#курс
Наконец "дошли руки" посмотреть курс NLP, ссылку на которую в чате канала кидал Юра Кашницкий. Очень классно всё сделано. И дело не только в оформлении, хорошо сделаны объяснения и ссылки на релевантные работы. Всем, кто изучает ML, обязательно к проработке...
https://lena-voita.github.io/nlp_course.html

#курс
Небольшой курс от Леонида Жукова "Data Science for Business". Есть видео на английском. Скорее подойдёт для менеджеров, здесь не погружаясь глубоко объясняют, где может пригодиться машинное обучение и анализ данных. Приводятся 4 кейса из ретейла: прогнозирование спроса, сегментация клиентов, персонализация и A/B-тестирование
(на рис. картинка из курса)
https://www.leonidzhukov.net/hse/2020/datascience/

#курс
По обработке сигналов есть неплохой курс (классические темы), оформленный в виде Python-ноутбуков:
https://github.com/capitanov/dsp-theory

#курс
Курс по теории управления - очень качественно сделан (также есть симпатичная книга):
https://icct.cafre.unipi.it/

#курс
Курс по машинному обучению на украинском языке: https://github.com/fbeilstein/machine_learning
(видео - на украинском, в ноутбуках - английский). Некоторые темы очень неплохо преподнесены.

#курс
Курс «Математика и деньги на бирже», среди создателей бывшие ВМКашники и среди слушателей тоже много ВМКашников. Когда я учился, тоже посещал подобный курс - было интересно, но он тогда был не с прицелом «мы научим зарабатывать на бирже», а «мы научим ловить инсайдеров на бирже».
https://pfladvisors.com/mathmoney/

#курс
Интенсив по анализу данных NGS: введение в медицинскую и статистическую генетику
https://bioinf.me/education/workshops/ngs

#курс
В прошлом году при выкладке курса "ПЗАД" некоторые важные темы оказались не записанными, сейчас исправляю этот недостаток. Лекция по градиентному бустингу:
https://www.youtube.com/watch?v=Xrm_evAhDeU

#курс
Началось чтение курса Statistical Rethinking (2022 Edition).
Выглядит очень симпатичным. Есть видео и слайды. Из условных минусов - примеры кода на R.
https://github.com/rmcelreath/stat_rethinking_2022

#курс
И ещё один классный курс "Вероятностное машинное обучение" - Probabilistic Machine Learning (Summer 2020). Хорошо продуман, "крафтовый". Про сэмплирование, MCMC, гауссовские процессы и многое другое.
https://uni-tuebingen.de/en/fakultaeten/mathematisch-naturwissenschaftliche-fakultaet/fachbereiche/informatik/lehrstuehle/methoden-des-maschinellen-lernens/lehre/probabilistic-machine-learning/

#курс
Возрождается курс по машинному обучению от ODS (на русском языке), подробности можно узнать в фейсбуке Юры Кашницкого.

#курс
Табличка с курсами Стэнфорда (указано наличие материалов и видео):
https://burlachenkok.github.io/Courses-at-Stanford-relative-to-AI/

#курс
У Себастьяна Рашки есть очень симпатичный вводный в DL курс. Он довольно хорошо продуман, рассчитан на относительно начальный уровень, много хорошего кода, почти все классические темы покрыты (до трансформеров), без копания в тонкости (например, нет ничего про сегментацию или детектирование объектов в CV).
https://sebastianraschka.com/blog/2021/dl-course.html

#курс
В эту пятницу стартует курс OzonMasters по Продуктовой аналитике от Кирилла Кочнева (https://koch-kir.medium.com/). В отличии от большинства курсов OzonMasters этот курс открыт для всех!
Если Вы
- хотите прослушать курс,
- знаете python,
- знаете статистику хотя бы на базовом уровне,
- хотите развиваться в роли аналитика данных/бизнес-аналитика
пишите на [email protected] до четверга (24 февраля) включительно или заполните короткую регистрационную форму
https://forms.gle/pXyyNpyskyHr8p2W9

Программа курса:
Блок Введение
Занятие 1: Зачем нужна аналитика, виды аналитиков
Занятие 2: Метрики
Блок по БД
Занятие 3: Зачем нужны БД и какие они бывают
Занятие 4: Введение в SQL
Занятие 5: Типы данных, подзапросы и view
Занятие 6: Оконные функции и оптимизация запросов
Занятие 7: Фишки Clickhouse
Занятие 8: Типичные задачи в аналитике
Блок по фреймворкам:
Занятие 9: сегментация, RFM-анализ
Занятие 10: экономика продукта, Когорты, LTV
Блок по визуализации:
Занятие 11: Инструменты визуализации, Tableau
Занятие 12: Представление результатов работы
Занятие 13: Airflow

#курс
В этом году мой образовательный проект по глубокому обучению пополнился видеозаписями лекций. Записал не всё, что хотел, но я никогда и не успеваю всё прочитывать:)

Семинары пока не выложены (по хорошему лучше сделать параллельный практический курс "не вылезая из пайторча").

#курс
По машинному обучению может быть "стандартный" курс - в нём излагаются задачи и методы (kNN, SVM, LogReg и т.п.), "практический" - в нём больше идут от прикладных задач и библиотек (часто практическая часть интегрируется в виде семинаров в стандартный курс), а ещё "математический" (в нём учат теоремы и доказательства в ML). Интересно, что современных обучающих программах почти нет "математического ML", когда-то в ШАДе Червоненкис читал что-то похожее, но всё-таки с большим уклоном в область своих научных интересов.

Смотрел курсы MIT-а, там как раз есть "Математика в ML". Не знаю, доступно ли видео (не нашёл), но в pdf-ках темы прописаны хорошо. На картинке курса нарисована иллюстрация базового понятия в теоретическом ML (подсказка: связано с VC-размерностью).

#курс
В этом году дозалил некоторые видео своего расширенного курса по DL, все материалы лучше искать по общей ссылке:
https://alexanderdyakonov.wordpress.com/courses/
А ссылка на видеолекции (теперь их 36): здесь.
Опять не всё успел записать, что хотел, но в ближайшие годы, скорее всего, конкретно этот курс не будет читаться и пополняться.