Check Levi9 best QA positions to Backbase team!
×Закрыть

Материалы по теме «ML»

RSS

«Я стал ML-инженером ради денег». Бывший анестезиолог — о том, почему не остался в медицине и как нашел себя в IT «Я стал <nobr>ML-инженером</nobr> ради денег». Бывший анестезиолог — о том, почему не остался в медицине и как нашел себя в IT

Ekaterina Tereshchenko 25305

Борис Кабаков 7 лет своей жизни посвятил медицине с участием в международных клинических исследованиях и серьезной анестезиологической практикой. Однако после 30 лет, осознав карьерную и финансовую бесперспективность работы, он решил круто изменить свою профессию. Сегодня Борис — Senior Machine Learning Specialist в SoftServe. С читателями DOU он делится трудностями вхождения в отрасль, применением медицинского бэкграунда и размышлениями о будущем украинской медицины. 277

Как я работаю: Александр Гончар, Chief AI Officer в Neurons Lab Как я работаю: Александр Гончар, Chief AI Officer в Neurons Lab

Валентина Шимкович 7376

Александр Гончар — сооснователь и Chief AI Officer консалтинговой компании Neurons Lab. Его команда разрабатывает решения в области искусственного интеллекта, в основном для финтех- и медицинских компаний. Александр выступает на технических конференциях по всей Европе, преподает на кафедре Data Science в Веронском университете и ведет популярный блог на Medium. Также он автор нескольких статей и AI & ML дайджестов на DOU. 13

С чего начать свой путь в нейронные сети, или Ответы будущему AI-специалисту С чего начать свой путь в нейронные сети, или Ответы будущему AI-специалисту

Эм Константинов 20849

Михаил Константинов, Senior Deep Learning Research Engineer в SQUAD, отвечает на вопросы, с чего начать обучение нейронных сетей. В статье вы найдете ссылки на книги, курсы и многое другое. 11

Data Science и Machine Learning: с чего начать и где учиться Data Science и Machine Learning: с чего начать и где учиться

Olya Mazhara 10570

Статья написана для тех, кто хочет попробовать себя в Data Science и машинном обучении, но не знает, с чего начать и какие знания для этого нужны. Ольга Мажара, преподавательница «Искусственного интеллекта» в КПИ им. Игоря Сикорского и Senior Java Developer в Intellias, составила короткий гайд. 11

Как выбрать подход к созданию тестового AI-проекта Как выбрать подход к созданию тестового AI-проекта

Sergey Brandis 4134

Сергей Брандис, co-founder AI- стартапа и СТО в компании по разработке hardware-устройств, рассказывает о разных подходах к созданию умных систем. Сегодня благодаря доступным библиотекам, понимая подходы и терминологию, можно сделать тестовый AI-проект самостоятельно и ускорить развитие своего бизнеса. Поэтому материал будет полезен проектным менеджерам, продактам, owner’ам и всем, кого интересует внедрение искусственного интеллекта. 11

Карьера в IT: NLP Engineer и NLP Researcher Карьера в IT: NLP Engineer и NLP Researcher

Валентина Шимкович 6155

В новой статье серии «Карьера в IT» поговорим об одной из специализаций Data Science — Natural Language Processing. NLP Specialist занимается обработкой естественного языка: это могут быть задачи по распознаванию речи, машинному переводу, определению эмоциональной окраски текста и так далее.

Як вдало застосувати AI у своєму проєкті: покрокова інструкція Як вдало застосувати AI у своєму проєкті: покрокова інструкція

Max Lupey 5087

Максим Лупей, що має понад 10 років досвіду в ІТ, на прикладі власного проєкту розповідає, як працювати зі штучним інтелектом. У статті йдеться про етапи створення ML-проєкту, збір даних та аналіз датасету, візуалізацію, вибір бібліотек і технологій, архітектури, кількості ітерацій та алгоритми оптимізації. 9

Senior Research Scientist из Google Research — о PhD в американском университете, проектах в ML и перспективах Украины Senior Research Scientist из Google Research — о PhD в американском университете, проектах в ML и перспективах Украины

