Вопросы для собеседования на позицию Data Scientist в топовых компаниях

Если изучаете Data Science и собираетесь трудоустраиваться, подготовьтесь к собеседованию по этой статье👇

https://proglib.io/p/data-scientist-questions/

Multiclass logistic regression
BigQuery теперь умеет тренировать модель логистической регрессии для задач со множеством классов.
В общем, тянуть уже некуда, пора заниматься машинным обучением, так что вот вам занятие на выходные 🤤

https://cloud.google.com/bigquery/docs/reference/standard-sql/bigqueryml-syntax-create#training_a_multiclass_logistic_regression_model_with_automatically_calculated_weights

@Burgerdata

Лекции по нейронным сетям

1. Введение в нейронные сети.
2. Машинное обучение в эпоху больших данных.
3. Перцептрон и однослойные сети.
4. Backpropagation. Многослойные нейронные сети.
5. Введение в свёрточные сети.
6. Современные CNN архитектуры.
7. Задачи детектирования и сегментации
8. Введение в RNN
9. Embeddings and data representation

Ссылка на плейлист с лекциями:
https://www.youtube.com/watch?v=23zhVwjrdU8&list=PL0Ks75aof3Th2vlYGtvL92YN7S_2bux1S

Data Science за 3 месяца: эффективный учебный план

Data Science за 3 месяца? В своем ли мы уме? Вполне. Расскажем, как стать аналитиком данных за 12 недель по курсам Microsoft и др.

https://proglib.io/p/ds-in-3months/

Настраиваем Python для машинного обучения на Windows

Машинное обучение − это просто. Но знаете ли вы, что можно использовать Python для машинного обучения? Вот инструкция по настройке для Windows.

https://proglib.io/p/ml-python-setup/

«Всех нас заменят роботы» — страшилка, которая заставляет разумных людей морщиться, мол, глупость же. Но почитайте примеры, где ИИ уже подменяет людей — и впечатлитесь.
Колонка Дмитрий Радченко, Qmobi ↓

https://www.cossa.ru/trends/226041/

Актуальная математика – это курс, который поможет понять, как работает анализ данных и поиск информации на примерах специалистов.

1. Кластеризация
2. Коллективные эффекты в топологии
3. Математика в нейронных сетях
4. Изгибаемые многогранники
5. Интегрируемая геометрия
6. Многомасштабные взаимодействия

#youtubeдня

https://www.youtube.com/watch?v=2bjD0noF_DY&list=PLh6dVTO7f4FZvB_nildtxmVBWzNLr4Un_

Data Science для всех
Данное видео подойдёт для любой аудитории - никакой математики и никакого программирования

#видеодня

https://youtu.be/WMsr7WSAwcM

​​Настраиваем Python для машинного обучения на Windows
В этой статье рассказываем о возможностях Python для машинного обучения на Windows, описание дистрибутива Anaconda, процесс его установки и создание нейронной сети.

#статьядня

https://proglib.io/p/ml-python-setup/

А вы слышали, что теперь  Amazon бесплатно предоставляет курсы машинного обучения всем разработчикам, использующим платформу AWS?!

#новостьдня

Целевая аудитория: разработчики, аналитики, бизнес-профессионалы и инженеры данных.
Программа включает 30 курсов продолжительностью 45 часов.
Также есть возможность (правда, платно) сдать экзамен и получить сертификат «AWS Certified Machine Learning — Specialty».

Всю информацию найдете здесь:
https://aws.amazon.com/ru/training/learning-paths/machine-learning/

Мы для вас подготовили образовательные каналы по языкам программирования и технологиям, чтобы вы могли черпать из них обучающие материалы по тем темам, которые вам интересны. Ничего лишнего, только полезный контент. Подписывайтесь:
Go: @goproglib
C\C++: @cppproglib
PHP: @phpproglib
Frontend: @frontendproglib
Python: @pyproglib
Mobile: @mobileproglib
Data Science: @dsproglib
Java: @javaproglib

Дайджест: 300 ссылок на обучающие ресурсы по программированию

300 ссылок на обучающие ресурсы по программированию на языках JavaScript, Python, PHP, Ruby, C, C++, С#, Haskell, Scala и в их фреймворках.

https://proglib.io/p/300-programming-urls/

7 эффективных способов зарабатывать на искусственном интеллекте

Кто и сколько зарабатывает на искусственном интеллекте? Рассматриваем AI-экосистему и 7 способов превратить свои знания в прибыль.

https://proglib.io/p/make-money-with-ai/

Учебный план освоения глубокого обучения и нейросетей за 6 недель

План освоения глубокого обучения на базе открытых источников крупных университетов, статей и видеороликов специалистов анализа данных.

https://proglib.io/p/deep-learning-in-6-weeks/

4 концепта, необходимые специалисту по машинному обучению

Несколько полезных концептов, которые нужно изучить начинающему и не очень специалисту по машинному обучению и нейронным сетям.

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

Если вы только начали изучать Data Science, вам однозначно нужны хорошие обучающие курсы по этой непростой науке. В данном репозитории вы найдёте список бесплатных курсов по Data Science с хорошей программой обучения.

https://github.com/ossu/data-science

https://habr.com/company/ods/blog/322626/ 1 и 2 тема

​​Make Your Own Neural Network (2016)
Автор: Тарик Рашид

#neuralnetwork_proglib #python_proglib #books_proglib

Предлагаем вашему вниманию одну из лучших на данный момент книг по нейронным сетям. В ней вы найдёте описание теории и практики создания нейронных сетей, что такое нейронные сети, где они применяются и как самому создать такую сеть, не имея при этом никакого опыта. Автор даёт исчерпывающий материал по основным принципам функционирования нейронных сетей, теоретическим аспектам и требуемой терминологии. Объяснения сопровождаются примерами кода на языке программирования Python из полно-функциональной нейронной сети.

Основные темы книги:
➕ нейронные сети и системы искусственного интеллекта;
➕ структура нейронных сетей;
➕ сглаживание сигналов, распространяющихся по нейронной сети, с помощью функции активации;
➕ тренировка и тестирование нейронных сетей;
➕ интерактивная среда программирования IPython;
➕ использование нейронных сетей в качестве классификаторов объектов;
➕ распознавание образов с помощью нейронных сетей.

Недостатки:
➖ встречаются ошибки в схемам и расчётах;
➖ отсутствует подробное описание вывода некоторых формул.

​​Глубокое обучение. Погружение в мир нейронных сетей (2018)
Авторы: Сергей Николенко, А. Кадурин, Екатерина Архангельская

#machinelearning #fundamental #math #books

Не так много книг по программированию выходят за авторством русских писателей. Однако в этот раз авторы постарались и написали для вас замечательное руководство по глубокому обучению, в котором разобрали основные вопросы, касающиеся этой темы. В книге много математики, теории, основ и рассуждений, охватывающих большую часть того, что касается машинного обучения. Подойдёт, в основном, новичкам, желающим подробнее разобраться в этом вопросе.

Преимущества данного материала:
➕ актуальная на данный момент информация по МО;
➕ хорошее изложение;
➕ исчерпывающие главы по тому, как обучать нейронные сети, по видам основных структур МО и их применения и многое другое;
➕ подходит новичкам.

Недостатки:
➖ листинги с кодом приведены не полностью;
➖ замечены ошибки в формулах.

11 книг по ИИ и Data Science для изучения в 2019

С революционными возможностями в области ИИ и Data Science трудно разобраться, поэтому мы предлагаем подборку лучших книг в данной области.

https://proglib.io/p/ai-and-datascience/