Python & Data Science | Digest Telegram Channel Link

#еженедельная_подборка#data_science#python📎 Материал для развития:◉ Размышления над алгоритмами поиска в задачах на Python◉ Обзор библиотек Python для сетевого и графового анализа◉ Путеводитель по миру NLP📚 Почитать на досуге:◉ ChatGPT пройдёт собеседование по Data Science вместо вас◉ Трекинг множества объектов без разметки или как следить за пузырьками на производстве🔈 Послушать на досуге:◉ Выпуск подкаста "Данные люди" с тимлидами из команды BigData (Мегафон) и Александром Гусевым (ЦНИИОИЗ Минздрав РФ, Webiumed)➖ Нужно ли разбираться в медицине, чтобы создавать продукты для этой отрасли?➖ Насколько использование технологий DS врачом снижает риск позднего выявления заболеваний?➖ Вопросы этики, моделирования и цифровизации в медицине.

#еженедельная_подборка#data_science#python📎 Материал для развития:◉ Туториал к автоматизации разметки изображений с использованием OpenCV◉ Задача прогноза результатов Чемпионата мира 2022 FIFA простой моделью на Python◉ Кейс организации разметки изображений в CVAT (Computer Vision Annotation Tool)📚 Почитать на досуге:◉ Обзор фреймворка Optuna — автоматизированного подбора гиперпараметров для ML-моделей📺 Посмотреть на досуге:◉ Запись выступления Сергея Маркова из SberDevices на «НеФоруме х Homo Science» о генеративных ИИ-моделях➖ Направления развития современных ИИ-моделей➖ Скорость появления новых нейросетей для решения повседневных задач➖ Последние достижения ИИ в генерации музыки, изображений и текста➖ Как повлияли графические карты с тензорными вычислителями на масштабирование моделей➖ Прогноз периода появления нейросетей, сопоставимых с человеческим мозгом

#еженедельная_подборка#data_science#python📎 Материал для развития:◉ Туториал по работе с поверхностными и глубокими копиями в Python◉ Задача на подсчёт суммы n-ого ряда пирамиды нечётных чисел◉ Кейс группировки текстовых записей с помощью Python и CountVectorizer📚 Почитать на досуге:◉ Советы для написания чистого кода на Python◉ Обзор проблемы уязвимостей моделей машинного обучения◉ Прогнозирование продаж на Python. Как находить и сглаживать выбросы с помощью фильтра Хэмплея🔈 Послушать на досуге:◉ Подкаст с ML-специалистами Михаилом Бурцевым и Татьяной Шавриной о развитии, применении и перспективах ИИ➖ Причины создания нейросетей и их развитии➖ Что такое мультимодальность и мультизадачность➖ Оценка уровня внедрения технологии ИИ в России по сравнению с другими странами➖ Проблемы в машинном обучении, в том числе связанные с недостатком данных

#еженедельная_подборка#data_science#python📎 Материал для развития:◉ Задача коммивояжера (TSP) точное решение — метод динамического программирования◉ Туториал по процессам и потокам в Python◉ Пример использования двухсторонних очередей взамен списков и обзор преимуществ📚 Почитать на досуге:◉ К каким вопросам готовиться перед собеседованием на Python-разработчика◉ Структура команды Data Science: ключевые модели и роли◉ Кейс рекомендательной системы от Data Science команды Центра развития финансовых технологий Россельхозбанка📺 Посмотреть на досуге:◉ Видеоподкаст с Александром Петюшко из Nuro о роли и целях математики в Deep Learning:➖ Знания из каких разделов математики и других областей науки могут пригодиться ML-специалистам➖ Используется ли топологический анализ данных в Deep Learning➖ Когда исследователи смогут широко применять квантовое машинное обучение➖ Применяется ли в индустрии маломерная теория оптимизации объектов

#еженедельная_подборка#data_science#python📎 Материал для развития:◉ Сравнительный анализ Pandas и SQL◉ Обзор 12 алгоритмов, которые неплохо бы знать каждому разработчику◉ Примеры 8 паттернов проектирования для ML-разработчика📚 Рецензии:◉ Книга «Python. Исчерпывающее руководство»📚 Почитать на досуге:◉ Рассказ о сложностях python-разработчиков при внедрении машинного зрения в нефтехимическую индустрию◉ Кейс нейросетевого анализа клинических, лабораторных и инструментальных данных для диагностики ишемической болезни сердца

