Несколько месяцев назад мы проводили открытый вебинар про GLM, где знакомились с обобщенными линейными моделями. Это знание значительно улучшило уровень жизни при подборе правильного распределения.
Однако в реальном мире не существует истинно линейных взаимосвязей. Хотя для коротких промежутков данных допущение линейности иногда работает, на практике же легко могут попасться такие переменные, взаимосвязи между которыми нельзя анализировать с использованием этого допущения.
На вебинаре «Шум и GAM: обобщённые аддитивные модели» мы узнаем:
● Как нелинейность взаимосвязи портит наши данные?
● Как моделировать нелинейные взаимосвязи, оставаясь в регрессионном контексте?
● Что такое лекало и какое отношение это имеет к вопросу?
● Какие похожие регрессионные методы могут встретиться в работе аналитика?
Занятие проведет Манаенков Александр, ментор KarpovCourses и выпускник кафедры психофизиологии факультета психологии МГУ.
Ждем всех в этот четверг, 3 декабря, в 20:00
Запись по ссылке
Однако в реальном мире не существует истинно линейных взаимосвязей. Хотя для коротких промежутков данных допущение линейности иногда работает, на практике же легко могут попасться такие переменные, взаимосвязи между которыми нельзя анализировать с использованием этого допущения.
На вебинаре «Шум и GAM: обобщённые аддитивные модели» мы узнаем:
● Как нелинейность взаимосвязи портит наши данные?
● Как моделировать нелинейные взаимосвязи, оставаясь в регрессионном контексте?
● Что такое лекало и какое отношение это имеет к вопросу?
● Какие похожие регрессионные методы могут встретиться в работе аналитика?
Занятие проведет Манаенков Александр, ментор KarpovCourses и выпускник кафедры психофизиологии факультета психологии МГУ.
Ждем всех в этот четверг, 3 декабря, в 20:00
Запись по ссылке
Скоро начинаем! Уже в 20:00 Александр Манаенков, ментор Karpov.Courses, расскажет про нелинейные взаимосвязи и особенности работы с ними.
Присоединяйтесь!
Присоединяйтесь!
Вчера вечером, сквозь небольшой сумбур Александр Манаенков провел вебинар по GAM, где рассказал и о лекалах, и о сплайнах, и об использовании их на практике.
Спасибо всем, кто был на трансляции и комментировал! Это всегда очень поддерживает наших лекторов :)
Как и обещали, прикрепляем ниже презентацию и ноутбук.
P.S. запись лекции доступна по ссылке
Спасибо всем, кто был на трансляции и комментировал! Это всегда очень поддерживает наших лекторов :)
Как и обещали, прикрепляем ниже презентацию и ноутбук.
P.S. запись лекции доступна по ссылке
Алгоритмы машинного обучения – это одни из самых популярных инструментов дата-аналитиков. Однако большинство нейронных сетей используются как black-box: люди даже не знают, как они работают. Например, нейросеть умеет классифицировать породы собак, но делает она это опираясь на знание, что одни породы чаще сфотографированы дома, а другие – на лужайке.
Как определить, опираясь на какие параметры работает нейросеть? Читаем в статье «Интерпретация моделей машинного обучения в python: shap» от Екатерины Скрипцовой, младшего аналитика ВКонтакте и ментора Karpov.Courses.
Как определить, опираясь на какие параметры работает нейросеть? Читаем в статье «Интерпретация моделей машинного обучения в python: shap» от Екатерины Скрипцовой, младшего аналитика ВКонтакте и ментора Karpov.Courses.
Telegraph
Интерпретация моделей машинного обучения в python: shap
Зачем нужна интерпретация? Почему так важно уделять внимание не только метрикам качества, но и интерпретации полученных результатов? С одной стороны, мы хотим получать максимально точные предсказания, но с другой — было бы неплохо понимать, почему получен…
Не за горами запуск 10-го потока, а значит пора поделиться, что же происходит на специализации «Аналитик данных». Каждую неделю мы будем рассказывать о преподавателях karpov.courses и модулях, которые они ведут.
