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

Релокация в ЕС: семь правдивых историй от разработчиков о переезде в Европу в 2022 году

Мы собрали семь историй айтишников, которые смогли перебраться в Европу после февраля 2022 года. Ребята рассказали, как они искали работу, оформляли документы, с какими трудностями столкнулись и какие у них впечатления от эмиграции.
#relocation

#Бот огонь! Добавляйте во все чаты https://news.1rj.ru/str/datajobs/243165 😁
https://news.1rj.ru/str/datajobs/243276

🚀Спринт FineBI

Совсем скоро (14.12.22) стартует бесплатный образовательный проект Спринт FineBI, рассчитанный на 2 недели эффективного ознакомления и обучения основным принципам работы с удобной и функциональной системой бизнес-анализа FineBI. Решение вполне способно заменить системы ушедших с российского рынка вендоров, и мы предлагаем вам самим в этом убедиться.

#FineBI - это инструмент для Self Service BI-анализа, поскольку он имеет не только функции анализа данных на уровне визуализации данных, но и управление загрузкой и трансформацией данных.

В рамках занятий будет несколько онлайн разборов и мы проведем их и в декабре 2022 и в январе 2023, поэтому записавшись, вы сможете пройти программу в удобное для Вас время (в том числе и на каникулах, если в конце декабря "завал" работы :) ). После обучения для желающих мы планируем сделать тест и выдать сертификат.

Задания выдаются ежедневно (~30минут-1,5часа) и все материалы доступны в записи.

Регистрируйтесь на Спринт FineBI, чтоб не пропустить ни одного дня!
https://finebi.datafinder.ru/

Яндекс Практикум запускает бесплатный курс, который поможет выбрать профессию в анализе данных. Расскажем, чем занимаются разные аналитики, сколько они зарабатывают и как стать одним или одной из них.

Курс будет полезен, если
→ у вас нет опыта, но хочется работать в анализе данных;
→ хотите сменить профессию, но не знаете, с чего начать.

После курса можно будет пройти бесплатную вводную часть о профессии, которая понравилась. Там вы решите первые практические задачи настоящих аналитиков.

Начините путь в анализ данных вместе с Практикумом →

Записи эфиров от @agilefluent:

Как найти работу в Google и начать создавать продукты, которые меняют мир

Бизнес-английский: как оценить себя и улучшить свой уровень

Разбираем профили LinkedIn подписчиков: LinkedIn Profile Analysis

Разбираем резюме с рекрутерами BelnCrypto: CV Review

Как готовиться к интервью: советы от senior product manager из Booking

Релокация в Европу с Relocode: обсуждаем ситуацию на европейском рынке

Релокация в Германию: как пройти путь до оффера

Сохраните к себе, чтобы не потерять и посмотреть на новогодних, и делитесь с друзьями, которым интересна международка. И не забывайте проверять наш YouTube канал на наличие новых видео :)