DataWorkshop - AI & ML – Telegram
DataWorkshop - AI & ML
1.91K subscribers
204 photos
22 videos
13 files
150 links
Онлайн-обучение от европейской компании DataWorkshop.

Курсы по: Статистике, SQL, Python, Data Science, Нейронным сетям, Time Series, NLP.

Корпоративное обучение.

Помогаем внедрять машинное обучение в бизнес.

Сайт:
https://dataworkshop.ru
Download Telegram
midjourney.png
2.2 MB
Вот пример эволюции возможностей нейросети Midjourney, преобразовывающей текст в изображения.


Скорость развития зашкаливает. Но… здесь речь идет не только про использование готовых решений. На самом деле, если хочешь, можешь лично начать разбираться, как работают нейронные сети.

Мы запускаем мой авторский курс нейроных сетей, где на пальцах, очень практически, объясняю, что это за зверь.


Стартуем завтра. Этот курс длится 4 недели.

Хочешь увидеть пробный урок? Напиши нам на hello@dataworkshop.ru :)
🔥42😍1
24 апреля мы проведем так полюбившийся многим 5-ти дневный интенсив по Data Science - DWthon.

Будем анализировать реальные данные магазина из Великобритании.

👉 получите практику в языке Python
👉 самостоятельно построите и обучите модели Machine Learning
👉 получите доступ к готовому окружению и возможность сразу писать код
👉 для новичков предусмотрена дополнительная помощь - пошаговые видео с объяснениями
👉 бонусы (полезные ссылки) за выполненные задания
👉 сертификат по окончании интенсива и др.

Автор интенсива - дружелюбный Владимир с огромным практическим опытом.

Бесплатно только для первых 500 записавшихся человек.

Присоединиться можно по ЭТОЙ ССЫЛКЕ.

@data_work
🔥82👍1
ChatGPT начал внедряться в мир финансов 😎. Коротко о главном:

ChatGPT продемонстрировал многообещающие результаты в двух новых академических исследованиях в области финансов, указывающих на потенциальное применение технологии в отрасли.

1️⃣Первое исследование [Can ChatGPT Decipher Fedspeak?] показало, что ChatGPT превзошел широко используемые модели в определении, являются ли заявления Федеральной Резервной Системы ястребиными или голубиными.

2️⃣Вторая статья [Can ChatGPT Forecast Stock Price Movements? Return Predictability and Large Language Models] продемонстрировала возможность чатбота определять, являются ли заголовки хорошими или плохими для акций, с результатами, связанными со статистической связью со следующими движениями акций и помогающими делать более точные прогнозы и повышать эффективность квантовых торговых стратегий.

Исследования свидетельствуют о том, что ChatGPT достиг нового уровня в терминах анализа нюансов и контекста, что делает технологию более доступной для широкого круга профессионалов в области финансов.

Успех ChatGPT может потенциально ускорить процесс интерпретации больших объемов текстовых данных в финансовой сфере, делая его более эффективным для квантов и других профессионалов в отрасли.

Каковы  Твои мысли о потенциальном влиянии ChatGPT и других больших языковых моделей в финансовой отрасли? 🤔

[1]Can ChatGPT Decipher Fedspeak?

[2] Can ChatGPT Forecast Stock Price Movements? Return Predictability and Large Language Models

@data_work
Please open Telegram to view this post
VIEW IN TELEGRAM
👍61🔥1
Как думаешь, эти технологии изменят отрасль или просто усовершенствуют существующие стратегии? 🤔
Anonymous Poll
10%
Я с опаской отношусь к этому
49%
Нужно подружиться с новыми технологиями :)
41%
Главное применять их с умом ;)
👍5
Пора сделать себе очередной вызов и получить новую порцию практических знаний и навыков в области машинного обучения 😎

15 мая мы запускаем конкурс в Kaggle, который продлится 1 неделю 🥳.

Почему стоит принять участие:

✔️ Тема конкурса выбрана из реальной жизни: “Прогнозирование цен на энергию с помощью машинного обучения”;
✔️ В конкурсе будут использоваться реальные данные;
✔️ В конкурсе примут участие люди из разных стран мира;
✔️ Участники из ТОП 5 поделятся своими лучшими решениями;
✔️ Мы предоставляем готовое окружение - ничего не нужно устанавливать и настраивать;
✔️ Заниматься можно в любое удобное время - сервер доступен 24/7.