Сегодня начнем, разумеется, с основателя и лектора первых модулей – Анатолия Карпова. Мы уже рассказывали о пути Анатолия в дата аналитику, так что сразу перейдем к его роли как преподавателя курсов. Анатолий читает лекции по самому первому модулю «Python», где закладывается фундамент: основы программирования, знакомство с библиотеками для анализа данных, визуализации и работы с файловой системой.
Зачем же нужен Python начинающего аналитику? Отвечает Анатолий Карпов:
«Python на сегодняшний день – один из самых популярных языков для работы с данными и незаменимый инструмент для аналитика. При помощи Python вы научитесь автоматизировать рутинную работу, применять статистику и строить модели машинного обучения».
Первые три лекции по Python доступны в демо-версии курса.
Сегодня начнем, разумеется, с основателя и лектора первых модулей – Анатолия Карпова. Мы уже рассказывали о пути Анатолия в дата аналитику, так что сразу перейдем к его роли как преподавателя курсов. Анатолий читает лекции по самому первому модулю «Python», где закладывается фундамент: основы программирования, знакомство с библиотеками для анализа данных, визуализации и работы с файловой системой.
Зачем же нужен Python начинающего аналитику? Отвечает Анатолий Карпов:
«Python на сегодняшний день – один из самых популярных языков для работы с данными и незаменимый инструмент для аналитика. При помощи Python вы научитесь автоматизировать рутинную работу, применять статистику и строить модели машинного обучения».
Первые три лекции по Python доступны в демо-версии курса.
Трудно поверить, но ровно год назад маленькая команда из трех человек запустила интенсив по Python, недолго думая, назвав проект karpov.courses.
Небольшой проект вырос до полноценной специализации, команда — до 26 человек, а количество студентов уже достигло отметки 315 человек.
Верим, что это только начало. Мы продолжим делать душевный и полезный EdTech, а наши выпускники будут работать там, где захотят. Ура!
Небольшой проект вырос до полноценной специализации, команда — до 26 человек, а количество студентов уже достигло отметки 315 человек.
Верим, что это только начало. Мы продолжим делать душевный и полезный EdTech, а наши выпускники будут работать там, где захотят. Ура!
❤1
Если вдруг у вас нет планов на вечер, то присоединяйтесь слушать подкаст о связи работы в индустрии и образовательных проектов вместе с командой ВКонтакте. Если планы есть, то скорее освобождайтесь и тоже подключайтесь 🙂
Видео дня – новое интервью karpov.courses!
Наш гость – Максим Годзи, создатель инструментов аналитики Retentioneering, а ранее – исследователь в университете UPENN США, аналитик Yandex Такси и руководитель ML, аналитики и Data Science в App in the Air.
Помимо пути Максима из биофизики в аналитику, в интервью вы узнаете:
● Как машинное обучение и математика помогают по-новому взглянуть на аналитические процессы?
● Чем оптимизация бизнес моделей стартапов напоминает оптимизацию структур белков?
● Как подбирать и проверять продуктовые параметры через симуляцию?
● Как создавался Retentioneering и во имя чего?
Это всего лишь первая часть нашего большого диалога, так что пишите свои вопросы в комментарии к видео и stay tuned!
Наш гость – Максим Годзи, создатель инструментов аналитики Retentioneering, а ранее – исследователь в университете UPENN США, аналитик Yandex Такси и руководитель ML, аналитики и Data Science в App in the Air.
Помимо пути Максима из биофизики в аналитику, в интервью вы узнаете:
● Как машинное обучение и математика помогают по-новому взглянуть на аналитические процессы?
● Чем оптимизация бизнес моделей стартапов напоминает оптимизацию структур белков?
● Как подбирать и проверять продуктовые параметры через симуляцию?
● Как создавался Retentioneering и во имя чего?
Это всего лишь первая часть нашего большого диалога, так что пишите свои вопросы в комментарии к видео и stay tuned!
