Data Scientist | ML/DL Engineer
  • Чи можливо стати ML Engineer в 35 років?

    З мого досвіду ці дві ролі дуже переплітаються між собою.Дата інженер більше працює з інфраструктурою для данних та допомагає зі збором. Але Ви будете готувати дані для моделей самостійно, тому що ніхто крім Вас не знає які дані Вам потрібні і як їх потрібно обробити. Перед тим як «скормити» дані моделі потрібно пройти декілька етапів їх обробки:
    1. Data Cleaning (заповнення або видалення пропусків,видалення дублікатів,корекція помилок і тд)
    2. Data Transformation (масштабування, нормалізація, кодування ознак, створення ознак і тд)
    Це все буде Ваша робота.
    І аж після цього буде навчання та оцінка моделі, і якщо модель покаже поганий результат(а зазвичай перша модель завжди показує поганий результат), то ці процеси повторюються по колу.
    ML Engineer — це людина, яка може проаналізувати дані, підготувати їх, провести експерименти, натренувати модель і впровадити рішення у продакшн
    Ось є хороша стаття які обов’язки у мл іженера.
    dou.ua/...​how-to-become-ml-engineer

  • Чи можливо стати ML Engineer в 35 років?

    Я зайшов у сферу в 35 років без пхд, технічної освіти (в мене економічна), досвіду та сильних знань математики. Все можливо якщо дуже захотіти. Пхд потрібно якщо Ви хочете розробляти нові алгоритми/архітектури або працювати в наукових закладах (але такої роботи дуже мало). Для звичайної роботи досить математики на рівні першого семестру економічного вузу + базові знання статистики та теорії ймовірності. Але не потрібно вчити все підряд, по факту, потрібні лише деякі теми. Звичайної роботи де не потрібно пхд вистачає. Але треба розуміти що 80% робочого часу займає робота з данними (пошук, очистка, трансформація, агрегація і тд) і лише близько 20% — це робота з моделями (тренування, тестування, деплой).

  • Перехід з бекенду в АІ інженера

  • Застосунки, де можна самому вносити англійські слова для запам’ятовування

    Так. Можна самому створювати свої картки, додавати картинки, аудіо, приклади використання слів в реченнях і тд. Але, на жаль, перевірки вимови там нема. Для вимови можна спробувати shadowing technique.

    Підтримав: Natalya Vysochanska
  • Застосунки, де можна самому вносити англійські слова для запам’ятовування

  • На півшляху до успіху. Світчер

    Как человек прошедший похожий путь, могу сказать одно: только вперед. Сначала тяжело, но с каждым днем каждая новая задача дается все легче, новая информация схватывается все быстрее.
    Дам один совет: больше уделяйте внимания на математику, статистику, теорвер (базу которая нужна в DS). На начальном этапе нужно знать базовые вещи, когда устроитесь на работу будете копать уже более глубоко.

  • Як і з чого почати вчити Java?

    hyperskill.org Все доступно разжевано, автоматическая проверка заданий + несколько проектов покрывающих практически все нужные темы.

    Підтримали: Volodymyr Buryi, Full Stackly
  • Машинное обучение в повседневной жизни: типы ML и способы их применения

    Модель- это алгоритм, тренировка модели- это тренировка алгоритма

    Підтримали: anonymous, Adam Shakhabov
  • Data Analyst — Big Data — Data Science с нуля

    Первое и самое важное это английский.
    Второе — статистика, теорвер, линейная алгебра (если плохо с английским советую платформу stepic.org (там есть неплохой курс по основам статистики и теорвер))
    Если с английским хорошо тогда youtube канал Siraj Raval.
    Третье- алгоритмы машинного обучения (youtube канал Siraj Raval или степик).

    (из инструментов, я так понимаю, для старта нужно освоить хотя бы SQL и Python

    Одного Питона недостаточно. Кроме самого языка нужны еще библиотеки Pandas, Numpy, Matplotlib, sklearn etc.

    И по моему скромному мнению самое главное:

    Нужно знать и понимать когда применить тот или иной метод и какие его преимущества и недостатки, а это приходит только с практикой и опытом.

    На начальном этапе для практики советую Kaggle. После, придумайте себе задачу на текущем месте работы и попробуйте получить нужные данные, очистить их и построить модель.

    Например: попробуйте разбить на кластеры поставщиков с которыми вы работаете или спрогнозируйте потребность в каком-нибудь материале для производства и тд.