Чему научишься во время участия в конкурсе:
🔥Работать с реальными данными;
🔥Анализировать данные, используя Python;
🔥Делать прогнозы в условиях неопределенности;
🔥Работать с временными рядами;
🔥Создавать и тренировать модели машинного обучения.

Знания, получения во время конкурса, можно будет применять в любых задачах, связанных с прогнозирование временных рядов.

Это отличная возможность украсить свое портфолио крутым кейсом и стать еще более привлекательным для работодателей.

При условии выполнения минимального набора заданий, можно получить именной электронный сертификат об успешном прохождении интенсива с конкурсом в Kaggle.

Конкурс будет доступен только для участников нашего закрытого клуба.

Оформи подписку в клубе и получи возможность бесплатно подарить вторую подписку другу 🎁. При оформлении подписки, просто укажи в комментарии email друга. Обучаться вместе намного веселее и эффективнее 🙂

Если остались вопросы - обязательно напиши на hello@dataworkshop.ru

@data_work
Please open Telegram to view this post
VIEW IN TELEGRAM
👍4🔥31
Мы регулярно проводим различные интенсивы по машинному обучению.
Для некоторых из них добавляем возможность поучаствовать в конкурсе на Kaggle 💪.
Участие в соревнованиях на Kaggle может быть крутым по многим причинам.

Вот несколько из них:

Решение реальных проблем: соревнования на Kaggle, организованные DataWorkshop, посвящены решению реальных проблем в различных областях, таких как медицина, финансы, транспорт, энергетика и т.д. Участие в таких соревнованиях дает возможность получить навыки для решения важных проблем.


Расширение своей сети контактов: можно познакомиться с другими участниками и экспертами в области, что может привести к новым возможностям работы и сотрудничества.


Обучение на реальных задачах: участие в соревнованиях на Kaggle дает возможность применить знания и навыки, полученные из учебных материалов, на реальных задачах. Это помогает лучше понять, как применять свои знания на практике и решать реальные проблемы.


Быстрый прогресс и обучение: участие в соревнованиях на Kaggle требует от участников решения задач в ограниченные сроки. Это стимулирует к активной работе и быстрому прогрессу в изучении новых методов и технологий.


Узнавание лучших практик: на Kaggle можно наблюдать и изучать работы лучших участников. Это позволяет узнать о лучших практиках и методах, применяемых в индустрии, и применять их в своих проектах.


Возможность показать свои навыки: участие в успешном соревновании на Kaggle может стать отличным способом продемонстрировать свои навыки и достижения потенциальным работодателям.


Kaggle - это платформа, которая собирает сообщество профессионалов, создавая возможности для участия в захватывающих проектах и развития в данной области.
После завершения конкурса мы делимся с другими участники лучшими решениями, которые попали в ТОП 5.

По ЭТОЙ ссылке можно посмотреть итоговый вебинар с участниками, результаты которых попали в ТОП 5 на конкурсе по прогнозированию цен на недвижимость (конкурс мы проводили ранее).

@data_work
🔥41👍1
А Ты уже принимал(а) участие в конкурсе на Kaggle?
Anonymous Poll
50%
Нет, но собираюсь это сделать :)
34%
Да и буду еще!
16%
Нет, я не понимаю что это :(
У нас стартовал конкурс на Kaggle 🥳 Цель - научиться прогнозировать цены на энергию на следующий день с помощью ML/AI.

У нас уже 25 человек на борту 💪: https://www.kaggle.com/competitions/energy-price-prediction/leaderboard.

