От студента до ТОП-менеджера в DS за 10 лет🧑‍💻

На нашем канале вышло новое видео, в котором я поделился тем:
▪️как выглядел мой путь в Data Science (работа в стартапе, крупных компаниях, работа на себя),
▪️что помогло мне построить карьеру в этом направлении,
▪️как новичку попасть на работу в крупную компанию, и что влияет на ваш успех в карьере.

Приятного просмотра⬇️

https://youtu.be/4OUyqJHuwkA?si=HNL8C4F1aT4zgi4B

Вебинар «Как заработать на хакатонах 1,5 миллиона рублей»

🗣️Спикер: Максим Шевченко, руководитель ML-отдела в Okko, ментор в AI Talent Hub ИТМО

Вебинар: 17 октября в 19:00 по мск
[ Зарегистрироваться ]

Максим расскажет:
▪️зачем участвовать в хакатонах, и как на этом заработать,
▪️как хакатоны могут помочь найти работу,
▪️где найти такие мероприятия,
▪️о своих ошибках при участии в хакатонах.

🔔Ставьте себе напоминание, чтобы не пропустить вебинар. До встречи!

Как хакатоны открывают новые возможности роста в DS🚀

За последние годы хакатоны сильно апгрейднулись, что привлекло еще больше специалистов на такие мероприятия. И вне зависимости от вашего уровня в DS, эти соревнования могут сильно повлиять на ваше дальнейшее развитие. Как именно?⬇️

▪️Практика.
Соревнуясь, специалисты отрабатывают свои хард и софт скиллы, получают новые знания и возможность поработать с новыми технологиями.

▪️Нетворкинг.
Круг единомышленников – это фактор, который сильно влияет на вашу карьеру. Попадая в окружение таких же специалистов, у вас появляется шанс завести новые знакомства и даже найти потенциальных работодателей. Кстати говоря, многие громкие проекты появились именно благодаря связям и нетворкингу.

▪️Работа в команде.
Думаю, не стоит спорить, что опыт командной работы крайне важен для дата саентиста (как и для любого другого специалиста). Могу сказать, что даже при найме человека, опыт коммуникации и работы в команде очень ценится рекрутерами.

▪️Ну и самое интересное – деньги.
Участникам хакатонов часто предлагают денежные призы и награды. Некоторые даже получают инвестиции для своего проекта.

⚡️В общем, если вы в поиске новых путей для своего карьерного развития и еще не попробовали такую активность, вы многое упускаете.

А в четверг (17.10) в 19:00 по мск мы проведем вебинар «Как заработать на хакатонах 1,5 миллиона рублей»👇
[ Зарегистрироваться ]

Максим Шевченко, руководителем ML-отдела в Okko, поделится своим опытом участия в таких мероприятиях и расскажет, как на этом заработать💰

Сколько можно заработать на хакатонах?💸

Сейчас существует множество различных хакатонов, и размер награды варьируется от масштабов, тематики и уровня сложности.

🌏На крупных международных хакатонах призовой фонд может составлять $50-500 тысяч. И награды могут быть как в виде денег, так и в виде грантов и контрактов. Например, хакатоны NASA Space Apps Challenge предлагают поездки и гранты.

🏢Корпоративные хакатоны могут предлагать до $50,000. И компании часто выдвигают предложения о трудоустройстве или контракте.

🌐Онлайн-хакатоны. Такой формат более удобный для многих, и требует меньше затрат. Но призы там соответствующие: от $1,000 до $10,000.

🎓Университетские хакатоны. Здесь можно выиграть до $5,000. И победителям могут предоставить доступ к акселератору или менторской программе.

Участие в таких мероприятиях может значительно продвинуть вас по карьерной лестнице и дать вам возможность заработать💰 А на старте вашего пути в DS это может стать отличной инвестицией в карьеру!

Вопросы к вебинару «Как заработать на хакатонах 1,5 миллиона рублей»

Напоминаем, что сегодня в 19:00 по мск пройдет вебинар, на котором руководитель ML-отдела в Okko, Максим Шевченко, расскажет, как заработать на хакатонах, и где можно найти такие мероприятия👇
[ Зарегистрироваться ]

Задавайте свои вопросы для вебинара в комментариях, Максим ответит на них на сегодняшней встрече⬇️

Матанализ в машинном обучении📄

Мы решили приоткрыть завесу тайны и поделиться с вами некоторыми материалами, которые даем на курсе «База ML», касательно математики в машинном обучении.

На youtube-канале будет выходить серия видео о том, какая математика нужна для ML, и как её использовать. Первый ролик уже на канале⬇️

▪️Зачем нужен матанализ в ML,
▪️Как используется производная в машинном обучении,
▪️Пример применения производной для построения простейшей прогнозной модели.