YouTube
Максим Годзи о приёмах Data Science в продуктовой аналитике | Интервью | Часть 1 | karpov.courses
Курс «Аналитик данных»: https://bit.ly/3FpNdS8
Курс Start ML: http://bit.ly/3ZUcCeP
Курс Hard ML: https://bit.ly/3Lq7bjn
Максим Годзи — создатель инструментов аналитики Retentioneering. Ранее исследователь в университете UPENN США, аналитик Yandex Такси…
Курс Start ML: http://bit.ly/3ZUcCeP
Курс Hard ML: https://bit.ly/3Lq7bjn
Максим Годзи — создатель инструментов аналитики Retentioneering. Ранее исследователь в университете UPENN США, аналитик Yandex Такси…
Если заимствовать чужие привычки, то непременно у лучших специалистов выбранной области. Дата аналитика – не исключение, поэтому мы спросили Анатолия Карпова, что он читает, чтобы оставаться в курсе последних тенденций мира анализа данных.
● Блог EXPF
В этом блоге можно найти всю необходимую информацию о продвинутых А/Б-тестах и статистике.
● «Мы читаем статьи»
Ламповый блог в VK Артема Попова, тим-лида отдела машинного обучения «ВКонтакте». Тут разбираются самые свежие статьи и доклады с конференций из области Data Science и Machine Learning.
● «Мамкин Data Scientist»
Эпатажный телеграм-канал об учебе в сфере data science. Масса полезных материалов о построении карьеры в DS, приправленная иронией автора.
Ну и, конечно, блог нашей команды, но это уже другая история :)
● Блог EXPF
В этом блоге можно найти всю необходимую информацию о продвинутых А/Б-тестах и статистике.
● «Мы читаем статьи»
Ламповый блог в VK Артема Попова, тим-лида отдела машинного обучения «ВКонтакте». Тут разбираются самые свежие статьи и доклады с конференций из области Data Science и Machine Learning.
● «Мамкин Data Scientist»
Эпатажный телеграм-канал об учебе в сфере data science. Масса полезных материалов о построении карьеры в DS, приправленная иронией автора.
Ну и, конечно, блог нашей команды, но это уже другая история :)
👍1
Длинные интервью с востребованными дата-аналитиками – это, конечно, хорошо, но выделить время на просмотр удается далеко не всегда. Так мы решили публиковать выжимки из самого-самого! Сегодня начнем с обсуждения разницы зарплат аналитиков в России, Европе и США.
YouTube
О разнице зарплат аналитиков в России и за рубежом | Валерий Бабушкин | karpov.courses
Курс Hard ML: http://bit.ly/3ZdqcK5
Смотрите полное интервью по ссылке: https://youtu.be/w-0NdY8y-4Y
Учитесь Data Science с нами: https://karpov.courses/
Смотрите полное интервью по ссылке: https://youtu.be/w-0NdY8y-4Y
Учитесь Data Science с нами: https://karpov.courses/
Всем привет! На связи Анатолий Карпов.
Приближается конец месяца, а это значит, что скоро запуск нового потока специализации «Аналитик данных».
За 5 месяцев интенсивного обучения вы научитесь работать с данными на языке Python, освоите Git, систему мониторинга рабочих процессов Airflow, базы данных, системы визуализаций, продуктовую аналитику, A/B тесты и основы Soft Skills. Теоретическую часть вы будете осваивать в удобном для вас режиме на платформе Stepik, а закреплять знания – в боевых условиях на вычислительном кластере (всё как в крупных корпорациях!)
После обучения у вас будет весь необходимый набор навыков для работы аналитиком и грамотно составленное резюме. Лучших студентов мы рекомендуем в известные компании.
Подробнее программа курса описана на нашем сайте, а почта student@team.karpov.courses создана для ответов на ваши вопросы.
И да, я в шапке Деда Мороза не просто так: мы дарим скидку в 20 000 рублей на курс при полной оплате!
На этот раз стартуем 15 января. До встречи на курсе!
Приближается конец месяца, а это значит, что скоро запуск нового потока специализации «Аналитик данных».
За 5 месяцев интенсивного обучения вы научитесь работать с данными на языке Python, освоите Git, систему мониторинга рабочих процессов Airflow, базы данных, системы визуализаций, продуктовую аналитику, A/B тесты и основы Soft Skills. Теоретическую часть вы будете осваивать в удобном для вас режиме на платформе Stepik, а закреплять знания – в боевых условиях на вычислительном кластере (всё как в крупных корпорациях!)
После обучения у вас будет весь необходимый набор навыков для работы аналитиком и грамотно составленное резюме. Лучших студентов мы рекомендуем в известные компании.
