https://numer.ai/tournament

Делаешь машн лернинг модель на предоставляемых обфусцированных данных.
Можешь купить токенов NMR и поставить на нее.
Если она будет как-то коррелировать с рынком в течение дня, то тебе начисляются платежи в тех же токенах.
Платежи — это также процент от твоей репутации, которая зависит от того как долго твоя модель коррелирует с рынком. Т.е. надо бы ее обновлять каждую неделю, чтобы было хорошо.
Есть всякие пенальти, если корреляция так себе.
Более подробно о правилах
https://docs.numer.ai/tournament/learn#staking

https://erasurequant.com/leaderboard
Тут ребята подумали, что можно еще просто покупать чьи-то сигналы, которые люди на своих собственных данных или просто на коленке слепили. Запустили для этого отдельную платформу для тестирования таких сигналов по тому же принципу что и numerai.
В доках есть неплохая инструкция как вообще достать свободных данных.

http://tallinn.design

Карта Таллинна с неплохой подборкой мест, которые можно посетить любителям красоты.

True story

Навыки, которыми хорошо козырять перед людьми на data science конференциях:
- всеми правдами и неправдами улучшать метрику на kaggle соревнованиях;
- реализовывать архитектуры и трюки из статей 2019 2020 года;
- обучать GANы и делать клоны thispersondoesnotexist.com;
- добиваться 100% загрузки множества видеокарт.

Навыки, которые на самом деле нужны ML инженеру в обычной работе:
- декомпозировать задачи;
- добывать больше новых данных и обеспечивать чистоту существующих;
- локализовывать сложновоспроизводимые проблемы и разбираться в их причинах всеми доступными инструментами от дебаггера до полного перебора безумных гипотез;
- писать тесты, которые действительно ловят баги, а не просто занимают время на CI сервере.

Навыки, которые есть у тебя:
- ...

Навыки, которые есть у меня:
- пиздеть в интернете.

первые шаги в мир фотограмметрии