Оставить заявку
ru en
a@chernobrovov.ru +7 (925) 463-76-88

Статьи

ТОП-7 Python-библиотек для анализа временных рядов

Анализ временных рядов - одна из самых популярных прикладных областей машинного обучения. Такие задачи встречается практически во всех областях от трейдинга до прогноза спроса.

Когда искусственного интеллекта заменит людей и заменит ли?

Много разговоров ведётся вокруг будущего ИИ, каждый раз открывая новые факты в обучении и отслеживая его поведение - меняются и взгляды. Но короткий и правильный ответ: Конечно, нет!

TOP-25 International Data Science events 2022

Самые интересные конференции в 2022 году по Data Science, Big Data и Artificial Intelligence: от прикладных конференций по машинному обучения до научных по нейронных сетям и рекомендательным системам. Подборка конференция с датами и ссылками на сайты.

40+ самых интересных статей по Data Science за 2021 год

Самим уследить за всеми новинками в мире Data Science очень сложно. Чтобы держать вас в курсе самого интересного за 2021 год, я собрал краткие обзоры с наиболее важных конференций, которые выиграли значимые награды и/или показали особенно впечатляющие результаты: перспективные библиотеки, полезные датасеты и подробные репозитории.

30.12.21
Где найти обучающие датасеты для рекомендательных систем. ТОП-15 популярных датасетов для формирования рекомендаций и задач ранжирования

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

01.11.2021
Как получить работу в Data Science: 5 советов соискателю

ТОП-5 советов junior’у «Как найти работу в Data Science» из личного опыта и практики коллег

01.09.2020
FEDOT: перспективный AutoML-фреймворк от ИТМО

Про AutoML-фреймворки вообще и FEDOT в частности - open-source инструмент от Национального центра когнитивных исследований Университета ИТМО: история развития, преимущества и примеры использования

17.08.2020
Большие данные и малый бизнес: деньги и BI-системы

Большие данные в малом бизнесе: кому и зачем это нужно, как собрать Big Data и из каких шагов состоит планирование проекта внедрения BI-системы

01.06.21
Обратная сторона ИИ, часть 2-я: еще 6 причин опасаться AI-решений

Шаблонные решения, выбросы CO2, общество потребления, отсутствие приватности и еще 2 темных стороны искусственного интеллекта: можно ли предупредить опасности, связанные с внедрением AI-решений в нашу жизнь, и как это сделать

11.04.2020
Обратная сторона ИИ, часть 1-я

От предвзятости до необъяснимости: 6 темных сторон ИИ - что такое искусственный интеллект, как это работает, стоит ли людям бояться своего же изобретения и почему такие опасения не беспочвенны

02.04.2021
АБ-тест от датских ученых на эффект от ношения масок от коронавируса (SARS-CoV-2)

О том, как датские ученые провели АБ-тест на ношение масок, чем возможно ввели в заблуждение большое колличество людей.

Как обмануть нейросеть или что такое Adversarial attack

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

31.08.2020
За вами следят: машинное обучение в городском видеонаблюдении

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

29.07.2020
Полный мэтч: машинное обучение в дейтинге

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

20.07.2020
Интерпретируй это: метод SHAP в Data Science

Как интерпретировать результаты машинного обучения, каким образом библиотека SHAP поможет Data Scientist’у объяснить решения ML-модели и при чем здесь теория игр

21.06.20
Как наглядно показать Data Science: визуализация больших данных

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

30.05.2020
Big Data Mapping: что такое маппирование больших данных

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

17.05.2020
Станьте data-driven: кто такой дата-стратег и чем Data Strategist занимается

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

17.04.2020
Куда слить Big Data или зачем вам озеро данных?

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

02.04.2020
2010-2019: краткая история современной Data Science

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.

28.01.2020
Биометрические системы и персональные данные: как это работает и чем угрожает

Что такое биометрические персональные данные, зачем банки собирают фотографии и образцы голоса своих клиентов, можно ли обмануть биометрический сканер и как злоумышленники устраивают тотальный Deep Fake с помощью нейросетей.

10.01.2020
DS-тусовки: тематические мероприятия для своих и не только

Кто, где и зачем проводит практические конференции, митапы, тренинги, мастер-классы, хакатоны и прочие тематические мероприятия для специалистов и любителей DataScience. Чем полезны эти неформальные тусовки, что такое DS-завтраки и как на них попасть.

