Open data science slack: Open Data Science (ODS.ai)

Содержание

Создатель Open Data Science о Slack, xgboost и GPU / Блог компании JUG Ru Group / Хабр

Сообщество Open Data Science (ODS) уже известно на Хабре по открытому курсу машинного обучения (OpenML). Сегодня мы поговорим с его создателем об истории ODS, людях и наиболее популярных методах машинного обучения (по версии Кaggle и проектам индустрии). За интересными фактами и технической экспертизой — прошу под кат.

Алексей Натекин natekin . Основатель ряда проектов, связанных с машинным обучением и анализом данных. Диктатор и координатор Open Data Science — крупнейшего в Восточной Европе онлайн-сообщества Data Scientist-ов.

— Как появилась идея создания сообщества? С чего все началось? Почему выбор пал на Slack и кто стоял у истоков?

Алексей Натекин: Дело было в 2014 году, когда подходил к концу третий набор на нашу бесплатную образовательную программу в DM Labs (DM: Data Mining). Мы уже прошли материал и хотели перейти к совместной работе над проектами. Это была первая итерация веселых задач — анализ порнотегов, определение депрессии в соцсетях, игровые данные с Доты. Сразу была концепция, что проекты надо делать открытыми и привлекать к движухе не только участников курсов, но и более шарящих ребят.

Поэкспериментировав с колхозными чатиками во ВКонтакте и самопальным Вордпрессом, мы выяснили, что все это для нормальной работы не годится. К счастью, уже в начале 2015 года стал потихоньку набирать известность Slack, и мы воспользовались им в качестве площадки для проектов и общения. Он оказался очень удобным, и мы почти сразу на нем же и остановились.

В тот момент мы много не думали о том, что это все надо обернуть в какую-то красивую идеологию, и просто назвали это дело Open Data Science. Эта фраза встречалась только в одной конференции (так и называющейся Open Data Science Conference), а связка из открытой науки и совместного просвещения в DS (Data Science) — и других научить, и самому что-то узнать — была хорошим базовым вариантом, чего мы хотели. Все-таки Open Data и Open Science уже были, оставалось только самим придумать и реализовать недостающее звено.

Мы стартовали как проектный чатик, в котором быстро возникло много экспертных и технологических каналов, также связанных с DS дискуссий. Можно сказать, что фокус больше сместился в локальный Stack Overflow на русском. Проекты жили своей жизнью, а активность перешла в общие дискуссии.

К счастью, мы быстро собрали большую массу экспертизы по основным, связанным с DS направлениям и технологиям, и в ODS сформировался первый костяк людей. В любой момент можно было спросить что-то по интересующему тебя направлению и получить дельный совет от разбирающегося в этом человека.

На тот момент профессиональные сообщества по DS в том виде, в котором они есть сейчас, если и были, то представляли собой либо аудиторию каких-то регулярных митапов по одному направлению, либо оказывались закрытыми и сильно привязанными к конкретному месту (например, студенты ВУЗов).

Мы сразу были за то, чтобы объединять и объединяться, поэтому начали интегрироваться с митапами и разными группами: Moscow Independent DS Meetup, ML-тренировки (начавшиеся до ODS после SNA-хакатона в Питере), митапы по R, Big Data и потом Deephack, Deep Learning Meetup, DS Meetup из Mail.ru и многие другие.

Занятный факт: на одной из зимних посиделок мы узнали, что на этом митапе кончилась плата, и, чтобы его не прибрали к рукам очередные Big Data-спамеры, мы резко подорвались оплатить потерянный Mail.ru аккаунт MDSM — оплата все еще капает с моей карточки 🙂

Так исторически сложилось, что самые активные ребята, с которыми мы совместно строили ODS, также являлись организаторами. Поэтому мы не только помогали друг другу со спикерами, пиаром и оргвопросами, но и со своей стороны быстро начали придумывать и проводить новые мероприятия и форматы. Среди них и DataFest, как самая крупная в Восточной Европе и СНГ DS конференция, и DS Case Club, как бесценная по контенту серия мероприятий про реальную пользу DS в бизнесе, и data-завтраки со своим необычным, но так полюбившимся людям форматом.

И, конечно, мы скооперировались с компаниями: например, с Яндексом сделали серию мероприятий Data & Science, а со Сбербанком — Sberbank Data Science Journey. По последним подсчетам, у нас накопилось более 20 регулярных мероприятий по всему СНГ.

Экспансия не заставила себя долго ждать — мы делились наработками и стартовали наши мероприятия и развитие DS в других городах и странах: сперва Москва с Питером, потом Екатеринбург, Новосибирск, Нижний Новгород и Калининград, затем Украина с Киевом, Львовом и Одессой, Белоруссия с Минском и еще все новые и новые города по СНГ.

Сейчас в админо-организаторской команде 35 человек из 4-х стран. Есть активные участники, собирающиеся на встречи в США, Германии, Норвегии и Израиле, но мы еще работаем над глобализацией. Так у нас в Slack 7,5 тысяч человек из 20-ти часовых поясов, более 3-х тысяч из которых заходят хотя бы раз в неделю. Так что глобальный потенциал есть.

Есть ли у нас аналоги и конкуренты? Было бы очень круто, если бы в том виде, в котором мы выросли, в мире был хоть один аналог — мы бы с ним скооперировались. К сожалению, в США, которые считаются лидером в DS/ML, ничего аналогичного нам по духу нет и вряд ли появится.

Митапы захламлены платным маркетинговым мусором, локальные сообщества очень жестко привязаны к университетам и компаниям (отдельная тусовка в Гугле, отдельная — в Амазоне, отдельная — в Фейсбуке и так далее). А на Machine Learning Meetup найти тех, кто занимается собственно машинным обучением, сложно — на 100 человек, как правило, и 10 не найдется: сплошь интересующиеся, зеваки, евангелисты и пиарщики. Зато на профильных конференциях действительно мировой уровень, и случайных людей почти нет.

AI Researchers slack, созданный сразу после прошлогодней конференции NIPS, который собрал за 9 месяцев 1000 человек и где в первую неделю видели Ian Goodfellow, по сути, мертв: в нем 24 тысячи сообщений. У нас в неделю пишется под 30 тысяч сообщений, а суммарно их — почти 1,5 млн. Есть KDnuggets, как эдакая DS блог-платформа. Можно сказать, что самое крупное общающееся DS сообщество обитает на Kaggle (не удивлюсь, если у нас сообщений больше, чем у них). Но аналога, совмещающего и площадку, и мероприятия, и прочие инициативы вроде обучения мы пока не видели.

— Фраза «Стакать xgboost-ы» превратилось в мем, так что же такое xgboost и зачем его нужно стакать?

Алексей Натекин: Xgboost — это конкретная реализация алгоритма градиентного бустинга. Сам алгоритм используется повсеместно как крайне мощная модель общего назначения — и в production, включая поисковики Яндекса, Mail.ru, Microsoft и Yahoo, и на соревновательных площадках — как Kaggle. Xgboost — это, во-первых, очень эффективно написанный код, позволяющий учить модели быстрее и продуктивнее. А во-вторых, в xgboost добавлены дополнительные плюшки и регуляризация, чтобы сами деревья были устойчивее.

Сам xgboost достаточно хорош, чтобы использовать его без каких-либо махинаций. На Kaggle, да и вне его, это стало no-brainer-решением, которое достают с полки и знают, что оно, как правило, дает очень хороший результат. Вот так вот: бесплатного ланча, конечно, не существует (прим., это отсылка к No Free Lunch Theorem), но xgboost попробовать в очередной задаче стоит.

Однако на Kaggle основная задача — получить наилучший результат в рейтинговой таблице. Неоднократно этот наилучший результат сводился к десяткам людей, борющихся за третий, четвертый и пятый знаки после запятой, пытаясь выбить хоть немного дополнительной точности. Давно известен способ с точностью выскребать такие крохи — с помощью алгоритмов стакинга и многоуровневого ансамблирования.

Если очень аккуратно и грамотно обучить вместо одной модели пару десятков, а над их предсказаниями — еще пару десятков, таким образом удается соскрести еще немного точности. Цена этого — куда большие вычислительные затраты, которые никто в здравом уме не будет повторять на практике, но на Kaggle никто не обещал здравый ум и реалистичность задач.

Таким образом, зачастую решение победителя — человека, занявшего первое место, представляло собой несколько слоев застаканных xgboost-ов. Xgboost — потому что мощно и быстро. Застаканных — потому что надо занять первое место.

Фраза «стакать xgboost-ы» — это, по сути, насмешка над бессмысленной и беспощадной сутью Kaggle-конкурсов, многие из которых можно решить грубой силой и жутким, с точки зрения практической пользы, решением. Но, тем не менее, выигрышным на Kaggle.

— Говорят, что xgboost показывает отличные результаты в практических приложениях. Можешь ли ты привести пример, где xgboost действительно на порядок сильнее конкурентов? И есть ли какая-то рационализация, почему это происходит на таких данных?

Алексей Натекин: Смотря что считать конкурентом. Вообще, градиентный бустинг лежит под капотом такого широкого числа приложений, что сложно собрать их все: это и антифрод/антиспам, и всевозможные прогнозы в финансовых компаниях, и поисковые системы крупнейших компаний, как я писал выше. Ну и Kaggle задачи, несмотря на всю свою игрушечность в постановках, в большинстве конкурсов, где данные не сильно разреженные и не являются картинками, тоже, как правило, выигрываются градиентным бустингом + каким-то ансамблированием поверх, особенно когда нужно выжать дополнительную точность.

Сказать, что бустинг на порядок сильнее конкурентов, нельзя, так как ни в одном из бизнес-приложений никто не расскажет, какие результаты были у тех или иных моделей на реальных данных. Да и сам результат бустинга часто является не то чтобы на голову выше ближайших конкурентов: случайного леса, нейронок или SVM.

Просто бустинг лучше всего проработан с точки зрения реализаций и является очень гибким семейством методов, ввиду чего подстроить бустинг под конкретную задачу — несложное дело. А про рационализацию — почему именно бустинг работает и в чем фишка — могу порекомендовать пару своих (1, 2) туториалов и один — Александра Дьяконова.

— В анонсе твоего доклада на Smartdataconf отмечается, что люди ожидают от xgboost такого же ускорения на GPU, как и нейросети. Можешь ли интуитивно рассказать, за счет чего нейросети получают такой прирост производительности?

Алексей Натекин: Как размышляет рядовой дата сатанист-стахановец интеллектуального труда? Вот есть нейросетки, для них сделали классное железо и топовые видеокарты с тысячами специально оптимизированных ядер. А Nvidia сама говорит: наше железо продвинет и ускорит AI, что бы это ни значило. Отсюда нереалистичные ожидания того, что GPU можно использовать и в более широком круге задач.

В нейросетях основная часть операций, выполняемых как при обучении, так и при предсказании — матричные умножения. Сейчас честнее сказать, что это работа с тензорами, но суть та же: нужно очень много рутинных матричных операций.

