Еще не вступили в нашу онлайн-школу ML School Pro? Тогда скорее присоединяйся! Мы безумно рады видеть новых участников, однако детальный план обучения мы раскроем чуть позже, а пока хотели бы представить нашего первого спикера. 🔥

🟣 Владимир Агишев:

📍 Автор данного курса - знает, как объяснить сложное просто и интересно

📍 Автор предыдущего курса по машинному обучению ML School by REU Data Science Club - его подход уже оценили сотни студентов

📍 Ex Data Scientist в Сбере

📍 ML Engineer в Yandex в команде беспилотных автомобилей

📍 А также спикер на первой лекции под названием: Градиентные бустинги. Особенности и отличия Catboost, LightGBM и XGboost.

Под его чутким руководством вы научитесь их применять на реальных данных и разбираться в их тонкостях.

Готовы учиться у лучших? Тогда ждем вас на курсе!

#ML_School_Pro@reu_data_science_club

Вы готовы поприветствовать следующего спикера нашей онлайн-школы ML School Pro на второй секции? 🚀 Мы с радостью представляем вам:

🟣 Александр Иванов:

📍 NLP Engineer в СБЕР

📍 Почетный член Reu DS Club

📍 Активный участник хакатонов, в последнем LLM Coding Challenge он со своей командой занял 1 место

Несмотря на то, что Александр впервые делится знаниями в таком формате, его богатый практический опыт и внимательность к деталям помогут вам освоить моделирование временных рядов и тонкости работы с ними.

Оставайтесь на связи - у нас еще много интересного!

#ML_School_Pro@reu_data_science_club

Дорогие участники, мы продолжаем знакомить вас с нашими потрясающими экспертами из ML School Pro! 🎆 Сегодня раскрываем имя третьего спикера, который принесет вам уникальные знания из мира машинного обучения.

🟣 Петр Сокерин:

📍 Старший МЛ инженер исследователь в Сколтехе

📍 Преподаватель на ДПО-курсах по МЛ для топ-менеджмента в Российском БигТехе

📍 Автор более 5 курсов по машинному обучению

📍 Опыт работы в Яндексе, Мосбирже, Deloitte-консалтинг

Петр проведёт серию лекций по Self-supervised learning. На них вы легко освоите применение векторных представлений в классических моделях машинного обучения.🔥

Скорее присоединяйтесь, чтобы не пропустить этот интенсив!

#ML_School_Pro@reu_data_science_club

А у нас на очереди ещё один спикер нашей онлайн-школы ML School Pro! Вы готовы? 💥

🟣 Юлия Силова:

📍 Crowd Solutions Architect в Яндексе

📍 Преподаватель ШАД

📍 Автор курсов по аналитике в Hexlet

📍 Преподаватель прошлой ML School by REU DS Club

📍 Ex head REU DS Club

Юлия - семинарист третьей секции, с её помощью вы подведёте итоги в изучении Self Supervised Learning: использование векторных представлений для классических моделей, а так же закрепите материал лекции крутыми практическими заданиями.

Остались считанные часы, и нам уже не терпится начать, надеемся вы тоже заряжены💫 Следите за новостями ✨

#ML_School_Pro@reu_data_science_club

Всем привет! 👋🏻
Приглашаем вас на лекцию по теме:
✨«Как ML сделал рекламу Авито сильнее»✨

🗣️ Спикер: Владимир Давидько
🎯 DS Tech Lead в Авито
🎯 Юнит Monetization Efficiency

Вас ждёт много интересного, а именно:
🔸 Разберём реальные кейсы: запуск ранкера для рекламы, анализ результатов конкурса на ODS по рекламе.
🔸 Поговорим об особенностях ML в рекламе, об отраслевых ограничениях.
🔸 Спикер расскажет про «боли», возникающие во время работы, как команда справляется с ними и ещё будет справляться.