Приятного просмотра⬇️

https://youtu.be/2-rfH_dpHTo?si=BUmPAf6TL-AMa-Gz

Что ждет аудиторию школы MLinside в ноябре?📚

Как многие из вас знают, сейчас мы проводим первый поток курса «База ML». Кто-то из слушателей на днях сдал задание по Python и перешел к математическим пререквизитам ML, а кто-то разобрался и с математикой, и уже во всю изучает алгоритмы ML. А вот хорошая новость для тех, кто не успел присоединиться к группе в сентябре⬇️

⚡️В конце ноября мы планируем запустить второй поток! Команда MLinside уже работает над улучшением материалов и их подачи студентам. Поэтому советуем не пропускать анонсы в этом канале 🙂

☝️Но это ещё не всё! В комментариях в этом канале и на наших мероприятиях вы интересовались: «Будет ли курс про ML для бизнеса?».

🚀Итак, набор на «ML в бизнесе» будет объявлен уже во второй половине ноября! Сейчас всё больше и больше компаний нуждаются в применении машинного обучения в своих процессах. Рекомендательные системы, умное ценообразование, рисковые модели, антифрод, оптимизация инвестиций в инфраструктуру и замена сотрудников ботами - сейчас внутри всех этих сервисов работает ML. В нашем курсе будет уникальный в своем роде обзор всех этих наиболее распространненных и оправдывающих себя экономически применений машинного обучения в коммерческих компаниях. Если вы уже знакомы с базой ML - знаете стандартные задачи, с закрытыми глазами распишете, как работают линейные модели и бустинги, и понимаете, как делать оффлайн и онлайн оценку качества моделей, то самое время идти к нам на ML в бизнесе 🙂

Следите за обновлениями в канале, и будем ждать вас на грядущих программах!🤝

Онлайн-созвон с командой MLinside👥
Проводим исследование аудитории

↪️Как мы уже говорили ранее, сейчас идет активная подготовка к запуску курса «ML в бизнесе».

В DS/ML 60-70% успеха – это доменная экспертиза. Именно поэтому большинство джунов не берут на работу. Ни один руководитель на практике не будет ставить вам задачи типа «сделай мне регрессию или классификацию на этом датасете" - это слишком просто:)

На курсе мы как раз дадим вам практику работы именно в бизнесе. А также расскажем и покажем, как вы сможете помогать компаниям зарабатывать на ML💸

Эта программа отлично подойдет тем, кто:
▪️освоил базу ML и хочет дальше углубляться в машинное обучение,
▪️не имел коммерческого опыта и хочет практиковаться в применении ML на реальных кейсах,
▪️имел недостаточно опыта работы в бизнесе и чувствует нехватку экспертизы в этой сфере для дальнейшего карьерного роста.

🗣️Для того, чтобы выявить ваши ключевые потребности и понять, что вы хотите получить на курсе «ML в бизнесе», мы решили провести опрос аудитории👇

[ Проведение опроса завершено ]

У каждого участника опроса появится возможность поделиться своим опытом в ML и пообщаться с командой MLinside в формате онлайн-созвона.

Благодаря вашим ответам мы сможем улучшить наполнение курса и доработать программу, чтобы дать вам максимум знаний!

Будем рады пообщаться с каждым из вас и узнать друг друга лучше🤝

🚀 MLinside на конференции «Матемаркетинг 2024» — встречаемся 8 ноября!

Уже совсем скоро, 7 и 8 ноября, в Москве стартует «Матемаркетинг» — масштабная конференция по маркетинговой и продуктовой аналитике с более чем 120 докладами, панельными дискуссиями и экспертными сессиями! 🤯

👥 Кому стоит посетить конференцию?
• Программисты: Если вы хотите расширить свои навыки и использовать ML для более интересных задач на текущем месте работы.
• Аналитики: Если вы стремитесь к карьерному росту и хотите узнать, как ML может улучшить вашу работу.
• Менеджеры: Если вы хотите научиться правильно взаимодействовать с командами ML и управлять проектами более эффективно.

🗓️8 ноября в 15:00 в рамках секции ML в бизнесе от MLinside эксперты поделятся своим опытом и знаниями о том, как машинное обучение меняет работу различных специалистов:

• Виктор Кантор (MLinside) — расскажет о 7 главных способах внедрения ML и их экономическом эффекте.
• Даниил Родионов (МТС) — поделится фреймворком для оценки маркетинговых эффектов с помощью ML.
• Дмитрий Фролов (МТС) — обсудит оптимизацию закупки рекламы и управление ценами bid-а.
• Арина Смирнова (X5 Group) — на примере кейсов покажет, как big data и ML-таргетинг усиливают работу с клиентами.
• Радослав Нейчев (МФТИ) — разберет, как за один день создать прототип RAG и быстро оценить результаты.

📍 Адрес оффлайн-мероприятия: Москва, Раменский бульвар, 1 (Кластер Ломоносов).

✨Откройте для себя последние тренды, обменивайтесь опытом с экспертами и повышайте свою квалификацию.