  • Отсутствие свободного времени на учебу

    Из своего опыта ( 2 детей + работа):
    1. Исключить фейсбук, контакт, однокласники и тд. Я в свое время заблокировал все свои учетки + удалил на телефоне приложения. Первое время была ломка, чего-то не хватало- потом привык. Время = 30 мин.
    2. Телевизор == лишняя трата времени. Исключить просмотр, а лучше выбросить. Смотреть там все равно нечего. Время = 30 мин.
    3. Дорога на работу/с работы. Читай книги, смотри видео и тд. Время = 60 мин.
    4. Обед на работе. Я обедал за 15 минут , возвращался на рабочее место и час (иногда немного больше) занимался своим проектом или проходил онлайн курсы. Время = 60 мин.
    5. В зависимости от возраста детей, у меня еще получалось читать книги на детской площадке.
    6. Вставать на час раньше . Я вставал в 6 утра и до 7 изучал английский. Время = 60 мин
    7. Выходные дни. Выделить по максимуму времени (здесь как у кого получится). У меня получалось в среднем 3 часа в день.

    В итоге имеем минимум 3 часа каждый день.

  • Взрывается мозг при изучении Java уже в самом начале

    Посмотри здесь:it-simulator.com/#/article/1/3. Есть все от установки Java до Spring, Hibernate,Docker и тд. Очень советую. В свое время мне очень помогло.
    Хорстманн для начинающего очень сложная книга.

    Підтримали: Mike B, Valeriia Lapytska, stufsdf
  • Что из себя на практике представляет машинное обучение?

    В двух словах это описать очень трудно. ML решает большой круг задач, самые распространенные из них:
    1. Классификация- отнесение объекта к одной из категорий на основании его признаков.
    2. Регрессия- прогнозирование какого- либо количественного признака на основании других его признаков.
    3. Кластеризация- разбиение объектов на группы по схожести признаков объектов.
    4. Поиск аномалий и тд.

    Изучение нужно начинать с математики (функция, предел ф-ции, производная ф-ции, градиент, оптимизация ф-ции и тд), статистики (распределения, мода, медиана, доверительный интервал, создание и проверка гипотез и тд) , теорвер, линейная алгебра (матрица, вектор, системы линейных уравнений и тд). Без хорошего понимания всего этого будет трудно.

  • Начать изучать теорию программирования прежде чем лезть в языки?

    Сразу в бой, писать код. Теория без практики забывается мгновенно.
    Я начинал с курса «Введение в программирование на языке Java » Яков Файн.
    www.youtube.com/...​bZefB1_hhS68092rbF4HFtKjW
    Очень доступно все разжевано, начиная от установки IDE и заканчивая вебом и базами данных.

    Теория вероятности нужна если будете работать в сфере машинного обучения.

  • Лінійна Регресія Sklearn! Help

    Ви невірно вибрали у з датафрейму. Спробуйте вибрати по назві:
    X = data[’Money’]
    y = data[’SB’]

    print(regressor.intercept_)
    print(regressor.intercept_)
    Вийшло 6.89 та [-0.01311009 —0.00413568 0.01895583]
    І тепер я не розумію що це за цифри? ))) що вони означають?

    "

    intercept_ це коеф який показує яке значення має у коли всі х = 0
    coef_ показує на скільки одиниць збільшиться/зменшиться у при збільшенні/зменшенні х на одиницю

  • Лінійна Регресія Sklearn! Help

    y- кількість відвідувань, х- сума грошей. Вам потрібно розрахувати на скільки збільшиться/зменшиться у при збільшенні/зменшенні х (потрібно розрахувати коефіцієнти). В sklearn повинно бути щось типу:
    reg = LinearRegression().fit(x,y)
    reg.intercept_ (це коеф який показує яке значення має у коли всі х = 0)
    reg.coef_ (показує на скільки одиниць збільшиться/зменшиться у при збільшенні/зменшенні х на одиницю)

    Прочитайте як це реалізовано в Excel (там є пояснення про коефіцієнти):exceltable.com/...​onno-regressionnyy-analiz

  • Из аналитиков в разработчики?

    Если дружите с математикой и статистикой посмотрите в сторону Data Science. Здесь есть и аналитика и программирование и ИИ (заодно развеете или подтвердите миф № 3).

    Підтримав: anonymous
  • Топік для покращення резюме

    Добрый день.
    Помогите пожалуйста с резюме. Разместил на сайтах по поиску работы, просмотры есть, а откликов 0.
    Может что-то убрать или добавить? Буду признателен за любые советы.
    Заранее благодарен за помощь.
    drive.google.com/...DZx3R64FCRUkZMVXQ5U0tDY2M