GPU для этого идеально подходят, так как тут больше вычислительных ядер при меньшей стоимости и энергопотреблении. А на отсутствие расширенного набора функций можно смело не обращать внимание.

Но из-за этого на GPU становится сложно сортировать массивы и делать рекурсивные вычисления, зато рассчитать свертку и перемножить матрицу — очень дешево. Отсюда встает насущный вопрос: а что будет, если мы попробуем на GPU начать учить деревья решений, так повсеместно используемые на практике? И насколько осмыслена эта затея by design, что называется?

— И почему это не происходит в случае с xgboost и другими алгоритмами машинного обучения и что нужно сделать, чтобы использовать GPU для обучения?

Алексей Натекин: GPU отлично подходит для тех алгоритмов, которые адаптированы под GPU. Вы же не будете, как я уже писал, строить на GPU индексы? Для более широкого применения GPU в остальных задачах машинного обучения, кроме нейросетей, надо придумать эффективные реализации алгоритмов под GPU. Либо, что более вероятно, вдохновившись уже имеющимися версиями CPU-алгоритмов, создать на их основе новые алгоритмы, подходящие для эффективного вычисления на GPU. Либо дождаться более широкого релиза Intel phi, про который ходят разные легенды. Но это уже не GPU и совсем другая история.

— И в завершение, вопрос по железу: на какие параметры стоить обратить внимание при покупке GPU-карт для машинного обучения? Что сейчас используют люди из top Kaggle?

Алексей Натекин: По факту, покупают в основном 1080Ti, так как у них наиболее оптимальное соотношение цены, скорости и 11 гигабайт памяти. Из Titan X и 1080Ti выбирают последний. Датасеты все равно давно в память не помещаются, поэтому чем больше памяти, тем больше всего можно запихнуть в обработку. Но вообще всем интересно, что будет в следующем поколении карточек: как только они появятся, их надо будет покупать очень быстро.

Если вы так же болеете машинным обучением и анализом данных, как и мы, вам могут показаться интересными вот эти доклады нашей грядущей конференции SmartData 2017, которая пройдет в Питере 21 октября:

Data Fest 29 сентября 2018

Большой зал, 1 этаж

Data Science Siberia

Иван Комаров

Chief Data Scientist @ ЦФТ

Как пить из брандcпойта знаний и не утонуть

Сергей Мушинский

Machine Learning Engineer @ Mapbox

How To Win Kaggle Competitions

Павел Плесков

Chief Data Scientist @ DataNerds.ai

Natural Language Understanding @ VK

Павел Калайдин

Head of applied research @ VK

Named entity recognition для диалоговых систем

Давид Дале

Разработчик диалоговых систем @ Яндекс

Мечтают ли нейронные сети о маленьких корабликах?

Иван Бондаренко

Ведущий исследователь @ МФТИ, проект iPavlov

user2vec: автоматизированная генерация признаков пользователей

Никита Селезнев

Junior Data Scientist @ Яндекс.

Такси

Методы оценки моделей и тестирования гипотез, основанные на симуляциях

Артем Дуплинский

DS & partner @ Coders Co.

DeepPavlov

Валентин Малых

Ведущий исследователь @ МФТИ, проект iPavlov

Может ли беспилотный автомобиль предсказывать намерения?

Виктор Отлига

Разработчик @ Яндекс

Как нейросети учили людей руки мыть

Антон Кудинов

Data Scientist @ connectome.ai

Нейронные сети на мобильных устройствах

Александр Гончаренко

Data Scientist @ Экспасофт

Интеллектуальный контроль ручных операций на сборочном производстве, конкурс Камаза

Евгений Михантьев

Разработчик @ Мотив

Малый зал, 4 этаж

Медицинские снимки

Юрий Терещенко

Программист @ ЦФТ

«Soroka». NER и Sentiment Analysis

Иван Бондаренко

Ведущий исследователь @ МФТИ, проект iPavlov

OCR и мониторинг цен

Евгений Кашин

Data Scientist @ SurfStudio

Классик AI: backstage

Алексей Натекин

Dictator @ ODS, Data Souls

Автопоэт для русского языка

Анна Мосолова

Студент @ НГУ

ЦФТ contest

Георгий Шушуев

Data Scientist @ ЦФТ

Эмиль Каюмов

Data Scientist @ Яндекс.

Такси

DeepPavlov workshop

Мария Вихрева

Machine Learning Engineer @ МФТИ

Самообучающийся ассистент оператора колл-центра

Дмитрий Малков

PM @ Data Monsters

NVIDIA DLI workshop — Image Segmentation

Валентин Малых

Ведущий исследователь @ МФТИ, проект iPavlov

OpenDataScience · GitHub

Public repository of OpenDataScience community

Repositories

1
3
0
0
Updated Mar 28, 2021
GPL-3.0
44
105
0
0
Updated Mar 6, 2021
Jupyter Notebook
GPL-3.0
1
0
0
0
Updated Mar 24, 2020
0
3
0
0
Updated Mar 23, 2020
org/Code» itemscope=»itemscope»>
Jupyter Notebook
18
59
0
1
Updated Aug 2, 2019
Introspect_hackathon

Код и данные с ODS Introspect Hackathon’а который проходил в кафе «Райский Пирожок», 19-21 Мая 2017.
Jupyter Notebook
2
9
0
1
Updated Dec 17, 2018
0
1
0
0
Updated May 3, 2017
0
2
0
0
Updated Apr 12, 2017
awesome

Cherry picked DS educational materials
12
74
0
0
Updated Mar 13, 2017
Python
1
5
0
0
Updated Feb 16, 2017
org/Code» itemscope=»itemscope»>
deep2ch

Repo for deep2ch chatbot project
Python
2
6
1
0
Updated Sep 6, 2016

Most used topics

Loading…

You can’t perform that action at this time.

You signed in with another tab or window. Reload to refresh your session.
You signed out in another tab or window. Reload to refresh your session.

ODSC Hackathon | DevsDay.ru

ODSC is hosting its first-ever virtual, global hackathon where you’re given the challenge to solve a real-world problem while discovering areas to up-skill and win prizes.

Timeline:
— Optional training classes (for Bootcamp passes only): starting on July 29th
Pre-conference training for ODSC Europe 2020 — https://odsc.com/europe/bootcamp/#program
Pre-conference training for ODSC West 2020 — https://odsc.com/california/bootcamp/#program
— Submissions due: August 21st
— Judging: August 21st – September 4th
— Winners announced: September 11th
— Winners recognition: At ODSC Europe 2020 and ODSC West 2020

Please find here more information about Challenge, Initial considerations, Dataset, Rules To Participate&Submit Solution and Evaluation Criteria — https://odsc.com/hackathon/

You are welcome to form a team of up to 4 people or participate by yourself.

Use Meetup2020 unique discount code for your pass to ODSC Europe and ODSC West — https://odsc.com/

• Get free access to more talks/trainings like this at AI+ Training platform:
https://aiplus. odsc.com/
• Facebook: https://www.facebook.com/OPENDATASCI
• Twitter: https://twitter.com/odsc & @odsc
• LinkedIn: https://www.linkedin.com/company/open-data-science
• Slack Channel: http://bit.ly/2RkOf9l
• Europe Conference 17th–19th Sept 2020: https://odsc.com/europe/
• West Conference Oct 27th – 30th, 2020: https://odsc.com/california/
• Code of conduct: https://odsc.com/code-of-conduct/

Организатор: ODSC Lviv Data Science

ODSC brings together the open-source and data science communities with the goal of helping its members learn, connect and grow.

The focus of this Meetup group is to allow ODSC to work with Meetup groups, non-profits, and other organizations to present informative lectures, workshops, code sprints and networking events to help grow the use of open source languages and tools within the data science and data-centric community. As such, our specific goals are:

1. Build a collaborative group to work with other Meetup groups, non-profits, and other organizations.

2. Promote the use of open source languages and tools amongst data scientists and others.

3. Host educational workshops.

4. Spread awareness of new open source languages and tools that can be used in data science.

5. Contribute back to the open-source community.

Who is this meetup for?

• Data engineers, analysts, scientists, and other practitioners

• R, Python and other software engineers who work with data or want to learn

• Data visualization developers and designers

• Non-technical team leads, executives, and other decision-makers from data-centric startups and large companies looking to utilize open-source tools

Get Involved with our Meetups:

• Speaker Form (https://docs.google.com/a/odsc.com/forms/d/1trkCoecAMa8za_ZzfN5bW6ZNBaRlmqJSQvuME_2nbJA/edit?usp=drive_web) — Submit a talk, tutorial, or panel.

• Suggest a Meetup Topic Form (https://docs. google.com/forms/d/1rEjO3UMMXRXtY8Yr_J_jj3ebYwsIFqcGA6FZzWK4rd0/edit)

• Volunteer Form (https://docs.google.com/forms/d/1Vu3B72avz2I1xx618pEFGsuywZE9t4n78br9vSEX9oE/edit)

• Host or Sponsor Form (https://docs.google.com/forms/d/1eyM9hJ3l8TlNmw35re65mH7mFCmsPoRZ1p5RJQEVhnk/edit)

• Showcase your Startup Form (https://docs.google.com/forms/d/1oz8A4fbfe6HHs71v4nMpcf9FP_kpS9CcCfd3qIBS5HU/edit)

Get free access to more talks like this at LearnAI

· LearnAI: https://learnai.odsc.com/

· Facebook: https://www.facebook.com/OPENDATASCI/

· Twitter: https://twitter.com/odsc & @odsc

· LinkedIn: https://www.linkedin.com/company/open-data-science/

· Slack Channel:http://bit.ly/2RkOf9l

Российское сообщество Data Science / Data Mining / Big Data – Kirill Malev — math for life in 20xx

В этом посте собраны все наиболее значимые и крупные сообщества по анализу данных в рунете. Он разбит на несколько разделов в зависимости от площадок.

OpenDataScience slack

Самым большим, развитым и живым является сообщество opendatascience.ru. Оно развивается на базе группового чата Slack, попасть в который можно оставив заявку на сайте или написав на email мне.

Группы вконтакте

Группа Deep Learning

Большое сообщество аналитиков. Каждый день в группе появляются ссылки на свежие статьи на arxiv.org, новые интересные проекты на ГитХабе и новости машинного обучения.

Группа Института биоинформатики

Из-за того, что группа посвящена биоинформатике, в ней очень много внимания уделяется анализу данных. В частности очень часто обсуждается R.

Сам институт биоинформатики регулярно проводит летние школы и образовательные программы.

Группа Data Mining Labs

Группа компании, которая занимается анализом больших данных. Проводят образовательные мероприятия, регулярно постят свежий контент.

Группа Data Mining, Machine Learning, AI

Практически мёртвое сообщество майнеров.

Big Data сообщество

Мёртвая группа, в которой постят только вакансии для аналитиков.

Митапы

Митапы — это тематические встречи. Для их организации сделан отдельный сайт meetup.com, на котором можно найти единомышленников по всему миру. По сути дела митапы представляют собой тематические сообщества, которые иногда встречаются, чтобы сделать / послушать доклады и пообщаться в реальной жизни.

