В этом выпуске Анатолий Карпов ex-аналитик ВКонтакте, mail.ru, сооснователь karpov.courses дает очень ценные советы для тех, кто хочет связать свою жизнь с аналитикой. Анатолий рассказывает про свой опыт и делится своим видением как сделать так, чтобы на собеседовании вас точно выделили из общей массы претендентов на позиции аналитиков. Поговорили про роль аналитика в компании и его пользу для бизнеса, про его место среди дата-сайентистов и какие вообще перспективы у этой профессии. Классная, на мой взгляд, получилась беседа!

Ссылки выпуска:

Школа Data Science karpov.courses (https://karpov.courses/)

Чем отличаются data analyst, data engineer и data scientist - ролик на YouTube от Алексея Натекина (https://youtu.be/lDkTNURDIaY)

Конференция Матемаркетинг на YouTube (https://www.youtube.com/c/%D0%9C%D0%B0%D1%82%D0%B5%D0%BC%D0%B0%D1%80%D0%BA%D0%B5%D1%82%D0%B8%D0%BD%D0%B3/videos)

Статья на Хабре о моделировании данных в Авито - Vertica+Anchor Modeling = запусти рост своей грибницы (https://habr.com/ru/company/avito/blog/322510/)

Курс Анатолия Карпова на Степике "Основы статистики" (https://stepik.org/course/76/info)

Курс Анатолия Карпова на Степике "Основы статистики Часть 2" (https://stepik.org/course/524/info)

Курс Анатолия Карпова на Степике "Основы статистики Часть 3" (https://stepik.org/course/2152/info)

Курс "Математическая статистика" от Computer Science Center на Степике (https://stepik.org/course/326/info)

Курс "Inferential Statistics" на Coursera (https://www.coursera.org/learn/inferential-statistics-intro)

Experiment-fest (https://expf.ru/)

Интервью Анатолия с Никитой Маршалкиным "Об A/B тестах без A/B тестов" на YouTube (https://youtu.be/NcDcxOqB52k)

Курс "Программирование на Python" от Института Биоинформатики на Степике (https://stepik.org/course/67/info)

Курс "Python. Основы и применение" от Института Биоинформатики на Степике (https://stepik.org/course/512/info)

Курс Анатолия Карпова "Введение в Data Science и машинное обучение" на Степике (https://stepik.org/course/4852/info)

Курс Анатолия Карпова "Анализ данных в R" на Степике (https://stepik.org/course/129/promo)

Logs API Яндекс.Метрики и ClickHouse: что полезного можно получить из сырых данных - ролик на YouTube (https://www.youtube.com/watch?v=pOHqwTC--vQ)

2017ABTestingTutorial (https://exp-platform.com/2017abtestingtutorial/)

Буду благодарен за обратную связь!

Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше!

Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast)

Подписывайтесь на телеграм-канал (https://t.me/toBeAnMLspecialist)

Телеграм автора подкаста (https://t.me/kmsint)

[email protected]

В очередном выпуске беседа с Ольгой Перепелкиной Deep Learning Product Manager компании Intel. Для того, чтобы машинное обучение было эффективным - ему нужны данные и чем больше, тем лучше. Но чем быстрее развивается искусственный интеллект, тем жестче становятся законы о защите персональных данных. Проблема? Да, проблема. Но где есть проблема, там находятся и решения и федеративное обучение - одно из таких, позволяющих и приватность сохранить и модели обучить. Об этом, а также о подходах к распознаванию эмоций и карьерном пути в ML слушайте в выпуске!

Ссылки выпуска:

OpenFL - опенсорс библиотека для федеративного обучения (Federated Learning) (https://github.com/intel/openfl)

Вакансия Deep Learning RnD Intern (Federated Learning) в Нижнем Новгороде, работа в компании Intel Corporation (https://nn.hh.ru/vacancy/41942809)

Буду благодарен за обратную связь!

Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :)

Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast)

Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)

Телеграм автора подкаста (https://t.me/kmsint)

Со мной также можно связаться по электронной почте: [email protected]

Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?) и Яндекс.Музыке https://music.yandex.ru/album/9781458

Сегодня в гостях Татьяна Шаврина - тимлид команды AGI NLP, главный эксперт по технологиям, SberDevices, аспирант НИУ ВШЭ и просто очень приятный и интересный собеседник. Обсудили то, как с течением времени менялись подходы к обработке естественного языка, какие оказались революционными для области, а какие были частью закономерного развития. Word2vec, Seq2seq, Transformer, GPT, BERT - если эти названия вам говорят мало, но вы хотите узнать больше - выпуск вам будет интересен. И даже если вы уже все это хорошо знаете, слушать Татьяну очень интересно!

