ChatGPT: как будет меняться работа аналитика с развитием искусственного интеллекта
Кажется, уже все эксперты в разных областях и блогеры поговорили про ChatGPT и начало эпохи нейросетей. Однако, в подкасте Data Heroes мы это еще не обсуждали и… сейчас исправимся! 🐢

Мы знаем, что многие из вас уже устали от этой темы, но сегодня Николай и его гости постарались раскрыть ее шире и, конечно, пофантазировать о будущем! И те эксперты, кто пророчит конец света и восстание машин, и те, кто в порыве восторга и экстаза говорит о том, как чудесна станет жизнь в ближайшее десятилетие, соглашаются в одном — мир не будет прежним.

Итак, сегодняшний разговор именно об этом. А еще о том:
🔵Правда ли релиз нейросетей перекроит рынок труда,
🔵Как ChatGPT может помочь в анализе больших объемов данных,
🔵Какие проблемы возникают при работе с ChatGPT и как их решать,
🔵Какие есть альтернативы нашумевшей модели и насколько они хороши в деле,
🔵Как писать промпты, чтобы модель выдавала самый лучший результат, а не сплошные глупости,
🔵Правда ли, что в будущем роботы будут общаться между собой 🤯

Включайте подкаст и узнайте, как пережить восстание машин 🚀 (Шутка! Или нет?..)

СПИКЕРЫ:
1️⃣ Андрей Новиков — Lead Product Analyst, автор YouTube-канала Noukash
2️⃣ Анастасия Никулина — CEO & Founder школы по Data Science и анализу данных с обширным бэкграундом в Data Science
3️⃣ Игорь Котенков — Head of Ai Department в Unleashing.AI, компания ML Consulting Agency

P.S. Над обложкой этого эпизода Data Heroes мы поколдовали с Midjorney, а затем наш дизайнер @lagmann оформила и кастомизировала ее, ведь нейросети все еще неидеальны и их результаты пока что требуют доработки.

Слушайте подкаст на платформах: Spotify, Anchor, Apple Podcasts, Google, Yandex, Overcast, Mave, Castbox, Telegram (↓)

#подкаст #DataHeroes

Docker: с чего начать?
В современном мире многообразие технологий дает не только свободу выбора инструментов для рабочего проекта, но и создает кучу трудностей, которые замедляют работу. Проблемы часто возникают при работе с виртуальными машинами — перенос приложения из одной виртуальной машины в другую со всеми зависимостями может оказаться очень долгим процессом.

К счастью, был изобретен Docker — приложение для управления контейнерами, то есть изолированными виртуальными средами разработки. Как раз о Docker и идет речь во вводном докладе Питера МакКи. В нем он рассказывает про ключевую концепцию в Docker — Docker-образ. Это файл, на основе которого создаются контейнеры. Его можно собрать при помощи текстового файла Dockerfile, который описывает последовательность действий при сборке образа. Концепция образа позволяет без труда запускать точно такие же контейнеры на другом устройстве без особых усилий. Также, в докладе подробно раскрыта последовательность действий при создании контейнера:

🔵 Написание Dockerfile,
🔵 Создание образа из Dockerfile,
🔵 Создание контейнера на основе образа.

Кроме того, Питер показывает как взаимодействовать с Docker Hub, который по сути является GitHub'ом для образов. Обо всем по порядку и во всех подробностях вы узнаете из доклада.
#краткий_пересказ

Зачем вообще нужно уметь пользоваться Docker?
Вы скорее всего уже устали слышать слово «докер». Может сложиться впечатление, что это что-то загадочное и непонятное, особенно для аналитика данных. Поэтому я хочу показать вам небольшой тред из твиттера, в котором Женя Козлов рассказал про то, зачем эта компетенция нужна и как ее получить. В треде вы найдете массу полезных источников и статей, которые помогут вам понять, что же такое не только Docker, но и контейнеризация в целом.

Советую сохранить этот тред, чтобы регулярно повторять базовые вещи!

P.S. А еще, я начал регулярно вести Twitter-аккаунт, делиться там мнением относительно новых трендов и делиться опытом в SQL и анализ данных. И постить мемы, разумеется!

Подписывайтесь ❤️

☕️ Под утренний кофе: еженедельный дайджест о технологиях, данных и аналитике 🗞

🔵 LakehouseIQ – движок на основе генеративного ИИ, который понимает локальные мемы вашей компании
На этой неделе компания Databricks объявила о релизе нового корпоративного продукта, LakehouseIQ. Благодаря тому, что с платформой можно общаться с помощью естественного языка, пользователь может получить инсайты из базы знаний вашей компании, не прибегая к коду. Сфера применения: поиск информации в базе Databricks, автоматические предложения по улучшению запроса Spark или SQL, интеграция через API с другими приложениями.

🔵 Инженеры данных, новость для вас: динамические таблицы в Snowflake
Платформа Snowflake обзавелась новой фичей, которая существенно упростит трансформацию данных. Выстраивание последовательности задач, контроль зависимостей и расписания – задачи прошлого! С помощью динамических таблиц вам достаточно указать финальный вид трансформации, и, в то время как данные в них будут автоматически обновлятся, таблицы в самой базе данных не будут претерпевать никаких изменений.

🔵 Можно ли предсказать рейтинг фильма на основе данных? Учебный кейс с Rotten Tomatoes
Кинопроизводство – это многомиллионный ($) бизнес. И ИИ может стать подспорьем продюсерам и другим заинтересованным в успехе проката лицам. Тестовый проект, использованный при трудоустройстве в Meta (Facebook), предлагает два варианта определения рейтинга: (1) предсказание рейтинга на основе числовых показателей и данных о категории и (2) сентимент-анализ обзоров и отзывов. Подробный разбор работы на KDnuggets может пригодится любителям data science и машинного обучения.
#дайджест