Статьи и новости

 

  1. Чек-лист для Data Science

    Наука о данных (Data Science) — не магия, а ваш бизнес никто не знает лучше вас. Помогайте специалисту инсайтами и информацией о бизнес-процессах, и результат не заставит...
  2. Герои глубокого обучения

    Пионер в области глубокого обучения Andrew Ng (Эндрю Ын) в рамках своих образовательных проектов в сфере искусственного интеллекта провел ряд интервью с исследователями, внесшими существенный вклад в...
  3. Скрам или Канбан?

    Основы kanban и scrum Kanban — это модель, которая помогает визуализировать и контролировать работу. Ее цель — визуально отслеживать работу с помощью доски и карточек с заданиями....
  4. Схема решения задач глубокого машинного обучения

    Обобщенный процесс решения задачи глубокого машинного обучения: 1. Определение задачи и создание набора данных. 2. Выбор меры успеха. 3. Выбор протокола оценки. 4. Предварительная подготовка данных. 5....
  5. Когда стоит использовать глубокое обучение

    Глубокое обучение стоит использовать, когда: более простые модели (логистическая регрессия) не дают требуемой верности; требуется распознавать сложные паттерны в изображениях, NLP или звуковых данных; размерность данных велика;...
  6. Глубокое обучение на Python: краткое содержание и выводы

    Примечание-спойлер: обязательно приобретите себе экземпляр этой книги, если вовлечены в сферу data science, ML, DL. Хотел разбить на несколько частей, но лучше оставить один лонгрид. Книга Франсуа...
  7. Машинное обучение на больших данных

    Рассмотрим библиотеку MlLib в Spark и покажем, как решать задачи машинного обучения — классификации, регресии, кластеризации, а также коллаборативной фильтрации. Кроме этого покажем, как можно исследовать признаки...

Data Scientist # 1

Машинное обучение, большие данные, наука о данных, анализ данных, цифровой маркетинг, искусственный интеллект, нейронные сети, глубокое обучение, data science, data scientist, machine learning, artificial intelligence, big data, deep learning

Данные — новый актив!

Эффективно управлять можно только тем, что можно измерить.
Copyright © 2016-2021 Data Scientist. Все права защищены.