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

Презентация

Ноутбук с вебинара

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.

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.

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!

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!

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 :)

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.

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!

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».

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

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.

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!

Если вдруг вы пропустили...

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.

Всем привет! На связи Анатолий Карпов.

Этот год запомнится нам надолго. Уверен, что не только дистанционкой и защитными масками :) В 2020 году мы с командой запустили большой курс по анализу данных и даже успели анонсировать долгожданный ML. Записали несколько десятков часов лекций и ответили на тысячи сообщений в чатах поддержки. Переживали за каждый новый поток. Радовались, когда наши выпускники делились своими успехами, которых они смогли достигнуть с новыми знаниями. Словом, провели 2020 невероятно насыщенно!

Спасибо, что вы с нами. Дальше только круче.

С Новым годом. Ура!

Всем привет!

Команда karpov.courses постепенно выходит с каникул. Этот год мы начинаем сразу с небольшой задачки как первой разминки в новом году:

Вам пишет новый заказчик. Всё традиционно: молодой развивающийся бизнес, клиентура понемногу растёт, интересен прирост клиентов через три месяца. Дополнительный подвох: заказчик переживает за своих старых клиентов. Он заметил, что некоторые из них перестают пользоваться услугами бизнеса. Запрос принимает следующий оборот:

● Сколько старых клиентов останется у него через эти три месяца?
● Какие клиенты с большей вероятностью перестанут пользоваться его услугами к этому времени?