Ссылки выпуска:

Методология тестирования моделей, основанная на тестах для сильного ИИ - https://russiansuperglue.com/

Книга "Введение в информационный поиск" Маннинг Кристофер д. - https://www.ozon.ru/product/vvedenie-v-informatsionnyy-poisk-168021950/?utm_source=google&utm_medium=cpc&utm_campaign=RF_Product_Shopping_Books_newclients_super&gclid=CjwKCAiA9vOABhBfEiwATCi7GOdEOcDm_r9sxEWggOaUhpGnDaflijxaYDEXAjIsGpCKD1pAubW2exoCrf8QAvD_BwE

MIT course "Advanced Natural Language Processing" https://ocw.mit.edu/courses/electrical-engineering-and-computer-science/6-864-advanced-natural-language-processing-fall-2005/

Cambridge NLP course - https://www.cl.cam.ac.uk/teaching/1718/NLP/

Буду благодарен за обратную связь!

Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :)

Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast)

Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)

Телеграм автора подкаста (https://t.me/kmsint)

Со мной также можно связаться по электронной почте: [email protected]

Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?) и Яндекс.Музыке https://music.yandex.ru/album/9781458

Победа AlphaGo над чемпионом мира по игре го Ли Седолем в 2016 году стала поистине знаковым событием в мире машинного обучения. Ведь большинство экспертов сходились во мнении, что до победы компьютера над человеком в го еще лет десять. Это первый выпуск, посвященный игре го, в котором я беседую с профессиональным преподавателем го Алексеем Нечаевым. Алексей рассказал про правила и философию игры, про то, почему компьютеры до 2016 года плохо играли в го и не могли составить конкуренцию игрокам-людям, про то, как повлияла на игру победа AlphaGo и про многое-многое другое. 

Ссылки выпуска:

Фильм "AlphaGo" - https://youtu.be/WXuK6gekU1Y

Фильм "AlphaGo" (русский перевод) - https://youtu.be/HqaYiMMUc44

Школа Го Алексея Нечаева ВКонтакте - https://vk.com/weiqi_school

Сайт Алексея Нечаева - http://igo.mya5.ru/

YouTube-канал Алексея Нечаева - https://www.youtube.com/channel/UCopu-zXy2k9zMwTalWFEskQ

Алексей Нечаев на твиче - https://www.twitch.tv/alone_go

Книга "Го и восточная бизнес-стратегия" - https://nikoraido.ru/files/Miura-YAsuyuki-Go-i-vostochnaya-biznes-strategiya.pdf

Российская федерация го - https://gofederation.ru/

Статья в Википедии про го - https://ru.wikipedia.org/wiki/%D0%93%D0%BE

Хикару и го - https://www.youtube.com/watch?v=oTIrluqSac4&list=PLj-9n6opiLUFZLXpRyWQP4k80EQAjViMl

KGS Go Server - http://www.gokgs.com/

Online Go Server - https://online-go.com/

Буду благодарен за обратную связь!

Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :)

Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast)

Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)

Телеграм автора подкаста (https://t.me/kmsint)

Со мной также можно связаться по электронной почте: [email protected]

Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?)

Сегодня выпуск необычный. В подкасте о машинном обучении выпуск без машинного обучения. Зато с личными историями и моим личным опытом на пути приобретения важного инструмента современного мира - английского языка. Его значимость для изучения машинного обучения очень сложно переоценить и я расскажу какие походы для меня сработали, какие практически нет. Как прокачать чтение и восприятие на слух, чтобы, не напрягаясь потреблять качественный контент на английском языке, которого на порядок больше, чем на русском. Классные книги, подкасты, обучающие видео, курсы - все это лежит и просто ждет, когда вы придете и возьмете. Также расскажу в выпуске о планах на ближайший год! Спасибо, что остаетесь со мной!

Ссылки выпуска:

Книга "The Immortalists" на amazon - https://www.amazon.com/Immortalists-Charles-Lindbergh-Alexis-Forever/dp/0060528168

Проект Эйлера с математическими задачами на программирование - https://projecteuler.net/

Перевод задач Проекта Эйлера - https://euler.jakumo.org/

Выпуск Полиглота с таблицей простых времен английского языка - https://youtu.be/LrhyihlqB-U

Приложение Duo Lingo для прокачки английского - https://ru.duolingo.com/

Приложение Quizlet для набора лексики с помощью карточек - https://quizlet.com/ru

Приложение Luke's ENGLISH Podcast для осознанного аудирования - https://teacherluke.co.uk/

Lex Fridman Podcast - https://lexfridman.com/podcast/

Буду благодарен за обратную связь!

Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :)

Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast)

Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)

Телеграм автора подкаста (https://t.me/kmsint)

Со мной также можно связаться по электронной почте: [email protected]

Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?)

