🤖 Напоминаем, что у нас есть еженедельная email-рассылка, посвященная последним новостям и тенденциям в мире искусственного интеллекта.

В ней:
● Новости о прорывных исследованиях в области машинного обучения и нейросетей
● Материалы о применении ИИ в разных сферах
● Статьи об этических аспектах развития технологий
● Подборки лучших онлайн-курсов и лекций по машинному обучению
● Обзоры инструментов и библиотек для разработки нейронных сетей
● Ссылки на репозитории с открытым исходным кодом ИИ-проектов
● Фильмы, сериалы и книги

👉Подписаться👈

📕 The Little Book of Deep Learning

Это маленькая книжка, которая может помочь подготовиться к собеседованию (или просто освежить знания).

Книга включает в себя:

▪️основы машинного обучения;
▪️эффективные вычисления (использование GPU и TPU);
▪️обучение моделей;
▪️компоненты моделей глубокого обучения;
▪️архитектуры моделей глубокого обучения;
▪️практические применения моделей DL.

🔗 Ссылка на книжку

💸📊 На сколько просели зарплаты в ИТ в 2024 году?

Благодаря открытым данным с сайта Хабр Карьера мы узнали, какие основные тенденции ждать в зарплатном секторе, и сколько получают ИТ-специалисты сейчас.

🤔 Например, в первом полугодии 2023 года в среднем джунам предлагали 80 тысяч рублей, а спустя год это число упало до 72,5 тысячи рублей.

👉 Остальные данные — в статье
👉 Зеркало

💬 Есть ли среди вас цифровые кочевники?

Вы цифровой кочевник, или диджитал-номад, если, например, работаете на компанию в одной стране, а живёте в другой. Этот статус может быть официальным и давать вам право на специальную визу.

❤️ — да, я
👍 — у меня всё по старинке

#интерактив

🤯 Как простая задачка поставила в тупик программистов (и как они из него выбрались)

В 2010 году пользователь Stack Overflow не справился с задачей на собеседовании. Обсуждение способов решения этого задания стало одной из самых популярных тем на платформе.

Об этой истории, а также о способах решения задачи, читайте в нашей статье
👉 Ссылка
👉 Зеркало

✍️ Что такое критерий Джини и где он используется

Критерий Джини используется для поиска оптимального условия для ветвления в решающем дереве. Это альтернатива энтропии, про которую вы, возможно, слышали чаще.

🔹Критерий Джини рассчитывается для каждого нецелевого признака p. Он отражает вероятность того, что выбранный случайно объект будет классифицирован неправильно. Поэтому наиболее оптимальным признаком для ветвления будет тот, у которого значение Джини наименьшее.

✅ Простой пример

Представьте, что у нас есть данные о студентах, и мы хотим предсказать, сдадут ли они экзамен, основываясь на количестве проведённых за учёбой часов. Вот алгоритм:

1. Собираем данные: количество часов учёбы и целевой признак (сдал экзамен или нет).
2. Мы рассматриваем признак «часы учёбы» для разделения студентов на две группы.
3. Для каждой возможной точки разделения (например, 1 час, 2 часа и т.д.) мы рассчитываем значение Джини для двух подмножеств (студенты, которые учились меньше определённого количества часов, и студенты, которые учились больше).
4. Мы выбираем ту точку разделения, где значение критерия Джини наименьшее, то есть где группы будут наиболее «чистыми» (максимально разделены студенты, сдавшие и не сдавшие экзамен).

🔥Коллекция Jupyter-ноутбуков с примерами использования Mistral

У команды Mistral есть свой Cookbook — репозиторий, в котором собраны примеры кода с LLM. Вот некоторые:

🔸Базовый Retrieval-augmented generation (RAG)
🔸Работа с эмбеддингами
🔸Система преобразования текста в SQL-запросы с использованием Mistral AI, Neon и LangChain
🔸Использование function calling

🚀 А ещё Mistral выпустила опенсорсную модель Codestral, которая предназначена для работы с кодом.

🐳 Что ж, давайте об актуальном: а вы используете Docker в рабочих проектах?

👍 — использую
👾 — нет

#интерактив