Вся правда о кубах данных #OLAP: развенчиваем мифы.

https://habr.com/ru/company/vk/blog/703508/

Что такое #MLOps? Самый подробный текст про работу с ML-системами, который вы найдете в интернете

https://habr.com/ru/company/selectel/blog/703460/

Tarantool: Билли Миллиган в мире СУБД

Привет! Меня зовут Mons Anderson, я архитектор, разработчик, продакт-менеджер и евангелист Tarantool. В VK работаю уже больше 10 лет. Я постоянно нуждаюсь в базах данных, использую их и очень люблю. И в последнее время, когда я говорю про БД, я всё чаще говорю про Tarantool. Сегодня тоже хочу рассказать, что уникального в этой базе данных и что делает её практически универсальной.


Читать: https://habr.com/ru/post/704286/

Друзья, делимся расписанием мероприятий следующей недели!

Чтобы попасть на нужное событие, зарегистрируйтесь по ссылке в посте.

13 декабря в 15:00. Вебинар: «Какая математика нужна аналитику и специалисту по Data Science».

13 декабря в 15:00. Вебинар: «Что такое продуктовый подход и как ему научиться».

13 декабря в 19:00. Дизайн-вторник: «Как графическому дизайнеру мыслить нестандартно и развивать насмотренность».

14 декабря в 19:00. Вебинар: «Техническое собеседование python-разработчика уровня мидл».

15 декабря в 15:00. Вебинар: «Анализ данных в Практикуме: как мы учим навыкам, нужным на рынке».

15 декабря в 19:00. Вебинар: «Графический дизайн: итоги 2022 года и тренды на 2023 год».

15 декабря в 19:00. Вебинар: «Алгоритмическое собеседование разработчика C++».

Пожалуйста, не отклоняйтесь от темы чата! Флуд и нерелвантные темы могут привести к бану!

В этом чате по-умолчанию рассматриваем американский формат резюме айтишников. Если нужно ревью для страны с местными особенностями - обязательно укажи для какой страны составлено резюме.

В данном чате нет профессиональных рекрутеров, не все рекомендации могут быть полезными.

!!! TL;DR https://news.1rj.ru/str/resume_review/38603 !!!

Полезные ссылки(предлагайте еще):
https://www.careercup.com/resume
https://news.1rj.ru/str/resume_review/4574
http://larrr.com/resume-checklist-ili-kak-delat-ne-nado
https://habr.com/ru/post/542372
https://twitter.com/slizagna/status/1356652219932626944

Как готовиться к бехейв интервью: https://www.youtube.com/c/DanCroitor
Советы для джунов: https://news.1rj.ru/str/resume_review/34487

Resume templates: https://www.overleaf.com/latex/templates/awesome-cv/dfnvtnhzhhbm
Еще один шаблон: https://github.com/posquit0/Awesome-CV
Советы по резюме от HR FB: https://news.1rj.ru/str/resume_review/2705
Форум по резюме для США: https://forum.govorimpro.us/t/покритикуйте-пожалуйста-резюме/36763
Еще одна валидация резюме: https://www.reddit.com/r/resumes
Можно сделать бесплатную проверку резюме(платить им деньги не рекомендую) - https://www.topresume.com
Здесь можно сделать бесплатный скрининг резюме: https://resumeworded.com
Еще один бесплатный скрининг резюме: https://www.vmock.com
Советы для джунов: https://news.1rj.ru/str/resume_review/34487

Проверка английского в резюме:
https://app.grammarly.com
https://hemingwayapp.com

Ссылки по странам:
Германия - https://www.thelocal.de/20130131/47649

Подготовка к собеседованиям:
@FaangInterview
@l33tcode
Флудильни:
@FloodInterview
@pogromista

Для активных участников чата разрешены ссылки на ресурсы и одна реклама того, что относится к резюме айтишников с тегом #реклама в начале сообщения(в т.ч. для личных и некомерческих проектов)
Разрешены посты о протестах против войны.
Запрещены обсуждения постов про пртесты и любые выпадки в сторону Украины.