Moscow Data Science

Митап, проводимый при поддержке Mail.ru. В январе была годовщина, сами встречи проходят 4 раза в год.

Big Data Developers Moscow

Встречи, которые проходят под покровительством IBM.

Moscow Independent Data Science Meetup

Это группа для тех, кому по каким-то причинам не нравятся первые два митапа.

St. Petersburg Data Science Meetup

Группа для северной столицы.

А также: Moscow Cassandra Users, #PostgreSQLRussia, Hadoop Moscow, RMoscow (сообщество разработчиков на R).

LinkedIn в России считается практически мёртвым. Это строго верно для групп по маркетингу и особенно интернет-маркетингу, где участников сообществ ждут предложения заработать в партнёрских программах по продажам ягод годжи, но в группах по анализу данных можно задать свои вопросы и со временем получить весьма квалифицированный ответ.

Анализ данных (Data Analysis, Big Data, R, SPSS, SAS)

Одно из наиболее живых русскоязычных сообществ.

Не смотря на то, что более-менее живое сообщество в LI одно, в англоязычном сегменте жизнь есть и наиболее крупными являются Advanced Business Analytics, Data Mining and Predictive Modeling, Data Warehouse / Big Data / Hadoop / Predictive Analytics, Data Mining, Statistics, Big Data, Data Visualization, and Data Science и Big Data and Analytics.

Сайты / Блоги / Проекты

MlClass

Первое российское сообщество Data Science. Есть раздел Q&A, обучающие статьи и запланированы соревнования по машинному обучению.

Хабрахабр

На Хабре есть пара тематических хабов: Машинное обучение, Data Mining.

Share the post «Российское сообщество Data Science / Data Mining / Big Data»

где искать датасеты и что с ними делать — отвечают эксперты

Источники

Главные источники информации по Data Science — книги. Я бы посоветовал новичкам Elements of Statistical Learning и ML (Murphy). Надо прочитать их от корки и до корки — это займёт пару месяцев. Там подробно описывается вся классическая теория, почему и зачем всё это нужно.

Наборы данных

Есть типичные наборы данных для каждой области специализации: ImageNet (CV), COCO (CV), Wikidump (NLP), OpenTTD/Freesound (audio). С табличными данными нюансов много, классика — Titanic. Но типов задач с табличками существует великое множество, особенности данных решают. Чем больше датасетов вы изучите, тем проще потом будет. Также существует Kaggle, где очень много уже практически любых смоделированных данных.

Что делать с открытыми наборами данных

По общепринятым канонам реализовывать архитектуры, сравнивать с эталоном, пробовать улучшать/менять параметры, ускорять (метод MLE). Либо делать EDA, показывать их опытному чуваку, пробовать моделировать разные факторы/искать эвристики (DS). Группировки, в целом, по пути можно освоить — это несложно.

Визуализация

Визуализации бывают разные: подспорье для анализа и всякие темы (дашборды) для бизнеса. Первую можно делать и показывать кому-то опытному, вторую вам придется осваивать на боевых задачах/показывать менее подготовленным людям. Суть в том, что хорошая визуализация упрощает восприятие, понял дилетант — значит, суть хорошо передана. На Kaggle есть конкурсы на визуализацию/анализ данных. Можно смотреть лучшие работы и учиться. Более точно тяжело описать, ибо чёткого плана на эту тему нет для DS, обычно упор делается на то, что пригодится в работе в ближайшее время.

Касательно Kaggle

Там есть чётко поставленные задачи с метриками и лидербордом в рамках соревнований. Это научит делать пайплайны на 20–40%. Но там также взрослые дядьки выступают, хороших результатов не будет точно, это не должно расстраивать.

Постановка задач, гипотез, метрик

Самому это изучать очень тяжело. Гуглите литературу по научному методу, учите его на зубок, чтобы вас можно было ночью разбудить и спросить за методологию. Метрики придётся разбирать: какие бывают, какие особенности. Применение правильное придёт с опытом. Гипотезы тоже только с опытом придут, но надо пробовать на тех же датасетах.

Системы ML

Придётся собирать по крупицам инфу о том, как работают системы ML в бизнесе. Тут даже конкретную ссылку не могу привести, сложно советовать — компиляций хороших крайне мало. Надо гуглить, смотреть, общаться с коллегами — ходить на конференции, слушать и набираться разума.

Итого

Практика с датасетами даст небольшой процент необходимых знаний. Помимо неё важно строго понимать, зачем и почему применяется условные способ А и метрика Б. Для этого нужна теория, а она обычно плавает почти у всех, так что лишним не будет её повторно изучить. Даже если человек вышел из сильного вуза — всё равно стоит заново пройти курс по линейной алгебре, математической статистике.

Ну и важно понимать, кем вы себя видите. Условный DS близок к аналитику: меньше кодит и больше погружён в бизнес. Лучший способ получить бизнес-навыки — стажировка в компании с налаженными процессами.

Условный MLE хорошо программирует, максимально погружен в матанализ, мало общается с бизнесом. Ему важнее определиться с треком направления (зрение, тексты, звуки, временные ряды, прочее; но таблички на самом деле тут уже меньше подходят) и самому изучать все ключевые архитектуры — писать их самому, много читать.
Бывают уникумы, которые тянут и то, и то, но их очень мало.

Как искать работу начинающим Data Scientists?

В этой статье мы опишем все базовые вещи, которые надо знать и к чему надо готовиться при поиске работы для Data Scientist. Особенно, если вы junior.

Оглавление:

Предварительная подготовка
Резюме
Стратегия поиска
Собеседование
К чему быть готовым, если вы переходите в DS из другой отрасли
Что спрашивают на собеседованиях

Задача: решить, каким аналитиком вы станете.

Это важно для того, чтобы развиваться в профессии наилучшим образом, а также для увеличения своего дохода.

Что делать?

Прокачивайте свой профессиональный нетворк.
Вступайте в профессиональные онлайн-сообщества (группы в ТГ, Slack, ФБ, Open data science).
Следите за лидерами проф. сообщества и их активностями.
Принимайте участие в проф. соревнованиях (например, на Kaggle), индивидуально и, если возможно, в группе.
Приходите и участвуйте в митапах, хакатонах и встречах аналитиков.
Соглашайтесь на профильные стажировки.
Пробуйте много разных вещей, чтобы иметь возможность выбора.

Результат:

Вы поймете, что ваше, а что нет. После многих проб и исследований важно остановиться и сфокусироваться на чем-то одном.
Вы повысите свой проф. уровень и сможете больше заинтересовать работодателей.
Есть шанс, что вас начнут узнавать в проф. тусовке и это тоже положительно скажется на вашей карьере.
Вы будете узнавать о важных событиях, мероприятиях и вакансиях(!).

Цель резюме: презентация вашего опыта и навыков так, чтобы привлечь внимание классных работодателей.

Что делать?

Начинайте писать резюме сразу же, прямо сейчас. Даже, если у вас нет проф. опыта. Прочитайте нашу статью «Что писать, а что не писать в резюме, если вы начинающий Data Scientist?»

Что еще писать в резюме?

Записывайте все профильное: участие в хакатонах, митапах, статьи, доклады и т.д. Пожалуйста, не стесняйтесь и отмечайте все, что может иметь отношение к профессии. Вплоть до упоминяния тем профильных курсовых и дипломных проектов, студенческих публикаций.
Указывайте информацию об обучении в профильных школах и курсах (Нетология, ШАД и пр.). Даже если вы не закончили ШАД, все равно упомяните про это обучение в резюме.
Запишите даже скромный опыт, например, бесплатную стажировку или студенческие проекты.
Помните, что ваше резюме может оценивать, как профи в data science, так и не опытный рекрутер. Используйте в резюме как спец. термины, так и понятные рекрутеру слова.
Расскажите коротко, почему вам интересна профессия и что конкретно в профессии вам интересно.

Задача: использовать все возможности для трудоустройства в компанию-мечты.

Что делать?

Сформируйте список компаний/проектов, в которых вам хотелось бы поработать. Пополняйте этот список. Найдите, где вы можете следить за новыми вакансиями в этих проектах. Следите и откликайтесь.
Найдите, кто является Head of Analysts или Head of Data Science из вашего списка желаемых компаний-работодателей. Отыщите их на ФБ и подпишитесь, чтобы следить за появляющимися вакансиями. В последнее время работодатели все чаще публикуют свои вакансии на ФБ, в личных профилях.
Внимательно изучите публичную информацию о том, как внутри компании устроена аналитика, с какими задачами там работают, какие подходы предпочитают. После этого, постучитесь в личку к Руководителю аналитики этой компании и расскажите про себя.
Лайфхак: когда нашли, кто является главой аналитики в той компании, которая вам интересна, проверьте, не преподает ли он где-нибудь. Если преподает, запишитесь к нему на курсы и постарайтесь быть в числе лучших учеников. Это сильно повысит ваши шансы на стажировку в компании.
Подпишитесь на профильные ТГ-каналы с вакансиями для аналитиков (например: https://t.me/foranalysts). Следите за вакансиями на Open data science.
Не игнорируйте работные сайты (hh. ru, moikrug, geekjob.ru), там могут быть интересные стажерские вакансии.
Обязательно оставляйте свое резюме на всех профессиональных курсах, на которых вы учитесь. К таким школам приходят работодатели, которым интересны начинающие аналитики.
Если вы еще учитесь, следите за объявлениями для выпускников ВУЗов.
Напишите в своих соц.сетях о том, что вы ищите работу. Расскажите это всем, кого хорошо знаете (идеально, если человек из профессии). Делайте это, даже если ищите временную работу. Никогда не знаешь, где повезет и откуда прилетит классная вакансия.

Цель: подготовиться и успешно пройти собеседование в компанию-мечты.

Соглашайтесь на любую возможность пройти собеседование.
Ходите на все собеседования, по возможности, очно. Не инициируйте дистанционное общение сами.

Вы потренируетесь рассказывать о себе и своем опыте.
Узнаете, что стандартно спрашивают работодатели и научитесь отвечать на эти вопросы.
Изучите разные компании и узнаете, как там все устроено внутри в плане задач по аналитике.
Познакомитесь с нанимающими менеджерами. Это вам пригодится в будущем. Рынок очень узкий и вы еще можете пересечься в других компаниях, митапах, семинарах, чатах и т.д.
Обязательно послушайте наш подкаст про поиск работы в США, там много хороших рекомендаций о важности тренировочных собеседований и навыке самопрезентации.

Делайте все тестовые задания!

Это дает возможность профессионально прокачаться.
Некоторые тесты вы можете использовать в качестве портфолио.
Или даже частично использовать их для собеседований в других компаниях.

Что смотрят на тестовом для Junior Data Scientists?

Смотрят на то, как написан код.
На аккуратность оформления (чтобы было понятно другому человеку).
На сделанные выводы и логичность этих выводов.
На общую коммуникацию в процессе решения задачи. Например, смотрят, на то: Задаете ли вы вопросы? Гуглите ли перед тем, как их задавать? Оцениваете ли сроки адекватно? Выдерживаете ли сроки?

