Заскучали без наших вебинаров? А мы вам еще принесли: про аналитику, математику, программирование и прочие умения технарей 👍
📌 Как данные приносят деньги бизнесу? Вы узнаете, куда нужно смотреть и какие возможности появляются с применением инструментов аналитики — https://amp.gs/DQJR
📌 Как изучать математику для Data Science и Machine Learning? Обязательные основы для начинающих специалистов — https://amp.gs/DQJd
📌 Профессия QA с нуля: что нужно знать и уметь, чтобы начать карьеру тестировщика? — https://amp.gs/DQJA
📌 Как стать программистом с нуля за 6 месяцев? Разбираем ключевые этапы карьеры программиста — https://amp.gs/DQJS
📌 Продуктовые метрики: что это такое, зачем они нужны и как с ними работать? — https://amp.gs/DQJs
📌 Как данные приносят деньги бизнесу? Вы узнаете, куда нужно смотреть и какие возможности появляются с применением инструментов аналитики — https://amp.gs/DQJR
📌 Как изучать математику для Data Science и Machine Learning? Обязательные основы для начинающих специалистов — https://amp.gs/DQJd
📌 Профессия QA с нуля: что нужно знать и уметь, чтобы начать карьеру тестировщика? — https://amp.gs/DQJA
📌 Как стать программистом с нуля за 6 месяцев? Разбираем ключевые этапы карьеры программиста — https://amp.gs/DQJS
📌 Продуктовые метрики: что это такое, зачем они нужны и как с ними работать? — https://amp.gs/DQJs
❓Сколько всего существует языков программирования?
❗️Если бы разработчики основали собственное государство, оно стало бы третьим в мире по количеству языков.
Номер один — это Папуа-Новая Гвинея, где говорят приблизительно на 836 языках. Второй по списку идет Индонезия — здесь более чем 700 языков.
Что касается программирования, то, будь оно государством, его можно было бы смело поставить на третье место в рейтинге. Всего в мире насчитывается около 698 языков программирования. Только не пытайтесь изучить их все — и целой жизни не хватит.
❗️Если бы разработчики основали собственное государство, оно стало бы третьим в мире по количеству языков.
Номер один — это Папуа-Новая Гвинея, где говорят приблизительно на 836 языках. Второй по списку идет Индонезия — здесь более чем 700 языков.
Что касается программирования, то, будь оно государством, его можно было бы смело поставить на третье место в рейтинге. Всего в мире насчитывается около 698 языков программирования. Только не пытайтесь изучить их все — и целой жизни не хватит.
Мир: *коронавирус, пожары, Третья мировая*
SkillFactory: *Киберпонедельник*
Мы решили не тянуть и запустить Киберпонедельник уже сегодня! Торопитесь получить профессию будущего, пока этот год не принес новые сюрпризы — https://amp.gs/Db74 👾
Акция продлится с 24 по 31 января.
SkillFactory: *Киберпонедельник*
Мы решили не тянуть и запустить Киберпонедельник уже сегодня! Торопитесь получить профессию будущего, пока этот год не принес новые сюрпризы — https://amp.gs/Db74 👾
Акция продлится с 24 по 31 января.
IT-школа Skillfactory
Черно-белое фото было «раскрашено» с помощью нейросети. Сможете определить, какое? 👇
Правильный ответ: первое фото
О восстании машин, будущем и о том, каково в нем место человека. Ловите список книг от The Verge об искусственном интеллекте, обязательных к прочтению 👇
📚 «Черты будущего» Артур Кларк
Советуют Грег Брокман и Илья Суцкевер, сооснователи OpenAI
Эта книга изменила наши представления о том, насколько быстро ИИ может повлиять на мир. Мы привыкли думать о технологическом прогрессе как о постепенном, медленном процессе — совокупности многих небольших инноваций. «Черты будущего» заставляет нас понять, что есть некоторые очень важные исключения.
📚 «The Book of Why» Дана Маккензи и Джуда Перл
Советует Румман Чоудхури, глава отдела искусственного интеллекта компании Accenture
Книга про искусственный интеллект без роботов, сценариев конца света и грандиозных предсказаний будущего.
📚 «Выборы» Айзек Азимов
Советует Тим Вонг, директор Инициативы по управлению и этике ИИ Гарвардского университета и Массачусетского технологического института
Именно история о безликом Мультиваке Азимова лучше всего отражает современную реальность машинного обучения. В отличие от ходячих и говорящих роботов, Мультивак — это огромный сервер, для работы которого требуется специализированный опыт. Рассказ «Выборы» ловко отражает странную рекурсивную природу предсказания.
📚 «Убийственные Большие данные» Кэти О’Нил
Советует Кейт Дарлинг, специалист по исследованиям в MIT Media Lab
Эта книга, иллюстрированная захватывающими (и ужасающими) примерами из реальной жизни, — отличный учебник по алгоритмам и данным, а также делегировании власти системам, которые могут создавать или разрушать жизни людей. «Убийственные Большие данные» рассказывает о проблемах с алгоритмами в финансовой индустрии, а также в областях правосудия, занятости, образования и многих других.