Продолжаем рисование дорожной карты погружения в машинное обучение, начатое в прошлом выпуске, вместе с кандидатом физико-математических наук, профессиональным преподавателем машинного обучения кафедры системного анализа и информационных технологий института ВМиИТ Казанского Федерального Университета, Евгением Разинковым. На мой взгляд, ценность того, что рассказывает Евгений обусловлена также и тем, что он не просто преподаватель-теоретик, он еще и востребованный действующий специалист в индустрии. Евгений  руководит отделом машинного обучения и компьютерного зрения Группы компаний FIX, а также является директором по науке в компании Pr3vision Technologies Inc. В выпуске Евгений рассказал какие есть направления в машинном обучении и в какой последовательности имеет смысл их изучать, поделился своим видением какая математика нужна в изучении ML, почему недооценено обучение с подкреплением и есть ли перспективы у GANов. А также детально обосновал свой выбор между TenzorFlow и PyTorch. Было интересно и полезно!

Предыдущие выпуски подкаста с Евгением Разинковым:

1. #007 ML Евгений Разинков. Управление коммерческой разработкой в ML - https://anchor.fm/kmsrus/episodes/007-ML--------ML-ekd6bu

2. #018 ML Евгений Разинков. Дорожная карта погружения в машинное обучение ч.1 - https://anchor.fm/kmsrus/episodes/018-ML-----------1-eoftu6

Напоминаю, что Евгений ведет свой YouTube-канал, на котором можно найти отличные лекции по машинному обучению (http://video.razinkov.ai/), телеграм-канал с анонсами лекций, видео, материалами по AI (https://t.me/razinkov_ai), паблик в ВК (http://vk.com/razinkov_ai), а также веб-сайт, на котором можно найти интересующую информацию о Евгении и его деятельности (http://razinkov.ai/)

Буду благодарен за обратную связь!

Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :)

Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast)

Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)

Телеграм автора подкаста (https://t.me/kmsint)

Со мной также можно связаться по электронной почте: [email protected]

Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?)

Music by Audionautix.com

Когда как не в новогодние праздники ставить цели на год? В этом и следующем выпусках мы решили с Евгением Разинковым нарисовать дорожную карту изучения машинного обучения, тем более, что Евгений профессиональный преподаватель машинного обучения кафедры системного анализа и информационных технологий института ВМиИТ Казанского Федерального Университета, да еще и в индустрии работает, являясь руководителем отдела машинного обучения и компьютерного зрения Группы компаний FIX, а также директором по науке компании Pr3vision Technologies Inc. Евгений очень подробно рассказал кому и зачем стоило бы изучать машинное обучение, какие для этого нужны входные навыки и на чем сосредоточить внимание при подготовке к затяжному прыжку в интересный и увлекательный мир искусственного интеллекта. А также о том, как изучить английский, играя в настольные игры.

Ссылки выпуска:

Предыдущий выпуск подкаста с Евгением Разинковым - https://anchor.fm/kmsrus/episodes/007-ML--------ML-ekd6bu

Напоминаю, что Евгений ведет свой YouTube-канал, на котором можно найти отличные лекции по машинному обучению (http://video.razinkov.ai/), телеграм-канал с анонсами лекций, видео, материалами по AI (https://t.me/razinkov_ai), паблик в ВК (http://vk.com/razinkov_ai), а также веб-сайт, на котором можно найти интересующую информацию о Евгении и его деятельности (http://razinkov.ai/)

Буду благодарен за обратную связь!

Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :)

Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast)

Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)

Телеграм автора подкаста (https://t.me/kmsint)

Со мной также можно связаться по электронной почте: [email protected]

Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?)

Music by Audionautix.com

В гостях ведущая подкаста о мозге и нейронауках "Нейрочай", специалист по машинному обучению в области NLP, ученая в области нейронаук, Виктория Земляк. Получился очень насыщенный и интересный выпуск, в котором мы обсудили применение машинного обучения в научных исследованиях, айтрекинг (отслеживание взгляда), психолингвистику, ложную слепоту (явление и книгу), различия в связности английских и русских текстов у больных шизофренией, подкастинг, статью Франсуа Шолле про концептуальный подход к созданию сильного ИИ, интеллект воронов и даже нейроинтерфейсы. Однозначно было не скучно!