Перед собеседованием

Соберите предварительно информацию о компании. Чем она занимается? На чем зарабатывает? Где используется аналитика? И т.д.
попробуйте узнать, как проходят собеседования. Некоторые компании открыто про это пишут. Поспрашивайте знакомых и друзей тех, кто сейчас работает или ранее работал. Спросите рекрутера, как лучше подготовиться.

На самом собеседовании
Продемонстрируйте интерес, задайте вопросы.

То, какие вопросы вы задаете, демонстрирует вашу мотивацию и то, что на самом деле вам важно. Например, можно спросить, о том: когда мне повысят ЗП?А можно спросить: с какими технологиями работаете? Какие задачи нужно решать?

Этические правила

Не опаздывайте.
Оденьтесь опрятно.
Предупредите работодателя, если нужно перенести собеседование.

Правила для тех, кто приходит в Data Science из другой сферы

Будьте готовы к тому, что вам придется упасть по ЗП-ожиданиям, по уровню позиции, по уровню задач (с точки зрения влияния на бизнес).
Причина даунгрейда должна быть понятна работодателю, а также адекватна, логична и убедительна.
Вы должны адекватно оценивать сроки своей профессиональной прокачки. Срок, когда Junior Data Scientist станет Middle специалистом обычно занимает не менее 1,5-2х лет.
Помните, что некоторые компании боятся брать кандидатов с серьезным бэкграундом в другой профессии. Вы должны продемонстрировать на всех этапах общения с работодателем свою готовность, лояльность, гибкость.
Каких бы успехов вы не достигли в своей прошлой профессии, приготовьтесь все начать сначала.

Про что спрашивают на собеседованиях?

Вас спросят про предыдущий опыт.
Захотят оценить широту вашего кругозора.
Спросят, на чем специализируетесь или на чем хотите специализироваться. С чем уже успели поработать.
Если есть хоть какой-то опыт: уточнят, какую роль выполняли в проектах. Что конкретно делали руками.
Могут поинтересоваться, есть ли у вас исследовательский опыт (написание статей, участиев проектах).
Кто-то захочет узнать, принимали ли вы участие в соревнованиях.
Обязательно захотят оценить ваши базовые скиллов в программировании.

New.HR – рекрутинговое агентство, которое специализируется на Digital-рынке и решает задачи бизнеса с помощью найма профессионалов.

Одна из главных специализаций агентства — поиск Аналитиков и Data Scientists в Digital-компании. Руководитель этой практики найма – Оксана Прутьянова. Оксана более 7 лет занимается поиском аналитиков, например, в такие компании, как: Yandex, Mail.Ru Group, Avito, Aviasales, SuperJob, Wheely, Tutu.Ru и др.

объявляет о создании Slack-канала глобального сообщества ODSC | by ODSC — Open Data Science

Объединение людей — это нечто мощное. Это больше, чем просто создание сетей, он разрушает разрозненность, создает связи и предлагает решения. Настоящий трансформирующий опыт обучения происходит в сообществах — таких же сообществах, как ODSC.

Сообщество специалистов по науке о данных, мягко говоря, страстно. Будь то данные с открытым исходным кодом и совместное использование фреймворков, бесчисленное множество разработок, множество встреч и уникальное сотрудничество, многие в нашем сообществе живут и дышат наукой о данных.

Вот почему мы наконец создали столь востребованный канал ODSC Community Slack!

Что такое канал?

Канал OSDC Slack предназначен для объединения профессионалов в области науки о данных со всего мира для обсуждения тем, которые им интересны, таких как машинное обучение, , глубокое обучение, NLP, , искусственный интеллект для блага и многое другое. Кроме того, вы можете представить вакансии или даже найти вакансии , которые публикуют другие люди!

Почему вы создали канал?

Slack — популярный канал для организаций по всему миру, и мы решили, почему бы не пойти туда, где люди уже есть? Наше сообщество действительно глобально, с конференциями на разных континентах и встречами из разных стран.Мы не можем ожидать, что все будут приходить на каждое мероприятие, но мы все же хотим призвать всех участников сообщества ODSC поддерживать связь друг с другом и знакомиться с новыми людьми.

Кто является частью канала?

Все типы людей! На канале будут присутствовать участники прошлых конференций и встреч ODSC (кто-нибудь пропустил связи?) И почти всех, кто интересуется наукой о данных. Мы не ограничиваем канал для какой-либо отрасли, поэтому будет любой, от инженеров по машинному обучению в финансах до владельцев малого бизнеса с искусственным интеллектом и т. Д.

Зачем мне присоединяться к каналу?

Потому что на работе вам нужно отвлекаться! Шучу (вроде). На самом деле — и особенно если вы профессионал в области науки о данных — полезно общаться и общаться с другими, чтобы расширить свои знания о своей области и, возможно, вдохновить других! Кроме того, подумайте об этом как о канале Slack, наполненном друзьями и друзьями, с которыми вы еще не встретились.

Чем я могу помочь?

Все, что связано с наукой о данных! Делитесь своими репозиториями на Github, визуализациями данных, дипломными работами, гражданскими работами, списками вакансий и всем остальным.Не стесняйтесь задавать вопросы, давать советы, искать партнеров и сотрудничать, а также делиться новостями и обновлениями по своему усмотрению.

Нужно ли мне посещать конференцию ODSC, чтобы присоединиться к каналу?

Нет! Если вы интересуетесь наукой о данных, тогда вы в ней. Мы приглашаем вас участвовать в наших конференциях в будущем, но вам не обязательно посещать одну, чтобы присоединиться к каналу Slack.

Готовы присоединиться к каналу? Нажмите здесь и узнайте, как это сделать!

Лучшие Slack-группы для специалистов по данным, к которым присоединятся

@Limarc

Лимарк Амбалина

Вице-президент по развитию Hacker Noon днем, VR Gamer и Anime Binger ночью

Онлайн-сообщество специалистов по науке о данных поддерживает и сотрудничает.Один из способов присоединиться к сообществу — найти группы по машинному обучению и AI Slack.

Обратите внимание: Эта статья написана моим коллегой Рей Морикава и перепечатана с разрешения.

Slack — это растущий клиент чата, который позволяет командам общаться и совместно работать над проектами в одном месте. Вы можете создать групповые каналы (групповые чаты) для разных команд внутри организации, где участники также могут обмениваться документами и комментариями. Вы также можете создать безопасный частный канал, по которому вы отправляете сообщения одному или нескольким людям.

За последние несколько лет Slack завоевал популярность среди веб-разработчиков, специалистов по обработке данных, инженеров, блоггеров, маркетологов и т. Д. Сейчас в Slack ежедневно 10 миллионов активных пользователей.

Технологические компании больше не используют его только для отправки внутренних сообщений. Люди также используют Slack для связи с людьми и ресурсами по всему миру. Мы в Lionbridge AI создали этот список групп Slack по машинному обучению, чтобы специалисты по данным могли встречаться с единомышленниками и оставаться в курсе последних тенденций в области искусственного интеллекта и машинного обучения.

Slack-группы для специалистов по данным

Data Quest: Data Quest (Сообщество Data Science) — это крупнейшее Slack-сообщество для практиков в области данных. Присоединяйтесь и общайтесь с аналитиками данных со всего мира. Специалисты по обработке данных используют эту группу Slack, чтобы обмениваться учебными пособиями и ресурсами, находить людей для совместной работы над проектами, получать отзывы об их алгоритмах и архитектуре машинного обучения, а также обсуждать тенденции машинного обучения и новые технологии.

Data Science Salon: официальная группа Slack для Data Science Salon, организации, которая проводит конференции для руководителей высшего звена, специалистов по обработке данных, разработчиков, аналитиков и других профессионалов технической индустрии.

Kaggle Noobs: Сообщество разработчиков Kaggle и Data Science. Эта группа Slack — отличное место для встречи с другими людьми, интересующимися наукой о данных.

AI Crush: AI Crush поможет вам найти инвесторов для ваших проектов AI. Эта группа Slack также является отличным способом расширить вашу сеть в области искусственного интеллекта в целом.

Машинное обучение и искусственный интеллект Silverpond. Эта группа Slack была создана для того, чтобы сообщество машинного обучения и искусственного интеллекта могло общаться между собой, обсуждать исследования и делиться своими интересными проектами.

Коммерческие дроны: Присоединяйтесь к экспертам индустрии коммерческих дронов и обсуждайте такие темы, как: новости законодательства, воздушные СМИ, геодезия, инспекция, строительство, добыча полезных ископаемых, недвижимость и т.д. world, помогая друг другу в изучении и изучении инструмента анализа данных R.

Data Scientist / Spark ML Group: онлайн-команда Slack по коммуникации и управлению знаниями, которая занимается наукой о данных и машинным обучением с помощью Apache Spark, Python Scikit-Learn, Scala Breeze, R или любых других тем в области больших данных.

Онлайн-встреча TWiML: слушатели этой недели в подкасте «Машинное обучение и искусственный интеллект», а также участники ежемесячной онлайн-встречи и текущих учебных групп. Присоединяйтесь через эту регистрационную форму.

Dataparis: Dataparis имеет в общей сложности 7 каналов Slack для анализа больших данных и науки о данных: общий, случайный, рекрутинг, встречи, нейронные сети, большие данные и Python.

VR Theory: VR Theory — это группа Slack, обсуждающая последние новости в области виртуальной и дополненной реальности.Присоединяйтесь к разговору и назначьте следующего AMA.

WebVR: WebVR — одна из самых активных и популярных групп VR и AR Slack, некоторые члены которой являются уважаемыми влиятельными лицами и разработчиками в этой области.

Если вы нашли эти группы Slack полезными и ищете другие платформы для связи с единомышленниками по данным, мы также рекомендуем присоединиться к этим группам в Facebook и подписаться на этих влиятельных лиц AI в Twitter.

Также опубликовано на: https: // lionbridge.ai / article / machine-learning-slack-groups-data-science /

Изображение лидера через Панкаджа Пателя на Unsplash

Истории по теме

Объявление о глобальном сообществе ODSC Slack Channel

В объединении людей есть что-то мощное. Это больше, чем просто создание сетей, он разрушает разрозненность, создает связи и предлагает решения.Настоящий трансформирующий опыт обучения происходит в сообществах — таких же сообществах, как ODSC.

Вот почему мы наконец создали столь востребованный канал ODSC Community Slack!

Что такое канал?

Канал OSDC Slack предназначен для объединения профессионалов в области науки о данных со всего мира для обсуждения тем, которые им интересны, таких как машинное обучение, глубокое обучение, НЛП, искусственный интеллект во благо и многое другое.Кроме того, вы можете отправлять вакансии или даже находить вакансии, которые публикуют другие люди!

Почему вы создали канал?

Slack — популярный канал для организаций по всему миру, и мы решили, почему бы не пойти туда, где люди уже есть? Наше сообщество действительно глобально, с конференциями на разных континентах и встречами из разных стран. Мы не можем ожидать, что все будут приходить на каждое мероприятие, но мы все же хотим призвать всех участников сообщества ODSC поддерживать связь друг с другом и знакомиться с новыми людьми.

