🚀 Один из важнейших инструментов MLOps — это MLFlow.
▶️ 12 января в 20:00 мск в рамках онлайн-курса MLOps от OTUS пройдёт открытый урок «MLFlow и переобучение ML-моделей».

✅ На открытом уроке вы узнаете:

🔹 Как экспериментировать сразу с несколькими ML-моделями, с разными гиперпараметрами и при этом не захлебнуться в разнообразии экспериментов.

🔹 Как, проводя регулярное переобучение, получить возможность сравнивать качество работы моделей и выбирать лучший результат.

🔹 Как не потерять накопленный опыт и воспроизводить более ранние эксперименты.

🔹 Как выбирать лучшие варианты для отправки в Prod / Staging среду, при этом делиться информацией и принимать совместное решение в команде.

💻 Спикером выступит преподаватель OTUS Данила Слепов. Он проектирует AI-системы, разрабатывает архитектуру MLOps платформ.

➡️ Для регистрации на вебинар пройдите вступительный тест: https://otus.pw/jCQ9/

Реклама. Информация о рекламодателе на сайте www.otus.ru.

Зимняя школа по аналитике и Data Science
28–29 января 2023

Центр непрерывного образования ФКН
Сегодня компании обладают огромными наборами данных о своих клиентах, товарах и транзакциях, поэтому все глубже в разные сферы бизнеса проникают аналитика данных и Data Science.

Приглашаем на школу по аналитике и Data Science всех, кто хочет разобраться: 
какие сегодня есть тренды в ИИ и как устроены современные технологии;
как Data Science применяется в разных индустриях;
что нужно изучить, чтобы стать аналитиком данных или специалистом по Data Science; 
можно ли стать аналитиком с непрофильным образованием и на что смотрят HR;
почему важны междисциплинарные проекты.
Школа подойдет как тем, кто только решил освоить новую профессию, так и начинающим специалистам.
 
Школа пройдет очно в Москве в здании Вышки на Покровском бульваре, 11. Участие бесплатное для всех желающих — нужно только зарегистрироваться.
Зарегистрироваться на школу

https://ferrine.github.io/pages/practical-bayes/

The Practical Bayes course was first held at Moscow State University, Autumn 2022

This course is aimed at mastering Bayesian methods in practice. Advanced modeling is not about conjugate distributions (although they are sometimes useful), but mostly about projecting knowledge about the problem into code. Successful research will also require skills in solving problems of convergence, parameterization, selection from several models. A course with a focus on programming in Python / PyMC.

Открытый практикум Data Analyst by Rebrain: АB-тестирование моделей машинного обучения

Успевайте зарегистрироваться. Количество мест строго ограничено!

👉Регистрация

Время проведения:

17 Января (Вторник) в 19:00 по МСК

Программа практикума:

🔹Что такое АБ-тестирование и для чего оно нужно в машинном обучении?
🔹Правила проведение корректного АБ-тестирования
🔹Оценка и анализ результатов

Кто ведет?

Артур Сапрыкин - Data Scientist, AI исследователь, предприниматель, автор курсов по машинному обучению, преподаватель.

https://news.1rj.ru/str/Rebrain_DataScience/105

🎓Нужно ли разработчику высшее образование?

❓Обязательно ли идти в ВУЗ и получать диплом бакалавра/магистра, чтобы стать крутым DS? И стоит ли выбирать путь прогера-Джедая, который уже в 11 классе обучает такие нейросети, что только держись, но полностью посвящает себя работе и забивает на образование? Зачем ему универ? Эти пара и лекции будут только отвлекать от работы и развития в области DS? Или все же нет и высшее образование нужно?

Разбираемся в вопросе на карьерном подкасте вместе с Академией ИИ.

Спойлер: как по мне, так высшее образование все же необходимо. И если начинать прогать, делать крутые вещи и работать можно и раньше, без него, то на более поздних этапах в карьере без него никуда. А чтобы узнать, почему я так считаю, смотрите подкаст.

Note: Готова спорить только с теми, кто все посмотрел ;)

#подкаст #ds

https://news.1rj.ru/str/mashkka_ds/327

Курс ODS ML System Design.
В 17 лекциях дано широкое покрытие тем вокруг проектирования систем принятия решений на базе DS/ML, от особенностей работы с данными до интеграции моделей в бизнес процессы.

В контексте нашей темы недели можно посмотреть лекцию:
📺 8. Диагностика ошибок и отказов ML-систем. Диагностика проблем с данными. Мониторинг. (~40 минут).

Каждая лекция снабжена списком дополнительных материалов, в конце 8-ой лекции, например, вот такая занимательная подборка статей:
📄 J. Pan et al. - Adversarial Validation Approach to Concept Drift Problem in User Targeting Automation Systems at Uber, 2020 (~20-30 минут).
📄 R. Jiang et al. - Degenerate Feedback Loops in Recommender Systems, 2019 (~30-40 минут).
📄 S. Ira Ktena et al. - Addressing Delayed Feedback for Continuous Training with Neural Networks in CTR prediction, 2019 (~40-50 минут).
📄 P. J. Chia et al. - Beyond NDCG: behavioral testing of recommender systems with RecList, 2021 (~20-30 минут).

😎Команда курса ML System Design: Дмитрий Колодезев, Артем Карасюк, Евгения Сотникова и Ирина Голощапова.

📌 Подписывайтесь на канал коллег Reliable ML, если вы еще не там!