Админы: @ArtemK_us, @julialxv и др

TL;DR

0. Использовать pdf формат
1. Выбрать стандартный шаблон без особых изысков и без колонок
2. Имя в начале, фамилия за именем (пример. Volodymyr Zelenskyy)
3. Убрать фото
4. Использовать не более 2х страниц. В идеале - одну для опыта менее 10 лет
5. Указать 3-4 пункта развернутого описания на позицию в XYZ формат и с цифрами
6. Убрать обязанности из описания. Не надо упомянать, что писал код, правил баги итп. Нужна конкретика
7. Если вы рассматриваете разные позиции(например. DS/DA), то на каждую позицию отдельный CV с релевантным опытом
8. Название файла должно быть в формате имя, фамилия и CV, с любыми сепараторами. пример Volodymyr_Zelenskyy_CV.pdf. без _Final, _v42, _software_engineer
9. Ссылки сделать ссылками. И перепроверьте что они работают. И лучше убрать если там пусто (нету проектов на гитхабе, то ссылку не ставим)
10. Убрать хобби и описание как вы дошли до жизни такой

Более подробно тут: https://news.1rj.ru/str/resume_review/38594

Для тех, кто пытался пройти собеседования в Яндексе особенно смешно. Мой друг 3 (три) месяца ходил по всем этап собеседований. В конце его ожидал «босс», но в тот момент уже пришел офер из другой компании)

Предновогодняя пора ещё не повод отложить обучение на следующий год!

☑️ ИТ-кампус НЕЙМАРК в Нижнем Новгороде запускает бесплатный ML-интенсив: Машинное обучение / Нейронные сети / Искусственный интеллект

🔘Для тех, кто только в самом начале IT-пути, у нас есть записи «Траектории обучения data science: Kaggle». Посмотреть их можно по ссылке.

Подробнее про ИТ-кампус НЕЙМАРК

Что будет на курсе?

- никакой сухой теории - только практико-ориентированное обучение от экспертов СБЕР, Huawei, YADRO, МТС, Harman, Lad, Globus, IntelliVision совместно с профессорами ННГУ, НГТУ, ВШЭ;
- практические кейсы от разработчиков ИТ-компаний, участвующих в интенсиве;
- актуальные темы по автоматическому распознаванию речи, рекомендательным системам, классификации изображений, измерению точности языковой модели, временным рядам и т.д.;
- и последнее, но отнюдь немаловажное - лучшим резидентам курса будет предложено трудоустройство или стажировка в компаниях-участниках.

Кто может принять участие?

- студенты профильных ИТ/инженерных специальностей;
- выпускники курсов повышения квалификации и профессиональной переподготовки в сфере ИТ Нижегородских вузов, а также других вузов России;
- студенты и специалисты непрофильных специальностей, обладающие знаниями ML & Python.

Принять участие можно оффлайн в Нижнем Новгороде или онлайн в любой точке мира.

Первое занятие курса пройдет 26 декабря в 18:00 МСК.

Зарегистрироваться и ознакомиться со всеми подробностями курса вы можете на сайте – https://хайбрейн.неймарк.рф/course/neimark-ml

Задавайте свои вопросы в чате интенсива в Телеграм – https://news.1rj.ru/str/+BftUHcRU9rg2YTli

#infographic by Nikki Sipno

Git Workflow

ChatGPT: нейросеть, которая умеет кодить, рисовать и запускать симуляцию внутри самой себя

Компания OpenAI, которая до этого запустила DALL-E и Codex, опубликовала новую языковую модель ChatGPT на основе GPT 3.5. Нейросеть умеет общаться с человеком в чате и давать ответы на самые разные вопросы, писать код для Python, рисовать и многое другое.

Сейчас она в бета-тесте и вы можете протестировать её работу. О том как это сделать и что ещё она умеет мы рассказали на сайте:

https://tproger.ru/articles/chatgpt-nejroset-kotoraja-umeet-kodit-risovat-i-zapuskat-simuljaciju-vnutri-samoj-sebja/

#ml

С 12 декабря внешние слушатели смогут записаться на более 40 факультативов НИУ ВШЭ!

Вы можете ознакомиться с каталогом факультативов на витрине и записаться на понравившиеся курсы, нажав на кнопку «Записаться на курс». 🗃

Более подробную информацию об условиях получения доступа к курсам можно получить здесь. 📮

Из https://news.1rj.ru/str/ds_course/185

ML System Design Course 2022 - лекции
Список и краткое содержание опубликованных лекций открытого курса ODS 2022

🥳Хопа! Пока мы с вами обсуждали АБ-тесты, в ML System Design Course 2022 подъехали новые крутые лекции.

Вот список всех лекций курса на текущий момент:

1. Практическое применение машинного обучения. Делать ML-модели легко, трудно делать полезные ML-модели. В первой лекции дается определение “дизайна систем машинного обучения”, разбираются предположения ML-систем, их традиционные области применения и отличия академического и промышленного машинного обучения.

