Мы начинаем 🏁

🔥Спасибо каждому, кто был на разборах! 2 часа ответов на вопросы!

Напишите под данным постом, понравился ли вам формат, что можно в нем улучшить и делать ли переодически такие же разборы?

Стоит ли учиться на Data Scientist в 2024 году?🤔
Вся правда об этом популярном направлении: плюсы и минусы профессии.

Именно об этом я рассказал в новом ролике на нашем youtube-канале.

Буду рад, если это видео будет вам полезно, и вы дадите свой отклик в комментариях:)
Приятного просмотра👇

https://youtu.be/v6koyrcVSiM?si=lmLSEsjUx8C5jriN

P.S. запись вчерашних разборов будет доступна завтра.

Первый онлайн-вебинар: о школе MLinside и старте курса «База ML»

Как стать востребованным ML-специалистом? Как будет выглядеть карьерный трек, и какие перспективы ждут вас в области Machine Learning?

Об этом мы поговорим на открытом онлайн-вебинаре 28 августа в 20:00 по мск⏰

Также на вебинаре мы откроем запись на базовый курс ML и ответим на все ваши вопросы по поводу обучения!
P.S. для участников вебинара мы приготовили специальные условия поступления на программу🎁

Ждем тебя, если ты:
▪️работаешь в смежных с ML отраслях и хочешь полностью перейти в машинное обучение, так как видишь перспективы и испытываешь большой интерес к профессии ML-специалиста,
▪️новичок в машинном обучении, и хочешь изучить базу или закрепить имеющиеся знания для дальнейшего поиска работы,
▪️программист, инженер, аналитик, разработчик, проджект/продакт-менеджер или маркетолог, и хочешь изучить ML, чтобы применять эти знания в своих текущих и будущих проектах,
▪️работаешь в проектах с ML-командой и хочешь лучше разбираться в этом направлении, чтобы повысить свою эффективность и общаться с коллегами на одном языке.

Если вы готовы расти и полны мотивации работать в направлении ML, регистрируйтесь на вебинар👇

[ Зарегистрироваться на вебинар ]

Всей актуальной информацией о вебинаре мы поделимся в этом канале🙂

Вебинар-презентация курса “База ML”. Разберем кейсы применения машинного обучения 📈

Уже в эту среду 28.08 в 20:00 по мск.

Зарегистрироваться на мероприятие можно здесь👇

[ Стать участником вебинара ]

Доступ к анкете предзаписи закроется 28.08 в 19:00 по мск❗️

На вебинаре мы расскажем, что такое ML, как и с чего начать погружение в это направление, а главное – зачем это делать будучи как новичком, так и твердым специалистом в программировании, аналитике, проджект/продакт-менеджменте и даже маркетинге.

☝️А также на вебинаре мы проведем Q&A-сессию, где я отвечу на все ваши вопросы.
Поэтому в комментариях вы уже можете поделиться вашими вопросами касательно направления ML и профессии ML-специалиста⬇️

Мы начинаем наш первый онлайн-вебинар!🚀

Для тех, кто не успел зарегистрироваться, оставляю ссылку на доступ к вебинару👇

[ Смотреть вебинар ]

Через полчаса начинается повтор вчерашнего вебинара
Тот, кто не успел вчера присоединиться,👇

[ регистрируйтесь и подключайтесь ]

На вебинаре вас ждут:
◾️интересные кейсы применения ML в бизнесе
◾️скидки на курс
◾️бонус - список материалов для изучения ML

Мы открываем запись на курс «База ML»🚀

База ML – это база для тех, кто хочет полностью перейти в ML или применять ML-модели у себя в проектах.

🚩Старт первого потока: 18 сентября!

По этой ссылке вы сможете подробно ознакомиться с форматом курса и программой обучения👇

http://mlinside.ru

Мы ждем тебя на курсе, если ты:
▪️работаешь в смежной с ML сфере и хочешь полностью перейти в это направление,
▪️новичок в машинном обучении и планируешь начать карьеру ML-специалиста,
▪️аналитик, разработчик и хочешь применять ML в текущих проектах,
▪️работаешь с ML-командой и хочешь научиться грамотно давать задачи коллегам, оценивать сроки и результаты работы.

После прохождения курса вы:
▫️научитесь строить ML-модели на Python, изучите основы машинного обучения, познакомитесь с ключевыми алгоритмами,
▫️научитесь самостоятельно оценивать качество и результат построенных моделей,
▫️получите навыки, необходимые для прохождения собеседований в ML-секции для начинающих специалистов,
▫️повысите свою ценность и востребованность на рынке труда,
▫️откроете перспективы финансового и профессионального роста.

💰Способы оплаты: карты РФ, иностранные карты.
Также есть возможность оформить рассрочку, на тот период, который вам удобен.

❗️На потоке всего 50 мест (осталось менее 20).

Если вы готовы развиваться и расти в ML, переходите по ссылке и бронируйте себе место на курсе «База ML»⬇️

http://mlinside.ru

Если есть вопросы, пишите: @ml_inside_manager

Какая математика нужна в DS/ML и зачем?🔢

Уже несколько дней к нам активно записываются студенты на первый поток программы «База ML». И многих беспокоит вопрос касательно необходимой математической базы для изучения машинного обучения.

