🏠 Яндекс открыл в Питере образовательное пространство Школы анализа данных
ШАД продолжит готовить хардовых спецов в DS и ML на новой площадке. А также начнёт делиться экспертизой со всеми, кто хочет углубиться в технологии искусственного интеллекта и узнать больше о нейросетях. Преподаватели Школы и эксперты Яндекса будут проводить открытые лекции и воркшопы по ИИ, хакатоны по разработке и соревнования по МL. Также вместе со студентами Школы можно будет работать над учебными проектами в сфере DS, инфраструктуры больших данных и ИИ в прикладных науках: от прогнозирования биржевых котировок до сохранения краснокнижных животных с помощью нейросетей.
ШАД продолжит готовить хардовых спецов в DS и ML на новой площадке. А также начнёт делиться экспертизой со всеми, кто хочет углубиться в технологии искусственного интеллекта и узнать больше о нейросетях. Преподаватели Школы и эксперты Яндекса будут проводить открытые лекции и воркшопы по ИИ, хакатоны по разработке и соревнования по МL. Также вместе со студентами Школы можно будет работать над учебными проектами в сфере DS, инфраструктуры больших данных и ИИ в прикладных науках: от прогнозирования биржевых котировок до сохранения краснокнижных животных с помощью нейросетей.
🧠Организация GPU-вычислений для машинного обучения в компании: проблемы и трудности
В данной статье мы рассмотрим значение вычислений на GPU в сфере машинного обучения, ключевую роль ИИ в современном бизнесе и проблемы, с которыми сталкиваются компании при обеспечении эффективности вычислительных ресурсов.
Читать...
В данной статье мы рассмотрим значение вычислений на GPU в сфере машинного обучения, ключевую роль ИИ в современном бизнесе и проблемы, с которыми сталкиваются компании при обеспечении эффективности вычислительных ресурсов.
Читать...
📄Dedoc: как автоматически извлечь из текстового документа всё и даже немного больше
В этой статье мы рассмотрим open-source библиотеку dedoc, которая помогает разработчикам и дата-сайентистам в пару строк кода читать различные форматы текстовых документов и изображений с текстом, и далее приводить информацию к единой аккуратной структуре.
Читать...
В этой статье мы рассмотрим open-source библиотеку dedoc, которая помогает разработчикам и дата-сайентистам в пару строк кода читать различные форматы текстовых документов и изображений с текстом, и далее приводить информацию к единой аккуратной структуре.
Читать...
#ds #ml #ai #career #meetup
Митап для начинающих IT-специалистов
Будет большой блок Data Science-лекций, а еще расскажут, как прокачать IT-карьеру и многое другое.
Участников ждут:
🔹 лекции, мастер-классы и воркшопы по DS, ML, AI и др.;
🔹 лайфхаки быстрого роста от джуна до сеньора и прожарка резюме;
🔹 оживление цифрового аватара при помощи нейросети;
🔹 демонстрация квантового компьютера;
🔹 after-party и 🎁 мерч в подарок каждому участнику.
Участие бесплатное, но нужно зарегистрироваться!
📅 16 декабря
📍 Москва, ЦДП
🔗 Регистрация тут
Реклама. БАНК ГПБ (АО). ИНН 7744001497.
Митап для начинающих IT-специалистов
Будет большой блок Data Science-лекций, а еще расскажут, как прокачать IT-карьеру и многое другое.
Участников ждут:
🔹 лекции, мастер-классы и воркшопы по DS, ML, AI и др.;
🔹 лайфхаки быстрого роста от джуна до сеньора и прожарка резюме;
🔹 оживление цифрового аватара при помощи нейросети;
🔹 демонстрация квантового компьютера;
🔹 after-party и 🎁 мерч в подарок каждому участнику.
Участие бесплатное, но нужно зарегистрироваться!
📅 16 декабря
📍 Москва, ЦДП
🔗 Регистрация тут
Реклама. БАНК ГПБ (АО). ИНН 7744001497.
Используем Cloud ML Platform для построения сервиса распознавания лиц
Станислав Кипрюшин, ведущий программист в VK Cloud, выкатил статью, в которой рассказывает, как машинное обучение (Machine Learning, ML) может быть реализовано для создания MLOps-конвейер на одной платформе. Один из способов предполагает использование различных технологий на каждом этапе, а другой — работу с готовым набором инфраструктурных решений. Какой путь будет проще и какие потребуются ресурсы — читайте на Хабре.
Станислав Кипрюшин, ведущий программист в VK Cloud, выкатил статью, в которой рассказывает, как машинное обучение (Machine Learning, ML) может быть реализовано для создания MLOps-конвейер на одной платформе. Один из способов предполагает использование различных технологий на каждом этапе, а другой — работу с готовым набором инфраструктурных решений. Какой путь будет проще и какие потребуются ресурсы — читайте на Хабре.