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
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
Google Docs
Какие медиа вы читаете?
Вопросы со звездочкой обязательные, остальные вопросы по желанию.
12 вещей, которые я хотел бы знать, прежде чем начать работать специалистом по данным.
https://proglib.io/w/5c42a866
https://proglib.io/w/5c42a866
Medium
12 things I wish I’d known before starting as a Data Scientist
I’ve been a data scientist for just over three years. Here’s what I wish I’d known when I started and advice for data science students.
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
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
Telegram
Книги для программистов (reserved)
Elementary Linear Algebra (2019)
Авторы: Howard Anton, Anton Kaul
Авторы: Howard Anton, Anton Kaul
Мое трехлетнее путешествие: от нулевых знаний Python до мастера контестов по Deep Learning.
https://proglib.io/w/31d1b93e
https://proglib.io/w/31d1b93e
Medium
My 3-year journey: From zero Python to Deep Learning competition master
The path I followed since starting to learn Python back in 2017 up to became a Kaggle competition master with a solo gold medal in middle…
pandas-datareader: извлечение данных из широкого спектра интернет-источников в датафрейм pandas.
https://proglib.io/w/4f48a1c0
https://proglib.io/w/4f48a1c0
GitHub
GitHub - pydata/pandas-datareader: Extract data from a wide range of Internet sources into a pandas DataFrame.
Extract data from a wide range of Internet sources into a pandas DataFrame. - GitHub - pydata/pandas-datareader: Extract data from a wide range of Internet sources into a pandas DataFrame.
"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✌️
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
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
Почему мое использование памяти резко увеличивается при объединении датафреймов?
https://proglib.io/w/2d9199de
https://proglib.io/w/2d9199de
Drawing from Data
Why does my memory usage explode when concatenating dataframes?
Storing string columns as categories can result in massive memory savings when working with large dataframes. However, those savings can surprisingly disappear when we start concatenating dataframes.
📊 Ваша повседневная шпаргалка по Matplotlib
Предлагаем вашему вниманию полное руководство по визуализации на Python. В переводе также были исправлены допущенные автором оригинальной статьи ошибки в коде.
https://proglib.io/sh/hNgu5AacMq
Предлагаем вашему вниманию полное руководство по визуализации на Python. В переводе также были исправлены допущенные автором оригинальной статьи ошибки в коде.
https://proglib.io/sh/hNgu5AacMq
1 000 000 рублей на разработку от ML SPACE для бизнеса: грант на проект мечты
Искусственный интеллект и машинное обучение — технологии настоящего и будущего, конкурентные области, где каждый день появляются прорывные идеи и интересные проекты. Если у вас есть идея революционного продукта — нужна мощная платформа, чтобы его развивать. Рекомендуем ML SPACE от SberCloud — пока что единственный в мире сервис на базе суперкомпьютера Christofari c распределённым обучением на 1000+ GPU. Разработка и совместная работа команд Data Science в ML SPACE — это комфортно, быстро и эффективно. Почему? Всё просто:
- Популярные фреймворки и библиотеки для ML-разработки интегрированы в платформу — можно брать и пользоваться.
- Модели деплоятся в три клика — через UI, API или код. Легко и быстро.
- Распределённые задачи запускаются на кластер целиком, что сокращает time to market в разы: дни вместо недель, минуты вместо дней.
- Оплата по схеме Pay as you go — только за ресурсы, которые используются на проекте.
Сейчас компании, развивающие AI и ML продукты, могут получить от платформы грант до 1 000 000 рублей. Прочитать больше о возможностях, фишках и преимуществах ML SPACE для бизнеса и оставить заявку на грант можно по ссылке. Количество грантов ограничено, так что не упустите момент!
Искусственный интеллект и машинное обучение — технологии настоящего и будущего, конкурентные области, где каждый день появляются прорывные идеи и интересные проекты. Если у вас есть идея революционного продукта — нужна мощная платформа, чтобы его развивать. Рекомендуем ML SPACE от SberCloud — пока что единственный в мире сервис на базе суперкомпьютера Christofari c распределённым обучением на 1000+ GPU. Разработка и совместная работа команд Data Science в ML SPACE — это комфортно, быстро и эффективно. Почему? Всё просто:
- Популярные фреймворки и библиотеки для ML-разработки интегрированы в платформу — можно брать и пользоваться.
- Модели деплоятся в три клика — через UI, API или код. Легко и быстро.
- Распределённые задачи запускаются на кластер целиком, что сокращает time to market в разы: дни вместо недель, минуты вместо дней.
- Оплата по схеме Pay as you go — только за ресурсы, которые используются на проекте.
Сейчас компании, развивающие AI и ML продукты, могут получить от платформы грант до 1 000 000 рублей. Прочитать больше о возможностях, фишках и преимуществах ML SPACE для бизнеса и оставить заявку на грант можно по ссылке. Количество грантов ограничено, так что не упустите момент!