Завтра (в среду, 17 мая) в 13:30 (по Минску, Киеву, Москве) Владимир проведет вебинар, на котором:
подробно объяснит материал, предусмотренный для конкурса
покажет код для создания полезных графиков
вдохновит, замотивирует и многое другое 😎

Вебинар будет доступен для всех и останется в записи.
Ссылка для присоединения к вебинару здесь - https://bit.ly/4593giv

@data_work
👍5🔥31
Будешь завтра на вебинаре?
Anonymous Poll
30%
Конечно ;)
70%
Посмотрю в записи :)
Как решать реальные бизнес-проблемы с помощью ML/AI?Разберем сегодня на вебинаре на примере прогнозирования цен на энергию 😎

Начинаем через час - https://www.youtube.com/watch?v=yBP9nC7xly0

Вебинар останется в записи, но намного лучше быть с нами онлайн 🙂
👍52🔥2
Существует несколько причин, почему крупные корпорации сейчас активно перепрофилируют своих специалистов для работы с искусственным интеллектом (ИИ):

✔️Большие объемы данных: современные корпорации генерируют огромные объемы данных, и ИИ предоставляет возможность анализировать и извлекать ценную информацию из этих данных. Использование ИИ позволяет корпорациям обнаружить скрытые закономерности, тренды и инсайты, которые могут привести к улучшению процессов, принятию обоснованных решений и созданию конкурентных преимуществ.

✔️Автоматизация и оптимизация: ИИ может помочь в автоматизации и оптимизации различных бизнес-процессов. Это позволяет снизить затраты на трудоемкие и повторяющиеся задачи, улучшить эффективность операций и повысить производительность. Корпорации стремятся внедрить ИИ, чтобы сократить время и ресурсы, необходимые для выполнения определенных задач.

✔️Персонализация и улучшение пользовательского опыта: ИИ может быть использован для создания персонализированных продуктов и услуг, а также для улучшения пользовательского опыта. Крупные корпорации стремятся адаптировать свои предложения под индивидуальные потребности и предпочтения клиентов, и ИИ является мощным инструментом для достижения этой цели.

✔️Прогнозирование и анализ рисков: ИИ обладает способностью анализировать данные и предсказывать будущие события. Это позволяет корпорациям прогнозировать тренды, риски и возможности, связанные с их бизнесом. Такая информация помогает принимать более обоснованные и стратегические решения.

✔️Конкурентное преимущество: внедрение ИИ стало одним из ключевых факторов для сохранения и укрепления конкурентоспособности в современном бизнесе. Компании, которые успешно используют ИИ, имеют возможность выявлять новые возможности, улучшать продукты и услуги, повышать эффективность и предлагать инновационные решения и др.

Перепрофилирование специалистов для работы в области ИИ является стратегически важным шагом для корпораций, чтобы оставаться релевантными и успешными в современном бизнесе.
Please open Telegram to view this post
VIEW IN TELEGRAM
4👍1🔥1
Готовьтесь к тому, чтобы развивать свои профессиональные навыки в области машинного обучения уже с 22 мая! Наши курсы набирают обороты, и один из наших флагманских курсов - "DS & ML на практике", создан с целью:

Экономить ваше время - мы передадим проверенные на практике методы и техники работы с данными.
Помочь вам понять, как работают инструменты машинного обучения и как их применять на практике.
Помочь вам преодолеть информационный хаос и неуверенность в том, с чего начать.
Начать тренировку моделей и работу с данными с самого начала.
Развить привычки, которые сделают вашу работу с данными более эффективной и удобной.
Получить глубокие знания, а не просто поверхностное понимание.

Не упустите возможность стать экспертом в области машинного обучения! Присоединяйтесь к нашему курсу 🔥 "DS & ML на практике" и начните преображение своей карьеры уже сейчас!
Please open Telegram to view this post
VIEW IN TELEGRAM
4👍1🔥1
Ты знаешь, что в Китае (и не только), например, искусственный интеллект “следит за Тобой” даже если Ты просто ходишь по торговому центру?

А если Ты не высыпаешься, то не удивляйся, что Тебя “догонит” реклама с матрасами о здоровом сне 😎

На основании подкаста Бизнес Мысли вышла очередная статья с интересным гостем - Камилем.

Камиль работает Data Scientist-ом. В подкасте он поделился своим практическим опытом работы в японской и китайской компаниях.

Тема подкаста - MACHINE LEARNING ENGINEER – КАРЬЕРА, ВЫЗОВЫ, ВОЗМОЖНОСТИ.

Краткое содержание:
🤖Machine Learning Engineer vs Программист
🤖Вызовы
🤖Машинное обучение на практике - пример из Китая
🤖Машинное обучение - с чего начать?
🤖Будущее машинного обучения

Полную статью можно прочитать по ЭТОЙ ссылке.