🎁 А для наших подписчиков — скидка 25% по промокоду MLINSIDE

🔗 https://matemarketing.ru

📢 Совсем скоро: второй поток курса "База ML" с новыми темами и улучшенными материалами! 🔥

Мы внимательно выслушали каждого из вас, учли пожелания и проделали колоссальную работу, чтобы сделать курс "База ML" еще лучше. Первый поток еще в разгаре, но мы уже готовы представить обновленную версию курса для второго потока, наполненную новыми темами и улучшениями, которые позволят вам максимально эффективно и глубоко погрузиться в мир машинного обучения.

🔍 Что нового?

На основе ваших отзывов мы добавили новые темы и расширили материалы курса, чтобы охватить еще больше аспектов машинного обучения.

Теперь в курсе вас также ждут:

Дополнительные темы по методам ML — чтобы расширить кругозор и знать не только три самых используемых метода, но и "что вообще бывает":
🔹 Простые методы машинного обучения — познакомитесь с методом k ближайших соседей (kNN) и наивным байесовским классификатором.
🔹 Обучение без учителя (Unsupervised Learning) — познакомьтесь с задачами кластеризации, методом K-средних (K-means), иерархической кластеризацией и понижением размерности пространства признаков.
🔹 Дополнительные лекции про метод опорных векторов (SVM), использование ядер в SVM (Kernel trick), и двойственную задача в SVM (почему работает Kernel Trick и что же такое опорные векторы)

Основы нейронных сетей — подготовка перед переходом к изучению Deep Learning и хороший способ понять, что же происходит в DL в общих чертах
🔹 Основы нейронных сетей — лекции с введением в нейронные сети, обучение с помощью стохастического градиентного спуска (SGD), математическое дополнение про граф вычислений и автоматическое дифференцирование, backpropagation, а также обзор основных проблем, с которыми сталкиваются при обучении нейросетей
🔹 Практические семинары по нейросетям — включая видеоматериалы от нашего эксперта Никиты, с разбором кода обучения нейросетей внутри со всей математикой: никаких черных ящиков, все объяснено

Дополнительные видео по математике — с объяснением не только формул, но и откуда они берутся
🔹Почему градиент задает направление наискорейшего роста
🔹Как решать задачи оптимизации с дополнительными условиями
🔹Как множитель Лагранжа и теорема Куна-Таккера следует из простой геометрии, а не кучи формул

💡 Почему это важно?

Каждое изменение в курсе основано на ваших отзывах. Мы учли ваши пожелания, добавили ценные для понимания ML темы и улучшили подачу материала, чтобы сделать обучение еще более полезным и структурированным.

Если вы хотите начать карьеру в Data Science и Machine Learning или укрепить свои знания в этих областях, обновленный курс "База ML" — это идеальная возможность сделать первый шаг.

🔥Уже завтра сделаем анонс старта второго потока курса «База ML»!

Не упустите свой шанс присоединиться к курсу — следите за объявлениями в нашем канале!

💡 Учитесь у лучших! Преподаватели MLinside — практики с реальным опытом в крупнейших компаниях, готовые передать свои знания и помочь вам построить карьеру в Machine Learning.

MLinside — это школа, где вы получите не только качественный материал курса, но и поддержку от специалистов, прошедших путь от стажера до лидеров в ведущих технологических компаниях. Наши преподаватели — специалисты всех уровней, которые видят карьерный рост изнутри и понимают, какие навыки нужны для продвижения на каждом этапе.

🎓 Наши эксперты:

• Виктор Кантор — эксперт по Big Data и AI, основатель школы MLinside, ранее вице-президент по Big Data в МТС, Chief Data Scientist Яндекс.Такси и программный директор Академии больших данных MADE by Mail.Ru. Его курсы прошли сотни тысяч студентов по всему миру, и теперь ты тоже можешь учиться у него!

• Илья Ирхин — Chief Data Officer Yandex.Eats, экс-CDS Yandex.Go. Кандидат физико-математических наук, прошел путь от Junior до C-level за 8 лет. Его опыт — это не просто знания, это практика и реальный путь к успеху.

• Никита Зелинский — CDS МТС, экс-CDO Сбербанк. 14 лет коммерческого опыта в Data Science и ML. Это человек, который уже много лет работает с данными на уровне принятия ключевых решений в крупнейших корпорациях.

🔥 Наш подход отличается тем, что на курсах MLinside преподают специалисты на всех уровнях карьерной лестницы:

• Senior-эксперты дают глубокое понимание индустрии и карьеры в ML.
• Middle-специалисты понимают, как вам избежать типичных ошибок начинающих и своевременно выйти на новый уровень.
• Junior-специалисты близки к вам по карьерной позиции и понимают, какие вызовы возникают на старте пути, помогая новичкам быстрее освоить материал.

🗓 Присоединяйся к 2 потоку курса "База ML" от MLinside, который стартует 2 декабря! Не упусти шанс учиться у лучших.

👀 А в ближайшее время начнется набор на первый поток курса "ML в бизнесе"! Ожидайте подробности и объявления в нашем канале!