Approaching (Almost) Any Machine Learning Problem (2020)
Автор: Abhishek Thakur
Количество страниц: 300
Эта книга предназначена для людей, обладающих теоретическими знаниями в области машинного обучения и глубокого обучения и желающих погрузиться в прикладное машинное обучение. Книга не объясняет алгоритмы, она больше ориентирована на то, как и что вы должны использовать для решения задач с помощью машинного обучения.
Скачать книгу
Автор: Abhishek Thakur
Количество страниц: 300
Эта книга предназначена для людей, обладающих теоретическими знаниями в области машинного обучения и глубокого обучения и желающих погрузиться в прикладное машинное обучение. Книга не объясняет алгоритмы, она больше ориентирована на то, как и что вы должны использовать для решения задач с помощью машинного обучения.
Скачать книгу
Telegram
Книги для программистов (reserved)
Approaching (Almost) Any Machine Learning Problem (2020)
Автор: Abhishek Thakur
Автор: Abhishek Thakur
👍1
✅ 20 рекомендательных систем, подходящих для доработки и внедрения на площадке
🙌🏻 69 команд
📍 11 городов
🌏 3 страны
Таковы итоги #ZakupkiHack – первого хакатона в истории электронной торговой площадки «Росэлторг».
В течение трёх дней участники решали наиболее актуальную задачу из сферы закупок – разработка рекомендательной системы для электронных торгов, которая поможет ответить на вопросы, какие тендеры и процедуры можно предложить поставщику, анализируя его опыт, историю участия в других торгах и историю побед.
В распоряжение участников организаторы хакатона «Zakupki.Hack» предоставили абсолютно реальные данные за 2 года по торгам, проведённым на площадке «Росэлторг» в рамках 44-ФЗ и 223-ФЗ. Также участники могли в любой момент получить консультации экспертов по специфике закупочных процедур и законодательства о закупках.
Из 69 команд в финал вышли пять, и три из них стали победителями, разделив между собой призовой фонд хакатона «Zakupki.Hack».
«Главным вдохновением для нас стала работа над реальной проблемой, существующей сегодня в сфере электронных торгов. Мы хотели создать систему, которая в режиме реального времени будет показывать поставщикам, зашедшим на «Росэлторг», релевантные им торги, тем самым экономя их время и деньги. И мы рады, что за такой короткий срок нам удалось это сделать» – поделись впечатлениями участники команды-победителя «Объект-42» из Москвы.
🙌🏻 69 команд
📍 11 городов
🌏 3 страны
Таковы итоги #ZakupkiHack – первого хакатона в истории электронной торговой площадки «Росэлторг».
В течение трёх дней участники решали наиболее актуальную задачу из сферы закупок – разработка рекомендательной системы для электронных торгов, которая поможет ответить на вопросы, какие тендеры и процедуры можно предложить поставщику, анализируя его опыт, историю участия в других торгах и историю побед.
В распоряжение участников организаторы хакатона «Zakupki.Hack» предоставили абсолютно реальные данные за 2 года по торгам, проведённым на площадке «Росэлторг» в рамках 44-ФЗ и 223-ФЗ. Также участники могли в любой момент получить консультации экспертов по специфике закупочных процедур и законодательства о закупках.
Из 69 команд в финал вышли пять, и три из них стали победителями, разделив между собой призовой фонд хакатона «Zakupki.Hack».
«Главным вдохновением для нас стала работа над реальной проблемой, существующей сегодня в сфере электронных торгов. Мы хотели создать систему, которая в режиме реального времени будет показывать поставщикам, зашедшим на «Росэлторг», релевантные им торги, тем самым экономя их время и деньги. И мы рады, что за такой короткий срок нам удалось это сделать» – поделись впечатлениями участники команды-победителя «Объект-42» из Москвы.
Deep Reinforcement Learning with Python (2020)
Автор: Sudharsan Ravichandiran
Количество страниц: 760
Благодаря значительному повышению качества и количества алгоритмов в последние годы данная книга была преобразована в наполненное примерами руководство по глубокому обучению с подкреплением. К концу работы с ним вы научитесь эффективно использовать Reinforcement Learning и Deep RL в своих реальных проектах.
Скачать книгу
Автор: Sudharsan Ravichandiran
Количество страниц: 760
Благодаря значительному повышению качества и количества алгоритмов в последние годы данная книга была преобразована в наполненное примерами руководство по глубокому обучению с подкреплением. К концу работы с ним вы научитесь эффективно использовать Reinforcement Learning и Deep RL в своих реальных проектах.
Скачать книгу
Telegram
Книги для программистов (reserved)
Deep Reinforcement Learning with Python (2020)
Автор: Sudharsan Ravichandiran
Автор: Sudharsan Ravichandiran