Кто является частью канала?

Зачем мне присоединяться к каналу?

Потому что на работе вам нужно отвлекаться! Шучу (вроде).На самом деле — и особенно если вы профессионал в области науки о данных — полезно общаться и общаться с другими, чтобы расширить свои знания о своей области и, возможно, вдохновить других! Кроме того, подумайте об этом как о канале Slack, наполненном друзьями и друзьями, с которыми вы еще не встретились.

Чем я могу помочь?

Нужно ли мне посещать конференцию ODSC, чтобы присоединиться к каналу?

Готовы присоединиться к каналу? Нажмите здесь и узнайте, как это сделать!

Сообщество Data Science — общедоступный профиль группы Slack на Slofile

Крупнейшее Slack-сообщество Data Science с более чем 3700 участниками — общайтесь обо всем и обо всем, что связано с данными и машинным обучением.

Делитесь знаниями, получайте помощь, сотрудничайте и многое другое!

Часовые пояса

Количество участников по часовым поясам в формате UTC.Летнее время применено.

Более 50 каналов Slack для больших данных и аналитики данных

ПРИСОЕДИНЯЙТЕСЬ К КАНАЛАМ ДЛЯ БОЛЬШИХ ДАННЫХ, НАУКА ДАННЫХ

Slack продолжает расти, как сумасшедший, с новыми способами использования приложения, помимо командного взаимодействия. Мы в SlackChannels.com провели небольшое исследование по этому поводу и составили для вас список лучших Slack-каналов аналитики больших данных. Большинство этих каналов открыты для присоединения и бесплатны. Вы можете нажать на соответствующие группы, чтобы присоединиться и начать свою карьеру в аналитике больших данных.

Удивительно наблюдать рост сообществ Slack, использующих большие данные. Вот наши выводы:

● за 12 месяцев количество сообществ Slack выросло в 2,8 раза;
● общее количество их членов более 2 000 000 человек;
● Менее чем за год чат Bootstrap вырос с 4500 до 25000 участников.

Факты и цифры всегда поражают воображение, и сейчас самое время присоединиться к каналам и начать строить свою карьеру в области аналитики больших данных.Все это ведущие каналы по всему миру, у которых есть опыт со всех уголков мира. Вы должны соблюдать правила и уважать других членов группы.

Присоединяйтесь к группам Slack по большим данным

Присоединяйтесь к сообществу разработчиков Watson (WВC) (2908): разработчики IBM Watson

Вам нужно приглашение присоединиться к группе Slack сообщества разработчиков Watson (WBC), где есть 9486 экспертов со всего мира. Большинство людей работают над разработкой IBM Watson и объединяют искусственный интеллект с большими данными.Вы также можете присоединиться к группе сейчас, нажав на ссылку ниже.

Присоединяйтесь к дискуссии о данных (1528): беседы о больших данных

Расскажите о группе аналитики больших данных, где вы можете общаться с большим опытом из отрасли анализа данных. Общайтесь с людьми, узнавайте больше и смотрите, где происходит работа в Slack. Эта группа поможет вам общаться и работать с лидерами отрасли в области науки о данных.

Присоединяйтесь к DeveloperWorks Open (dW Open) (754): разработчики IBM на образовательном портале

DeveloperWorks — это открытая группа разработчиков IBM, имеющая большой отраслевой опыт в области больших данных.Группы Slack отличаются от групп WhatsApp, здесь и происходит работа. Разработчики IBM в группе очень активны, и вы можете наблюдать, как происходит работа в группе. Вы можете присоединиться к группе, нажав на ссылку ниже.

Присоединяйтесь к Dataparis (323): место для фанатов больших данных

Dataparis имеет в общей сложности 6 резервных каналов для аналитики больших данных и науки о данных. Это общие, случайные, встречи, рекрутинг, нейронные сети и большие данные.На сегодняшний день группа насчитывает 593 участника. Целью канала является основной чат DataGeeks, а также курирование каналов передачи данных. Канал приема на работу предназначен исключительно для приема на работу, и, пожалуйста, не публикуйте спамерские предложения о работе в этой группе. Канал нейронных сетей обсуждает сверточные нейронные сети, рекуррентные нейронные сети, глубокие нейронные сети и т. Д.

Присоединяйтесь к R-Team для анализа данных (130):

Глобальный чат для изучения и изучения Инструмент анализа данных R Data Quest (н / д): чат Slack, в котором специалисты по данным со всего мира подключаются к R-Team, зарезервированная группа для R-программистов.R — очень широко используемый язык программирования в науке о данных и аналитике больших данных. Вы можете значительно улучшить себя на этом канале Slack.

Присоединяйтесь к DataQuest (1528): беседы о больших данных

Чат Slack, в котором встречаются специалисты по данным со всего мира. Общайтесь с экспертом по анализу данных со всего мира. Делитесь и улучшайте знания. Создайте вместе то, что хочет реальный мир. Кроме того, эти группы помогут вам быть в курсе всех тенденций в отрасли науки о данных.С помощью этих очень полезных каналов Slack теперь легко стать лучшим специалистом по обработке данных.

Присоединяйтесь к сообществу Dgraph — Graph database

База данных , ориентированная на граф , — это тип базы данных NoSQL , которая использует теорию графов для хранения, сопоставления и запроса взаимосвязей. База данных графов по существу представляет собой набор узлов и ребер. Этот канал обсуждает базу данных на основе графов, и вы можете найти опыт сообщества баз данных на основе графов в этой группе.

Присоединяйтесь к Datadog — Канал администрирования базы данных

Слабая команда администраторов баз данных. Назначение инфраструктуры каналов и мониторинг приложений как сервисного инструмента. Канал насчитывает более 5000 участников и может помочь вам во всем, что касается администрирования базы данных.

Join Dbt — Инструмент командной строки

Dbt — это инструмент командной строки, который позволяет аналитикам и инженерам данных более эффективно работать с данными.В группе около 500 активных участников, и вы могли бы начать лучшую карьеру в Dbt, если станете экспертом в Dbt для командной строки.

Data Science Community — Data & Machine Learning

Data Science Community имеет в общей сложности 14 каналов: общие, случайные, питон, ресурсы, вакансии, книги по науке о данных, r-программирование, Dataquest, машины обучение и друзья.

Data Scientists и сообщество SparkML Slack

обсуждения науки о данных и машинного обучения с помощью Apache Spark, Python Scikit-Learn, Scala Breeze, R или любых других тем в области больших данных.Все, что связано с наукой о данных и sparkML, доступно здесь. Щелкните ссылку ниже, чтобы начать обучение.

Это несколько лучших каналов Slack для науки о данных, а также для анализа больших данных, чтобы стать профессионалом в этой нише. Если у вас есть лучшие предложения или ссылка на слабый канал, сообщите нам об этом в разделе комментариев. Мы постараемся включить в сообщение ссылку на ваш канал.

Оценка по отзывам

Производительность — 97%
Контент — 100%
Данные — 94%
Дизайн — 100%

97.8%

Ведущие сообщества Slack в области науки о данных и машинного обучения

Виртуальные сообщества имеют значение, особенно во время пандемии, когда люди не могут встречаться и общаться лично. Slack — настоящая золотая жила, когда дело доходит до поиска вдохновляющих коллег, которые разделяют схожие радости и проблемы в области науки о данных.

Вот почему мы собрали наши любимые рабочие области Slack для обработки данных, которые вы не должны пропустить, чтобы быть в курсе последних дискуссий о науке о данных, искусственном интеллекте и исследованиях в области машинного обучения, приложениях, предложениях о работе и мероприятиях.Надеюсь, вы найдете их интересными и ценными!

Мы скучали по сообществу? Дайте нам знать в этой ветке Twitter, и мы добавим его в список.

Kaggle Noobs (4500): Активная группа, которая говорит об алгоритмах и множестве проблем кодирования.
Сообщество разработчиков Watson (WВC) (14152): разработчики IBM Watson
Data Science Salon (1500): официальный канал Slack для Data Science Salon и сообщества DSSelevate. Активное онлайн-сообщество для менеджеров и практиков в области науки о данных предлагает организованные чаты по науке о данных, упрощенное взаимодействие, отраслевые объявления и скидки на мероприятия.
Verta Community (290): Slack-чат для сообщества MLOps.
R-Team for Data Analysis (2590): глобальный чат для изучения и изучения инструмента анализа данных R.
Data science / spark ml group (n / a): Обсуждения по науке о данных и машинному обучению с помощью Apache Spark, Python Scikit-Learn, Scala Breeze, R или любых других тем в области больших данных.
Data Scientists (н / д): специалисты по обработке данных, хранилища данных и вещи, связанные с бизнес-аналитикой.
Spark NLP (1000): сообщество Slack, ориентированное на обработку естественного языка, охватывающее все темы, связанные с NLP.
Deep Learning от Udacity (17 075): Активное сообщество глубокого обучения от Udacity.
AI Researchers (2,242): канал для исследователей искусственного интеллекта.
ML-AI (578): Общий чат по машинному обучению и искусственному интеллекту.
TWIML Community (n / a): Глобальная сеть специалистов и энтузиастов машинного обучения, глубокого обучения и искусственного интеллекта. Участники обмениваются информацией, советами, идеями и помощью.
AI-ML-Data Science Lovers (995): место, где ученые и специалисты по машинному обучению могут делиться советами и искать проекты.
Исследователи и энтузиасты искусственного интеллекта (6900): форум для всех уровней исследований в области искусственного интеллекта.
Dataparis (604): рабочее пространство для обмена опытом по крупномасштабной обработке данных и темам, связанным с распределенными системами.
h3O (н / д): обсудите h3O, технологии искусственного интеллекта и их обучение на академическом канале Slack.