🎥 В новом ролике на YouTube я прошелся по всем уровням математики (от школьной алгебры и геометрии до продвинутой статистики) и рассказал, для чего нужен каждый из предметов.

☝️После просмотра этого видео вы сможете понять, какие знания стоит освежить на старте изучение ML, и прийти на обучение на 100% подготовленными📖

Как перейти в Data Science, если вы уже варитесь в IT?🤔

👨‍💻Многие из моих читателей n-ное количество времени уже являются специалистами в сфере IT. И у некоторых появляется желание перейти в направление Data Science. Для кого-то это способ продвинуться по карьерной лестнице и претендовать на повышение зарплаты и грейда. А для кого-то это просто возможность увеличить уровень своих знаний и погрузиться в интересную сферу.

📈В любом случае, переход в Data Science – это отличный вариант расширить поле потенциальных проектов, в которых вы сможете работать. И большим плюсом является наличие у вас базовых навыков IT-специалиста, которые несомненно помогут вам сделать этот переход. А я, в свою очередь, хочу дать вам несколько советов, которые помогут облегчить этот путь👇

1️⃣ Оцените свои текущие знания и изучите/повторите всё необходимое. Три самых базовых навыка специалиста, который собирается переходить в Data Science:
▪️знание Python,
▪️необходимая математическая база (производные, градиент функции, матрицы, их перемножение, матожидание и дисперсия),
▪️знание SQL.

Это необходимый фундамент знаний для любого дата саентиста, без которого вы просто не сможете углубиться в профессию.

2️⃣ Затем приступайте к изучению классического ML. Начните изучать алгоритмы машинного обучения, такие как линейные и логистические регрессии, деревья решений, случайный лес. Затем приступайте к изучению оценки качества ML-моделей на исторических данных и «в продакшене».

Для получения этих и других навыков вы можете пройти обучение, которое даст вам структурированные знания и более ясное представление о профессии.

3️⃣ Применяйте свои знания на практике. Будет здорово, если у вас получится сделать это на текущем месте работы. Если такой возможности нет, попробуйте поучаствовать в соревнованиях по анализу данных, например, на Kaggle.

4️⃣ Собеседуйтесь как можно больше. Этот опыт даст вам понимание того, какие требования выдвигаются к дата саентистам, как эффективнее подготовиться к следующему собеседованию, и какие навыки и знания вам стоит подтянуть, чтобы успешно трудоустроиться.

☝️Конечно, на словах всё это выглядит намного проще. Смена профессии – это большой шаг, который скорее всего заставит вас выйти из зоны комфорта, столкнуться с чем-то новым и неизвестным. И я не могу пообещать, что этот переход будет легким и незаметным. Но понимание последующих шагов помогает увидеть, от чего и к чему вы идете. А постепенное приближение к своей цели даст вам мотивацию. И в конце концов вы придете к желаемому результату.

Зачем разработчику надо знать ML?👨‍💻

Начну с того, что был у меня в практике случай, когда моим руководителем по структуре должен был быть технический директор. И когда он меня нанимал, аккуратно мне признался, что ничего не знает про машинное обучение. Это было много лет назад, и сейчас такие высказывания от крутого специалиста вызывают сильное смущение, потому что сейчас есть намного больше продуктов, где используется машинное обучение.

↪️Один из популярных примеров применения ML – рекомендательные системы современных маркетплейсов. Так вот, в одном из таких сервисов в течение года работали рекомендации, ими пользовались люди. А спустя год выяснилось, что, разработчики, которые внедряли рекомендации, отсортировали товары не по релевантности, а по идентификаторам товара, потому что не понимали, что перед ними, и как это работает. А дата саентисты не удосужились проверить и объяснить разработчикам принцип работы. Конечно, это превратило персональные рекомендации в полный рандом. И чтобы таких ситуаций не случалось, разработчикам нужно на базовом уровне понимать, как работает машинное обучение.

🤔Часто дата инженеры, бэкенд/фронтэнд-разработчики сталкиваются с задачами, связанными с обработкой больших объемов данных, предсказанием событий, классификацией объектов, построением рекомендательных систем. Здесь применение машинного обучения значительно повысит эффективность разработки программных продуктов и даст новые возможности анализа информации.

💰Безусловно, знание ML позволит вам, как разработчикам, открыть новые перспективы карьерного роста как в вертикальном, так и в горизонтальном направлении. В первом случае расширение экспертизы может стать преимуществом, если вы претендуете на повышение грейда и зарплаты. Горизонтальный рост предполагает возможность перехода между различными областями. Например, от чистого программирования к работе с большими данными, к участию в исследовательских проектах и разработке интеллектуальных систем. В обоих случаях, глубокие знания в ML делают разработчика более конкурентоспособным на рынке, повышая его ценность для компании.

☝️Кстати говоря, будучи разработчиком, вы имеете преимущество перед теми, кто только погружается в мир IT и machine learning, так как код писать вы уже умеете. Нужно лишь освежить в памяти знания математики и понять, как работают модели ML. А это, как раз, ровно то, что поможет сделать наш курс машинного обучения «База ML».