📚 «Алмазный век, или Букварь для благородных девиц» Нил Стивенсон
Советует Джереми Ховард, сооснователь fast.ai
Я впервые прочитал «Алмазный век» 20 лет назад, и до сих пор помню ее идею: технологии должны давать возможности тем, у кого иначе их не было бы. Как и в случае со всеми новыми технологиями, сегодня наблюдается общий тренд критиковать то, что дети всегда смотрят в «экраны». Но сейчас нет авторитетных исследований, которые бы подтвердили этот вред. Если мы не будем использовать технологии в образовании, то многие дети, у которых нет доступа к лучшим учителям, не получат его.
📚 «Машинное обучение для людей» Вишал Маини и Самир Сабри
Советует Демис Хассабис, сооснователь и генеральный директор DeepMind
Сегодня сложно посоветовать книги по ИИ, которые были бы не слишком техническими или слишком философскими. Я бы порекомендовал «Machine Learning For Humans» как хорошее введение, которое не требует особых предварительных знаний — тем более, его можно прочитать бесплатно. Мы были настолько впечатлены этой работой в DeepMind, что в итоге наняли одного из его авторов!
📚 «Sorting Things Out: Classification and Its Consequences» Джеффри Боукер и Сьюзан Ли Стар
Советует учредитель и со-руководитель AI Now Institute в Нью-Йоркском университете
Это важный текст для любого, кто сталкивается с проблемами предвзятости, справедливости и правосудия ИИ. Книга рассказывает о последствиях классификации, которые распространены в современных применениях искусственного интеллекта, — например, когда алгоритмы отбирают кандидатов по образцу «успешного сотрудника». Авторы трактуют классификации не как отражение «естественных категорий», а как продукт истории, культуры и власти, в которой «каждая категория ценит одну точку зрения и заглушает другую».
📚 «Черты будущего» Артур Кларк
Советуют Грег Брокман и Илья Суцкевер, сооснователи OpenAI
Эта книга изменила наши представления о том, насколько быстро ИИ может повлиять на мир. Мы привыкли думать о технологическом прогрессе как о постепенном, медленном процессе — совокупности многих небольших инноваций. «Черты будущего» заставляет нас понять, что есть некоторые очень важные исключения.
📚 «The Book of Why» Дана Маккензи и Джуда Перл
Советует Румман Чоудхури, глава отдела искусственного интеллекта компании Accenture
Книга про искусственный интеллект без роботов, сценариев конца света и грандиозных предсказаний будущего.
📚 «Выборы» Айзек Азимов
Советует Тим Вонг, директор Инициативы по управлению и этике ИИ Гарвардского университета и Массачусетского технологического института
Именно история о безликом Мультиваке Азимова лучше всего отражает современную реальность машинного обучения. В отличие от ходячих и говорящих роботов, Мультивак — это огромный сервер, для работы которого требуется специализированный опыт. Рассказ «Выборы» ловко отражает странную рекурсивную природу предсказания.
📚 «Убийственные Большие данные» Кэти О’Нил
Советует Кейт Дарлинг, специалист по исследованиям в MIT Media Lab
Эта книга, иллюстрированная захватывающими (и ужасающими) примерами из реальной жизни, — отличный учебник по алгоритмам и данным, а также делегировании власти системам, которые могут создавать или разрушать жизни людей. «Убийственные Большие данные» рассказывает о проблемах с алгоритмами в финансовой индустрии, а также в областях правосудия, занятости, образования и многих других.
📚 «Алмазный век, или Букварь для благородных девиц» Нил Стивенсон
Советует Джереми Ховард, сооснователь fast.ai
Я впервые прочитал «Алмазный век» 20 лет назад, и до сих пор помню ее идею: технологии должны давать возможности тем, у кого иначе их не было бы. Как и в случае со всеми новыми технологиями, сегодня наблюдается общий тренд критиковать то, что дети всегда смотрят в «экраны». Но сейчас нет авторитетных исследований, которые бы подтвердили этот вред. Если мы не будем использовать технологии в образовании, то многие дети, у которых нет доступа к лучшим учителям, не получат его.
📚 «Машинное обучение для людей» Вишал Маини и Самир Сабри
Советует Демис Хассабис, сооснователь и генеральный директор DeepMind
Сегодня сложно посоветовать книги по ИИ, которые были бы не слишком техническими или слишком философскими. Я бы порекомендовал «Machine Learning For Humans» как хорошее введение, которое не требует особых предварительных знаний — тем более, его можно прочитать бесплатно. Мы были настолько впечатлены этой работой в DeepMind, что в итоге наняли одного из его авторов!
📚 «Sorting Things Out: Classification and Its Consequences» Джеффри Боукер и Сьюзан Ли Стар
Советует учредитель и со-руководитель AI Now Institute в Нью-Йоркском университете
Это важный текст для любого, кто сталкивается с проблемами предвзятости, справедливости и правосудия ИИ. Книга рассказывает о последствиях классификации, которые распространены в современных применениях искусственного интеллекта, — например, когда алгоритмы отбирают кандидатов по образцу «успешного сотрудника». Авторы трактуют классификации не как отражение «естественных категорий», а как продукт истории, культуры и власти, в которой «каждая категория ценит одну точку зрения и заглушает другую».
