Forwarded from Valeriy
YouTube
Финансовое моделирование - от базового к продвинутому
В этом видео генеральный директор и основатель SF Education Александр Вальцев покрывает ряд вопросов в теме финансового моделирования, которые беспокоят новичков.
Содержание:
- Начало (00:00)
- Отличия базовой финансовой модели от продвинутой (00:54)
-…
Содержание:
- Начало (00:00)
- Отличия базовой финансовой модели от продвинутой (00:54)
-…
Forwarded from Nikita
BIWS посмотрите, по-моему, прекрасный курс для финмоделирования. На просторах можно найти бесплатно, на авито за маленькие деньги.
Forwarded from Кирилл
Вот хороший канал, там без жуткого акцента читает, но правда не так систематизированно https://m.youtube.com/user/financialmodeling
Forwarded from Pavel Pikulev
1) готовьтесь
2) учите материал, а не до посинения решайте мок экзамс
3) Швейзер лучше родных материалов
4) лучше заранее по-графику, чем пытаться впихнуть в себя весь материал в последний момент.
5) знания полученные во-время учебы для карьеры важнее самого сертификата
6) наличие сертификата для карьеры важно как sign of commitment а не само по себе
2) учите материал, а не до посинения решайте мок экзамс
3) Швейзер лучше родных материалов
4) лучше заранее по-графику, чем пытаться впихнуть в себя весь материал в последний момент.
5) знания полученные во-время учебы для карьеры важнее самого сертификата
6) наличие сертификата для карьеры важно как sign of commitment а не само по себе
Forwarded from Варим МЛ
Есть у меня традиция - писать посты в Сапсане по пути в Москву. Сегодня поговорим о моём любимом инструменте всех времён и народов - ClearML.
#Жека #mlops
#Жека #mlops
Telegraph
ClearML
Первая ML-платформа для трекинга экспериментов, которую мне довелось использовать в проде - это MLFlow. В далёком 2018 мне это показалось чудом - это что же, теперь не надо заносить результаты обучения в Эксель-табличку?? Душа, однако, всегда требует перемен…
Forwarded from Чат канала Тимлид Очевидность
Для не тимлидов я как-то писал статейку года 2-3 назад https://habr.com/ru/post/470227/
В конкретно этом круглом столе мы постарались сделать так, чтобы именно руководителям было полезно
В конкретно этом круглом столе мы постарались сделать так, чтобы именно руководителям было полезно
Хабр
Как собеседовать работодателя?
У программистов обычно принято обсуждать собеседования с точки зрения (около)технических вопросов, которые им задает интервьювер. Надо ли писать код на доске? Надо ли жонглировать бинарными...
Forwarded from Тимлид Очевидность | Евгений Антонов
Как тимлиду собеседовать работодателя
Не так давно мне довелось поучаствовать в круглом столе на тему того, что тимлид должен уточнить у своего будущего работодателя, чтобы принять решение о трудоустройстве.
Я считаю эту тему очень важной и нужной. Причем и для самого тимлида, и для компании.
Если хорошо подготовиться, то можно довольно неплохо понять, насколько вы подходите друг другу. Можно избежать неприятных сюрпризов, когда вы устроились и думали, что будете делать одно, а от вас требуют другое. Можно обговорить свои интересы и сделать так, чтобы у работодателя не было каких-то неактуальных ложных ожиданий от вас.
Делюсь с вами ссылкой и надеюсь, что она вам когда-нибудь сможет помочь🤝
https://www.youtube.com/watch?v=p1wXMci7L2Q
Не так давно мне довелось поучаствовать в круглом столе на тему того, что тимлид должен уточнить у своего будущего работодателя, чтобы принять решение о трудоустройстве.
Я считаю эту тему очень важной и нужной. Причем и для самого тимлида, и для компании.
