Начинаешь свой путь в разработку? Или ты гуру и хочешь узнать новое? Тогда тебе стоит взглянуть на @devsp
✔️Английские термины(без него никуда)
✔️Бесплатные ресурсы для получения основ различных языков программирования
✔️Ресурсы - помощники
✔️Интересны
Self-Supervised Scene De-occlusion #нейронные_сети
Эта программа вышла ещё в апреле, с помощью неё можно «разбить» изображение на объекты и «передвигать» их. По-моему наглядно показывает хороший кейс использования нейросетей, способных удалять фон с изображений — только здесь всё немного под другим «углом», ведь фон удаляется частично и только создаётся новый слой. Ну а те, кто тестировали разработку сообщают, что поражены её качеством.
Вопросы с собеседований по Data Science. #data_science_questions #data_science_career #career_guide Data Science – это область, требующая постоянного улучшения вашего набора skills. Нет необходимости утверждать что свои скилы надо прорабатывать постоянно, ну или хотя бы как можно чаще. Карьера в сфере науке о данных, требует серьезных знаний в математике, алгоритмах, программирование и т. д. Собрали для вас guide вопросов с ответами в интервью, которые задают кандидатам во время трудоустройства в Amazon, Netflix и Google. Не исключено что и в российских компаниях могут задать такие же questions.
Вопрос: Какие допущения применяются к линейной регрессии?
Ответ: Существует четыре основных допущения:
1. Есть линейная зависимость между зависимой переменной и регрессорами, то есть модель, которую вы создаете, соответствует имеющимся данным. 2. Ошибки или остатки данных обычно распределяются и независимы друг от друга. 3. Существует минимальная мультиколлинеарность между объясняющими переменными. 4. Гомоскедастичность. (Означает, что дисперсия вокруг линии регрессии одинакова для всех значений предикторной переменной).
Python для сложных задач. Наука о данных и машинное обучение Подробное руководство по самым разным вычислительным и статистическим методам, без которых немыслима любая интенсивная обработка данных, научные исследования и передовые разработки. Читатели, уже имеющие опыт программирования и желающие эффективно использовать Python в сфере Data Science, найдут в этой книге ответы на всевозможные вопросы, например: 1) как мне считать этот формат данных в мой скрипт? 2) Как преобразовать, очистить эти данные и манипулировать ими? 3) Как визуализировать данные такого типа? Как при помощи этих данных разобраться в ситуации, получить ответы на вопросы, построить статистические модели или реализовать машинное обучение?
GPT-3 Эта нейросеть от OpenAI летом впечатлила многих — она умеет очень реалистично, будто реальный человек, писать или дописывать тексты. Более подробно в этой статье, на самом деле полностью написанную нейросетью GPT-3 — тогда даже никто не заметил подвоха, что спровоцировало бурный «всплеск» новостей на тему.
Новое «детище» от OpenAI за полгода успели протестировать по достоинству — разработчики уже использовали её в генерации кода, новостей и статей, и многим понравились результаты. Можете заглянуть на этот сайт, если интересно больше примеров — там подобраны лучшие из лучших. GPT-3 стала одной из самых популярных нейросетей в 2020 году, и думаю, что заслуженно, качество генерации текста определённо завораживает! https://youtu.be/OU6Ctzhpc6s GitHub Страница проекта
MakeltTalk Один из самых забавных алгоритмов 2020 года, который умеет создавать анимацию под любую звуковую дорожку — в общем, метод похож на популярную технологию DeepFake, только «на вход» для анимации берётся не видео, а аудио.
У «MakeltTalk», над разработкой которого трудились в Азии, большой спектр использования — например, можно «оживить» розетку или рисунок, а также сделать анимацию лиц Мона Лизы и Эд Ширана.
Ни дня без строчки кода – к творенью будь готов, Программер от природы, ты спишь среди компов. Пускай глаза краснеют – но настает момент, Когда свое творенье ты презентуешь всем.
Пусть строчки льются ладно из клавиш под рукой, И пусть твои программы забудут слово «сбой», Достойная оплата пусть ждет тебя всегда, Печали пусть разгонит любимая твоя.