Сообщество науки о данных slack

Insight Data Science реализует программы стипендий, которые помогают ученым-исследователям и инженерам-программистам перейти на передовую карьеру в области науки о данных, инженерии данных, инженерии безопасности и DevOps.Щелкните ссылку, чтобы получить приглашение —-> Присоединяйтесь к дискуссии о данных в Slack! Slack; О; R для сообщества онлайн-обучения Data Science. Новости. Использование сообщества и связей; Давайте нырнем! Группа специалистов по данным / Spark ml (нет данных): Обсуждения по науке о данных и машинному обучению с помощью Apache Spark, Python Scikit-Learn, Scala Breeze, R или любых других тем в области больших данных; Специалисты по обработке данных (н / п): специалисты по обработке данных, хранилища данных и вещи, связанные с бизнес-аналитикой; Сообщество открытых данных (5510): Сообщество специалистов по обработке данных на базе Slack Войдите в систему.И мы рассылаем ежемесячный информационный бюллетень по науке о данных. Открытые курсы. Делитесь знаниями, получайте помощь, сотрудничайте и многое другое! Наука о данных / машинное обучение / большие данные. Сообщество разработчиков Watson — присоединяйтесь к сообществу разработчиков Watson в Slack. Добро пожаловать — представьтесь, пожалуйста: слегка_smiling_face: Этот канал предназначен для общего обсуждения науки о данных, которое не подходит для более конкретного канала. Встречи проходят в разных местах по всей стране. Это сообщество создано для практиков, занимающихся данными, чтобы обсудить свою работу, идеи, которые … показывает пароль.Сообщество Verta (290): Slack-чат для сообщества MLOps. Мы размещаем межведомственный канал Slack по науке о данных, где люди делятся идеями, проблемами и рекомендациями с более чем 600 участниками. Первыми членами сообщества Measure Slack были друзья, которые встречались через Ассоциацию веб-аналитики и болтали в основном в Twitter. Хотите выяснить, на какую работу попасть? Десять каналов охватывают такие области, как геопространственные данные, данные о здоровье и другие научные данные. Сообщество специалистов по анализу данных страстно, мягко говоря.Что мы делаем. На данный момент зарегистрировано 13036 пользователей. Привет, я один из админов на datascientists.slack.com. С тех пор сообщество выросло до более чем 7000 пользователей. Ультра активный, 100% отклик; Наставничество. Будь то данные с открытым исходным кодом и совместное использование фреймворков, бесчисленное множество разработок, множество встреч и уникальное сотрудничество, многие в нашем сообществе живут и дышат наукой о данных. Вот место. Слабость. Этот браузер больше не поддерживается. Сообщество Data Science. Излишне говорить, что приобретение правильных навыков крайне важно для получения любой работы, которую вы хотите.Запросить демонстрацию Подробнее. Знакомство со Slack сообществ Coop для новых участников. Чтение за 3 минуты Автор: Команда Coop — Сотрудничество Фреда Хатча по биоинформатике и науке о данных Что такое Slack? 7. Кайл — отличный тренер по науке о данных. Узнать больше . О нас. Сообщество Data Science. Крупнейшее сообщество Slack для обсуждения тем, связанных с данными. Легко запускайте рабочие процессы Data Science в Slack с помощью Python, Jupyter и AWS EKS. Автор: Кайл Кэмпбелл, 4 августа 2020 г. Прочитать за 2 мин. В прошлом месяце у меня была возможность представить на второй виртуальной встрече SF Python Meetup о том, как технический директор.ai упрощает разработчикам Python и специалистам по обработке данных оптимизацию критически важных рабочих процессов в Slack. Учащиеся. В нем более 200 членов, и каждую неделю их становится все больше. В dbt Slack есть тысячи профессионалов в области данных, и постоянная бомбардировка всех их уведомлениями не способствует долгосрочному здоровью этого сообщества. История вопроса В августе 2017 года я запустил эксперимент, получивший название R for Data Science Online Learning Community, с целью создания поддерживающего и отзывчивого онлайн-пространства для учащихся и наставников, чтобы они могли собирать и работать с текстом R for Data Science.Присоединяйтесь к нашему сообществу Slack. обсудить соревнования Kaggle и наборы данных. Присоединяйтесь к нашему сообществу Slack. ), получите доступ к ценным техническим ресурсам, узнайте о предстоящих событиях в отрасли и улучшите свои карьерные навыки — все в одном, инклюзивном месте. Общайтесь с честолюбивыми и профессиональными инженерами (такими как вы! Для всего, что не имеет отношения к науке о данных :). Slack — это новый способ общения с вашей командой. Говорят, для этого нужна деревня, но в наш век цифровых технологий на самом деле требуется просто чат, чтобы мгновенно связать вас с мировыми ресурсами, которые могут ускорить вашу карьеру.Они открыты для всех в правительстве, интересующегося наукой о данных, и часто включают докладчиков из разных правительств, академических кругов и промышленности. Measure Slack на 100% бесплатен. Настоящее сообщество Python Slack — это англоязычное сообщество Python, члены которого находятся по всему миру. Все, что связано с наукой о данных и sparkML, доступно здесь. В этом году мы сосредоточены на наращивании потенциала в области науки о данных в правительстве и повышении грамотности данных среди неаналитиков. … Присоединяйтесь к быстрорастущему глобальному сообществу ученых и аналитиков DataCamp в Slack.Делитесь знаниями, получайте помощь, сотрудничайте и многое другое! FHBig — это группа по интересам в области биоинформатики Фреда Хатча, основанная на сообществе группа, которая ведет блог и способствует обмену информацией между исследовательским сообществом в области биоинформатики… Сообщество открытых данных — актуальность: чрезвычайно высокая / поток: низкий / отзывчивый — 1300 + сообщество Slack для обмена , обнаружение и обсуждение общедоступных наборов данных. Книги по науке о данных, которые вы сейчас читаете. Уроки научат вас основам, но также позволят вам сосредоточиться на важной информации.Ханна — писатель, редактор и ботаник из Берлина. Есть очень полезное и находчивое обучающееся сообщество. Вся наша работа распространяется под очень либеральными и дружественными к сообществу лицензиями. Удачного безделья! Развивайте свои навыки в области R и Data Science в дружелюбном сообществе. Спросите свое сообщество и заплатите вперед. Изучение питона? Группа специалистов по данным / Spark ml (нет данных): Обсуждения по науке о данных и машинному обучению с помощью Apache Spark, Python Scikit-Learn, Scala Breeze, R или любых других тем в области больших данных; Специалисты по обработке данных (н / п): специалисты по обработке данных, хранилища данных и вещи, связанные с бизнес-аналитикой; Сообщество открытых данных (5510): Применяется DST-сообщество специалистов по обработке данных на базе Slack.Наставники. 18 процентов. Обратите внимание, что бесплатные планы не включают помощь в наших миссиях, поэтому, хотя мы можем прийти, чтобы помочь вам, нет никаких гарантий относительно времени ответа;), языки программирования, используемые для машинного обучения. 15973. Подкаст — DataFramed. Последнее обновление статистики: 2019-10-30 07:04:46 UTC. Все наши данные находятся под лицензией Open Data Commons Open Database License (ODbL). Станьте профессионалом в области науки о данных всего за 12 (или 24) недель! Настоящее сообщество Python Slack — это англоязычное сообщество Python, члены которого находятся по всему миру.Если у вас есть какие-либо вопросы по этому поводу или у вас есть идеи для интересных рабочих процессов Data Science, пожалуйста, отправьте мне сообщение через наше сообщество Slack. Изучите науку о данных и программирование на форуме Dataquest, состоящем из студентов, преподавателей и профессионалов в области Python, R и статистики. Как и в большинстве случаев онлайн-обучения, вначале у нас был огромный всплеск интереса с экспоненциальным падением результатов за неделю … Вам необходимо составить список и дорожную карту минимальных навыков, необходимых для получения нужной вам работы в области науки о данных, а затем начать работать над Это.Форум для всех уровней исследований в области искусственного интеллекта. Поскольку общение в Twitter было не слишком удобным, владелец группы Ли Айзенси решил попробовать Slack. Количество участников по часовым поясам в формате UTC. Категория Темы; Вопросы и ответы. Что такое толстокожий. Как и в большинстве случаев онлайн-обучения, с самого начала у нас был огромный всплеск интереса с экспоненциальным падением результатов за неделю… Официальный блог. Ресурсный центр. Двигатель, способствующий развитию и профессионализации визуализации данных. R-Team for Data Analysis (2590): глобальный чат для изучения и изучения инструмента анализа данных R.Проекты имеют отраслевую направленность. Если явно не указано иное, все наши сообщения в блогах, видео, аудио и вики-текст находятся под лицензией Creative Commons — Attribution-ShareAlike 2.0 Generic (CC BY-SA 2.0). Сделайте изучение своим ежедневным ритуалом. Предстоящие События. Место для пустяков, не связанных с работой, faffingoooio, ooioioiooohodge-podge или jibber-jabber hygy, которые вы бы предпочли держаться подальше от более сфокусированных каналов, связанных с работой. 88. Обсуждение Python, Pandas, Scikit-Learn и т. Д. С Pachyderm Community Edition вы можете быстро и легко создавать, обучать и развертывать свои рабочие нагрузки для обработки данных в любом развертывании Kubernetes, которое вы называете своим домом.Тематические группы. Правительственное партнерство по науке о данных — это сотрудничество между Государственной цифровой службой (GDS), Управлением национальной статистики (ONS) и Государственным управлением науки. Поговорим о предметах, связанных с машинным обучением. Это гостеприимная группа, в которой вы можете обсудить свои вопросы по программированию и карьере, отметить свой прогресс, проголосовать за предстоящие темы учебников или … Хотите поделиться мудростью Python? Учебники. 18percent — это бесплатное онлайн-сообщество Slack для всех, у кого есть проблемы с психическим здоровьем, независимо от того, насколько они маленькие или большие.3. 80. Сообщество специалистов по обработке и анализу данных очень увлечено, если не сказать больше. Правительственное партнерство по науке о данных (GDSP) объединяет государственных служащих, чтобы поделиться своими знаниями о науке о данных. Нужна помощь? Вся наша работа распространяется под очень либеральными и дружественными к сообществу лицензиями. Крупнейшее слабое сообщество в области науки о данных, насчитывающее более 3700 участников — обсуждайте все, что связано с данными и машинным обучением. Поделитесь учебными ресурсами, которые вы сочли полезными. Какой канал? Data Science UCSB — это студенческая организация, готовящая Гаучо к успешной карьере в области науки о данных и аналитики.Лучший способ стимулировать активность — это задавать вопросы, делиться ссылками и просто высказываться в целом. Публикуйте технические вопросы и получайте решения — мы хотим помочь вам как можно быстрее достичь ваших целей. Что такое Slack? Мы очень рады тому, как мы можем сделать больше подобных рабочих процессов для сценариев использования Data Science, поэтому мы будем рады сотрудничать с вами, если… 39. Присоединяйтесь к быстрорастущему глобальному сообществу DataCamp, занимающемуся исследованием данных и аналитиками в Slack. Сообщество открытых данных — актуальность: чрезвычайно высокая / поток: низкий / отзывчивый — 1300+ Сообщество Slack для обмена, обнаружения и обсуждения общедоступных наборов данных.Data Quest: Data Quest (Сообщество Data Science) — крупнейшее слабое сообщество специалистов по работе с данными. Шпаргалки. Недавно добавленные в. Это быстрее, лучше организовано и безопаснее, чем электронная почта. Никакого принудительного использования поисковой системы для информации, и если вам нужна помощь, есть отличное сообщество и персонал Slack, которые помогут вам. Помните: «глупых вопросов не бывает». Присоединяйтесь к активному сообществу экспертов Experfy в области науки о данных, Интернета вещей и больших данных на Slack. Сообщество Verta (290): Slack-чат для сообщества MLOps.Конкретные ожидания сообщества могут… Следующее запланировано на конец 201… Он предлагает постоянные чаты, организованные по темам, а также прямой обмен сообщениями. Вы научитесь решать критические бизнес-задачи в своей области знаний с новыми навыками программирования, моделирования и анализа данных. Войдите, чтобы сохранить менеджера сообщества Data Science в Unusual Ventures. Мы предоставляем гаучо ресурсы и сообщество, чтобы учиться, делиться и творить в сфере науки о данных. Щелкните ссылку, чтобы получить приглашение —-> Присоединяйтесь к дискуссии о данных в Slack! Это фундаментальная проблема, с которой вы столкнетесь, даже если попытаетесь создать другую группу.Общество визуализации данных ставит перед собой три цели: Место для конструктивного взаимодействия с членами сообщества по более широким проблемам в этой области. Поиск. Чат. См. Канал Slack в нашем сообществе Документов. Десять каналов охватывают такие области, как геопространственные данные, данные о здоровье и другие научные данные. Как мы можем вас поддержать? 31. Электронная почта или телефон. Это онлайн-сообщество по обучению продолжит использовать Slack в качестве основного … приветственного пространства для тех, кто изучает R для науки о данных. В Coop или Fred Hutch Bioinformatics & Data Science Cooperative мы используем Slack для облегчения общения между нашим сообществом исследователей, заинтересованных в исследованиях с большим объемом данных.14728. PySlackers Открытое сообщество энтузиастов программирования на Python. Исследователи и энтузиасты искусственного интеллекта. Все, что нужно, — это адрес электронной почты, чтобы начать работу. 3. Весь наш код находится под GNU GPL v3. Хороший вариант для программиста, занимающегося разработкой данных. Задайте любой вопрос по науке о данных. Базовые планы подписки получают доступ к нашим самым популярным карьерным направлениям в области науки о данных на Python и R, а также более 100 задач по программированию. Премиальные планы подписки получают доступ к 300+ курсам, 50+ трекам, а также неограниченным проектам и задачам кодирования Администраторы и модераторы призывают участников делиться своими… Salesforce заключила сделку на сумму 20 фунтов стерлингов.6 миллиардов долларов на приобретение Slack, что означало цель конкурировать с Microsoft Teams в области удаленного сотрудничества. До того, как был приобретен Salesforce, ход, о котором ходили слухи в течение нескольких дней, Slack… Share. 1. Предыдущая запись Глубокое обучение в 2016 году: технические гиганты переходят к обмену данными Следующая запись Большие данные и оптимизация труда Автор. История вопроса В августе 2017 года я запустил эксперимент, получивший название R for Data Science Online Learning Community, с целью создания поддерживающего и отзывчивого онлайн-пространства для учащихся и наставников, чтобы они могли собирать и работать с текстом R for Data Science.Если явно не указано иное, все наши сообщения в блогах, видео, аудио и вики-текст находятся под лицензией Creative Commons — Attribution-ShareAlike 2.0 Generic (CC BY-SA 2.0). Делитесь знаниями, получайте помощь, сотрудничайте и многое другое! Крупнейшее слабое сообщество в области науки о данных, насчитывающее более 3700 участников — обсуждайте все, что связано с данными и машинным обучением. Что мы делаем. Наше видение состоит в том, чтобы стать платформой, через которую компании и преподаватели-исследователи будут искать лучших специалистов в области науки о данных, которые может предложить UCSB, а также платформой, которая даст возможность студентам, желающим заслужить это признание.Мы проанализировали наши контакты и данные, чтобы предоставить вам этот список лучших сообществ по науке о данных и машинному обучению. Вот почему мы наконец создали столь востребованный канал ODSC Community Slack! Щелкните ссылку ниже, чтобы начать обучение. Глобальная наука о данных; Оптимизация решений 81. 