Глубокое обучение в компьютерном зрении.

https://proglib.io/w/e666b0a3

Глубокое обучение в Python для обнаружения трещин

Использование искусственного интеллекта для проверки строений на предмет повреждений.

https://proglib.io/w/9f16a399

Thinking in Pandas (2020)
Автор: Hannah Stepanek
Количество страниц: 197

Уже работаете с pandas, и хотите укрепить свои знания? С помощью этой книги вы научитесь понимать и внедрять решения для анализа больших данных в pandas с упором на производительность. Эта книга укрепит ваши знания в работе с pandas за счет изучения ее базовой реализации и структур данных.

Скачать книгу

Полный конвейер машинного обучения для задач NLP.

https://proglib.io/w/385c0e38

Понимание Matplotlib в 6 фрагментах кода.

https://proglib.io/w/4ea9c275

Ясность и эстетика в визуализации: внимание, контраст, группировка.

https://proglib.io/w/5e8dcd43

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

🧩 5 интересных головоломок и задач, чтобы отвлечься от рутины и немного пошевелить извилинами (выпуск 5)

Читайте новый выпуск еженедельной подборки интересных алгоритмических и логических задач, которые не дадут вам заскучать.

https://proglib.io/sh/3cAQYlGkOo

Устали от многоэтапных собеседований, скринингов и тестовых заданий? Тинькофф готов дать оффер за 1 день

Если вы — опытный системный аналитик DWH, работающий с базами данных и умеющий писать SQL-запросы, то присоединяйтесь к комьюнити DWH из более чем 300 человек. В Тинькофф 20 команд работают над 50 проектами, поэтому вы легко найдете интересное направление. Работайте удаленно или в офисе: комфортно пройти онбординг помогут менторы, общие встречи, внутреннее обучение и мероприятия.

Все секции пройдут онлайн в Zoom 4 декабря. Вы узнаете о проектах, задачах, условиях работы и сможете задать любые, даже самые каверзные вопросы.

Успейте оставить заявку до 1 декабря. Фидбэк об участии пришлют в течение 3 дней: https://w.tinkoff.ru/one-day-offer

Начните путь в Data Science уже сейчас!

Тогда без знаний, которые даст вам онлайн-курс Математика для Data Science от преподавателей из МГУ & proglib.academy за 5 месяцев, не обойтись.
Для обучения достаточно школьных знаний по математике. Специальный модуль "Базовая математика" поможет подготовится к курсу.

Оставьте заявку и получите доступ к демо-урокам курса, а также не упустите свой шанс записаться в группу по специальной цене: https://proglib.io/w/c4413cc4

5 лучших курсов по математике и статистике для программистов, занимающихся наукой о данных и машинным обучением.

https://proglib.io/w/8f8307b7

Прогноз цен на акции S&P 500 с использованием машинного обучения и глубокого обучения.

https://proglib.io/w/35238225

Специалист по данным vs инженер по машинному обучению.

https://proglib.io/w/baa1b671

Авито приглашает middle- и senior-аналитиков на weekend offer 🔥

Хотите присоединиться к команде из 100 аналитиков, готовых обмениваться опытом?
Работать с готовыми инструментами: надёжным DWH на базе HP Vertica и собственной платформой для AB-тестов?
Создавать аналитические фреймворки, формулировать и проверять гипотезы, создавать операционную отчётность с выбором ключевых метрик?
И всё это в современном офисе в центре, с белой зарплатой, ДМС и много чем ещё?

Тогда подайте заявку до 1 декабря, решите тест и познакомьтесь с командой Авито в Zoom. Если подойдёте друг другу, вас пригласят в команду!