📚 «Верховный алгоритм», Педро Домингос
Советует Джеймс Винсент, обозреватель тематики робототехники и ИИ в The Verge
Я, очевидно, не светило в мире искусственного интеллекта, но я сталкиваюсь с этой темой каждый день. Поэтому я прочитал больше, чем несколько книг, чтобы сориентироваться в вопросе. «Верховный алгоритм» предлагает отличное введение в технические аспекты ИИ. Книга познакомит вас со всеми основными компонентами и концепциями — от эволюционных алгоритмов до Байесовской вероятности — и покажет, как машинное обучение переплетается с дисциплинами вроде нейронауки и психологии.
Советует Джеймс Винсент, обозреватель тематики робототехники и ИИ в The Verge
Я, очевидно, не светило в мире искусственного интеллекта, но я сталкиваюсь с этой темой каждый день. Поэтому я прочитал больше, чем несколько книг, чтобы сориентироваться в вопросе. «Верховный алгоритм» предлагает отличное введение в технические аспекты ИИ. Книга познакомит вас со всеми основными компонентами и концепциями — от эволюционных алгоритмов до Байесовской вероятности — и покажет, как машинное обучение переплетается с дисциплинами вроде нейронауки и психологии.
Когда решил пообщаться с голосовым помощником, но что-то пошло не так...
Источник: https://amp.gs/ul7U
Источник: https://amp.gs/ul7U
Устроиться после прохождения наших курсов на младшую позицию специалиста по данным — реально. Но недостаточно просто использовать ваши базовые знания. Что делать дальше? 🤷♂️
● Облачные платформы
Облачные платформы, такие как Amazon Web Services (AWS) или Google Cloud Platform (GCP) в своей повседневной работе предоставляют инструменты масштабирования процессов. Подобный опыт работы позволит вам стать более ценным специалистом.
● Наборы данных
Для упрощения процесса анализа и обработки данных необходимо выполнить их объединение. Оно может включать веб-скрапинг, выборку с конечной точки (например, steamspy) или объединение различных источников в новый набор. Этот навык продемонстрирует вашу способность выполнять поиск на новом наборе данных.
● Сервисы
Как специалисту по обработке данных, вам нужно будет давать то, что смогут использовать другие отделы компании. Научитесь работать с Flask или Gunicorn, а также создавать интерактивные приложения с Dash. Полезно попробовать настроить один из этих сервисов в экземпляре Docker.
● Визуализация
Тут все очевидно — визуализация поможет подытожить результаты вашей работы, объяснить их коллегам и донести, почему ваш анализ или модель важны. Это также будет полезно при создании портфолио работ.
● Обратная связь
Чтобы сделать ваше исследование понятным для широкой аудитории, заведите блог — это отличный способ улучшить навыки объяснения технических особенностей. Пишите статьи по науке о данных для широкой аудитории, а потом изучите обратную связь: читателям должно быть понятно, о чем вы пишете.
● Улучшение рабочего процесса
Ваша мультизадачность и новые навыки — это ключ к успеху. В Data Science нет четкого пути к созданию модели: вам может потребоваться создать что-то уникальное, чтобы система заработала. Объедините системы или компоненты для улучшения эффективности рабочего процесса. Освойте инструменты вроде Airflow, GCP DataFlow или Cloud Datastore.
● Облачные платформы
Облачные платформы, такие как Amazon Web Services (AWS) или Google Cloud Platform (GCP) в своей повседневной работе предоставляют инструменты масштабирования процессов. Подобный опыт работы позволит вам стать более ценным специалистом.
● Наборы данных
Для упрощения процесса анализа и обработки данных необходимо выполнить их объединение. Оно может включать веб-скрапинг, выборку с конечной точки (например, steamspy) или объединение различных источников в новый набор. Этот навык продемонстрирует вашу способность выполнять поиск на новом наборе данных.
● Сервисы
Как специалисту по обработке данных, вам нужно будет давать то, что смогут использовать другие отделы компании. Научитесь работать с Flask или Gunicorn, а также создавать интерактивные приложения с Dash. Полезно попробовать настроить один из этих сервисов в экземпляре Docker.
● Визуализация
Тут все очевидно — визуализация поможет подытожить результаты вашей работы, объяснить их коллегам и донести, почему ваш анализ или модель важны. Это также будет полезно при создании портфолио работ.
● Обратная связь
Чтобы сделать ваше исследование понятным для широкой аудитории, заведите блог — это отличный способ улучшить навыки объяснения технических особенностей. Пишите статьи по науке о данных для широкой аудитории, а потом изучите обратную связь: читателям должно быть понятно, о чем вы пишете.
● Улучшение рабочего процесса
Ваша мультизадачность и новые навыки — это ключ к успеху. В Data Science нет четкого пути к созданию модели: вам может потребоваться создать что-то уникальное, чтобы система заработала. Объедините системы или компоненты для улучшения эффективности рабочего процесса. Освойте инструменты вроде Airflow, GCP DataFlow или Cloud Datastore.