Подробнее программа курса описана на нашем сайте, а почта student@team.karpov.courses создана для ответов на ваши вопросы.
И да, я в шапке Деда Мороза не просто так: мы дарим скидку в 20 000 рублей на курс при полной оплате!
На этот раз стартуем 15 января. До встречи на курсе!
Уже третью неделю подряд мы рассказываем о команде karpov.courses. Сегодня в программе – Ольга Силютина, аналитик в отделе бизнеса и рекламы ВКонтакте.
Карьера Ольги началась с научной деятельности: социологическое образование поощряет количественные исследования, а учеба в НИУ ВШЭ сопровождалась параллельным прохождением специализации по Data Science. Активное участие в хакатонах, работа в SEMRush, стажировка ВКонтакте, а потом и место в команде ВКонтакте – верим, что это только начало пути!
На специализации «Аналитик данных» Ольга ведет лекции в блоке «Airflow», где знакомит студентов с автоматизацией повторяющихся задач.
Зачем же это дата аналитику?
«В работе часто случаются повторяющиеся запросы, которые хочется автоматизировать и не тратить на их выполнение большое количество времени. Знания об автоматизации рутинных задач и навыки работы с продвинутыми инструментами вроде Airflow сэкономят время начинающим специалистам и откроют новые возможности для всей аналитики в компании».
Карьера Ольги началась с научной деятельности: социологическое образование поощряет количественные исследования, а учеба в НИУ ВШЭ сопровождалась параллельным прохождением специализации по Data Science. Активное участие в хакатонах, работа в SEMRush, стажировка ВКонтакте, а потом и место в команде ВКонтакте – верим, что это только начало пути!
На специализации «Аналитик данных» Ольга ведет лекции в блоке «Airflow», где знакомит студентов с автоматизацией повторяющихся задач.
Зачем же это дата аналитику?
«В работе часто случаются повторяющиеся запросы, которые хочется автоматизировать и не тратить на их выполнение большое количество времени. Знания об автоматизации рутинных задач и навыки работы с продвинутыми инструментами вроде Airflow сэкономят время начинающим специалистам и откроют новые возможности для всей аналитики в компании».
Вы просили – мы сделали!
1 февраля стартует продвинутый курс по машинному обучению с Валерием Бабушкиным (Facebook, ex Alibaba, X5, Yandex).
Курс рассчитан на тех, кто уже знаком с основами машинного обучения, но хочет повысить свой уровень и решать задачи, востребованные бизнесом.
Вас ждёт максимально глубокое погружение в мир ML, не ограниченное созданием модели. Будем изучать сбор и разметку данных, построение пайплайнов поставки данных, обучение и деплой моделей, мониторинг и оценку эффективности алгоритмов.
Три занятия в неделю и постоянная практика на протяжении 6 месяцев, чтобы изучить все процессы в которые вовлечен инженер по машинному обучению. Вместе мы освоим:
● Динамическое ценообразование
● Matching
● Uplift-моделирование
● A/B-тестирование при помощи ML
● Поддержание жизни ML-модели
Вашими наставниками будут ведущие Data Scientists из Facebook, Yandex, Mail.ru, X5.
Изучить программу подробнее можно на сайте
1 февраля стартует продвинутый курс по машинному обучению с Валерием Бабушкиным (Facebook, ex Alibaba, X5, Yandex).
Курс рассчитан на тех, кто уже знаком с основами машинного обучения, но хочет повысить свой уровень и решать задачи, востребованные бизнесом.
Вас ждёт максимально глубокое погружение в мир ML, не ограниченное созданием модели. Будем изучать сбор и разметку данных, построение пайплайнов поставки данных, обучение и деплой моделей, мониторинг и оценку эффективности алгоритмов.
Три занятия в неделю и постоянная практика на протяжении 6 месяцев, чтобы изучить все процессы в которые вовлечен инженер по машинному обучению. Вместе мы освоим:
● Динамическое ценообразование
● Matching
● Uplift-моделирование
● A/B-тестирование при помощи ML
● Поддержание жизни ML-модели
Вашими наставниками будут ведущие Data Scientists из Facebook, Yandex, Mail.ru, X5.
