Анализ временных рядов - одна из самых популярных прикладных областей машинного обучения. Такие задачи встречается практически во всех областях от трейдинга до прогноза спроса.
Ключевые принципы работы современных рекомендательных систем и датасеты для обучения ML-алгоритмов. Что такое рекомендательные системы, как они устроены и где взять данные для обучения ML-моделей особенностям пользовательских предпочтений
О том, как датские ученые провели АБ-тест на ношение масок, чем возможно ввели в заблуждение большое колличество людей.
Почему нейросети выдают неверные результаты, можно ли взломать ML-модель, что такое состязательные атаки (Adversarial attack), где они используются и чем отличаются от GAN-методов, а также при чем здесь камуфляжный макияж и системы распознавания лиц
Что такое видеоаналитика, как машинное обучение ищет преступников по записям с камер наружного наблюдения, чем полезны и опасны алгоритмы распознавания лиц, как работает эта система в Москве и при чем тут социальный рейтинг гражданина в Китае
Про Tinder, Badoo и прочие приложения онлайн-знакомств: как ML-алгоритмы подбирают вам пару – основные принципы работы дейтинговых сервисов с точки зрения Data Science с примерами взлома мэтчинговых правил
Как интерпретировать результаты машинного обучения, каким образом библиотека SHAP поможет Data Scientist’у объяснить решения ML-модели и при чем здесь теория игр
Что такое визуализация и разведочный анализ данных, зачем это нужно в Data Science, какие графики подходят для отображения Big Data и какие инструменты позволяют визуализировать большие данные
Что такое мапирование данных, зачем это нужно в Data Science, когда и как часто нужно делать mapping Big Data, какие инструменты позволяют маппировать большие данные
Кто такой дата стратег, что он делает и зачем нужен бизнесу, чем Data Strategist отличается от Data Scientist’a и аналитика данных, какими знаниями обладает этот ИТ-специалист и сколько ему за это платят
Что такое озеро данных, чем оно отличается от корпоративного хранилища данных, как построить Data Lake и при чем тут Data Science: краткий ликбез для начинающих дата-инженеров
В этой статье я расскажу о некоторых практических успехах DS вообще и ML в частности по мотивам новогоднего митапа Data Толк#4, состоявшегося в декабре прошлого года. Обзор продуктивной декады 2010-2019, от Big Data до Deep Learning и будущие перспективы Data Science.