Так же вы подробнее узнаете про команду DS в Авито, стажировки и программы магистратуры 🔥

🗓️ Когда?
29 мая (четверг), 19:30

📍Где?
Аудитория будет указана в комментариях

🔗Ссылка на регистрацию:
👉🏻 https://forms.gle/QTPBwvbm93vcX26J7

❗️Внимание! Для гостей НЕ из РЭУ регистрация закрывается 27 мая в 23:59❗️

Не упустите возможность получить ценные знания! С нетерпением ждём вас на лекции 💫

#DSC_events@reu_data_science_club

Дорогие друзья! 💜

Мы спешим напомнить, что уже сегодня в 19:00 стартует первой блок ML school PRO на тему «Градиентные бустинги»! 🚀

🔥 В этом блоке мы разберём особенности CatBoost, LightGBM и XGBoost, научимся оптимизировать параметры и даже реализуем бустинг с нуля!

🔗Ссылка на курс на платформе Stepik: https://stepik.org/course/240191

💻 Лекции можно будет также посмотреть на платформах:
Youtube (https://www.youtube.com/channel/UC19qdYDoI6eHG1apGbaF4EA)
Rutube (https://rutube.ru/channel/42367640/)

❗️Если тебя еще нет в чате школы, скорее переходи по ссылке 👉🏻 https://news.1rj.ru/str/+jzElvsUyrJg0MmJi

#ML_School_Pro@reu_data_science_club

Всем привет! 👾
На связи Data Science Club со свежими новостями из мира IT.

🔸 FutureHouse запустил первую команду ИИ-учёных, которая выполняет научные исследования эффективнее, чем люди 🔬

Доступно четыре агента:
• Crow — универсальный агент отвечает на любые научные вопросы, генерирует гипотезы и оценивает идеи. Все это делает с необходимыми ссылками.
• Falcon — подробно анализирует научную литературу (много источников) и генерирует глубокие исследования.
• Owl — обучен на 38 миллионах исследований, отвечает на вопрос «делал ли кто-то это раньше?».
• Phoenix — проводит химические реакции, но пока в экспериментальном режиме.

🔸 Появился первый персональный ИИ-аналитик инвестиций💰

Xynth проводит глубокие исследования фондового рынка, изучая все графики, соцсети и новости. Самые успешные кейсы:

• Анализ акций Nvidia: ИИ извлёк рыночные данные за 6 месяцев, выявил ключевые факторы и представил торговые возможности.
• Поиск недооценённых акций: ИИ прошерстил соцсети, проанализировал финансовые показатели и нашёл самые перспективные стоки.
• Анализ опционов Tesla на 16 мая: ИИ провёл анализ цепочки опционов и предложил 3 потенциальных сделки.

🔸 Вышел универсальный ИИ-помощник для GitHub. 🛠

Например, если вы застряли на чём-то во время установки или наткнулись на баг — чат-бот выдаст список лучших решений. Создатели обещают, что скоро на нем можно будет генерировать наглядные диаграммы для понимания сложных кодовых баз.

🔸 Microsoft сделали своего ИИ-ассистента Copilot VS Code опенсорсным 📲

Код будет открыт на GitHub под лицензией MIT. VS Code имеет большую ценность именно как опенсорс проект, поэтому его решили вернуть в открытый доступ.

#DSC_new@reu_data_science_club

Привет, друзья!
Наши колеги сделали классный канал про поиск стажировок

Устали искать информацию о том, как найти начальную позицию, если практически везде нужен опыт работы?🤔
Что тогда делать, чтобы взлететь по карьерной лестнице?

🟨 Следить за анонсами мероприятий для студентов, стажировок, волонтерств, кейс-чемпионатов и других крутых карьерных активностей в тг-канале "Что мне делать"

🟨 Изучить каталог компаний со стажировками для студентов

🟨 Начать строить своё светлое будущее☀️

И помните: сейчас самое время начать!