#еженедельная_подборка#data_science#python📎 Материал для развития:◉ Освещение вопроса распределения памяти в Python в зависимости от типа данных◉ Кейс восстановления старых фотографий с помощью нейросетей◉ Обзор двух техник оптимизации гиперпараметров в моделях машинного обучения📚 Рецензии:◉ Книга «Знакомство с Python»◉ Учебники по основам программирования от Яндекс📺 Посмотреть на досуге:◉ Интервью с Романом Душкиным из Агентства искусственного интеллекта о развитии и применении ИИ:➖ Уровень развития существующих систем машинного обучения и ИИ-моделей➖ Сложности, с которыми сталкиваются разработчики при дообучении ИИ➖ Особенности разработки интеллектуальных транспортных систем➖ Необходимость в регулировании использования искусственного интеллекта

#еженедельная_подборка#data_science#python📎 Материал для развития:◉ Обзор 10 не самых известных итераторов в Python◉ Рассуждения о пользовательских исключениях в Python◉ Пример аннотирования изображений в OpenCV📚 Рецензии:◉ Обзор книги «Начинаем программировать на Python»📺 Посмотреть на досуге:◉ Лекция Татьяны Шавриной из «Сбера» и AIRI о возможностях ИИ и будущем нейросетей:➖ Тренды развития нейросетей, которые связаны с ростом параметров, слоев, требовательностью к вычислительным ресурсам и др.➖ Связь между качеством и масштабированием нейросетей➖ Прогноз возможного плато, когда конечный результат не будет зависеть от сложности нейросетейвых моделей➖ Обзор фундаментальных моделей➖ История с экс-сотрудником Google, который заявил о признаках сознания у искусственного интеллекта

#еженедельная_подборка#data_science#python📎 Материал для развития:◉ Решение задачи поиска числа Пи, используя генератор псевдослучайных чисел◉ Настройка нейронной сети с помощью библиотеки Keras◉ Кейс обработки линии горизонта на фотографиях городской панорамы📚 Рецензии книг:◉ Книга «PyTorch. Освещая глубокое обучение»📺 Посмотреть на досуге:◉ Институт искусственного интеллекта AIRI опубликовал доклады, которые были представлены в рамках серии митапов, где рассматривались вопросы применения ИИ в промышленности:➖ Искусственный интеллект в Индустрии 5.0➖ Индустриальный искусственный интеллект в нефтедобывающей промышленности➖ Нейросетевые модели в поиске новых функциональных материалов➖ Гибридное моделирование с использованием ИИ в задачах предиктивной аналитики промышленного оборудования

#еженедельная_подборка#data_science#python📎 Материал для развития:◉ Гайд по магическим методам в Python◉ Обзор применения библиотек BeautifulSoup4 и Asyncio для нужд веб-скрэпинга◉ Разбор задачи по распознаванию дорожных знаков на кадрах с автомобильного видеорегистратора📺 Посмотреть на досуге:◉ Видеоинтервью с Еленой Еричевой из Botkin.AI о применении ИИ в медицине:➖ О сложностях с распознаванием медицинских изображений из-за большого числа серых оттенков➖ Проблемах адаптации данных и переобучении ИИ-моделей в связи с COVID-19➖ Причины малого количества медицинских датасетов и их неуниверсальность

#еженедельная_подборка#data_science#python📎 Материал для развития:◉ Руководство по множествам в Python◉ Мануал по анализу временных рядов◉ Рецензия на книгу «Искусственный интеллект и компьютерное зрение. Реальные проекты на Python, Keras и TensorFlow»📚 Почитать на досуге:◉ Интервью с представителями IT-профессий, в которых специалисты рассказывают о тонкостях своей работы: плюсах, минусах, подводных камнях и заработной плате.Джунам и стажерам она поможет больше узнать о том, что их ожидает на карьерном пути, а профессионалам — посмотреть на свою специальность через чужой опыт и, может быть, открыть для себя что-то новое.

#еженедельная_подборка#data_science#python📎 Материал для развития:◉ Кейс для начинающих по анализу статистики работающих и безработных людей с проверкой гипотез◉ Подборка 10 лучших практик для Python◉ Кейс распознавания жестового языка с помощью глубокого обучения📺 Посмотреть на досуге:◉ Лекция Михаила Лазарева из лаборатории методов анализа больших данных НИУ ВШЭ о направлениях развития ИИ➖ вариации генеративных моделей➖ проблемы обучения нейросетей➖ появление новых архитектур➖ правовое регулирование➖ и др.