Python и анализ данных Книгу можно рассматривать как современное практическое введение в разработку научных приложений на Python, ориентированных на обработку данных. Описаны те части языка Python и библиотеки для него, которые необходимы для эффективного решения широкого круга аналитических задач: интерактивная оболочка IPython, библиотеки NumPy и pandas, библиотека для визуализации данных matplotlib и др. Издание идеально подойдет как аналитикам, только начинающим осваивать обработку данных, так и опытным программистам на Python, еще не знакомым с научными приложениями.
Polars: быстрая альтернатива Pandas для обработки датасетов Polars — это открытая библиотека для обработки массивов данных на Python. По скорости работы библиотека обходит самый популярный инструмент для работы с данными, — Pandas. Кроме того, библиотека более эффективно работает с памятью при обработке массивов. Polars написана на Rust.
Данные, инструменты для них и немного математики в канале Data_Science_News от кандидата физико-математических наук и выпускника программы MIT MicroMasters Андрея Степнова.
В одном месте собраны крутые материалы по статистике, актуальные научные работы из мира машинного обучения, инструменты Data Science.
Вопросы с собеседований по Data Science. #data_science_questions #data_science_career #career_guide Data Science – это область, требующая постоянного улучшения вашего набора skills. Нет необходимости утверждать что свои скилы надо прорабатывать постоянно, ну или хотя бы как можно чаще. Карьера в сфере науке о данных, требует серьезных знаний в математике, алгоритмах, программирование и т. д. Собрали для вас guide вопросов с ответами в интервью, которые задают кандидатам во время трудоустройства в Amazon, Netflix и Google. Не исключено что и в российских компаниях могут задать такие же questions.
Вопрос: Что такое линейная регрессия? Что означают P-значение, коэффициент, R-квадрат? Каково значение каждого из этих компонентов?
Алгоритмы для начинающих. Теория и практика для разработчика Алгоритмы правят миром! Эта книга в простой и наглядной форме дает ответы на целый ряд важнейших для начинающего программиста вопросов, начиная с «Что лежит в основе всех современных языков программирования и по каким принципам они строятся и работают?» и заканчивая «Есть ли способ овладеть всеми языками программирования сразу?».
Новый алгоритм DeepMind самостоятельно освоил игры Atari Разработчики DeepMind представили MuZero — алгоритм, который может справиться с любой игрой, не зная правил на начальном этапе. Вместо построения модели игровой среды MuZero использует информацию о текущем и предыдущем шаге, а также о возможном исходе одного из следующих шагов, в результате чего обучается играть самостоятельно. Алгоритм научили играть не только в классические для алгоритмов DeepMind го, сёги и шахматы, на также 57 игр для приставки Atari, включая Ms. Pac-Man. Статья опубликована в журнале Nature.
Такого понятия не существует - 5 👍👍 11% Обобщенный вид графа, в котором вершины могут быть инцидентными, не соединяясь при этом ребром - 3 👍👍 7% Обобщенный вид графа, который содержит одновременно ориентированные и неориентированные ребра - 6 👍👍 13% Обобщенный вид графа, в котором каждым ребром могут соединяться не только две вершины, но и любые подмножества вершин - 32 👍👍👍👍👍👍👍👍 70% 👥 46 человек уже проголосовало.
Для отслеживания самых заметных мероприятий посвященных Big Data, Machine Learning, Data Science, Data Engineering, BI/DWH и другим направлениям, связанным с обработкой данных, рекомендую подписаться на канал "Data online events & Moscow meetups"
Вопросы с собеседований по Data Science. #data_science_questions #data_science_career #career_guide Data Science – это область, требующая постоянного улучшения вашего набора skills. Нет необходимости утверждать что свои скилы надо прорабатывать постоянно, ну или хотя бы как можно чаще. Карьера в сфере науке о данных, требует серьезных знаний в математике, алгоритмах, программирование и т. д. Собрали для вас guide вопросов с ответами в интервью, которые задают кандидатам во время трудоустройства в Amazon, Netflix и Google. Не исключено что и в российских компаниях могут задать такие же questions.
Вопрос: В чем разница между ошибками типа I и типа II?