Анна Соха 11831

Максим Владимиров окончил университет в Харькове, начал работать программистом в Киеве, но быстро понял, что применение готовых решений — это не то, чем он хочет заниматься. Заинтересовавшись машинным обучением и созданием новых алгоритмов, он поступил в аспирантуру в Америку. Максим поделился с DOU тем, как ему удалось построить карьеру в машинном обучении, попасть в Google Research и пригодился ли ему PhD. 54

Як заради однієї змінної для ML ми використали дані космічного проєкту SRTM Як заради однієї змінної для ML ми використали дані космічного проєкту SRTM

Vasyl Mylko 2896

Василь Милько, співзасновник Curiosio — путівника для мандрівників-ґіків, розповів про робоче завдання із зірочкою. Нещодавно йому знадобилось виділити ознаки для нового модуля машинного навчання, і однією з них стала географічна висота. Висота географічної місцевості — це її вертикальна відстань відносно математичної моделі Землі на рівні моря. Завдання здавалося настільки легким, як написати «Hello, World» невідомою мовою програмування. Але виявилось, що все не так просто. 4

Перші кроки в NLP: розглядаємо Python-бібліотеку TensorFlow та нейронні мережі в реальному завданні Перші кроки в NLP: розглядаємо Python-бібліотеку TensorFlow та нейронні мережі в реальному завданні

Андрій Хмельницький 4908

Андрій Хмельницький працює в оцінці майна, а у вільний час займається машинним навчанням. У циклі статей він розповідає, як реалізував власний проєкт зі зручної класифікації земельних ділянок, і робить огляд бібліотек на Python, які використав для цієї мети. У цій частині детально розглянемо бібліотеку TensorFlow, нейронні мережі, реалізацію моделі word2vec. 9

Перші кроки в NLP: розглядаємо Python-бібліотеку scikit-learn в реальному завданні Перші кроки в NLP: розглядаємо Python-бібліотеку scikit-learn в реальному завданні

Андрій Хмельницький 4973

Андрій Хмельницький працює в оцінці майна, а у вільний час займається машинним навчанням. У циклі статей він розповідає, як реалізував власний проєкт зі зручної класифікації земельних ділянок, і робить огляд бібліотек на Python, які використав для цієї мети. У цій частині детально розглянемо бібліотеку scikit-learn.

Перші кроки в NLP: розглядаємо Python-бібліотеку NLTK в реальному завданні Перші кроки в NLP: розглядаємо Python-бібліотеку NLTK в реальному завданні

Андрій Хмельницький 7443

Андрій Хмельницький працює в оцінці майна, а у вільний час займається машинним навчанням. У цій статті він розповідає, як реалізував власний проєкт зі зручної класифікації земельних ділянок, і робить огляд бібліотек на Python, які використав для цієї мети. У першій частині детально розглянемо бібліотеку NLTK. 14

Машинное обучение против финансовой математики: проблемы и решения Машинное обучение против финансовой математики: проблемы и решения

Alex Honchar 10333

Александр Гончар, CTO в Neurons Lab LTD, делится идеями, как машинное обучение может помочь в проблемах эконометрики и финансовой математики, а также показывает, в каких случаях оно не справляется с задачей. 23

Данные важнее, чем модели. Как выглядят эффективные процессы в Data Science Данные важнее, чем модели. Как выглядят эффективные процессы в Data Science

Vadym Boikov 12552

Для многих работа дата саентиста выглядит, как черный ящик. Но несмотря на разные задачи, процессы в проектах похожи, равно как и причины возникающих проблем. В этой статье рассмотрим, какие этапы проходит проект, что должен делать дата саентист и как он взаимодействует с другими членами команды. 43

8 правил для ML-проектов на каждый день: как найти и удержать нужный фокус 8 правил для <nobr>ML-проектов</nobr> на каждый день: как найти и удержать нужный фокус

Игорь Кауфман 6572

«В исследованиях легко увязнуть. Одна проблема тянет за собой другую, и в конце концов начинаешь тратить время на задачи, неприоритетные для конечного продукта (привет, рефакторинг!). Поэтому так важно сохранять концентрацию на основных целях продукта и не распыляться», — Игорь Кауфман, имея разнообразный опыт участия в R&D-проектах, составил список того, что нужно и чего не стоит делать, занимаясь ML. 29

ML для мобільного розробника: Google Cloud для тренування ML-моделі ML для мобільного розробника: Google Cloud для тренування <nobr>ML-моделі</nobr>

