Сегодня будет митап по ETNA, советуем посмотреть https://www.youtube.com/watch?v=RhOnQ0AH0xw
должно быть интересно)

В итоге сервис отжима воды из публикаций много куда будет интегрирован, но пользоваться им можно уже сейчас (хотя наружу его открыли только что, так что это публичная бета, а не готовый отлаженный продукт). Интерфейс и функционал предельно просты: даешь ссылку на статью, получаешь выжимку (в идеале потом ее качество оцениваешь, чтобы дообучить алгоритм).
Если сервис подвис (на то и бета, с ним бывает) — просто перегрузить страницу:)
На мой взгляд, сильно полезнее многих генеративных штучек, когда приходится много текстов проглядывать.
https://300.ya.ru

Привет всем! Если вы хотите начать изучать Data Science, но не знаете, с чего начать, то этот пост для вас.

Data Science - это область науки, которая занимается анализом данных и использованием этих данных для принятия решений в бизнесе, науке и других областях. Чтобы начать изучать Data Science, нужно иметь базовые знания в математике, статистике и программировании.

Если вы уже знакомы с этими областями, то можете начать с изучения языков программирования, таких как Python или R. Эти языки широко используются в Data Science и позволяют обрабатывать большие объемы данных.

Также важно понимать, что Data Science - это постоянно развивающаяся область, и новые методы и технологии появляются каждый день. Поэтому важно следить за новостями и обновлениями в этой области.

Не бойтесь экспериментировать и учиться на своих ошибках. Data Science - это процесс, который требует постоянного обучения и развития.

А если у вас возникнут вопросы или нужна помощь в изучении Data Science, то не стесняйтесь обращаться к специалистам в этой области или к сообществу Data Scientists. Вместе мы сможем достичь больших результатов!

В чем разница между машинным обучением с учителем и без учителя?

Для обучения с учителем требуются данные, помеченные для обучения. Например, чтобы провести классификацию (задача обучения с учителем), вам нужно сначала пометить данные, которые вы будете использовать для обучения модели, для классификации данных по помеченным группам; в то же время обучение без учителя не требует явной маркировки данных.
#вопросы_с_собеседований

Искусственный интеллект (ИИ) — это область компьютерных наук, которая занимается созданием интеллектуальных машин, способных выполнять задачи, обычно требующие человеческого интеллекта. К ним относятся распознавание речи, обработка естественного языка, компьютерное зрение, робототехника, игра в шахматы и многое другое. Искусственный интеллект может быть применен в различных областях, таких как медицина, финансы, транспорт и т. д.

Основные методы машинного обучения:

1. Обучение с учителем — это метод, при котором машина обучения получает набор данных с известными ответами. Затем она использует эти данные для обучения и создания модели, которая может предсказать ответы на новые данные.

2. Обучение без учителя — это метод, который не требует наличия известных ответов. Он используется для поиска закономерностей в данных.

3. Обучение по подкреплению — это метод, основанный на принципе вознаграждения и наказания. Машина обучения получает вознаграждение за правильное решение задачи и наказание за неправильное решение.

4. Рекуррентное обучение — это метод, используемый для обработки последовательностей данных. Он позволяет учитывать информацию о предыдущих элементах последовательности при принятии решения.

5. Глубокое обучение — это метод машинного обучения, который использует нейронные сети с большим количеством слоев. Он позволяет создавать более сложные модели.

Если вы хотите начать изучать Python, то вам нужно начать с базовых понятий языка программирования. Вот несколько советов, с которых можно начать:

1. Изучите основы программирования: начните с изучения основных конструкций языка, таких как переменные, условия, циклы и функции.

2. Изучите базовые библиотеки Python: Python имеет множество библиотек, которые позволяют ускорить процесс разработки и упростить работу с данными. Например, библиотека NumPy используется для работы с массивами и матрицами, библиотека Pandas для работы с табличными данными, библиотека Matplotlib для построения графиков и диаграмм.

3. Практикуйтесь: начните писать небольшие программы и проекты, чтобы закрепить полученные знания. Это поможет вам лучше понять, как работает Python и как использовать его для решения реальных задач.

4. Изучайте документацию: Python имеет отличную документацию, которая поможет вам разобраться в тонкостях языка и его библиотек.

5. Присоединяйтесь к сообществу Python: существует множество сообществ Python, где вы можете задавать вопросы, получать помощь и делиться своими проектами.

6. Используйте онлайн-курсы и ресурсы: существует множество онлайн-курсов и ресурсов, которые помогут вам изучить Python. Некоторые из них бесплатны, а другие требуют оплаты.

7. Не бойтесь экспериментировать: Python позволяет экспериментировать и создавать свои собственные библиотеки и инструменты. Это поможет вам стать более гибким и творческим в работе с языком.

Протоколы в Python

В Python 3.8. появилась новая примечательная возможность — протоколы (protocols). Протоколы — это альтернатива абстрактным базовым классам (abstract base classes, ABC). Они позволяют пользоваться структурной подтипизацией (structural subtyping), то есть — осуществлять проверку совместимости классов исключительно на основе анализа их атрибутов и методов.

Смотреть статью