Изучить программу подробнее можно на сайте
NB! Специальное предложение:
Для студентов первого потока будут особые опции:
– Бесплатное продление прохождения курса на 2 месяца, если почувствуете, что вам нужно больше времени на обучение
– Доступ к обновлениям в течение года, если в программе произойдут изменения.
Для студентов первого потока будут особые опции:
– Бесплатное продление прохождения курса на 2 месяца, если почувствуете, что вам нужно больше времени на обучение
– Доступ к обновлениям в течение года, если в программе произойдут изменения.
Вчера произошел анонс долгожданного курса по машинному обучению!
Подробно ознакомиться с программой можно не только на сайте, но и в небольшом видео от команды ML. Каждый преподаватель рассказывает о своем модуле на курсе: его технических аспектах, в чём уникальность, как используется в мировых IT-гигантах, и даже сколько времени вам понадобится на освоение блока. Must see!
Подробно ознакомиться с программой можно не только на сайте, но и в небольшом видео от команды ML. Каждый преподаватель рассказывает о своем модуле на курсе: его технических аспектах, в чём уникальность, как используется в мировых IT-гигантах, и даже сколько времени вам понадобится на освоение блока. Must see!
YouTube
Команда курса по ML – подробно о каждом модуле
Подписывайтесь и следите за нами:
https://karpov.courses/ml
https://vk.com/karpovcourses
https://www.facebook.com/KarpovCourses-108649760868303
https://news.1rj.ru/str/KarpovCourses
https://karpov.courses/ml
https://vk.com/karpovcourses
https://www.facebook.com/KarpovCourses-108649760868303
https://news.1rj.ru/str/KarpovCourses
Наши выпускники уже вовсю покоряют просторы IT, применяя полученные на курсе знания в работе, и готовы делиться своими историями! Первым о смене своего карьерного пути расскажет Игорь Синицын, студент 3 потока, который получил оффер аналитика данных, еще даже до конца обучения:
Совсем недавно мы радовались годовщине Karpov.Courses и даже подводили итоги, а сейчас уже и календарный год заканчивается. Наша команда уходит на каникулы, а чтобы вы вдруг не заскучали – собрали подборку наших лучших материалов за этот год. Сохраняйте!
● Интервью с Марией Жавадовой
Одно из наших первых интервью, которое собрало невероятный отклик для наших первых шагов в ведении этого сообщества! Мария рассказывает о своем опыте работы Product Manager'ом ВКонтакте и дает советы для junior-аналитиков.
● Топ 5 книг по аналитике
Алексей Никушин поделился с нами книгами, которым стоит уделить внимание при изучении математики и анализа данных.
● Статья «Как правильно оформлять таблицы в Jupiter Notebook»
Прямое руководство о видоизменении таблицы в Jupyter Notebook, чтобы все таблицы в ваших документах были красивыми и понятными :)
● Вебинар «Как не запутаться в статистических методах»
Теплая и ламповая лекция о статистике с Анатолием Карповым (куда ж без него!). Разбираемся с основным набором статистических методов и рассматриваем случаи применения каждого из них.
● Подборка игровых тренажеров для аналитика данных
Геймификация – крутой тренд, который не стоит обходить стороной, поэтому мы собрали 6 игр для улучшения своих скиллов в анализе данных.
Одно из наших первых интервью, которое собрало невероятный отклик для наших первых шагов в ведении этого сообщества! Мария рассказывает о своем опыте работы Product Manager'ом ВКонтакте и дает советы для junior-аналитиков.
● Топ 5 книг по аналитике
Алексей Никушин поделился с нами книгами, которым стоит уделить внимание при изучении математики и анализа данных.
● Статья «Как правильно оформлять таблицы в Jupiter Notebook»
Прямое руководство о видоизменении таблицы в Jupyter Notebook, чтобы все таблицы в ваших документах были красивыми и понятными :)
● Вебинар «Как не запутаться в статистических методах»
Теплая и ламповая лекция о статистике с Анатолием Карповым (куда ж без него!). Разбираемся с основным набором статистических методов и рассматриваем случаи применения каждого из них.
● Подборка игровых тренажеров для аналитика данных
Геймификация – крутой тренд, который не стоит обходить стороной, поэтому мы собрали 6 игр для улучшения своих скиллов в анализе данных.