#еженедельная_подборка#data_science#python📎 Материал для развития:◉ Обзор 4 пакетов Python для причинно-следственного анализа данных◉ Подборка 10+ книг по аналитике данных для начинающих и не только📚 Почитать на досуге:◉ Статья о том, как «думает» нейронная сеть VGG-19, когда ей прилетает задача скопировать стиль художника из вида Homo sapiens

#еженедельная_подборка#data_science#python📎 Материал для развития:◉ Представление о 5 классических алгоритмах машинного обучения◉ Лонгрид о расчёте и анализе корреляционного отношения в экосистеме Python◉ Обзор четырёх функции для быстрой работы с большими данными📺 Посмотреть на досуге:◉ Видеоподкаст о профессии Data Scientist с руководителем профильного центра компетенции МТС — Евгением Макаровым➖ отсутствие единой шкалы для оценки специалистов➖ этапы роста➖ влияние релевантного опыта при трудоустройстве➖ особенности работы в российских и зарубежных компаниях➖ проблемы сообщества➖ причины отказа после собеседования

#еженедельная_подборка#data_science#python📎 Материал для развития:◉ Введение в нейронные сети для начинающих◉ Пример восстановления отсутствующих данных в датасете◉ Ответы на общие вопросы о графовых нейронных сетях на основе библиотеки Spektral📚 Почитать на досуге:◉ Статья о насущном — что такое пет-проект по анализу данных и с чем его едят

#еженедельная_подборка#data_science#python📎 Материал для развития:◉ Туториал обработки изображений подобно фоторедактору при помощи библиотеки Pillow◉ Кейс по реализации функции Drag-and-Drop — перемещение объектов на экране жестами руки, используя компьютерное зрение◉ Разбор алгоритма вычисления расстояния Левенштейна📚 Почитать на досуге:◉ Перевод статьи от команды VK Cloud Solutions о том, что делать с дрейфом данных и концепций: откуда берутся проблемы, как их распознать и предотвратить📺 Посмотреть на досуге:◉ Видеоразбор задачи сегментации клиентов на практическом примере от Senior Data Scientist

#еженедельная_подборка#data_science#python📎 Материал для развития:◉ Разбор слепого алгоритма «поиск в ширину» в задаче с лабиринтом◉ Пара кейсов поиска объектов на фото и видео с помощью компьютерного зрения (библиотека OpenCV)◉ Инжиниринг признаков в предварительной обработке данных📚 Почитать на досуге:◉ Подборка книг по Python 2021-2022 годов от начинающего до профи◉ Статья о применении машинного обучения в сталелитейной промышленности📺 Посмотреть на досуге:◉ Видеозапись сессии медицинского конгресса об автономном ИИ в клинической практике.В ходе обсуждения участники затронули регуляторику ИИ в здравоохранении, барьеры для внедрения ИИ-решений, взаимодействие разработчиков и врачей.Эксперты рассказали, что необходимо сделать сегодня, чтобы быть готовыми к появлению «сильного» ИИ в будущем.

#разбор_задач#python#numpy#линейная_алгебраСалют, друзья!Разбор задачи с новой темой от нашего куратора 😉➖ Тема:Системы линейных уравнений в NumPy➖ Уровень:Начинающий➖ Задача:Поиск минимального расстояния от точки до прямых

#еженедельная_подборка#data_science#python📎 Материал для развития:◉ Кейс по распознаванию мошенников в первые минуты телефонного разговора при помощи машинного обучения◉ Обзор трёх библиотек для генерации синтетических данных — Faker, SDV и Gretel◉ Алгоритм параллельной обработки и преобразования JSON-файлов в Pandas, сокращающий в 5 раз время на операцию📚 Почитать на досуге:◉ Пособие из 7 шагов по подготовке датасета изображений, от качества которого зависит точность определения объектов и время на обучение модели◉ Проект на тему управления громкостью звука жестами руки, применяя технологию компьютерного зрения📺 Посмотреть на досуге:◉ Видеоподкаст с Михаилом Бурцевым — директором по фундаментальным исследованиям Института искусственного интеллекта AIRI. Затронуты темы рынка Data Science, развития NPL, этических проблем больших моделей и как ИИ изменит человеческую занятость в ближайшее время