📞 И подключайтесь к нашему обсуждению в голосовом чате NoML в этот четверг!

https://news.1rj.ru/str/noml_digest/422
#Курс #ODS ML #SystemDesign

🔹Что такое Face Recognition и с помощью каких инструментов лучше подходить к задаче по распознаванию лиц?

💬Обсудим 23 января в 20:00 на открытом уроке онлайн-курса «Компьютерное зрение» в OTUS.

На занятии мы разберем:

- В чем заключается задача Face Recognition и из каких подзадач она состоит
- Какие существуют основные подходы по решению задачи детекции лиц
- С помощью каких алгоритмов решается задача распознавания лиц (EigenFaces, нейросетевые методы).
- Как на практике решить задачу распознавания лиц с помощью метода EigenFaces.
- Какие существуют датасеты, библиотеки и инструменты, необходимые для решения задачи распознавания лиц.

🔥Регистрируйтесь на мероприятие прямо сейчас и получите доступ к курсу по спец.цене!

Записаться на урок
#FaceRecognition

#Интерпретируемость ML-моделей: от инструментов до потребностей пользователя
Новая статья на Хабре

Опубликовали с Димой статью на Хабре - на основе постов в канале от осени 2022 г. Может быть интересно как новым участникам канала, так и тем, кому интересно прочитать все системно вместе, а не отдельными постами.

Интерпретируемость ML-моделей - очень широкая концепция. То, насколько интерпретация хороша, зависит не только от инструментов и отчетов, которые мы предоставляем пользователю, но и от потребностей пользователя и особенностей задач, которые он решает.

В статье разберемся, как эффективно работать с интерпретируемостью ML-моделей в зависимости от потребностей ключевых пользователей.

Лайк, шер, репост, конечно же! Всем добра! 🌹

Ваш @ReliableML

https://habr.com/ru/post/709688/ #ReliableML

Источник: https://news.1rj.ru/str/reliable_ml/119

Понемногу захожу в ML System Design.

Вчера получил дозу удовольствия от мастерского разбора задания от Павла Филонова (Ex-Head лабы Касперского). Разбирали анти-фрод систему.

План был такой. С меня была задача, с Павла демонстрационный разбор. Скоро появится запись.

С кем не говорю, все при упоминании MLSD говорят про видосы Бабушкина. На мой взгляд, у Бабушкина были не самые яркие кандидаты. Не принижаю достоинство других авторов, но я вчера четко прочувствовал, что много звездных экспертов остается еще пока в тени. Будем рыть в этом году контент в эту сторону тоже. Обещаю сделать пару ярких выпусков.

26 января в 19:00. Вебинар «Кто такой дизайнер разговорных интерфейсов и как им стать»

🔥 Финтех Хаб Банка России и ВТБ приглашают студентов принять участие в отборе на образовательную программу "Машинное обучение: No-code кластеризация текстов".

📅 Программа пройдет с 14 февраля по 7 апреля 2023 года.
🕒 Дедлайн подачи заявок: до 24 января 2023 года.
📝 Форма отбора: тестирование (25 января - 3 февраля 2023 года).

✅Теоретический модуль: 14 февраля - 7 марта 2023 года (дистанционно).

Модуль включает в себя 2 параллельных трека: "машинное обучение" и "разработка цифровых продуктов". У участников есть возможность обучаться сразу на двух треках, но при подаче заявки надо выбрать приоритетный трек, по которому будет оцениваться прогресс обучения.

✅Практический модуль: 16 марта - 7 апреля 2023 года (дистанционно + 6 очных дней, г. Москва, проезд и проживание участники оплачивают самостоятельно)

Участники, показавшие лучшие результаты в теоретическом модуле, смогут применить полученные знания и совместно с менторами из Департамента анализа данных и моделирования ВТБ пройти весь цикл продуктовой ML-разработки.

В ходе практического модуля вы:
🔹самостоятельно придумаете архитектуру и user-story NLP-сервиса для разведочного анализа текстов;
🔹поработаете в кросс-функциональной команде лучших участников первого модуля в одной из ролей — Data scientist, Front-end или Back-end разработчик;
🔹 самостоятельно разработаете и внедрите модели машинного обучения;
🔹 реализуете UI/UX сервиса от загрузки данных до визуализации результатов;
🔹 презентуете разработанный прототип на международной онлайн-конференции по анализу данных Data Fusion 13-14 апреля 2023 года!

🚀Подать заявку и ознакомиться с требованиями к участникам можно на сайте программы.

https://news.1rj.ru/str/noml_community/5020/5273

Курсы и #книги по #RL

#Курсы лекций:
🎓 Stanford CS234 - Reinforcement Learning, в открытом доступе есть запись лекций 2019 года.
🎓 ШАД - Practical RL, 2020 (лекции и на русском, и английском).
🎓 МФТИ, ШАД, DeepPavlov - Advanced Topics in Deep Reinforcement Learning, 2020 (лекции на русском).

И пара книг:
📖 R.S. Sutton, A.G. Barto - Reinforcement Learning, Second Edition, 2018 (есть перевод).
📖 S. Russell, P. Norvig - Artificial Intelligence: A Modern Approach, 4th ed., 2020 (есть перевод). Наши докладчики вчерашнего семинара рекомендуют обратить внимание на главу про RL.

https://news.1rj.ru/str/noml_digest/428

Ян ЛеКун в 1993 году демонстрация LeNet-1

Это была первая в мире сверточная нейронная сеть для распознавания рукописного ввода. 29 лет спустя — этот же подход лежит в основе большей части компьютерного зрения. Исторический момент для машинного обучения !