Подать заявку: clc.to/RQ9BuA

#вакансия #аналитикданных #DataAnalyst
#СПб #СанктПетербург

Вакансия: Аналитик данных/ Data Analyst
Компания: ЕДИНЫЙ ЦУПИС
Локация: Санкт-Петербург
Занятость: полная
Опыт работы: от 2 лет

ЕДИНЫЙ ЦУПИС - предоставляет собой современный и качественный платежный сервис по переводу денежных средств, а также обеспечивает надежную и безопасную платежную инфраструктуру для своих клиентов. Проект входит в ТОП-5 российских платежных компаний по совокупному обороту электронных денег.
В связи с расширением мы находимся в поиске Аналитика данных

Чем будете заниматься:
•Обследование источников данных;
•Описание алгоритмов обработки данных;
•Формирование отчетов и информационных панелей с помощью BI-системы
•Формирование аналитических выгрузок данных, в соответствии с запросами профильных подразделений.

Что ждем от вас:
•Работа с Tableau на уровне уверенного пользователя.
•Знание основ математической статистики и математического аппарата анализа данных.
•Составление SQL-запросов, понимание особенностей работы колоночных баз данных (ClickHouse, Vertica).
•Умение и желания разбираться в предметной области и консультировать коллег.

Что мы можем предложить вам:
•Комфортабельный офис в историческом центре Санкт-Петербурга (пешая доступность от м. Пл. Восстания). Гибридный формат работы (офис/удаленная работа на период пандемии).
•Официальное оформление, согласно ТК РФ, "белая" зарботная плата.
•Уровень з/п обсуждаем с каждым соискателем индивидуально.
•Корпоративные подарки.
•Оформление ДМС после успешного прохождения испытательного срока.
•Офисный врач, возможность ежегодной вакцинации против гриппа/COVID19.
•Корпоративное обучение английскому языку, возможность принятия участия в профильных конференциях и мероприятиях.
•Обеды, печеньки/шоколадки/фрукты в течение рабочего дня, поздние ужины из ресторана Italy.
•Возможность работать в профессиональной, сплоченной команде.

На все вопросы отвечу, пишите: @AsyaTimofeeva

Ускорьте установки Conda с помощью Mamba.

https://proglib.io/w/173d27e3

Статья об обнаружении объектов с помощью RetinaNet.

https://proglib.io/w/9bdd41f4

Как сократить время деплоя алгоритмов с двух месяцев до двух дней?

Сегодня мы хотим познакомить вас vektonn.io — высокопроизводительной векторной поисковой системой для ваших приложений в области анализа данных.

vektonn.io помогает управлять жизненным циклом векторов и радикально сокращает время вывода моделей в продакшен.

Проект развивается разработчиками Контура и неоднократно использовался для решения внутренних задач (например, для определения проблемы пользователя по обращению в чате, классификации банковских транзакций по персональным категориям или поиска товара в товарно-учётных системах по названию из накладной).
Известны случаи, когда время деплоя алгоритмов сокращалось с двух месяцев до двух дней.

vektonn.io
— обеспечивает поддержку как плотных, так и разреженных векторов
— поддерживает точные и приближенные алгоритмы kNN (AkNN)
— предоставляет масштабируемую архитектуру для обработки данных объемом в сотни ГБ
— обеспечивает хранение и версионирование моделей и датасетов
— распространяется бесплатно и находится под лицензией Apache, поэтому вы можете бесплатно и свободно использовать его в коммерческих целях
— на практике доказал свою эффективность, существенно сокращая time-to-market моделей
— является open source проектом и потому вы сможете присоединиться к его развитию

Узнать подробности о проекте и приступить к работе можно на сайте — https://vektonn.io
Документация, примеры и quick start — https://vektonn.github.io/vektonn/
Вопросы-предложения можно публиковать в сообществе — https://t.iss.one/vektonn

Наглядное руководство для непрофессионала по языковым моделям в NLP.

https://proglib.io/w/fe507b07

🤖 Решаем задачи машинного обучения с помощью алгоритма градиентного бустинга

Градиентный бустинг (Gradient Boosting) – один из самых эффективных инструментов для решения задач машинного обучения, в особенности на соревнованиях Kaggle. Чтобы научиться правильно его применять, разберем подробнее лежащие в основе алгоритма процессы.

https://proglib.io/sh/EfGw4Bm3xW