​​✍️Пишем приложение на Python для интерактивной визуализации графов с NetworkX, Plotly и Dash

В этой статье автор расскажет как написать приложения на Python для интерактивной визуализации графов.

Читать...

​​🛣Детекция дефектов дорожного покрытия без размеченных данных: Хакатон, LiDAR, RANSAC, ICP и 44 бесcонных часов

В этой статье я расскажу о том, как мы использовали данные с LiDAR, применяли различные алгоритмы для обработки и анализа информации

Читать...

​​🧳Аналог Tableau LOD в FineBI: 15 типичных кейсов

В этой статье рассмотрел решение 15 типичных кейсов в Tableau и FineBI, провел сравнение инструментов, а также сделал вывод относительно их преимуществ и недостатков.

Читать...

​​📖Apache Spark и PySpark для аналитика. Учимся читать и понимать план запроса в SparkUI

В этой статье мы расскажем, что такое план запроса, как его смотреть, и что делать, чтобы уточнить узкие места в расчётах.

Читать...

​​📈Как выбрать свое направление в аналитике?

В данной статье мы рассмотрим различные виды аналитических направлений, и какое из них может быть наиболее подходящим для вас.

Читать...

​​💾Полезные методы работы с данными в Pandas. Часть 1

В этой статье мы рассмотрим различные функции и техники для таких задач, как разделение данных на интервалы, квантильное разделение, применение скользящих окон для вычислений, смещение данных для временных рядов, преобразование вложенных структур данных, нормализация сложных JSON-структур и управление многоуровневыми индексами при работе с DataFrame и Series.

Читать...

​​💾Полезные методы работы с данными в Pandas. Часть 2

В этой статье мы погрузимся в применение скользящих окон для вычислений и смещение данных для анализа временных рядов.

Читать...

​​❄️Контроль за дрейфами предсказательных моделей и Popmon

В данной статье я расскажу, что такое дрейф моделей, почему важно следить за ними, и как это можно сделать с помощью библиотеки Popmon.

Читать...

​​🤖Опенсорс-библиотеки для Python: 40+ вариантов, как упростить жизнь начинающего дата-сайентиста

В этой статье автор рассмотрит опенсорсные библиотеки Python, сгруппированные по областям практического применения.

Читать...

​​🧐Airflow vs NiFi: исследуем оркестратор для формирования витрин данных

В этой статье мы рассмотрим два известных инструмента: Airflow и NiFi, а также постараемся выявить их сильные и слабые стороны.

Читать...

​​📊MLOps на примере прогноза движений акций с помощью MLRun

В этой статье автор расскажет о применении MLRun в качестве инструмента MLOps.

Читать...

​​📚Введение в библиотеку Diffusers и диффузионные модели

В этой статье автор расскажет как работать с сотнями предобученных моделей класса Stable Diffusion для создания изображений и аудио.

Читать...

​​😵‍💫О точности вычислений: как не потерять данные в цифровом шуме

В этой статье я рассмотрю процесс потери точности вычислений, а также расскажу в чём же причина ошибок, если железо работает исправно, а в софте нет багов, влияющих на вычисления.

Читать...

​​🥸Kornia — библиотека компьютерного зрения

В этой статье я расскажу о библиотеке для решения задач компьютерного зрения.

Читать...

​​🖥Построение ML-пайплайна для рекомендательной системы с помощью Google Cloud Platform

В этой статье автор рассмотрит опыт по построению end-to-end рекомендательной ML-системы визуального поиска похожих товаров с помощью инструментов, предоставляемых облачной платформой.

Читать...

​​👤Как PaaS решил проблемы стандартизации разработки сервиса одной утилитой

В этой статье автор расскажет, почему этот инструмент так важен для разработчика и что он умеет, а что нет.

Читать...

​​😶‍🌫MLOps в билайн: как катить машинное обучение в production без ML-инженеров. Часть I

В этой статье речь пойдет о нашем опыте создания ML-платформы, которая помогает дата-сайентистам самостоятельно управлять всем жизненным циклом ML-моделей — от разработки до постановки в production.

Читать...

​​🧠Потоковая обработка данных: анализ альтернативных решений

В этой статья я хочу сделать краткое сравнение между двумя opensource-продуктами Apache Spark и Flink, а также рассказать об одной интересной особенности Spark, которую мы реализовали в коннекторе.

Читать...

​​🦙Как «воспитать ламу» и ускорить ML-эксперименты

В этой статье мы рассмотрели проведение ML-экспериментов от подготовки данных до деплоя инференс-инстансов.

Читать...

​​👤Каталог данных — почему без него непросто и как всё организовать с максимальной пользой

В этой статье автор расскажет о проблематике работы с данными (и о доверии), и о плюсах, которые даст вам каталог данных.

Читать...

​​🦾Как Guidance выводит ИИ на новый уровень: инструмент для эффективного управления моделями

В данной статье мы рассмотрим его особенности и разберемся, что же это за "зверь".

Читать...