🤖 Как устроены современные рекомендательные системы? Сегодня мы глубоко погрузимся в особенности работы алгоритмов искусственного интеллекта, на которых построили бизнес Facebook, Google и другие ИТ-гиганты. Внимание: статья рассчитана на специалистов. 3 Обсудить 4
👨🎓️ 5 простых шагов: как подготовиться к поступлению в «Школу анализа данных»? Поступить и учиться в ШАД от Яндекс – мечта многих начинающих специалистов по Data Science. Рассказываем, как это можно сделать, пройдя пять простых шагов. 4 Обсудить 5
📊 Обучение на Data Scientist: стоит ли игра свеч? Чтобы стать специалистом по Data Science, требуется приложить много усилий, поэтому мы подготовили для вас небольшой обзор рынка труда и способов сменить профессию. 4 Обсудить 7
🎲 Зачем в науке о данных нужны теория вероятностей и статистика Завершает наш небольшой цикл обзор методов и понятий теории вероятностей и статистики, используемых в машинном обучении и науке о данных. 3 Обсудить 5
∀ Как линейная алгебра используется в машинном обучении? Математика по праву считается царицей наук, без которой немыслимы все современные компьютерные дисциплины. Рассказываем о самых популярных приложениях линейной алгебры в машинном обучении. 5 Обсудить 6
📈 Для чего нужен математический анализ в машинном обучении Математика – одна из основ науки о данных. Сегодня мы разберемся, как методы математического анализа используются в машинном обучении и зачем их осваивать будущему Data Scientist. 7 Обсудить 7
🤖 Четыре научные статьи о глубоком обучении, которые стоит прочитать в феврале 2021 Предлагаем вашему вниманию дайджест лучших новых статей по машинному обучению, которые нужно обязательно прочитать, если вы всерьез интересуетесь этой областью. 3 Обсудить 7
📊 Коллекция продвинутой визуализации в Matplotlib и Seaborn с примерами Мы уже рассматривали графические библиотеки Python. Продолжая тему, разберем продвинутые методы визуализации с помощью Matplotlib и Seaborn. 3 Обсудить 5
📊 Ваша повседневная шпаргалка по Matplotlib Предлагаем вашему вниманию полное руководство по визуализации на Python. В переводе также были исправлены допущенные автором оригинальной статьи ошибки в коде. 4 Обсудить 11
📚 С чего начиналась наука о данных: история в лицах и ключевых работах Через ключевые научные работы и их авторов попробуем разобраться, с чего начиналась история Data Science и как новая наука формировалась в течение десятилетий. Начнем отсчет с докомпьютерной эры. 4 Обсудить 3