Alex Ovechko 3340

Якщо ви хочете навчити персептрон, щоб він виконував операцію XOR, можна навчити таку нейромережу навіть на старенькому мобільному. Використовуючи Google Cloud, автор статті демонструє тренування ML-моделі й завантаження її на мобільному пристрої (Core ML, Metal Performance Shaders). 5

Вступ до Machine Learning: чи потрібен вам ML і як правильно поставити йому завдання Вступ до Machine Learning: чи потрібен вам ML і як правильно поставити йому завдання

Володя Штеньович 7617

У цій статті проаналізуємо переваги МН для конкретного завдання, подивимося на МН крізь призму бізнесу й розглянемо типи проблем, до яких його варто «прикручувати», а за яких умов доцільніше навчатися самотужки.

Нейронные сети в помощь SEO-специалистам: как DeepCaptcha автоматически разгадывает капчи Нейронные сети в помощь SEO-специалистам: как DeepCaptcha автоматически разгадывает капчи

Dmitriy Litavskiy 4594

Сервис разработан с помощью технологий машинного обучения. Он упростит и ускорит работу SEO-специалистов, веб-мастеров, маркетинговых агентств и пользователей крупных сервисов по парсингу поисковых систем. 27

Как мы создавали новостные заголовки на русском языке с помощью Deep Learning Как мы создавали новостные заголовки на русском языке с помощью Deep Learning

Viktor Trokhymenko 6031

В прошлом году в Genesis Media решили помочь авторам писать заголовки для статей, используя самые популярные источники информации Data Science. Вот что из этого получилось. 30

DOU Labs: як у SoftServe створили систему розумного шлагбаума й паркування DOU Labs: як у SoftServe створили систему розумного шлагбаума й паркування

Oleksandr Gurbych 8575

Усім привіт, я — Саша Гурбич, Senior Data Scientist у SoftServe. У цьому матеріалі розкажу вам про систему розумного шлагбаума й паркування, яку ми запустили в листопаді 2018 року на території нашого офісу Lviv Headquarters. 46

← Сtrl 123 Ctrl →

Комментарии

классная статья, мне понравилась. а то у многих видиние, что ПМ — господь боженька всевышний.
Похожих показателей производительности можно достичь используя практически любой современный фреймворк. Все дело в специфических требованиях, которые по разным причинам может предъявлять ваш проект.
нельзя выдерживать полтора часа, надо ускорять!
Угу, ясно Фронт часть я точно не буду делать. Разве что в api получаствую. Буду нанимать фрилансера. Как понял любой из фреймворков будет хорошим выбором и я особо не ошибусь для начала с 0. + по поводу большого количества магии не понял.
Дорогой автор, как уже было прекрасно подмечено, основной профит был в переписывании с нуля. Все те же метрики поддерживаются реактом...
Токсичные самозванцы!
Интервью интересное, не часто можно за раз выдержать полтора часа просмотра. Хотелось бы больше конкретики про будущее, вместо «будет бомба, а не то что сейчас».
Вадик, пост от 6-го 150 пришло 12-го. P.S. С новым годом!
Секретные правила, о которых не пишут в книгах звучат как часть выдержки из примерно любого leadership тренинга. «Интернет взорвался, когда у Лолиты под юбкой нашли ЭТО!!!»
Мне кажется, все таки, что умение продавать себя и сидром самозванца — это разные вещи, хотя стоят где-то рядом обычно.
Витя, а как же 150 баксов?
Из моих наблюдения, на Vue намного легче начать писать и деливерить фичи (особенно бекендеру). Но большее количество магии в сравнении с React на долгой дистанции усложняет поддержку.
Я сам бекендер. Сейчас увеличил долю в одной онлайн игре и загорелся идеей улучшить там все. Думаю на каком фреймворке сделать с нуля редизайн фронта. Заодно одними махом решить многие проблемы старого фронта, поскольку он реально крайне стар.
Вообще, мне кажется, единственный способ реально это преодолеть — это психотерапия или что-то подобное, что поможет считать себя достаточной хорошим человеком независимо от того, что думают другие.
Совершенно верно. Именно по этой причине в статье описаны те возможности, которые предоставил Vue.js как фреймворк в ходе переписывания сайта с нуля, используя совершенно другие подходы в разработке.