Если хорошо подготовиться, то можно довольно неплохо понять, насколько вы подходите друг другу. Можно избежать неприятных сюрпризов, когда вы устроились и думали, что будете делать одно, а от вас требуют другое. Можно обговорить свои интересы и сделать так, чтобы у работодателя не было каких-то неактуальных ложных ожиданий от вас.
Делюсь с вами ссылкой и надеюсь, что она вам когда-нибудь сможет помочь🤝
https://www.youtube.com/watch?v=p1wXMci7L2Q
YouTube
Круглый стол: Как тимлиду собеседовать работодателя — Чеклист / Е. Антонов, Т. Аква, Е. Кателла
Как тимлиду выбрать компанию?
При выборе компании существует много дополнительных критериев, помимо денег. Пусть и работаем мы за деньги, но при этом хочется трудиться в комфортной и адекватной обстановке.
Мы собираем брейншторм - как проводить скрининг…
При выборе компании существует много дополнительных критериев, помимо денег. Пусть и работаем мы за деньги, но при этом хочется трудиться в комфортной и адекватной обстановке.
Мы собираем брейншторм - как проводить скрининг…
Forwarded from Data Science Private Sharing
#Tip30 #Train
В отличии от других бустингов в LGBM деревья растут асимметрично (по листьям). В то время как в CatBoost и XGBoost рост происходит по уровням. И это декларируется разработчиками LGBM как одно из основных преимуществ.
И тут закралась ловушка: если вы ограничите глубину дерева в LGBM (а для бустингов рекомендуются не глубокие деревья), то вы по сути превратите его в симметричное урезанное дерево!
Именно поэтому по умолчанию в LGBM глубина деревьев (max_depth) = -1 (что значит - бесконечная), а в CatBoost и XGBoost глубина = 6.
Но бесконечно расти тоже не вариант - так мы просто запомним все данные. Поэтому, чтобы ограничить глубину деревьев используйте такие параметры как:
num_leaves — максимальное количество листьев в одном дереве
min_data_in_leaf — минимальное количество данных в одном листе
min_data_in_bin — минимальное количество данных внутри одного бина
min_data_per_group — минимальное количество данных на одно значение категориальной фичи
min_gain_to_split — минимальный прирост, которое дает разделение
min_sum_hessian_in_leaf — минимальная сумма гессиана в одном листе
Считается, что асимметричные деревья более склонны к переобучению, особенно на маленьких датасетах. В этом случае рекомендуется задействовать max_depth. Также стоит использовать max_depth на очень больших датасетах - иначе модель будет слишком долго учиться.
З.Ы. Недавно поведение аналогичное LGBM и XGBoost реализовали в катбусте.
В отличии от других бустингов в LGBM деревья растут асимметрично (по листьям). В то время как в CatBoost и XGBoost рост происходит по уровням. И это декларируется разработчиками LGBM как одно из основных преимуществ.
И тут закралась ловушка: если вы ограничите глубину дерева в LGBM (а для бустингов рекомендуются не глубокие деревья), то вы по сути превратите его в симметричное урезанное дерево!
Именно поэтому по умолчанию в LGBM глубина деревьев (max_depth) = -1 (что значит - бесконечная), а в CatBoost и XGBoost глубина = 6.
Но бесконечно расти тоже не вариант - так мы просто запомним все данные. Поэтому, чтобы ограничить глубину деревьев используйте такие параметры как:
num_leaves — максимальное количество листьев в одном дереве
min_data_in_leaf — минимальное количество данных в одном листе
min_data_in_bin — минимальное количество данных внутри одного бина
min_data_per_group — минимальное количество данных на одно значение категориальной фичи
min_gain_to_split — минимальный прирост, которое дает разделение
min_sum_hessian_in_leaf — минимальная сумма гессиана в одном листе
Считается, что асимметричные деревья более склонны к переобучению, особенно на маленьких датасетах. В этом случае рекомендуется задействовать max_depth. Также стоит использовать max_depth на очень больших датасетах - иначе модель будет слишком долго учиться.
З.Ы. Недавно поведение аналогичное LGBM и XGBoost реализовали в катбусте.