Дайджест по Python:

🐍 Простая нейронная сеть без библиотек и матриц. Обучение с учителем
Автор простым языком описывает свой опыт создания нейросети.

🐍 Гиперпараметрический поиск и оптимизация моделей
При создании моделей машинного обучения существует одна важная составляющая, которая часто остается за кадром, но имеет решающее значение для достижения высокой производительности и точности — это гиперпараметры.

🐍 Как дообучить LLaMA бесплатно и без программирования: как создать тупого друга
В статье показано, как дообучить нейросеть на своих личных диалогах, чтобы создать виртуальную копию чьей-либо личности.

🐍 15+ небанальных ресурсов для начинающего/продолжающего Python-разработчика
Ссылки на не самые известные ресурсы, но довольно полезные.

🐍 Основы парсинга на Python: от Requests до Selenium
Как парсить данные веб-сайтов с помощью Python? Пособие подойдет новичкам и продолжающим

💰 Обзор зарплат: сколько сейчас зарабатывают айтишники

В этой статье обсуждаем самую животрепещущую тему — зарплату. Присоединяйтесь :)

🔗 Читать статью
🔗 Зеркало

Какие ошибки разработчики допускают во время интервью?

Вероятность трудоустройства зависит далеко не только от ваших хардовых скилов, но и от вашего умения правильно продемонстрировать свои навыки на собеседовании.

Дада, действительно нужно тренироваться проходить собеседования🙃

Итак, главные ошибки, которые отмечают HR на собеседованиях с разработчиками.

Ошибка 1. Решать задачу молча и с наскока

Не задав уточняющие вопросы, можно упустить важные детали. Поэтому рекомендуем:

– Внимательно прочитать условие задачи несколько раз

– Обдумать возможные ограничения и допущения

– Задать уточняющие вопросы ревьюеру, о возможных подводных камнях

– Проговорить вслух как вы планируете решать задачу

Ошибка 2. Не проверять валидность кода

Отсутствие самопроверки сразу демонстрирует вашу неаккуратность

Чтобы избежать этой ошибки, советуем:

– Всегда тестируйте ваш код, используя разнообразные данные

– Отлаживайте код перед финальной сдачей. Массив данных можно придумать самостоятельно

Продолжение завтра!

🔥Эфир начался, присоединяйтесь – https://www.youtube.com/watch?v=Uqp-pzGMjlU

💬 А что это вообще такое — быть программистом? 

Герой и автор статьи, выпускник ВМК МГУ, сеньор Python-разработчик с более чем 10-летним стажем, решил порассуждать на эту тему со своей колокольни. В статье очень много полезных мыслей для тех, кто вообще об этом задумывается. Но самое ценное сосредоточено здесь👇 

📌 Нужно ли быть умным, чтобы программировать? Не нужно всё знать, чтобы нормально жить. А вот быть упорным — обязательно. Выбейте себе на руке татуху stubborn и смотрите на неё постоянно до просветления.

📌 Вот ещё несколько советов для тех, кто не мегамозг:

🔹Если ничего не получается, то бросьте всё нафиг, поспите, и завтра утром всё получится. 
🔹Если непонятно, что делает код, то разбейте его на небольшие функции и дайте функциям и переменным нормальные названия.
🔹Работайте в команде более опытных людей или найдите ментора — очень важно, чтобы кто-нибудь говорил вам, насколько ваш код ужасен, иначе вы будете жить годы в пузыре собственного невежества и думать, что всё норм.

Коллеги, а как у вас чаще всего происходит в компании?

Цикломатическая сложность

Цикломатическая сложность (Cyclomatic Complexity) — это метрика, используемая для оценки сложности кода на основе количества путей выполнения в программе. Эта метрика была предложена Томасом МакКейбом в 1976 году и обычно используется для определения того, насколько сложно будет тестирование и сопровождение данного кода.