2. Основы проектирования ML-систем. Дизайн - это работа с ограничениями, и во второй лекции мы разбираем источники этих ограничений, постановку задачи, метрики и бейзлайны.

3. Обучающие данные. Машинное обучение основано на данных, и в этой лекции мы обсудим проблемы разметки и подготовки данных, проблему дисбаланса классов и сэмплирование.

4. Подготовка и отбор признаков. Задача подготовки данных - упростить обучение модели. Обсуждаем аугментацию для разных типов данных, использование синтетических данных, работу с выбросами и пропущенными значениями, масштабирование, конструирование и отбор признаков. Отдельно мы разговариваем о даталиках - данных, доступных при обучении, но недоступных при использовании модели.

5. Выбор модели, разработка и обучение модели. Сердце ML-системы - модель (или несколько моделей) машинного обучения. Нужно начинать с простого, проверять предположения модели и аккуратно сравнивать разные подходы. Обсуждаем ансамбли, распределенное обучение, гадаем по графикам лосс-функции и калибруем вероятности.

6. Оценка качества модели. Важно не только качество ML-модели, но и качество системы целиком. Обсуждаем качество интерфейса, данных и самой модели. Строим простые бейзлайны. Проверяем качество модели на пьяницах-спортсменах, тестируем модель на устойчивость и вспоминаем парадокс Симпсона. Единственная лекция, в которой есть хоть какие-то примеры кода.

7. Развертывание систем. Архитектура развертывания модели определяет, где будет работать модель, когда будет производится инференс, как модель получит запрос пользователя и как пользователь получит ответ модели. Предсказания можно делать на лету, по запросу, а можно сделать заранее и отдавать готовые по мере необходимости. Что-то лучше считать все в облаке, а что-то прямо на устройстве клиента. Можно ускорить инференс нейронной сети с помощью ONNX или ENOT.AI, раскидать нейронку на несколько GPU с помощью Accelerate и использовать оптимизированные CUDA-ядра DeepSpeed. Главное - не запутаться.

8. Диагностика ошибок и отказов ML-систем. Диагностика проблем с данными. Мониторинг. Обсуждаем естественную и отложенную разметку, прокси-метрики и петлю обратной связи. Разбираем примеры, где деньги - плохая метрика, википедию жарят, а метки зависят от временного горизонта. Рассматриваем специфичные для ML-систем отказы и ошибки, выбросы, крайние случаи, сравнение распределений, мониторинг, усталость от алертов и устройство SLA.

9. Мониторинг и обучение на потоковых данных. Шаблоны обмена данными, асинхронные взаимодействия, издатели, подписчики, Kafra, RabbitMQ, Pub/Sub - вот краткий список того, о чем невозможно рассказать в одной лекции. Но мы попробовали.

10. Жизненный цикл модели. Есть разные модели жизненного цикла ML-систем, но все они сходятся в одном - модель, скорее всего, придется неоднократно переделывать. Новые версии модели нужно будет сравнить со старыми, и решить - какие лучше. Разберем тестирование моделей на живых пользователях, data-centric подход и непрерывное переобучение моделей.

На странице курса также доступны презентации и списки рекомендованных к прочтению материалов для каждой лекции.
Всего планируется 14 лекций + 2 лекции в качестве новогоднего подарка от @Reliable ML🎄.

Не переключайтесь!

#tech #ml_system_design
Источник: https://news.1rj.ru/str/reliable_ml/99

Подборка лучших каналов и чатов про релокацию: английский, поиск работы, информация про страны.

RelocationDEV — свежие новости: как и куда уехать, где получить ВНЖ и как забрать котика с собой.

🤝 YES NO MAD — тематическое общение и взаимопомощь в сообществе digital nomads. Жизнь в разных странах, релокация.

🚀 Изучение языка как стратегия — лингво-коуч с айтишным бэкграундом рассказывает, как улучшить английский и пройти интервью

MOVER 🌎 — собрали подробные FAQ по релокации в 10 стран. Помогаем переехать в Турцию и Черногорию.

✈️🌏 @Relocate_Today — горячие вакансии в IT и около с з/п в $, €, £ с релокацией и удаленкой.

AgileFluent — помогаем профессионалам найти работу за границей — подготовить резюме, сопроводительное письмо, LinkedIn.

❤️ Oh, world! — действительно актуальная информация для удаленщиков, путешественников и номадов: емко и по делу в канале Oh, world!

#relocation https://news.1rj.ru/str/relocaty/462