Привет, чемпионы! Алгоритм Recovering Difference Softmax (RDS) – это не просто очередной метод машинного обученияЧитать полностью »
Рубрика «data science» - 6
Как алгоритм Recovering Difference Softmax (RDS) делает рекомендации и уведомления точнее и эффективнее
2025-05-24 в 21:25, admin, рубрики: data science, datafeeling, duolingo, machinelearning, RDS, Recovering Difference SoftmaxТеневая сторона AutoML: когда no-code инструменты вредят больше, чем помогают
2025-05-21 в 14:44, admin, рубрики: data science, mlops, Автоматизация ML, Версионирование данных, машинное обучениеАбстракция — не новинка в мире разработки, но в машинном обучении абстракция без контроля превращает автоматизацию в архитектурный риск.
AutoML для многих организаций стал входной точкой в машинное обучение. Он обещает именно то, что хотят услышать команды, находящиеся под давлением: вы приносите данные, а мы займёмся моделированием. Не нужно управлять пайплайнами, настраивать гиперпараметры или изучать scikit‑learn и TensorFlow — просто кликай, перетаскивай и развёртывай.
На первых порах — сплошной восторг.
Мое худшее собеседование в Data Science
2025-05-17 в 13:46, admin, рубрики: data science, машинное обучение, собеседование, собеседование в IT, собеседование вопросы, собеседование на работу, собеседованияДело было в начале третьего курса учёбы в МФТИ, во времена COVID. Более полугода я активно изучал ML: прошёл несколько курсов, выучил теорию, за месяц прошёл парочку собеседований — в Ozon, Сбер и Яндекс. Там всё было более чем цивильно: очень приятные интервьюеры, простые, добрые люди. Во время собеседований помогали, подсказывали молодому, зелёному ботеру. Остались исключительно приятные воспоминания.
И вот в телеграм-канале с вакансиями я увидел злополучный пост про стажировку в МТС. Тогда я ещё не подозревал, что даже в таких крупных компаниях на собеседованиях может происходить настоящий трешачок.
Как Duolingo юзает машинное обучение для прокачки английского: кратко и по делу
2025-05-08 в 8:48, admin, рубрики: data science, datafeeling, duolingo, machinelearningПривет, чемпионы! Duolingo — это уже давно не просто приложение с разноцветными совами и скучными заданиями. С 2023 года и особенно в 2025-м они вкатились в тему искусственного интеллекта (ИИ) и машинного обучения (ML) по полной. Всё, что раньше делали люди — создание курсов, проверку ответов, адаптацию заданий — теперь почти полностью берёт на себя ИИ. Вот как это работает и почему это круто.
Full-stack в аналитике: почему это будущее Data Science?
2025-04-25 в 9:16, admin, рубрики: data analysis, data science, javascript, ml, python, бекенд, фронтендПривет! Это моя первая статья на Хабре, так что тапки прошу кидать мягкие (или хотя бы плюшевые).
Поговорим о том, почему сегодня быть full-stack дата-сайентистом — не просто модно, а жизненно необходимо.
Представьте: вы запилили нейросеть, которая определяет котиков на фото с точностью 99.9% (оставшиеся 0.1% — это когда хомяк притворяется котом). Воодушевлённый результатом, бежите к руководству — и тут начинается шоу:
-
Инфраструктурные проблемы:
-
Бэкенд-разработчик в отпуске (а его API недоступно)
-
Фронтенд-интерфейс рисует пиксель-арт вместо функционального дашборда
-
Архитектура проекта автоматического обучения ML-моделей
2025-04-17 в 12:45, admin, рубрики: AutoML, data science, machine learning, pythonНа связи Кравцов Кирилл и Суздалев Руслан из команды моделирования поведенческих сценариев Центра развития искусственного интеллекта СПАО «Ингосстрах» (далее – ЦРИИ). В статье поделимся решением, которое помогает нам быстрее обучать и интегрировать модели в компании.
С ростом компании и ЦРИИ, в частности, у нас появлялось все больше бизнес-заказчиков, которым нужны были ML-модели. Поэтому потребность росла, а ограниченность ресурсов не позволяла быстро обрабатывать задачи бизнеса и многое уходило в беклог.
Как я сделала свой первый AI-продукт с ChatGPT и капелькой любви
2025-04-16 в 20:06, admin, рубрики: AI-Product, api, chatgpt-4, data science, flask, logistic regression, ml, python3, scikit-learnВ этой статье я расскажу о моем опыте самостоятельного изучения основ Python и Machine Learning и создании первого проекта OneLove на базе собственной модели искусственного интеллекта.
Кто я и зачем мне это было нужно
Мне 51 год, и я работаю тестировщицей в банке. По образованию я экономист. У меня нет особых навыков программирования. Были попытки учить Python и Java, но без практического применения. По работе немного пишу на JS для авто-тестов в Cypress фреймворке, тестирую UI и API — так что базовое понимание, как всё устроено, у меня есть.
Нелинейные зависимости в регрессии. Как линейная регрессия может описать параболу, синусоиду и твою зарплату (хихи)
2025-04-15 в 6:16, admin, рубрики: data science, регрессия, собеседованиеРазбираем стажерско-джуновский вопрос с собеседования.
Вопрос с собеса:
«Можем ли мы описать параболу линейной регрессией?»
Мифы о байесовском А-Б тестировании
2025-04-11 в 12:23, admin, рубрики: ab testing, ab-тестирование, bayesian, data science, анализ данных, аналитика, байесовский подход, проверка гипотез, статистикаСегодня сравним два подхода к А/Б тестированию: байесовский и частотный. Обсудим сложности в интерпретации p-value. Посмотрим, как можно учитывать дополнительную информацию через априорное распределение. Остановим тест раньше времени и решим проблему подглядывания.
Меня зовут Коля, я работаю аналитиком данных в X5 Tech. Мы с Сашей продолжаем писать серию статей по А/Б тестированию. Предыдущие статьи можно найти в описании профиля.