Целью расчета цикломатической сложности является выявление потенциально сложных участков кода, которые могут быть трудными для понимания, тестирования и поддержки. Более высокая цифра цикломатической сложности обычно указывает на большую сложность кода.
#код

Что такое оверфиттинг (переобучение)?

Когда ваша модель очень хорошо работает на вашем тренировочном наборе, но не может обобщить тестовый набор, потому что она сильно адаптирована к тренировочному набору.

#вопросы_с_собеседований

💼🚫 Устроился на работу, но она разонравилась: 8 советов, что делать

Несколько советов, как адаптироваться и понять, стоит ли оставаться или лучше уволиться.

🔗 Читать статью
🔗 Зеркало

Обсуждаем динамическое программирование, присоединяйтесь – https://www.youtube.com/watch?v=DT2UpJY2rlE

Подошел к концу месяц, посвященный алгоритмам!

Очень рады были получить много хороших отзывов, спасибо❤️ Ожидайте новых анонсов наших бесплатных мероприятий!

Ловите записи всех трех вебинаров августа 🙌🏻

🔹  NP-трудные задачи: почему их плохо решают

🔹 Графы: алгоритмы и структуры данных на Python

🔹 Собеседование на разработчика: разбор задач и ошибок

Если вы бы хотели вебинар на какую-то конкретную тему, пишите в комментариях)

Вчера на вебинаре мы пропустили вопрос "привязан ли ваш курс к какому-то языку программирования?"

Отвечаем

В уроках почти все примеры кода дублируются на двух языках программирования C++ и Python.

Но решения задач принимаются на любом из объектно-ориентированных языков программирования: Python, Java, PHP, C++, JavaScript, C#

На скриншоте показали, как это выглядит на образовательной платформе.

Ну что, коллеги, сегодня последний день лета получается

Вроде школу все давно закончили, а какой-то трепет перед первым сентябрем остается🫣

Если у вас тоже появляется желание пошевелить извилинами, узнать что-то новое с приходом осени, начните с демо-версии какого-нибудь курса.

Математика для Data Science

Алгоритмы и структуры данных

Вдруг затянет и вы захотите каждый день после 8 часового рабочего дня еще часик слушать лекции от преподавателей МГУ, а потом выполнять домашки! Ну красота же просто😍

🧮 Большие языковые модели: стоит ли бояться больших калькуляторов?

Разберём, можно ли считать большие языковые модели разумными (и почему ответ — нет).

Читать статью

🤖Развитие AI. От первой публикации до реализации

История ИИ началась с публикации работы «Вычислительные машины и разум» Алана Тьюринга в 1950 году. Эта работа положила начало фундаментальным исследованиям в области ИИ.

В 1951 году появилась первая нейронная сеть SNARC, которая симулировала работу 40 нейронов. Это был важный шаг в развитии нейросетей и машинного обучения.

Прототип современных графических процессоров (GPU) был разработан в 1981 году, и именно GPU сегодня широко используются для обучения глубоких нейронных сетей.

В 1989 году впервые использовали нейронную сеть для распознавания рукописного текста. Это открытие открыло двери для множества приложений машинного обучения в реальном мире.

Более подробно о развитии искусственного интеллекта можно почитать в статье «The history of artificial intelligence: Complete AI timeline»

А если вас интересует история машинного обучения, то в статье «A (Brief) History of Machine Learning»

🔍🤖 40 сервисов на базе AI, которые помогут найти работу в 2023 году

Как составить резюме, оптимизировать сопроводительное письмо и найти вакансию в 2023 году? Использовать сервисы на основе искусственного интеллекта. Какие именно — рассказываем в этой статье.

🔗 Читать статью
🔗 Зеркало

В чем разница между машинным обучением с учителем и без учителя?

Для обучения с учителем требуются данные, помеченные для обучения. Например, чтобы провести классификацию (задача обучения с учителем), вам нужно сначала пометить данные, которые вы будете использовать для обучения модели, для классификации данных по помеченным группам; в то же время обучение без учителя не требует явной маркировки

#вопросы_с_собеседований