Введение в машинное обучение: код и туториалы в одном репозитории на Github

https://bit.ly/2XxbAL2

Интересная интерактивная статья про методы оптимизации моделей в ML

https://bit.ly/3H74FJl

Анимированный читлист по поисковой оптимизации в машинном обучении

https://stanford.io/3HmCuXc

#memes@datamining.team

Полезный обзор различных методов автоматического реферирования, суммаризации

https://bit.ly/32whNcB

"Глубокое обучение: методы и приложения" - книга от Microsoft Research, в которой рассказывается о том, как нейросети используются в задачах обработки сигналов и информации

https://bit.ly/3FLkFkd

Выпуск подкаста с Борисом Шарчилевым - руководителем ML в Финтехе Яндекса, о том, как подготовиться и эффективно пройти собеседование на ML-позиции

https://bit.ly/3qGeVl9

Статья от Microsoft о том, как тренировать самую большую в мире генеративную языковую модель

https://bit.ly/3qz5N1S

Кластерный анализ для улучшения рекомендательных систем, кейс Билайн ТВ, роль обезличенных данных о каждом пользователе в онлайне

Подробнее: https://bit.ly/3EVgMrL

Какие инструменты использовать в глубоком обучении для решения задач различного вида (наглядный читлист)

https://bit.ly/3FTz8dO

Курс "Основы Data Science" от IBM: рассчитан на 6 месяцев и подходит для новичков. Включает изучение инструментов для обработки данных, методологии, концепций реляционных баз данных и многое другое

https://bit.ly/3ERcn9c

Интересная статья о том, как IT-компании в Индии начали привлекают таланты в 2021: мотоцикл в качестве бонуса и зарплата $92 тысячи в год

Подробнее: https://bit.ly/3pWcTyi

Книга по машинному обучению: в ней описаны и основы ML, и несколько реальных проектов, которые можно использовать для портфолио

https://do.co/3eRw7ib

CES — это международная выставка потребительской электроники, проводимая ежегодно с 1967 года

В этом году проходит с 5 по 8 января 2022 года в Лас-Вегасе, но часть компаний остались онлайн (Intel, Google, Amazon, Meta, Twitter, Pinterest и другие)

Несколько материалов, которые помогут разобраться в теме и главных ожиданиях от 20222
https://bit.ly/3zt2MnR
https://bit.ly/3t06oN2

И ссылка на официальный сайт, если вы решите не просто читать обзоры, а поприсутствовать на трансляции https://ces.tech

Топ-3 вопроса на знание Python, которые любят задавать на собеседовании в сфере data science

https://bit.ly/3kPVjaR

Подборка из 10 лучших Machine learning курсов для новичков в 2022 году

https://bit.ly/3eVi9vY

"Учимся генерировать кресла, столы и автомобили с помощью сверточных сетей": в этой статье показано, как генеративные сети могут находить сходства между объектами

https://bit.ly/3qYGJkT

Подборка 40+ самых интересных статей по Data Science за 2021 год в блоге Алексея Чернобровова

https://bit.ly/3FZ6Sq3

Исторический обзор развития моделей глубокого обучения: от появления нейронных сетей до технологий последнего десятилетия

https://bit.ly/3n2tL4s

Заканчивается отбор на программы УNVRSTY. Успейте отправить эссе до старта занятий - 15 января. Обучение — бесплатное.

Программы УNVRSTY ориентированы на мотивированных людей (старшеклассников, студентов, выпускников), стремящихся существенно повысить свою квалификацию по тематике конкретной программы

Занятия проводят одни из самых сильных образовательных команд в России по количественным финансам, data science, финтех-разработке, риск-менеджменту и финансовой аналитике. Участники команды УNVRSTY работают в ведущих международных и российских компаниях: Google, Goldman Sachs, JP Morgan, Barclays, Morgan Stanley, McKinsey, PwC, EY, KPMG, Deloitte, Яндекс, Озон...

Каждая программа открывается от 200 зачисленных студентов (в случае, если на конкретную программу запишется меньше — можно будет подождать или перезаписаться на другую программу).

Подробнее читайте по ссылке: https://vk.com/wall-42556983_2834

В выходной мы как всегда предлагаем отдохнуть, но не выпадать из темы: например, послушать подкаст от команды Хабра "Agile по жизни: обсуждаем гибкую методологию разработки на бытовых примерах"

Узнать больше, найти таймкоды и послушать: https://bit.ly/31v0c4e