☄️Data Fest Online 2023
Ежегодное мероприятие сообщества Open Data Science
Даты феста: с 20 мая по 4 июня – 2 недели и 3 пары выходных

https://ods.ai/events/datafestonline2023

Продолжаю петь оды Notion. Опубликовала статью, где разобрала пример как использовать Notion AI для самостоятельного обучения. Я в восторге от этого инструмента! Очень сильно упрощает путь🤓

https://habr.com/ru/articles/730730/

26 апреля 2023г - бесплатная онлайн-конференция DataStart по Data Science, машинному обучению и нейросетям. Скорей регистрируйтесь - https://clck.ru/34Etzn!

Более 1000 участников, крутой состав спикеров, возможность задавать вопросы, найти ментора и многое другое. 🔥

Для кого:
- Data Scientist, Data Analyst и Data Engineer
- Computer Vision Engineer и NLP Engineer
- Machine Learning Engineer
- Руководителям бизнеса
- Все, кто так или иначе связан с большими данными.

Мероприятие предназначено для обучения и вдохновения – создано для людей, увлеченных большими данными и исследованием данных. Ждем вас с нетерпением!

Что вас ждет на конференции?
— Только спикеры-практики, готовые делиться своими знаниями с вами.
— Подробные кейсы без воды с конкретными результатами.
— Обмен опытом, контактами и просто неформальное общение.
— Мощное открытое комьюнити, где люди говорят на одном языке

Встречаемся 26 апреля - https://clck.ru/34Etzn

19-21 мая пойдёт хакатон в офисе VK в Москве (но можно и онлайн участвовать).
Интересные кейсы, прям жаль, что я не в Москве сейчас 😁

Регистрация до 15 мая ⚡️

https://hacks-ai.ru/hackathons.html?eventId=969064

Простите, но это очень смешно 😂

Полезные материалы, которые хочу сохранить здесь🚀
(взяла рекомендации из 4 модуля курса https://ods.ai/tracks/mfdp2/competitions/. Но сам курс не советую, я все-таки рассчитывала чуть больше теории, хоть он и ориентирован на практику. Логичнее было бы назвать его "конкурс проектов" для желающих поступить в магистратуру, но никак не "онлайн курс")

🔹Сравнение наиболее популярных инструментов для версионирования экспериментов и моделей: https://neptune.ai/blog/best-ml-experiment-tracking-tools
🔹Обширный курс по нейронным сетям: https://dlcourse.ai/
🔹Русскоязычный вводный курс в нейронные сети и компьютерное зрение: https://stepik.org/course/50352/
🔹Русскоязычный вводный курс в нейронные сети и обработку естественного языка: https://stepik.org/course/54098/
🔹Классический курс по машинному обучению: https://mlcourse.ai/ (серия переводов на Habr: https://habr.com/ru/company/ods/blog/322626/)
🔹Вводный курс в data science и машинное обучение: https://stepik.org/course/4852/
🔹Практические руководства по работе с трансформерами: https://github.com/huggingface/transformers/tree/main/examples/pytorch
🔹YouTube канал Samsung Research Russia, где можно найти много полезных видео по ML: https://www.youtube.com/channel/UCRyd7dU2S-qAbAqRnZhyKIg/featured

Интересно, изменится ли как-то тренд на удаленку?) уже не первая такая новость от американских it-гигантов)

Google радикально возвращает сотрудников в офисы: компания будет включать записи о посещении офиса в служебные характеристики, а работа full-time удаленно теперь станет большим исключением. Руководитель департамента по найму Google Фиона Чикони в отдельном письме сотрудникам на прошлой неделе указала, что адекватной замены личному присутствию в офисе практически не существует. Снижение продуктивности при удалённой работе также отмечали в Microsoft, Meta, SalesForce и большом ряде других компаний. Напоминаю, что с самого начала пандемии я писал, что тезисы про эффективность удалёнки — это ересь во имя HR-маркетинга. Компании с развитой «корпоративной демократией» (это когда персонал считает, что он в праве диктовать управленческие решение руководству) были вынуждены удовлетворять требованиям напуганных коронавирусом сотрудников, а сейчас пытаются произвести операцию «undo». Можно уже сказать, что это общепризнанно — что удалёнка неэффективна. Многим ещё предстоит узнать о вреде четырёхдневной рабочей недели и безусловного базового дохода. Но противников идеи работать меньше за те же деньги или не работать вовсе и получать при этом деньги всегда будет меньше, чем её последователей.

https://www.wsj.com/articles/google-gets-stricter-about-employees-time-in-office-9a20f2e #удалёнка

Сохраню себе (примеры возможностей GPT3).
Активно изучаю сейчас ИИ не с позиции DS-а, а с позиции продакта. Много полезных фич обнаружила. Надо бы попробовать собрать прототип в фигме с помощью gpt))

https://github.com/elyase/awesome-gpt3

Я уже влилась в рабочий вайб, очень рада вернуться к любимой геоаналитике 🌐

Каждый раз открываю для себя что-то новое, хоть и занимаюсь гео аж с 2018 года…🤭

Делюсь полезным плейлистом, если вам вдруг нечего смотреть во время обеда 🥗:

Spatial Data Science Conference, London 2023
https://youtu.be/6DtZ67C6A4Y?si=JJpOYRiP_eNeHRtr

А здесь можно найти афишу на 2024 г. и полезные артефакты прошлых лет:
https://spatial-data-science-conference.com/

#геоаналитика

Хочу с вами поделиться опытом внедрения различных ML штуковин и подводными камнями, которые могут быть на этом замечательном пути. ‼️Советую на них обратить внимание и DS-ам, и продактам/руководителям проектов.

А сподвиг меня интересный кейс, который был на митапе.

Сейчас расскажу:
Сделали модельку, которая прогнозирует, что сотрудник в скором времени может уволиться. Всё было сделано по красоте. С выборками, алгоритмами, фичами, параметрами - никаких вопросов. Но почему-то в проде результаты метрик были плохие…

Как думаете, почему? (метрики стандартные для бинарной классификации, не в них дело)
👇🏼👇🏼👇🏼ваши гипотезы

А позже я расскажу в чём была вся соль и поделюсь кейсами, с которыми сталкивалась лично 😜

Продолжу про плохие метрики на проде…
Было много ответов, что всё дело в выборках/фичах (отличаются на проде). Это довольно частая ситуация, но в этом кейсе причина была в следующем:

HR общались с потенциальными кандидатами на увольнение, договаривались о чём-то, и кандидаты НЕ увольнялись, хотя планировали. И соответственно, на проде картина была такая, что DS‘ы прогнозируют одно, а по факту никто не увольняется 😁.

Так случается, когда какой-то бизнес процесс выпадает из вида. Очень важно понимать какие действия происходят после выката в прод и как эти действия влияют на метрики, т. к. возможно логику метрик необходимо будет менять.

Мое мнение: кончено круто, когда DS понимает бизнес процессы и может всё продумать. НО! В первую очередь это задача продакта/РП, т. к. именно у него есть (должна быть) верхнеуровневая картина происходящего: кто пользователь результатов модели, что он делает с этими результатами и т. д.

Вот такой полезный кейс.

Всем привет!
❗️Я в поиске дата-инженеров и DS-ов (senior, middle)

🤖Проект на стыке больших данных и ИИ.
😎Всё по красоте: интересные задачи, вкусная зп, команда профессионалов с горящими глазами и желанием внедрять крутые инструменты

Все подробности и резюме - в лс @tanyalitdmit