform

Опрос займет всего пару минут

12 вещей, которые я хотел бы знать, прежде чем начать работать специалистом по данным.

https://proglib.io/w/5c42a866

Как самостоятельно изучить Data Science: практическое руководство.

https://proglib.io/w/5b209344

Elementary Linear Algebra (2019)
Авторы: Howard Anton, Anton Kaul
Количество страниц: 608

Авторы предоставляют простое изложение линейной алгебры, которое подходит для студентов первого курса бакалавриата. Цель учебника состоит в том, чтобы как можно более подробно объяснить основы линейной алгебры. Знания матанализа не являются обязательным условием для начала чтения, но есть четко обозначенные упражнения и примеры для студентов, изучавших математический анализ.

Скачать книгу

Мое трехлетнее путешествие: от нулевых знаний Python до мастера контестов по Deep Learning.

https://proglib.io/w/31d1b93e

pandas-datareader: извлечение данных из широкого спектра интернет-источников в датафрейм pandas.

https://proglib.io/w/4f48a1c0

"Apache Spark на Scala" - практический онлайн интенсив и ключ ко всем дверям в области Big Data.

Программа стартует уже 16 февраля. Для подписчиков канала "Библиотека data scientist’а" действует промокод "dsproglib_21" на скидку 12 000 руб. до старта курса.
Оставляйте заявку - задавайте вопросы: https://clck.ru/SzCbb

👉🏻Рассчитан для дата инженеров, разработчиков и дата сайентистов

В программе:
- 11 живых вебинаров, где мы подробно рассматриваем работу с Dataframe/Dataset API и Structured Streaming API.
- 5 практических лаб, объединенных в пайплайн от получения данных из Kafka до подготовки и обновления расширенной матрицы признаков.
- 5 инструментов для формирования витрин данных и последующего анализа: Kafka, Elasticsearch, Cassandra, PostgreSQL, HDFS.

🔥Программа построена на Scala и дает возможность получить практические навыки работы с Apache Spark и глубоко изучить Spark Structured Streaming

Обучение на реальных датасетах, живое общение, обратная связь, Slack и все положенные плюшки прилагаются✌️

📚 С чего начиналась наука о данных: история в лицах и ключевых работах

Через ключевые научные работы и их авторов попробуем разобраться, с чего начиналась история Data Science и как новая наука формировалась в течение десятилетий. Начнем отсчет с докомпьютерной эры.

https://proglib.io/sh/UEKIg2Fex0