Типичный программист
81.7K subscribers
2.68K photos
911 videos
8 files
7.47K links
Всё самое интересное по программированию

Разместить рекламу: @tproger_sales_bot

Правила общения: https://tprg.ru/rules

Другие каналы: @tproger_channels

Сайт: https://tprg.ru/site

VK: vk.com/tproger

Регистрация в перечне РКН: https://tprg.ru/mJwo
Download Telegram
Как готовиться к собеседованиям на Machine Learning Engineer?

Инервью на ML-инженера — это не только решать карточки с литкода. Есть много интересных этапов, которые также часто встречаются на собеседованиях. Вам нужно будет уметь пояснить за Machine Learning System Design, ответить на вопросы по теории, найти и исправить ошибки в коде и просто пообщаться за жизнь и сходить в бар.

Ибрагим прошёл кучу собеседований на позицию ML-инженера и получил несколько офферов от компаний в Европе, стартапов из Англии и Азии, и Яндекса. В статье он рассказывает, на что обратить внимание при подготовке. И делится полезными материалами, которые ему помогли:

https://tproger.ru/articles/kak-gotovitsja-k-sobesedovanijam-na-machine-learning-engineer/

#ml #собеседование
Как устроена RecTools — OpenSource–библиотека для рекомендательных систем

В этой статье мы рассмотрим открытую библиотеку RecTools для рекомендательных систем, позволяющую разработчикам и исследователям создавать эффективные алгоритмы машинного обучения.

Рассказываем о достоинствах и недостатках RecTools и как она может быть использована в ваших проектах: https://tprg.ru/A0hZ

#python #ml
Почему ChatGPT «врёт»?

Почему нейросетевые языковые модели вроде ChatGPT порой выдают ложные факты, легко принимают на веру то, в чём их убеждает пользователь, и что с этим делает бизнес, использующий нейросети?

Спросили об этом у экспертов по ML: https://tprg.ru/4EQa

#ml #нейросети
В чём разница между дата-аналитиком и ML-инженером?

Разбираем обязанности вместе с реальными специалистами: https://tprg.ru/KmMS

#datascience #ml
Посмотрите, какой алмаз мы для вас нашли: интерактивная визуализация устройства нейросетей

Сделано очень качественно. Всё объясняют по порядку от структуры, вычислительных узлов до «нейронов» и «слоёв». Гифки на высшем уровне, а объяснения очень доступные, хоть и на английском. Сохраните себе, чтобы не потерять: https://mlu-explain.github.io/neural-networks/

Кстати, если интересуетесь нейросетями, обязательно подпишитесь на тему «Нейросети». Так вы точно не пропустите самые свежие материалы из мира нейросетей: https://tproger.ru/tag/neural-network/

#ml #нейросети #инструменты
Совместимы ли завод и современный IT?

В статье айтишники рассказывают, как придумали внедрить ML для решения рабочих задач завода. И про то, что из этого вышло: https://habr.com/ru/companies/omk-it/articles/770786/

#ml