Большие данные (big data)

Презентация — мощный инструмент для визуализации и структурирования публичного выступления. Слушатели лучше усваивают информацию, когда она подкрепляется наглядно.

Если вы владелец ресторана, то большие данные для вас важнее, чем когда-либо. Вот несколько важных показателей, которые должен измерять каждый ресторан.

Промо-коды часто ищут покупатели, впервые приобретающие новые товары, и бренды должны определить, как и когда использовать промо-коды таким образом, чтобы это было наиболее эффективно для их маркетинговых стратегий потребителей.

Как зарождались первые вакансии в DS? Зачем нужно понимание теории в машинном обучении? Как некоторые курсы играют на том, что создают впечатление обучения? Что ждёт аналитику и глубокое обучение в будущем?
Эти и многие другие вопросы обсудили в интервью с Александром Дьяконовым!

АФП билайна способна обрабатывать порядка 5 тыс. запросов в секунду и 150 млн в сутки. При этом количество блокированных вызовов в сутки составляет около 4,8 млн, а на обработку одного вызова уходит не более 50 мс.

Данная статья является переводом. Ссылка на оригинал.

1. Data Scientist вряд ли будет использовать глубокое обучение в своей работе

Привет!

Большая часть разговоров про аналитику крутится вокруг двух крайностей. Это или разговоры про дашборды и красивую визуализацию, или рассказы об искусственном интеллекте и машинном обучении. В результате основное внимание уделяется совсем не тому, что приносит максимальную пользу или на что тратится больше всего сил.

Введение в SQL.

Часть 1.

В видео-курсе:

— как установить среду разработки и подготовить компьютер к работе;

— основные функции и параметры;

— простые команды в SQL;

— команды и операторы: select, null, is, in;

— операторы and, or, where, asc.

В настоящее время Сбер реализует множество цифровых проектов SberAI, суть которых заключается в обучении искусственного интеллекта распознаванию речи и изображений.

На хакатоне в СЗФО мы провели несколько офлайн мастер-классов и теперь готовы поделиться их записями

Александр Мамаев (VK) и Даниил Астафуров (Альфа-Банк) рассказали про:

решение задач градиентным бустингом и нейросетями

модели векторизации языковых знаков и последовательностей

Я – Евгений Ненахов из центра Big Data МТС Digital. Это вторая часть статьи о том, как мы создали универсальный инструмент потоковой обработки данных и построили с его помощью мощную систему стриминга. Если вам интересна обработка данных – вам будет интересен и этот текст.

К сожалению, анализ данных не устроен как стройная теория - это лоскутное одеяло методов, которые опираются на определенные идеи, беря, иногда, для решения одной задачи, половину курса теории оптимизации.

Лектор: Ирматов Павел Валижанович. Data scientist, разработчик.

Курс Переподготовки от Саратовского ГАУ "Системы искусственного интеллекта и программирование".

Блок "Инструменты для работы с нейронными сетями".

Программа реализуется в рамках проекта "Цифровые кафедры".

Любое количество алкоголя у людей до 40 лет в разы повышает риски серьезных заболеваний.

Data Science без знания математики – это как вождение машины без знаний ПДД

Почему так? Отщепенцы в дата-сайенс юзают только чужие модели. Профи же создают свои модели и улучшают существующие — поэтому высоко ценятся!

1. Вводное занятие

2. Установка Anaconda

3. Запуск jupyter notebook. Jupyter notebook не отрывает браузер

4. Режимы работы и типы ячеек в Jupyter Notebook

5. Объект Series в Pandas. Создаем Series

6. Создаем первый блокнот в Jupyter Notebook. Анализ данных в Python

Что такое признаки (features) и для чего они нужны?

Признак, он же «фича» (от англ feature) – это переменная (столбец в таблице), которая описывает отдельную характеристику объекта. Признаки являются краеугольным камнем задач машинного обучения в целом: именно на их основании мы строим предсказания в моделях.

В инфополе муссируется перемога одного из вялых членов проебалтийского троевымирата гребешковых тигров, в частности - первое место Эстонии по всему миру по темпам заболеваемости коронавирусом.

Это правда, второй картинкой мы прикладываем подтверждение.

SQL правят в стране Корпоративных Данных. До развития NoSQL это был основной язык запросов для извлечения данных из реляционных БД.

Предсказывать будущее на основе данных, создавать математические модели и обучать нейросети. Всё это умеют дата-саентисты. Смотрите специальную серию «10 глупых вопросов специалистам Сбербанка» в рамках спецпроекта Сбербанка и канала «Жиза» и узнайте, чем дата-саентист заниматеся в банке.

Продолжаем делиться рекомендациями must read книг по Data Science от наших консультантов из команды McKinsey Advanced Analytics. Если вы хотите изучить общие принципы углублённой аналитики и освоить темы, связанные с искусственным интеллектом, нейронными сетями и deep learning, обратите внимание: