Недавно завершился первый модуль курса по статистике.

Сегодня в нашем инстаграме мы провели небольшой опрос (в сторис) по проверке знаний 😉.

Приглашаем поучаствовать (периодически мы проводим различные интерактивы в инстаграме).

А вы знали, что если сильно переживать о том, как у вас получается выполнять какое-либо задание, вы хуже справитесь с этим заданием? Причина - кратковременная память будет перегружена бесполезными тревожными мыслями.

У человека ограниченная возможность сохранять внимание и проявлять умственные усилия. Внимание и усилия рассматриваются в качестве общего ресурса, используемого при решении многих умственных задач.

Например:
- мы не можем одновременно быстро идти и посчитать в уме 13*23

Есть доказательства того, что даже ожидание сложного задания вызывает такую же активность во многих отделах мозга, как и несложное задание такого же рода.

Д.Канеман в своей книге "Думай медленно, решай быстро" подробно рассказывает о 2 типах мышления:
1️⃣ быстрое (автоматическое, инстинктивное, эмоциональное)
2️⃣ медленное (рациональное, логическое)
и как правильно его использовать.

А еще в этой книге пишется про интуитивную статистику - даже у статистиков плохо со статистической интуицией 🙈

Очень рекомендую эту книгу🙂

В нашем инстаграм мы решили по средам ввести рубрику "Вопрос-ответ" в видеоформате.

Ниже можно посмотреть ответ на вопрос "Вы когда-либо просили повышение ЗП у начальника?"

Бутстрэп (англ. bootstrap) в статистике - непараметрический метод определения статистик вероятностных распределений, основанный на многократной генерации выборок на базе имеющейся выборки.

Методы bootstrapping хорошо работают с образцами, содержащими менее 40 элементов и позволяют оценивать самые разные статистики, независимо от сложности модели:
✅ корреляцию
✅ квантили
✅ дисперсию
✅ доверительные интервалы и др.

Bootstrap используется во многих областях знаний, где нужно передать смысл того, что вы получаете что-то «бесплатно» или магическим образом из ничего получаете нечто стоящее.

15 августа у нас стартует 2-й модуль курса по практическому введению в статистику, где будем изучать bootstraping и мн. др.
Первый модуль уже доступен всем подписчикам клуба.

По средам мы ввели рубрику - день ответов на вопросы. Вопросы можно задавать в нашем инстаграм.

В видео выше ответ на вопрос - "Рекомендательная система для видео - как измерять качество и как сравнивать подход".

Кратко о том, что говорится в видео:
1. Никогда не начинайте с технической метрики, а с чего-то простого

2. Начинайте с вопроса - какую бизнес-проблему мы решаем

3. Клики - анализ, A/B тесты, многорукие бандиты, ухудшающие A/B тесты.

Знаете ли вы об эксперименте '41 оттенок синего', который принес Google дополнительные 200 млн USD в год?

Кстати, аналогичный эксперимент проделали в Microsoft для поисковой системы Bing (правда, он принес тогда всего 80 млн долларов годовой выручки - мелочь, а приятно" 😉).

Речь шла о выборе синего оттенка. Можно сделать это «на глаз» дизайнера или как скажет руководитель/заказчик или кто-то еще.

А можно подойти к решению этого вопроса более профессионально, при помощи тестов.
Существует ли тест, который может сказать нам, что решение "A", с определенным доверительным интервалом, лучше, чем решение "B"? Да, существует!

И этому, и многому другому, мы будем обучать на нашем курсе "Практическое введение в статистику".

Сегодня стартовал второй модуль курса, но вы получите доступ сразу к 2 -м модулям (пока еще по максимально доступной цене) и сможете в своем темпе обучаться.

👨‍💻👨‍💻👨‍💻 Приобретайте навыки, которые нужны работодателям. Вкладывайте свое время туда, где вы учитесь на практике.

Почему вы еще не на DWthon-hack outside the box? Эта инициатива была создана, чтобы помочь вам сделать первый шаг к науке о данных 🙌

✅ 100% онлайн
✅ 5 дней = 1-2 часа в день
✅ занимаетесь когда удобно
✅ ничего не устанавливаете = готовая среда для обучения
✅ поддержка на каждом шагу
✅ новые навыки в ваших руках

🤖 Мы создаем идеальные условия для онлайн-обучения. Если не сейчас, то когда! Стартуем 29 августа.

Количество бесплатных мест ограничено.

Согласно закона Парето, 20% усилий дают 80% результатов, а оставшиеся 80% усилий дают всего лишь 20%.

Это правило работает во многих сферах жизни, например - 20% работников делают 80% работы (но 80% работников считают, что они те 20%😁).

На самом деле, 80/20 – это примерные значения. Бывают и другие соотношения – 65 и 35, 85 и 15 и даже 60 и 40. Но никогда не бывает 50/50.

Главное, что нужно понять: от малой части зависит бóльшая.

Год назад мы записали вебинар по теме применения закона Парето в машинном обучении, но актуальность его не меняется. Если не смотрели, то ссылка ЗДЕСЬ 🙂.

5 сентября стартует наш 3-х недельный курс "Практическое введение в Python для Data Science".

Будем учить, как применять Python именно для работы с реальными данными.

Следующий выпуск этого курса будет уже только в следующем году.

Отзывы и все подробности о курсе можно узнать по этой ссылке.

А в вашей компании (в которой вы работаете), проводят корпоративное обучение?
А внедряют проекты по Machine Learning?

Если нет, то вашему работодателю стоит "посмотреть" в этом направлении 😎

В прошлую пятницу я выступал в польской компании Orange (телекоммуникационный провайдер, в котором работает 12 000+ сотрудников).

С Orange мы сотрудничаем в разных направлениях:
образовательных программах
реализуем проекты с использованием Machine Learning

Количество данных растет с каждым днем. Уметь работать с ними, анализировать их и делать правильные выводы - это очень востребованный навык на рынке труда.

Сегодня стартовал наш онлайн-курс "Практическое введение в Python для Data Science". Любые наши курсы - это всегда 80% практики на реальных данных. Еще можно прыгнуть в последний вагон и присоединиться к курсу 😉

Сегодня стартовал 3-й (последний) модуль курса "Практическое введение в статистику".

Если вы искали курс, где можно было бы получить знания в области статистики на простых примерах, без запутанных формул, то этот курс вы точно оцените 🙂

А главное, что еще во время обучения полученные знания примените на практике - будете выполнять задания в готовом окружении. Ничего устанавливать и настраивать не нужно.

И что самое приятное - это первый выпуск курса по статистике, поэтому получить доступ к нему пока еще можно за 9.9 евро, вместо 150 😎 Для этого нужно просто вступить в клуб.

В клубе будет доступно еще много разных материалов на реальных данных. Занимаясь только по ним можно очень хорошо прокачать себя в области Data Science - ведь это 100% практика.

Доступ к материалам курса по статистике остается на все время подписки в клубе. Материалы первых двух модулей уже доступны в клубе. C сегодняшнего дня и до конца этой недели будут добавлены материалы по третьему модулю.

Подробности по ЭТОЙ ссылке.

День открытых дверей в DataWorkshop 🥳.
Мы практики, учим на простых и понятных примерах.

Регистрируйся на вебинар и получи бесплатный доступ к серверу.

Во время вебинара будем прогнозировать опоздание самолетов с помощью Machine Learning.

Кодировать на Python будете прямо во время вебинара, под руководством эксперта (Владимира).

Это будет ваша 100% практика - не пропустите 😎

Регистрация по ЭТОЙ ССЫЛКЕ.

Через час начинаем - присоединяйтесь к вебинару 👉 ПО ССЫЛКЕ 👈

Мы подготовили для вас порцию полезной практики 💪.

По ЭТОЙ ССЫЛКЕ можно скачать инструкцию, где на простом примере (прогнозе погоды) описаны шаги:

👉 как с помощью простых скриптов на Python получить реальные данные через API
👉 как преобразовать данные из формата JSON в нужный для нас
👉 как сохранить полученные данные в BigQuery
👉 как использовать эти данные для Machine Learning

Обязательно попробуйте это проделать самостоятельно - каждый маленький практический шаг приведет вас к большой победе. Мы поможем вам еще больше полюбить Data Science и Machine Learning 😉.

10 октября стартует 4-х недельный курс по Data Science.

Это авторский курс от Владимира, где получаете:
🔸 готовое окружение (устанавливать ничего не нужно)
🔸 100% практику на реальных данных
🔸 обучение под руководством практикующего эксперта
🔸 возможность применять полученные знания в рабочих проектах еще во время обучения
​​🔸 практические навыки по использованию Python, самых популярных библиотек и алгоритмов
🔸 дополнительную поддержку с пошаговыми видео в каждом уроке
🔸 участие в конкурсе в Kaggle
🔸 возможность создать свое портфолио в GitHub и др.


Важно - в курсе содержится только та практическая информация и инструменты, которые Владимир сам применяет в своей работе!

С 2017 года курс по Data Science прошли 1000+ человек из разных стран мира (работают в Google, IBM, Oracle и т.д.).

Подробная программа и отзывы о курсе 👉 ЗДЕСЬ 👈