😬 My First Data Project
Недавно я защитил свой проект в ITMO AI Tallent hub и хочу поделиться с вами отзывом! Вы знаете, что сейчас я пишу диплом и поэтому немного забросил контент.

😯 Что он из себя представляет?
По сути это просто pet project, который курируют несколько экспертов. Есть несколько этапов от проблемы, построение бизнес задачи, до деплоя и питча проекта в каждый из которых вам нужно сдать домашнее задание по которому вы получаете некоторый фидбек.

Несмотря на то, что времени было достаточно, почти два месяца. Я умудрился упустить один шаг из-за написания диплома и защиты практики. Поэтому организатором на будущее славно, если подумают об этом.

Вам предоставят так же лекции по каждому этапу, но они больше имеют обозревательный характер и self education. Что я категорически поддерживаю. Мне очень понравилось как кураторы дают фидбек, отдельное спасибо Саше и Кристине, которые заставили подумать и посмотреть на проект под другим углом.

👨‍💻 Что в итоге у меня получилось?
Я собрал проект, который решает проблему отсутствия времени для любителей читать книги. Построил сервис рекомендательной системы для книг, а килфича стала интеграция GPT4ALL и T5 для LLM-based рекомендательной системы и Суммаризации текста. А так же задеплоил это все на Streamlit и написал документацию. И на самом деле ничего бы не получилось без Симулятора МЛ, который помогает разбираться во многих интересных вещах и знакомствах с другими ребятами.

С ребятами из Хаба я познакомился ещё в прошлом году и их магистратурой в ИТМО! Оказалось, что ее запускают ребята из Napoleon It, которыми я уже тогда вдохновлялся и это была любовь с первого взгляда... Очень рад, что мои труды окупились! А так же поздравляю всех своих коллег!

Набираем 200 китов 🐳 и я выпускаю лонгрид о том как Streamlit поможет вам за час вывести проект в прод!

А так же не забываем заходить в чат, задавать вопросики и лампово общаться @notedatasciencechat 🗯

Вдохновился тем, как @dimension_ai проходит симулятор мл, а чего может вам тоже такой формат запилить? 🤔

Он каждый день пишет о том что решил и какой импакт ему дало 🙊

🙃 Streamlit — как создать ChatGPT на коленке [~11 min]

Если мы начнем разговор о мире технологий и программирования, то невозможно обойти такой мощный инструмент, как Streamlit. С его помощью даже самые амбициозные проекты можно запустить в буквальном смысле за время отдыха со стаканом любимого кофе. Сегодня мы поговорим о том, как Streamlit может стать вашим лучшим другом в области развертывания приложений и визуализации данных. А так же создадим локальную GPT и задеплоим ее, пока нам готовят кофе!

Не забываем заходить в чат, задавать вопросики и лампово общаться @notedatasciencechat 🗯

Вышла! Вышла! Вышла!

Помните я участвовал в контесте AI TalentHub от ИТМО? 😎

Ребята из ИТМО помогли мне написать первую статью на HABR о том как я поступил в ИТМО без экзаменов!
У вас еще есть время залететь в последний вагончик!

Подробнее читайте в статье 👌

Как CHATGPT помогает мне подготовиться к собеседованиям

Не так давно, я начал искать работу и встал вопрос о том, что бы как можно быстрее и эффективнее подготовиться к собеседованиям. 😶

Несмотря на то, что собеседования будут скорее всего сложнее и не такие однозначные, как мы себе представляем, но некоторые моменты вспомнить все таки стоит. 👨‍💻

В этой статье я рассказываю о том как с помощью AI замоделировать себе интервьюера и оценить свои слабые места.

Подробнее читайте в статье, а так же не забывайте делиться с друзьями и заходить в наш чатик @notedatasciencechat 🧐

Чем больше реактов, тем быстрее выйдет секретный пост

День мемов

Делитесь своими каналами в комментариях 😎

100 реактов и след мем 😎

🎉 Анонс: Создание клуба Whale Data Science! 🐋🔬

Если вы тоже замечаете магию, стоящую за гигантскими объемами данных, встречайте - клуб Whale Data Science! Наш новый современный коллектив состоит всего из восьми избранных участников, которые, несомненно, внесут свой уникальный вклад в область Data Science.

Наша цель - обмен знаниями, идеями и опытом в мире Data Science и Искусственного Интеллекта.

Следите за нашими обновлениями и постами. Вместе мы сможем раскрыть все возможности, которые дает нам Data Science, и открыть для себя новые горизонты знаний! 🚀

Виртуальное окружение

Все ещё встречаю людей, которые не понимают что такое виртуальное окружение, а подробного гайда я так и не выпустил.

Большинство студентов karpov.courses устанавливают anaconda, но мало кто знает какие проблемы она за собой несёт.


Как интуитивно это работает?
Представьте, что ваш python это планета. На единый материк и на этом материке живут некоторые животные (пакеты, библиотеки).
Конечно лев не сможет жить в Антарктиде, так же как белый медведь в Сахаре, так и ваши проекты их пакеты не могут находиться одинаково во всех проектов.

Что бы этого избежать вы изолируете вашу планету на отдельные куски — метрики, регионы, зоны. В каждом из ваших метриков (виртуальных окружений) есть отдельный набор животных, которые не выходят за рамки этого материка.


Проблема анаконды
После удаление анаконды, ее виртуальное окружение не удаляется и остаются некоторые участки, которые мешают для дальнейшей работы.

Это можно понять если в терминале у вас например остался
(base) : |

Более того у нее стоит свой python и в вашем терминале .bashrc указан путь именно к нему, а не к новым python, которые вы устанавливаете.


Инструкция
1. Откройте терминал
2. Зайдите в папку с проектом
3. Введите python -m venv venv
4. Появится папочка venv
5. Что бы активировать окружение
— source venv/bin/activate
у вас появится в терминале слева от ввода строки и имя пользователя (venv) это название вашего окружения
6. Что бы деактивировать — deactivate

Давайте соберём 100 реактов 🐳