Три лекции Константина Воронцова про data science?

Три лекции Константина Воронцова про data science?

Константин Воронцов — доктор физ.-мат. наук, профессор РАН и базовой кафедры Яндекса на ФКН. Студентам Школы анализа данных, Вышки и других институтов Константин много лет преподаёт основы машинного обучения — в ШАДе его курс проходят большинство студентов.

Наши подборки часто начинаются с лекций, которые подготовлены крупными экспертами, но прочитаны простым языком — чтобы разобраться могли даже те, кто не имеет отношения к математике. Сделаем так и в этот раз. Лекция в Институте проблем управления, по утверждению самого Константина, получилась скорее мотивирующей, чем научной. Она мотивирует узнать больше про ML, понять, что это давно уже не фантастика и сильно влияет на нашу жизнь. Вы познакомитесь с методами ML, узнаете о решаемых проблемах с данных, метриках успеха и технологиях, которые дополнят сферу ML завтра.

На конференции Data Fest, где была прочитана эта лекция, в одно время с ней проходило ещё несколько активностей — посетители могли выбрать, в какой зал пойти. Но читать доклады параллельно с Константином Воронцовым — всегда чуть-чуть неблагодарное занятие: часть зрителей в любом случае «убегут» к Константину. Вот и лекция о разведочном поиске была очень популярна.

Технологии поиска сделали научные знания доступнее. Их стало легче найти, но это не значит, что в них стало легче разобраться. Поиск переднего края науки по интересующей вас теме по-прежнему требует массы времени и высокой квалификации. Часто найти этот передний край можно только путём личного общения. Поисковые системы следующего поколения продолжат устранять барьеры между человеком и знанием, автоматизируя процессы систематизации и усвоения информации. В докладе Константин рассмотрел методы и технологии анализа текстов, лежащие в основе тематического разведочного поиска.

И напоследок — первая лекция уже упомянутого курса Константина в ШАДе. Она вновь изложена в меру простым языком, но тут уже пригодятся знания математики. Вы узнаете о том, как формулировать ML-задачи, о четырёх типах задач (классификация, регрессия, прогнозирование, кластеризация) и о других основных понятиях в ML (объекты, фичи, модели и т. д.).

https://ya.cc/t/cShtCfNxATJB7

Есть несколько способов продолжить изучение после лекции:

— Переходите ко второй части: https://ya.cc/t/bvXXlJdQATJC6.

— Или присоединяйтесь к большому курсу на Coursera с домашними заданиями: https://www.coursera.org/learn/vvedenie-mashinnoe-obuchenie. Этот курс тоже читает Константин.

Источник: www.coursera.org

Комментарии: