Отличное интервью Вани Ямщикова о том, как машинный интеллект помогает справиться с самыми унылыми задачами бизнеса - документооборотом, контрактами, деловой перепиской.
Как всегда у Вани, прекрасные малоизвестные факты и красивые мысли разбросаны по всему тексту.
«...в среднестатистической компании в Европе файл, приложенный к письму, живёт дольше, чем сотрудник, его отправивший...» Это, кажется, лучшее описание мобильности современного персонала :)
Ну и в целом это отличный обзор того, как умные алгоритмы с разных сторон влезают в огромную область — коммуникацию между людьми (и не только). Быстро, между прочим, влезают.
https://vc.ru/41053-abbyy-lyuboy-biznes-eto-kommunikaciya

​​Отдельно хочется выделить курс от ребят из Yandex. Курс «Машинное обучение и анализ данных» от специалистов Яндекса в прошлом году был самым популярным онлайн-курсом России.

Этот курс дейсвтительно очень хорошо сделан. Он позволяет:
- освоить высокоуровневый язык программирования Python
- построить рекомендательную систему
- оценить эмоциональную окраску текста
- спрогнозировать спрос на товар
- оценить вероятность клика по рекламе
- и решить множество других прикладных задач

В финале обучения дипломный проект построения собственной системы, решающей любую актуальную для бизнеса задачу. Результатом будет наглядная работающая модель, которую можно использовать в повседневной работе или добавить в портфолио.
Прохождение этого курса в прошлом году практически гарантировало успешное трудоустройство

Присоединяйтесь 👉🏻 https://goo.gl/SFZ6Lr

Видео: изучить основы Python за час

https://www.youtube.com/watch?v=C8AmeYMVuhI&list=PL5KGx5_ykLX8qOlP1CaxxlTXKOZhIvfZl&index=4

#python #novice

Курс "Алгоритмы и структуры данных"

1. О курсе
2. Базовые структуры данных
3. Очереди с приоритетом
4. Системы непересекающихся множеств
5. Хеш-таблицы
6. АВЛ-деревья
7. Дополнительные операции
8. Сплей-деревья

https://www.youtube.com/watch?v=jD_A74xER9E&list=PLwwk4BHih4fhz7NtsPUbk7B3JXh_CPt3m

#algorithms #fundamental

В.Н. Касаткин «Необычные задачи математики»
https://news.1rj.ru/str/progbook/635

#book #math

Пишем свою нейросеть: пошаговое руководство

Отличный гайд про нейросеть от теории к практике. Вы узнаете из каких элементов состоит ИНС, как она работает и как ее создать самому.

https://proglib.io/p/neural-nets-guide/

#data_analysis

Новый подход в Deep Learning: популяционное обучение нейросетей

Рассказываем о новом подходе, предложенном компанией DeepMind для настройки гиперпараметров в моделях Deep Learning: популяционное обучение нейросетей.

https://proglib.io/p/population-deep-learning/

#data_analysis

Введение в обучение с подкреплением в Python

Обучение с подкреплением в Python – это способ машинного обучения, при котором система обучается, взаимодействуя с некоторой средой.

https://proglib.io/p/reinforcement-learning/

#python

Детальный план самообразования в Computer Science за 1.5 года

Обсуждаем один из возможных планов самообразования в Computer Science за 1,5 года со ссылками на онлайн-курсы и другие образовательные сайты.

https://proglib.io/p/cs-learning/

#common #digest

​​Говорят и показывают сеньоры: обучение Junior Data Scientist

Как начать изучение Data Science? Что и где читать? Какие есть подводные камни, советы и уловки? Статья в помощь для Junior Data Scientist.

https://proglib.io/p/senior-says/

#data_analysis

Математика больших данных

Как можно хранить и обрабатывать многомерные массивы в линейных по памяти структурах? Что дает обучение нейронных сетей из триллионов триллионов нейронов и как можно осуществить его без переобучения? Можно ли обрабатывать информацию "на лету", не сохраняя поступающие последовательно данные? Что дает обучение по слаборазмеченным данным? И почему для решения всех перечисленных выше задач надо хорошо знать математику? Ответы на эти вопросы будут рассмотрены в докладе.

https://www.youtube.com/watch?time_continue=1&v=lkh7bLUc30g

#math #data_analysis

Математика для программиста: 7 крутых YouTube-каналов

Математика для программистов: «Насколько важна?», «Какие разделы?», «Как ее учить?» и другие злободневные вопросы, на которые ответит наша подборка.

https://proglib.io/p/math-channels/

#math

Курс по машинному обучению от сообщества OpenDataScience

1. Pandas
2. Визуализация
3. Классификация, деревья решений
4. Логистическая регрессия
5. Случайный лес
6. Регрессия, работа с признаками

Ссылка на плейлист: https://www.youtube.com/watch?v=dEFxoyJhm3Y&list=PLZSPcxXPEZVoaCDSEtrrSq2i_ewYqrzZE

#data_analysis

10 рецептов машинного обучения от разработчиков Google

В десяти коротких видеоуроках курса машинного обучения от разработчиков Google рассмотрены приемы Machine Learning для начинающих аналитиков данных.

https://proglib.io/p/google-ml-recipes/

#data_analysis

Обучение без учителя: 4 метода кластеризации данных на Python

Описаны четыре популярных метода обучения без учителя для кластеризации данных с соответствующими примерами программного кода на Python.

https://proglib.io/p/unsupervised-ml-with-python/

#python #data_analysis

8 лучших ресурсов для самостоятельного изучения Machine Learning

Ян Лекун, директор AI Research в Facebook и профессор Нью-Йоркского университета, раскрывает секреты успешного самообучения в сфере Machine Learning.

https://proglib.io/p/machine-learning-ai/

#data_analysis

Как анализировать данные с Python библиотеками Pandas и Numpy

https://www.youtube.com/watch?v=lLf6Qt6wSJ8

#python #data_analysis

Python для Data Science: 8 понятий, которые важно помнить

https://proglib.io/p/python-data-science/

#data_analysis #python