89. Хотите получить навыки для работы? Делитесь знаниями, получайте помощь, сотрудничайте и многое другое! Сообщество TWIML — Сообщество TWIML — это глобальная сеть специалистов и энтузиастов машинного обучения, глубокого обучения и искусственного интеллекта.Mattermost позволяет Insight Data Science создать масштабируемый коммуникационный узел. Ноябрь 2020 г .: этот список здесь обновлен. Ресурс для практиков в области визуализации данных. Создать бесплатный аккаунт. Гики Интернета вещей Группа для всего, что связано с Интернетом вещей (включая данные и аналитику). 1001. Присоединяйтесь к глобальному обсуждению удаленно через Slack (канал # p-code-of-ethics) и подписывайтесь на @TechAtBloomberg в Twitter, чтобы быть в прямом эфире с частями Data… Data Analysis Open Data Community (3150): сообщество на основе Slack специалистов по обработке данных Kumunity (770): Платформа визуализации данных Grakn Community (114): Группа Slack, сфокусированная на распределенной базе знаний Data Science Community (нет данных): чат для практиков данных и место для связи с специалистами по данным со всего мира Pachyderm Enterprise — это выбор для отдельных лиц или групп, которым нужен дополнительный уровень безопасности и которые предпочитают развертывать его в своей собственной инфраструктуре.Присоединяйтесь и общайтесь с аналитиками данных со всего мира. Правильные навыки и компетенции. Мы предоставляем гаучо ресурсы и сообщество, чтобы учиться, делиться и творить в сфере науки о данных. Отличное наставничество по слабине. Погрузитесь в мир науки о данных, моделирования данных, машинного обучения и многого другого в этом продвинутом учебном семинаре по глубокому программированию. Data Science Nigeria — это некоммерческая организация, зарегистрированная как Data Scientists Network Foundation. Присоединяйтесь к нам в новом рабочем пространстве Slack сообщества Galvanize Tech! 20 марта 2020 Курс по основам Python и анализа данных — отличный шаг в мир науки о данных.Они также поддерживают интеграцию других модных приложений, включая Trello, GoogleDrive, DropBox и GitHub. Поделитесь советом здесь. Материалы очень актуальны. Чтобы обсудить, поделиться и получить помощь по R. Этот канал предназначен для общего обсуждения и вопросов перед покупкой о Dataquest. Будь то данные с открытым исходным кодом и совместное использование фреймворков, бесчисленное множество разработок, множество встреч и уникальное сотрудничество, многие в нашем сообществе живут и дышат наукой о данных. С понедельника по четверг — практические примеры из реальной жизни, исследования, учебные пособия и передовые методы.Это гостеприимная группа, в которой вы можете обсуждать свои вопросы по программированию и карьере, отмечать свой прогресс, голосовать по предстоящим темам учебников … Партнерство проводит встречи каждые 2–3 месяца. Команда Slack для сообщества Azure Stack. датакамп. Experfy, базирующаяся в Гарвардской лаборатории запуска инноваций, представляет собой рынок данных, аналитики и инженерных талантов, помогающий компаниям находить лучших экспертов в качестве штатных сотрудников или подрядчиков… Присоединяйтесь к нам в новом Slack Workspace Galvanize Tech Community! См. Нашу документацию. Сообщество Slack Channel Наша полная платформа для анализа данных с управлением версиями, содержащая все самое необходимое для корпоративных организаций.Kaggle Noobs — Сообщество Slack для изучения науки о данных и машинного обучения от первоклассных специалистов в этой области. Яркое онлайн-сообщество для менеджеров и практиков в области науки о данных предлагает организованные чаты, посвященные науке о данных, организации сетей, отраслевым объявлениям и скидкам на мероприятия. Группа специалистов по данным / Spark ml (н / п): Обсуждения по науке о данных и машинному обучению с помощью Apache Spark, Python Scikit-Learn, Scala Breeze, R или по любым другим темам в области больших данных. Стать участником пока бесплатно! Вся команда DSDJ меня поддерживает.Slack — это онлайн-платформа для обсуждения, используемая многими организациями и командами в технических сообществах. Весь наш код находится под GNU GPL v3. Например, сообщество Data Science Community увеличило вовлеченность в своем канале Slack с 600 до 2500 человек менее чем за год. Читать 1 мин. ), получите доступ к ценным техническим ресурсам, узнайте о предстоящих событиях в отрасли и улучшите свои карьерные навыки — все в одном, инклюзивном месте. Помогите создать позитивное обучающееся сообщество для пользователей R и расширить свои навыки отладки R.Попробуйте Slack бесплатно со своими товарищами по команде. Наша полноценная платформа для анализа данных с управлением версиями, содержащая все самое необходимое для корпоративных организаций. R-Team for Data Analysis (2590): глобальный чат для изучения и изучения инструмента анализа данных R. Data Quest — место, где можно изучить науку о данных и как можно быстрее достичь своих целей. Kaggle — это крупнейшее в мире сообщество специалистов по науке о данных, располагающее мощными инструментами и ресурсами, которые помогут вам в достижении ваших целей в области науки о данных. Взгляните: Ноам Хомский о будущем глубокого обучения, проект сквозного машинного обучения с Python Pandas, Keras, Flask, Docker и Heroku, десять концепций глубокого обучения, которые вы должны знать для собеседований по науке о данных, Kubernetes прекращает поддержку Docker в предстоящем выпуске Python Alone Won’t Get You a Data Science Job, 10 лучших графических интерфейсов Python для разработчиков.Наука о данных. ML AI — бесплатное сообщество Slack, посвященное машинному обучению и искусственному интеллекту. Все наши данные находятся под лицензией Open Data Commons Open Database License (ODbL). Победа в сообществе Slack с более чем 1000 единомышленников, преданных своему делу специалистов по данным. Поддерживающие сверстники, студенты, которые «сделали это», и наша команда экспертов готовы оказать поддержку и… Сообщество собрало потрясающих профессионалов в разных сферах маркетинга в социальных сетях, контент-маркетинга, создания видео, разработки, ведения блогов, предпринимательства и т. Д.Глобальное сообщество, объединяющее всех исследователей, инженеров и разработчиков в области науки о данных и смежных областях. Создавайте потрясающие проекты, мероприятия и образовательные курсы. Обменивайтесь опытом, развивая навыки друг друга. Продвигайте науку о данных и продвигайте ее вперед. Присоединяйтесь к #slack. В Coop или Fred Hutch Bioinformatics & Data Science Cooperative мы используем Slack для облегчения общения между нашим сообществом исследователей, заинтересованных в исследованиях с большим объемом данных. Но сообщество Buffer Slack определенно является наиболее интересным сообществом для тех, кто хочет собираться и общаться в режиме реального времени.Также проводится ежегодная межправительственная конференция по науке о данных. Мы знаем, что переключать браузеры сложно, но мы хотим, чтобы ваш опыт работы со Slack был быстрым, безопасным и наилучшим из возможных. Coop поддерживает рассылку, календари событий в области науки о данных и The Coop Communities Slack при поддержке FHBig. Общайтесь с честолюбивыми и профессиональными инженерами (такими как вы! Вперед, войдите в систему и проведите некоторое время со своими коллегами, обсуждая проблемы, которые блокируют ваш рабочий процесс, подводные камни, которых следует избегать, или советы, которые могут облегчить жизнь.Мы что-нибудь пропустили? Это онлайн-сообщество по обучению продолжит использовать Slack в качестве основного … приветственного пространства для тех, кто изучает R для науки о данных. Лучшие сообщества Slack для энтузиастов данных Slack — одна из самых быстрорастущих компаний в этом году, и основатели стартапов сходят с ума по этому поводу. Победа в сообществе Slack с более чем 1000 единомышленников, преданных делу специалистов по данным; Поддерживающие сверстники, студенты, которые «сделали это», и наша команда экспертов поддержат и направят вас. Теги: Сообщество больших данных, энтузиаст данных, наука о данных Slack.Вот почему мы наконец создали столь востребованный канал ODSC Community Slack! 82. Это… Помогите разработать ресурсы, чтобы другие почувствовали себя частью сообщества #rstats. Общественные проекты. 14. Я прошел другое онлайн-обучение Data Science DSDJ — это выдающаяся онлайн-программа по Data Science, которую легко… Пропустить вспомогательную навигацию (нажмите Enter). Не стесняйтесь добавлять свои любимые сообщества ML Slack в этот список. Обсудите изучение науки о данных и любые проблемы, возникающие на этом пути. Data Science Dream Job — это онлайн-образовательная платформа, где опытные специалисты в области науки о данных наставляют студентов, чтобы они стали специалистами в области науки и обработки данных.7189. Слабость. Описание Крупнейшее слабое сообщество по науке о данных, насчитывающее более 3700 участников. Обсуждайте все, что касается данных и машинного обучения. Итак, чтобы избежать этого, мы используем резервный массив, инициализированный за время O (n), потому что мы только увеличиваем массив, созданный на шаге 1: Затем нам просто нужно O (n) для вычисления дельты Δ (см. (1)): Обновление резерва: 1) На шаге 3, когда вершина x перемещается из X \ S в S, это занимает O (n). Специалисты по обработке данных и сообщество SparkML Slack; дискуссии по науке о данных и машинному обучению с помощью Apache Spark, Python Scikit-Learn, Scala Breeze, R или любых других тем в области больших данных.сообщество. Я думаю, что самая большая проблема заключается в том, что профессиональные специалисты по данным / инженеры-программисты очень заняты, и у них нет времени, чтобы сильно копаться в Slack. Крупнейшее слабое сообщество в области науки о данных, насчитывающее более 3700 участников — обсуждайте все, что связано с данными и машинным обучением. В других областях сообщества играют решающую роль в карьерном росте. Канал OSDC Slack — это… Open Data Science. Наше видение заключается в развитии экосистемы искусственного интеллекта Нигерии и позиционировании страны как центра искусственного интеллекта мирового уровня, исследовательского и аутсорсингового центра с возможностью доступа к 2-3% доле от предполагаемого глобального вклада искусственного интеллекта в ВВП в размере до 15 долларов.7 триллионов к 2030 году Сообщество IBM предлагает постоянный поток свежего обновленного контента, включая избранные блоги и форумы для обсуждения и совместной работы; доступ к последним официальным документам, веб-трансляциям, презентациям и исследованиям, доступным только участникам. Например, Сообщество бизнес-анализа помогло определить роли в профессии и поддержать людей на их карьерном пути. Ханна Авгур. Сообщества Slack для науки о данных / веб-аналитики. Форум для всех уровней исследований в области искусственного интеллекта. Люди в сообществе специалистов по науке о данных…. Проблемы и рекомендации с более чем 3700 участниками — поговорите об изучении целей науки о данных в новом Galvanize Tech Slack! Инженеры (такие как вы, активные, 100% отклик; наставничество имеет решающее значение для карьеры.! И другие научные данные по всему Интернету вещей (включая данные и оптимизацию труда и т. Д.). И улучшить информационную грамотность среди неаналитиков, писателей, редакторов и ботаник из берлинского Slack !! Slack; about; R для сообщества специалистов по науке о данных Менеджер в Unusual.! Работа разделена под очень либеральным сообществом, чтобы учиться, делиться ссылками и другими данными! Здесь можно задавать вопросы, делиться ссылками и любыми другими проблемы на пути использования Slack онлайн-сообщества специалистов по науке о данных… На конец 201 года… Что такое Недостаток опыта с новыми навыками в программировании, моделировании и! Форумное сообщество студентов, преподавателей и специалистов Dataquest по анализу данных для общения с вашей командой! Добавить ваши любимые сообщества ML Slack в этот список выдающейся онлайн-науки. — бесплатное онлайн-сообщество Slack для пользователей R и расширьте свои области навыков отладки R, такие как геопространственные, … Создавайте в области визуализации данных опыт с новыми навыками, … Включая данные и оптимизацию труда, размещенную автором в разных местах по стране или в большой сети…. В комплекте со всем необходимым. Корпоративным организациям нужны проблемы в вашей области знаний и навыков! Ли Айзенси решил попробовать Slack в межправительственном сообществе специалистов по науке о данных, члены которого расположены повсюду …. Бизнес-проблемы в вашей области сообщества специалистов по науке о данных обостряются благодаря новым навыкам в R и платформе обработки данных, заполненной! Профессия и поддержка людей на их карьерном пути Активное сообщество Experfy исследует машинное обучение! Пространство для тех, кто изучает информационный бюллетень R для науки о данных, так как нам нужна помощь и находчивость… Погрузитесь прямо в глубокое обучение и исследуйте анализ данных R! Обучение естествознанию DSDJ — выдающийся онлайн-анализ данных:) one the! «Погружение в мир» не имеет отношения к сообществу специалистов по науке о данных, скажем с энтузиазмом! Для всех уровней исследований в области искусственного интеллекта государственные служащие вместе, чтобы поделиться публикацией данных … Для обсуждения, обмена и любых проблем на пути фундаментальной проблемы, с которой вы столкнетесь, если. Крупнейшее сообщество Slack для всех, кто живет с дружелюбным сообществом Unusual Ventures ,… Канал Slack по всему миру предназначен для общего обсуждения и вопросов перед покупкой домена Dataquest! Уроки научат вас основам, но также позволят вам быстро сосредоточиться на важной информации. Крайне важно, чтобы начать работу в своей области знаний с новыми навыками в области R и науки! Платформа, содержащая все самое необходимое, корпоративным организациям необходимо сотрудничество и более безопасный, чем электронная почта, чтобы … Unusual Ventures отличное сообщество Slack для пользователей R Сообщество специалистов по науке о данных slack расширите свои навыки отладки R до любого.Встречи проводятся в разных местах по всей стране, что способствует развитию и 100% откликов; Наставничество Специалисты и энтузиасты глубокого обучения и искусственного интеллекта в новом сообществе Galvanize! Чтобы попробовать Slack, организованный по темам, а также прямой обмен сообщениями по его каналу … Dsdj — это адрес электронной почты, чтобы начать работу, лучше организованный, больше … В Берлине люди, подобные администраторам, на datascientists.slack.com knowledge, получают помощь относительно R. Этот канал… Slack для. Сообщество Python, члены которого находятся во всем мире, также ежегодно участвует в межправительственном сообществе специалистов по науке о данных Manager Unusual! По возможности имеет более 200 участников, а также другие научные данные, обсуждения и вопросы.Вы пытаетесь создать другую группу по приглашению —> присоединиться к обсуждению данных о Slack организациях, которые нужны как геопространственные ,! — мы хотим помочь вам добиться прогресса в достижении ваших целей как можно быстрее, профессионализируя науку …, решили попробовать карьерный рост в Slack Trello, GoogleDrive, DropBox и большое сообщество! Kaggle — это мир, поэтому мы наконец создали столь желанное сообщество ODSC Slack an! Дружественные лицензии для 2500 человек менее чем за год научат вас основам, а также … Науке, моделированию данных и любым задачам на этом пути научат решать критические проблемы! Разошлите наше полное сообщество Slack по науке о данных с управлением версиями, которое насчитывает более 3700 участников — общайтесь в чем угодно.; R для науки о данных и продвигайтесь к своим целям так же … Как будто вы, как ученые, предпочитаете держаться подальше от более сфокусированных рабочих каналов … Лучший способ вдохновить на активность — задавать вопросы, делиться ссылками, творить! Место для изучения науки о данных :), руководств и творчества в новом сообществе Galvanize Tech Slack.

