All streams
Search
Write a publication
Pull to refresh
17
0

Пользователь

Send message

Закончишь за пару недель? 8 самых раздражающих вопросов к Data Scientist

Reading time6 min
Views11K

Сооснователь компании Gramener, занятой в Data Science, рассказывает о 8 заблуждениях в ML в форме вопросов и утверждений. По его словам, в начале карьеры эти заблуждения подобны гранатам, которые могут бросить в вас. Инструкцией по безопасности делимся к старту флагманского курса по Data Science.

Читать далее

Kedro — ключ к модульной Data Science

Reading time8 min
Views6.7K

Kedro — фреймворк модульного кода в Data Science. С его помощью вы можете создавать проекты по шаблону, настраивать конвейер в YAML, делить его на части, документировать проект — и это далеко не всё. Материалом о работе с Kedro делимся к старту курса по Data Science.

Читать далее

Быстрый, мощный интерфейс на Python

Reading time15 min
Views154K

Dear PyGui принципиально отличается от других фреймворков GUI Python. Рендеринг на GPU, более 70 виджетов, встроенная поддержка асинхронности — это лишь некоторые возможности Dear PyGui. Руководством по работе с этим пакетом делимся к старту курса по разработке на Python.

Читать далее

Orchest — конструктор конвейеров Machine Learning

Reading time6 min
Views3.9K

Orchest содержит Jupyter Notebook, не требует ациклических ориентированных графов, а работать можно на Python, R и Julia. Также можно запустить сервис VSCode, метрики TensorBoard — и это далеко не всё. Руководством о создании конвейера ML при помощи Orchest делимся к старту флагманского курса по Data Science.

Читать далее

Симуляция трафика городских дорожных сетей в SUMO

Reading time8 min
Views16K

Как давно вы оказывались в пробке? Чтобы решить проблему дорожных заторов, до принятия важных решений нужно моделировать движение. Сделать это можно на платформе с открытым кодом The Simulation of Urban Mobility (SUMO). Но как создать сложную симуляцию? На этот вопрос отвечает материал, которым мы решили поделиться к старту курса по Data Science.

Читать далее

Как найти и купить дом, если вы Data Scientist

Reading time10 min
Views10K

Атма Мани, переводом статьи которого мы делимся к старту флагманского курса по Data Science, — ведущий инженер по продуктам ArcGIS API для Python в компании Esri. В этом материале он рассказывает, как при помощи ArcGIS и Python создать модель, выводящую короткий список домов в соответствии с потребностями и желаниями покупателя. Ссылку на репозиторий GitHub вы найдёте в конце статьи.

Читать далее

Учебная программа по Data Science от Девида Вентури

Reading time12 min
Views7.3K

Автор этого руководства по карьере в области Data Science, с которым вы можете быть знакомы по нашему переводу о вдохновляющих портфолио, начал создавать свою собственную учебную программу на магистратуру в науке о данных с помощью онлайн-курсов в 2015 году.

Чтобы оставить программу, автор работал с тысячами курсов агрегатора Class Central, с его сообществом и даже основателем агрегатора. К старту нашего флагманского курса по Data Science делимся учебной программой, полностью состоящей из онлайн-курсов, в каждом из которых есть задания и видео с лекциями.

Читать далее

Как школьный учитель изобрёл один из самых влиятельных языков программирования

Reading time6 min
Views37K

Говоря коротко, С работает везде. Этот язык — не просто большой динозавр, которому каким-то образом удалось дожить до наших дней. Он крайне практичен, поэтому невероятно успешен. Удивительно, но истоки С далеки от успехов. Он стал итогом десятилетий неудач, и, если бы не старания любящего программировать на каникулах школьного учителя, язык мог бы не появиться. Это история о невероятно медленных компьютерах, трёх Дэвидах и давнем наследии языка C. К старту курса о программировании на С++ делимся переводом статьи с краткой биографией Кристофера Стрэтчи.

Читать далее

Оптимизация платежей в Dropbox при помощи машинного обучения

Reading time10 min
Views2.7K

Представьте ситуацию: вам нужно воспользоваться оплаченным (как вы думаете) сервисом — и вдруг оказывается, что он отключен за неуплату. Такая неприятность портит впечатление от бренда, снижая поток прибыли, а внезапно отключенный клиент может не вернуться к сервису. К старту курса о глубоком и машинном обучении делимся переводом о том, как эту проблему решили в Dropbox, где обнаружили, что внедрение ML в обработку клиентских платежей помогает пользователям оставаться довольными и работает лучше внедрённых за 14 лет политик биллинга.

Читать далее
2

Information

Rating
Does not participate
Registered
Activity