@data_work
👍32🔥1
Для Тебя полезны статьи такого формата (с практикующими Data Scientist-ами?)
Anonymous Poll
39%
Да, все читаю 👍
41%
Интересно, ведь это опыт практиков 🙂
20%
Не хватает времени прочитать 😔
📊 Практический пример использования статистики: A/B-тестирование в маркетинге

Представь себе ситуацию: Ты являешься маркетологом в компании, и Тебе нужно принять решение о том, какой дизайн веб-сайта привлечет больше пользователей к покупке продукта. Вместо того чтобы решать этот вопрос наугад или основываться на субъективных предположениях, можешь использовать статистику и провести A/B-тестирование.

Вот как это работает:
1️⃣ Шаг 1: Создание гипотезы
Сформулируй гипотезу о том, что изменение дизайна веб-сайта может повлиять на конверсию. Например, можно предположить, что изменение цвета кнопки "Купить сейчас" с красного на зеленый увеличит количество пользователей, совершающих покупку.

2️⃣ Шаг 2: Разделение аудитории
Раздели свою аудиторию на две группы: контрольную группу (A) и экспериментальную группу (B). Обе группы должны быть репрезентативными и иметь одинаковое количество пользователей.

3️⃣ Шаг 3: Применение изменений
Примени изменение, которое хочешь протестировать (например, изменение цвета кнопки) к экспериментальной группе (B). Контрольная группа (A) остается без изменений и служит базовым показателем для сравнения.

4️⃣ Шаг 4: Сбор данных
Собирай данные о поведении пользователей в обеих группах. Это может включать количество посещений, время пребывания на сайте, количество совершенных покупок и другие метрики, которые отражают цель эксперимента.

5️⃣ Шаг 5: Анализ результатов
Примени статистические методы, например, t-тест, чтобы определить, есть ли значимые различия в поведении пользователей между контрольной группой (A) и экспериментальной группой (B). Если различия являются статистически значимыми, это указывает на то, что изменение дизайна действительно влияет на поведение пользователей.
6️⃣ Шаг 6: Принятие решения
На основе результатов A/B-тестирования можно принять решение о внедрении изменения дизайна на основе статистических данных. Если изменение оказало положительное влияние на конверсию, можно внедрить его для веб-сайта.

A/B-тестирование является лишь одним из множества примеров использования статистики в бизнесе. Оно позволяет принимать решения на основе фактов и данных, минимизируя субъективность и повышая эффективность маркетинговых стратегий.

Используй статистику в своей работе, чтобы принимать обоснованные решения и достигать лучших результатов!

#Статистика
🔥51👍1
Приводить еще практические примеры по эффективному использованию статистики?
Anonymous Poll
82%
Да!
7%
Не знал(а) что статистика действительно работает :)
11%
Я уже использую статистику в своей работе.
📊💉 Пример практического использования статистики в медицине: Анализ распределения лекарственной реакции 💉📊

Статистика играет важную роль в медицине, помогая нам понять и анализировать данные о лекарственных реакциях. Рассмотрим конкретные методы статистики, которые используются для анализа распределения лекарственной реакции.

📈 Шаг 1: Сбор данных
Собираются данные о лекарственной реакции пациентов. Эти данные могут включать различные параметры, такие как интенсивность реакции или продолжительность симптомов.

Количественные и категориальные переменные:
Данные о лекарственной реакции могут быть количественными или категориальными. Количественные переменные представляются числами, например, интенсивность реакции. Категориальные переменные относятся к определенным категориям, например, тип реакции (аллергическая, побочный эффект и т. д.).

🔎 Шаг 2: Анализ распределения
Нормальное распределение и распределение с длинным хвостом:
Статистический анализ может помочь определить, имеет ли распределение лекарственной реакции нормальное распределение или распределение с длинным хвостом. Нормальное распределение характеризуется симметрией и куполообразной формой, в то время как распределение с длинным хвостом имеет тяжелые хвосты и несимметричную форму.

Визуализация:
Для визуального анализа распределения лекарственной реакции можно использовать гистограмму или блочную диаграмму (boxplot). Гистограмма помогает увидеть, как часто встречаются различные значения реакции, а блочная диаграмма позволяет оценить медиану, квартили и выбросы.