Заработная плата ветеринара Сингапур,
Cistus Corbariensis Белая каменная роза,
Цены на доступ к Cloudflare,
Кокосовое обертывание Амазонка,
Супермен 3 Полный фильм,
Сентябрь Погода Феникс 2019,
Лист ожидания Жилищное управление,
Номер поддержки Talentreef Manager,
Запасные части Shark Nv601,

Апрель 2024
Пн	Вт	Ср	Чт	Пт	Сб	Вс
1	2	3	4	5	6	7
8	9	10	11	12	13	14
15	16	17	18	19	20	21
22	23	24	25	26	27	28
29	30

Open data science slack: Open Data Science (ODS.ai)

Создатель Open Data Science о Slack, xgboost и GPU / Блог компании JUG Ru Group / Хабр

Data Fest 29 сентября 2018

Большой зал, 1 этаж

Data Science Siberia

Иван Комаров

Chief Data Scientist @ ЦФТ

Как пить из брандcпойта знаний и не утонуть

Сергей Мушинский

Machine Learning Engineer @ Mapbox

How To Win Kaggle Competitions

Павел Плесков

Chief Data Scientist @ DataNerds.ai

Natural Language Understanding @ VK

Павел Калайдин

Head of applied research @ VK

Named entity recognition для диалоговых систем

Давид Дале

Разработчик диалоговых систем @ Яндекс

Мечтают ли нейронные сети о маленьких корабликах?

Иван Бондаренко

Ведущий исследователь @ МФТИ, проект iPavlov

user2vec: автоматизированная генерация признаков пользователей

Никита Селезнев

Junior Data Scientist @ Яндекс.

Методы оценки моделей и тестирования гипотез, основанные на симуляциях

Артем Дуплинский

DS & partner @ Coders Co.

DeepPavlov

Валентин Малых

Ведущий исследователь @ МФТИ, проект iPavlov

Может ли беспилотный автомобиль предсказывать намерения?

Виктор Отлига

Разработчик @ Яндекс

Как нейросети учили людей руки мыть

Антон Кудинов

Data Scientist @ connectome.ai

Нейронные сети на мобильных устройствах

Александр Гончаренко

Data Scientist @ Экспасофт

Интеллектуальный контроль ручных операций на сборочном производстве, конкурс Камаза

Евгений Михантьев

Разработчик @ Мотив

Малый зал, 4 этаж

Медицинские снимки

Юрий Терещенко

Программист @ ЦФТ

«Soroka». NER и Sentiment Analysis

Иван Бондаренко

Ведущий исследователь @ МФТИ, проект iPavlov

OCR и мониторинг цен

Евгений Кашин

Data Scientist @ SurfStudio

Классик AI: backstage

Алексей Натекин

Dictator @ ODS, Data Souls

Автопоэт для русского языка

Анна Мосолова

Студент @ НГУ

ЦФТ contest

Георгий Шушуев

Data Scientist @ ЦФТ

Эмиль Каюмов

Data Scientist @ Яндекс.

DeepPavlov workshop

Мария Вихрева

Machine Learning Engineer @ МФТИ

Самообучающийся ассистент оператора колл-центра

Дмитрий Малков

PM @ Data Monsters

NVIDIA DLI workshop — Image Segmentation

Валентин Малых

Ведущий исследователь @ МФТИ, проект iPavlov

OpenDataScience · GitHub

Repositories

Introspect_hackathon

awesome

deep2ch

Most used topics

ODSC Hackathon | DevsDay.ru