#образование
В МГУ открыта новая магистерская программа «Анализ данных в экономике» (на базе экономфака и ВМК).
https://cs.msu.ru/news/3417
Подробности можно также узнать из записи дня открытых дверей эконома:
https://www.youtube.com/watch?v=wMGn6XdMDVA
На всякий случай, я к этой программе отношения не имею.

#метод
Если Вы захотите запихнуть в Трансформер что-то более экзотическое, чем последовательность, то потребуется придумать подходящий Positional Encoding (который бы ещё и структуру учитывал). Что-то мало статей на этот счёт, например, как лучше кодировать позицию, если подаём 2 связных текста (например, текст и его перевод). Из забавных работ по PE в нестандартных ситуациях нашёл эту - Novel positional encodings to enable tree-based transformers - скармливаем трансформеру дерево!
https://papers.nips.cc/paper/2019/file/6e0917469214d8fbd8c517dcdc6b8dcf-Paper.pdf

#реклама
13 декабря школа дизайна @bangbangeducation и проект Леkторuй проведут онлайн-фестиваль Человек: дизайн, технологии, наука, чувство.


Как мы существуем в онлайн-пространстве сегодня? Как презентовать себя в виртуальной реальности и как она способна изменить нашу идентичность? Какую роль в современных коммуникациях играют виртуальные артисты и блогеры? Как технологический прогресс влияет на наше ментальное здоровье? На эти и другие вопросы в рамках фестиваля вопросы ответят представители дизайн-индустрии, науки и искусства.

Вопросы спикерам можно будет задать в чате комьюнити Bang Bang Education Дизайн начинается с ⚫️.

Фестиваль бесплатный.

Расписание и регистрация

#реклама
👾❗️Уже в эту субботу в 12:00 (МСК) стартует чемпионат для Data Science Alfa Battle 2.0. Для того, чтобы погрузить участников в нюансы задач и рассказать, что интересного для дата сайентистов происходит в Альфа-Групп в формате стрима пройдет брифинг-конференция: “ОТ МОДЕЛИ К ПРОДУКТАМ” с экспертами из Альфа-Банка, X5 RG, Билайн и АльфаСтрахования.

Коротко о программе:
◾️Ошибки в А/В тестах — как не быть уволенным
◾️Кейс Action Recognition: как мы сделали +15% к Accuracy
◾️Кейс голосовых сервисов: робот Даша
◾️Редизайн Альфа-Мобайл — что изменилось?
◾️Дискуссионная панель “Будущее Data Science в Альфа-Групп”

Открывает конференцию — Владимир Верхошинский, главный управляющий директор Альфа-Банка, член Наблюдательного совета «Альфа-Групп».

😉 Участвуйте в эпической битве зимы за 1 000 000 рублей!

Подключайтесь и задавайте вопросы по задачам в прямом эфире.

Подробности и регистрация: https://link.alfabattle.ru/U5TXI

#конференции
семинар-школа для молодых ученых «Гены. Мозг. Поведение»:
https://rogaevlab.ru/gbb2020/

#блог
Не знал, что у Владимира Игловикова есть блог:
https://ternaus.blog

#забавно
и залипательная гифка на ночь;)
https://mingyuliutw.github.io/gifs/pointflow.gif

#обзор
Для тех, кто в чатике интересовался обзорами по Ганам. В принципе, их много хороших. Но для провокационности контента канала, скажу -
Посмотрите на Хуи Джонатана:
https://jonathan-hui.medium.com/gan-gan-series-2d279f906e7b

#забавно
Ох уж эти переводы, "ПОЕЗД" - это train;)

#обзор
Поискал какое-нибудь свежее независимое и более-менее приличное сравнение разных реализация градиентного бустинга. Нашёл только за 2019 год...
Выгоднее смотрится CatBoost, но автор контактировал с его создателями, как показывает практика, это действительно улучшает качество в экспериментах (имеется в виду, что создатели подсказывают, что в данном случае надо ещё подкрутить). Жалко, что у xgb и lgb нет такой помощи онлайн (у catboost-a есть, кстати, свой телеграм-канал).
https://medium.com/riskified-technology/xgboost-lightgbm-or-catboost-which-boosting-algorithm-should-i-use-e7fda7bb36bc

#жзл
Интересная статья про Александра Гротендика:
https://mel.fm/istorii/8147623-alexander_grothendieck

#образование
Попиарю-ка я Техносферу от Mail.ru для студентов МГУ, там среди преподавателей много хороших людей;)
Кликни сюда;)

#данные
А Озон, оказывается, дынными делится;)
https://opendata.ozon.ru

#книга
Очень атмосферная книга Тома Лейнстера "Энтропия и разнообразие: аксиоматический подход" - прям ностальгия по аспирантуре, нас так учили: долой практику, из естественных допущений вывести какими должны быть функции, которые формализуют "количество информации" или "разнообразие" (я пока не дочитал до конца, но первая треть хороша):
https://arxiv.org/abs/2012.02113

#книга
По просьбам в чате - ссылки на книги по математике...
Не скажу, что обзоры сверхудачные, но довольно полные и, главное, они есть:

Математика в ML
Marc Peter Deisenroth, A Aldo Faisal, and Cheng Soon Ong "Mathematics for Machine Learning", 2019, https://mml-book.github.io

Одна их последних больших книг по математике в ML
Jean Gallier, Jocelyn Quaintance «Algebra, Topology, Differential Calculus, and
Optimization Theory for Computer Science and Machine Learning» // Book in Progress, 1958 pp. (2019) http://www.cis.upenn.edu/~jean/gbooks/geomath.html