Ссылки выпуска:

Подкаст "Нейрочай" - https://anchor.fm/neurotea

Телеграм-канал подкаста "Нейрочай" - https://t.me/neurotea

Паблик подкаста "Нейрочай" в ВК - https://vk.com/neurotea

Мои любимые выпуски подкаста "Нейрочай":

1. Как компьютер понимает речь? (Иван Ямщиков) #14 - https://anchor.fm/neurotea/episodes/14-eabs5f/a-a1bi28p

2. Атака ботов и технооптимизм (Иван Ямщиков) #15 - https://anchor.fm/neurotea/episodes/15-ean6np/a-a1e3iei

3. Как мы помним и забываем (Полина Кривых) #11 - https://anchor.fm/neurotea/episodes/11-e9a1t9/a-a13jocj

Выпуск подкаста "Сельхозка" про искусственный интеллект в сельском хозяйстве - https://anchor.fm/selhozka/episodes/005-enpehl/a-a44cnoa

Перевод статьи Франсуа Шолле "Как оценивать интеллект? Подход Google" - https://habr.com/ru/company/sberbank/blog/493952/

Оригинал статьи Франсуа Шолле на Архиве - https://arxiv.org/abs/1911.01547

Статья на Хабре "Почему меня разочаровали результаты Kaggle ARC Challenge" - https://habr.com/ru/company/sberbank/blog/507852/

ARC Challenge на Kaggle - https://www.kaggle.com/c/abstraction-and-reasoning-challenge/overview/code-requirements

Статья про интеллект у воронов  - https://science.sciencemag.org/content/369/6511/1626

Подкаст "Терминальное чтиво" - https://ru.player.fm/series/2395016

Курс по Reinforcement Learning - https://www.coursera.org/specializations/reinforcement-learning

Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :)

Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast)

Подписывайтесь на телеграм-канал (https://t.me/toBeAnMLspecialist)

Телеграм автора подкаста (https://t.me/kmsint)

Со мной также можно связаться по электронной почте: [email protected]

Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?)

С этого метода машинного обучения стоило бы начать сразу, ведь линейная регрессия -  это своего рода "Hello world" машинного обучения. В выпуске я рассказываю про разные подходы к описанию данных (интерполяция, аппроксимация и регрессия) и подробно останавливаюсь на линейной регрессии - как самом простом и наглядном методе обучения с учителем. Также про функцию потерь - среднеквадратичную ошибку, наиболее часто используемую в линейной регрессии, про градиентный спуск в рамках линейной регрессии и про место линейной регрессии среди методов машинного обучения. Казалось бы, причем здесь Марк Твен? Полезного вам прослушивания!

Ссылки выпуска: 

Курс Andrew Ng на coursera (про линейную регрессию, функцию потерь и градиентный спуск - первая неделя курса) - https://www.coursera.org/learn/machine-learning

Выпуск подкаста #003 ML Методы машинного обучения - https://anchor.fm/kmsrus/episodes/003-ML-eb2mei

Выпуск подкаста #006 ML Основы нейросетей ч.1 - https://anchor.fm/kmsrus/episodes/006-ML----1-ejthqa

Выпуск подкаста #015 ML Основы нейросетей ч.2 Градиентный спуск - https://anchor.fm/kmsrus/episodes/015-ML----2-enljpl

Буду благодарен за обратную связь!

Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :)

Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast)

Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)

Телеграм автора подкаста (https://t.me/kmsint)

Со мной также можно связаться по электронной почте: [email protected]

Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?)

Music by Audionautix.com

Продолжаем разговор об основах нейросетей. В этот раз я рассказываю как сеть из простых нейронов может решать сложные задачи. О том, какая математика за всем этим стоит, как строятся сложные многомерные разделяющие поверхности, как обучаются нейросети, что такое градиентный спуск и функция ошибки. Немного затронул темы переобучения и визуализации того, что у нейросетей происходит внутри. 

Ссылки выпуска:

Выпуск "Основы нейросетей ч.1", на котором основывается данный - https://anchor.fm/kmsrus/episodes/006-ML----1-ejthqa

YouTube канал 3Blue1Brown - https://www.youtube.com/channel/UCYO_jab_esuFRV4b17AJtAw

3Blue1Brown на русском - https://www.youtube.com/channel/UCCbgOIWdmYncvYMbl3LjvBQ

Нейронные сети на Python на канале selfedu - https://www.youtube.com/watch?v=nV7cI5zgOpk&list=PLA0M1Bcd0w8yv0XGiF1wjerjSZVSrYbjh

Отдельно благодарю за помощь в подготовке выпуска Николая Иванова - гостя 5-го выпуска подкаста за факт-чекинг и разъяснение некоторых нюансов

Выпуск с Николаем Ивановым - https://anchor.fm/kmsrus/episodes/005-ML----NLP--GPT-3--Replika-eiibus

Facebook Николая - https://www.facebook.com/nickolas.ivanov

Буду благодарен за обратную связь!

Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :)

Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast)

Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)

Телеграм автора подкаста (https://t.me/kmsint)

Со мной также можно связаться по электронной почте: [email protected]

Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?)