🔗 Ссылка на регистрацию
👉🏻 https://forms.gle/QTPBwvbm93vcX26J7

❗️Внимание! Для гостей НЕ из РЭУ регистрация закрывается 27 мая в 23:59❗️

🗓️ Дата лекции: 29 мая (четверг), 19:30

Уважаемые участники! 💜

Сегодня в 19:00 стартует второй блок ML school PRO, в котором мы погрузимся в мир последовательных данных и работы со временем! 📊

В этом блоке мы:

🟣 Разберемся в основах временных рядов, что такое тренд, стационарность и ARIMA

🟣 Рассмотрим особенности работы с последовательными данными, как правильно разбивать на подвыборки и не переобучаться

📌 Домашнее задание: будем учиться предсказывать временные ряды — бесценный навык для реальных задач!

🔗 Ссылка на курс (Stepik): https://stepik.org/course/240191

💬 Чат школы: https://news.1rj.ru/str/+jzElvsUyrJg0MmJi

#ML_School_Pro@reu_data_science_club

Ждём вас в 101 аудитории 3 корпуса!

Приветствуем всех! 🎆Напоминаем, что сегодня в 19:00 стартует третий блок ML School Pro, который будет посвящен обучению представлений. На нем мы:

🟣 Разберем, что такое эмбеддинги и как их использовать для классификации текста и изображений в связке с Catboost

🟣 Рассмотрим основные модели для получения эмбеддингов

🟣 Научимся валидировать качество эмбеддингов

🔗 Ссылка на курс (Stepik): https://stepik.org/course/240191

💬 Чат школы: https://news.1rj.ru/str/+jzElvsUyrJg0MmJi

#ML_School_Pro@reu_data_science_club

Всем привет, на связи REU DS Club! 🐱

Лето позади — а это значит, что начинается новый, ещё более насыщенный сезон нашего сообщества. В этом году вас ждёт ещё больше:

🔶 ярких мероприятий и встреч
🔶 полезных материалов по Data Science
🔶 дайджестов событий и подборок вакансий
🔶 экскурсий в офисы топовых IT-компаний
🔶 разборов реальных тестовых заданий

Совсем скоро мы анонсируем открытую лекцию, на которой вы сможете познакомиться с командой, узнать детали и понять, когда откроется набор 🤩

❗️Чтобы ничего не пропустить, вступайте в наше сообщество, следите за новостями и включайте оповещения — мы делимся только полезной информацией!

Всем привет! 👋🏻

🔍Продолжаем нашу рубрику, в ходе которой разбираем ключевые понятия из мира Data Science. Сегодня на очереди метрика, которую вы наверняка видели в каждом втором туториале по бинарной классификации — AUC-ROC.

🔸AUC-ROC (Area Under the Receiver Operating Characteristic Curve) — это численная метрика, которая показывает, насколько хорошо модель разделяет два класса (например, «спам» / «не спам»).

Её значение равно площади под ROC-кривой — графиком, где по вертикали откладывается True Positive Rate (какую долю реально положительных объектов модель правильно определила), а по горизонтали — False Positive Rate (какую долю реально отрицательных объектов модель ошиблась и назвала положительными).

📊 Как интерпретировать результат?
- 1.0 — идеальное разделение классов;
- 0.9–0.99 — отличное;
- 0.8–0.89 — хорошее;
- 0.7–0.79 — среднее;
- 0.5–0.69 — плохое (не лучше случайного угадывания);
- < 0.5 — модель работает хуже случайности.

Ключевая особенность AUC-ROC — она не зависит от порога классификации и дисбаланса классов. Фактически, она отвечает на вопрос: «Насколько часто случайно выбранный положительный объект получает от модели более высокую оценку, чем случайно выбранный отрицательный?».

📌Используйте эту метрику, когда вам важно оценить именно качество ранжирования объектов, а не только точность при конкретном пороге.

А вы часто используете AUC-ROC в своих проектах?

#DSC_words