Data Mining | Анализ данных🚀 – Telegram
Data Mining | Анализ данных🚀
3.31K subscribers
1.73K photos
10 videos
5 files
1.7K links
• Купить рекламу: t.me/sahib_space
Админ: sahib_space
• Стоимость: https://www.notion.so/sahibspace/69ece414a4af49f2bdbdfe455e553e58?pvs=3&qid=
• Группа в ВК: vk.com/datamining.team
Download Telegram
Гайд для начинающих: сопоставление любого шаблона с использованием регулярных выражений в R

https://bit.ly/3mdg95h
«Python и анализ данных», Уэс Маккинни — пособие по применению Python в науке о данных

https://bit.ly/3kZSd5Z
Yandex Research опубликовал в блоге рассказ о недавней статье про commonsense reasoning. Любопытные выводы и многоязычный датасет.

https://bit.ly/3l07VhF
Книга "Основы Data Science", авторы - Аврим Блюм, Джон Хопкрофт и Равиндран Каннан

https://bit.ly/3l4Ou7a
5 способов выйти из вложенного цикла в Python

https://bit.ly/3FhQEsf
Курс "Введение в вычислительное мышление с Julia и приложения для моделирования пандемии COVID-19"

https://bit.ly/3iuX8ub
#top@datamining.team
ТОП-5 постов за сентябрь

1.  Бесплатный курс по SQL для дата-саентистов
https://bit.ly/393CWul

2. 6 типов регрессии, о которых нужно знать
https://bit.ly/3glxhUr

3.  6 сертификатов в сфере Data Science, которые обеспечат высокую зарплату
https://bit.ly/2WhnLdI

4. Как визуализировать данные с Tableau
https://bit.ly/3sHhvba

5. Интерактивный тренажер, который состоит из практических заданий на создание SQL-запросов
https://bit.ly/2XBD55s
Финал близко! Международный челлендж Марафона ИТ-соревнований Роснефти 2021 года состоится 27 ноября в Москве и подведёт итог всей серии соревнований. В прошлом году за лидерство в рейтинге соревновались ИТ-специалисты из 28 стран.

В этот раз мы подготовили призовой фонд в 1 250 000 рублей*, сразу две интересные задачи, единомышленников и специалистов нефтяной компании для заведения полезных знакомств, а также ещё ряд приятных вещей.

Участники Rosneft Challenge 2021 (RC2021) будут решать две задачи. Первая задача – это идентификация северных оленей на аэрофотоснимках и выделение молодых особей, вторая – разработка веб-приложения для поиска объектов-аналогов в проектной документации по параметрам.

Мы ждём тех, кому интересно попробовать себя в решении реальных кейсов от нефтяного лидера! К участию в ИТ-соревновании допускаются команды до 4-х человек. Так что самое время подумать, кого из товарищей позвать на штурм Хакатона Роснефти. Можно зарегистрироваться и одному участнику, организаторы подберут команду.

Регистрация до 13 ноября: https://bit.ly/3lfPVQp
*До уплаты налогов.

Это промо пост
Туториал по оптимизации метода роя частиц в Python

https://bit.ly/3uKrf5M
Гайд по построению модели сквозной логистической регрессии

https://bit.ly/3lj3LBy
Книга "Понимание машинного обучения: от теории к алгоритмам", авторы - Шай Шалев-Шварц и Шай Бен-Давид

https://bit.ly/3DsRbpH
Мотоциклы, которые используют модели машинного обучения

https://bit.ly/3ajWkDY
Идеи динамического программирования: одномерные задачи

https://bit.ly/3FBFtL5
Лайфхак: как ускорить исполнение кода Numpy в 50 раз

https://bit.ly/3Awlo5g
29-31 октября пройдет онлайн-хакатон EVRAZ AI Challenge от международной горно-металлургической компании EVRAZ

🔥 Узнайте на хакатоне, чем айтишники занимаются в промышленности, а также ...

Продуйте металл через Data Science;
Разработайте компьютерное зрение для контроля опасных зон агломашины;
Станьте частью команды EVRAZ;
Прокачайте свои скиллы вместе с экспертами EVRAZ.

К участию приглашаются все, кому интересен Data Science и Computer Vision.

Призовой фонд — 500 000 рублей

Регистрируйтесь до 26 октября 23:59 по ссылке: https://clck.ru/XzPnA
Приглашайте друзей и добавляйтесь в Telegram-чат, чтобы найти единомышленников: https://clck.ru/XzPqB

Это промо пост
Курс по Deep Learning: видеолекции от Стэнфордского университета

https://stanford.io/2YCOSld
1000+ готовых шаблонов кода для алгоритмов машинного обучения, сортированных по категориям

https://bit.ly/3BDSi5u
Полный гайд по weak supervision в машинном обучении

https://bit.ly/30twJGX
Отрывок из книги М. Рассела,а М. Классена «Data mining. Извлечение информации из Facebook, Twitter, LinkedIn, Instagram, GitHub»: практические приёмы анализа данных на примере популярных соцсетей

https://bit.ly/3j8rUtc
Как размечать данные для машинного обучения

https://bit.ly/3aOvMe0