24.12.2019
Черный рынок данных: как защитить себя и своих клиентов

Cамые крупные утечки персональных данных в России за последнюю пару лет, какие законы защищают конфиденциальную информацию и чем грозит их нарушение, почему такие инциденты происходят и что можно сделать для защиты сведений о своей частной жизни.

12.12.2019
Место нейросетей в Data Science: краткий ликбез и последние тренды

Что такое нейросети, как они работают и почему стали так популярны сегодня – разбираемся с самым известным методом Machine Learning: история возникновения и тенденции развития в обозримом будущем.

18.11.2019
ETL: что такое, зачем и для кого

Что такое ETL, OLAP, OLTP, витрины и хранилища данных, зачем оно нужно и как все это связано с аналитикой и технологиями Big Data. Читайте в новой статье, какие факторы являются критичными при выборе ETL-системы и почему даже дорогие промышленные решения не избавят Data Analyst’а от всех проблем сбора и анализа бизнес-информации.

31.10.2019
BERT: прорыв в NLP-технологиях или очередной хайп на теме Deep Learning?

Что такое NLP и при чем здесь Data Science, как ML помогает анализировать тексты и предсказывать будущее, почему глубокое обучение стало так популярно сегодня. Читайте в новой статье, как устроены искусственные нейронные сети типа BERT и когда они смогут опередить человека в задачах обработки естественного языка.

07.10.2019
Монетизация Big Data: как бизнесу заработать на данных?

3 способа заработка на данных, актуальных для любого бизнеса. Какую информацию о своих пользователях можно выгодно продать бирже данных и как это сделать легальным образом, не нарушая требования Роскомнадзора и GDPR. Кто и зачем продает/покупает данные о пользователях – краткий обзор рынка поставщиков данных в России и за рубежом.

23.09.19
Метеочувствительный маркетинг: как погода влияет на продажи и при чем тут Data Science

Что такое выгода одного градуса, как оптимизировать маркетинговый бюджет и повысить эффективность инвестиций в рекламу на основании анализа данных о погодных условиях – Data Science и метеочувствительный маркетинг на примере практических кейсов отечественных и зарубежных компаний.

09.09.19
Как не разориться на Data Science

Почему 85% Big Data проектов обречены на неудачу и как запустить успешный проект по аналитике данных с привлечением внештатного консультанта – практические рекомендации бизнесу.

26.08.19
Data Analytics and Data Science: Similarities and Differences

Почему Data Science – это больше, чем просто анализ информации, чем Data Scientist отличается от Data Analyst’а, в каких случаях и для чего бизнесу необходимы оба этих профессионала

12.08.19
Как измерить эффективность Machine Learning: считаем метрики и деньги на примере прогнозирования оттока пользователей

Вложения в ML - это затраты или инвестиции? Оцениваем эффективность использования машинного обучения на примере прогнозирования оттока клиентов (Churn Rate).

29.07.19
Как построить CJM: 3 способа разработки карты взаимодействия с потребителем

Что такое Customer Journey Map (CJM), зачем нужна карта взаимодействия с потребителем, как ее построить и где использовать – подходы и cпособы разработки CJM: аналитический обзор, достоинства и недостатки, примеры внедрения.

24.06.19
Разработка CJM на основе задачи анализа текста

Как построить CJM на основе автоматизированного анализа поведения пользователей сайта с помощью задачи текстовой кластеризации

17.06.19
Экспертный подход и машинное обучение для разработки CJM

Как определить категорию потенциального клиента по его поведению на сайте с помощью машинного обучения и экспертных знаний

17.06.19
Кто такой Chief Data Officer и зачем вам нужен директор по данным?

Когда, кому и зачем требуется директор по данным, где искать и как нанимать такого ТОП-менеджера, а также сколько ему платить

22.07.19
Аналитика данных: что, кто, как, зачем и почем

Когда возникает необходимость в аналитике корпоративных данных, какого специалиста нужно нанимать для этой работы, где его найти и сколько это стоит

15.07.19
Как ускорить и удешевить рекламные эксперименты, предсказав поведение пользователей интернет-магазина с помощью прокси-метрик

Что такое прокси-метрики,как они помогают в оценке эффективности рекламных кампаний и при чем тут машинное обучение

08.07.19
Управление маркетингом на основе сегментации пользователей по CJM

Как проанализировать поведение потребителя, понять его потребности и ожидания, чтобы выстроить с клиентом более эффективное взаимодействие - построение CJM на примере разработки маркетинговой стратегии для Pult.ru – крупнейшего отечественного ресейлера HI-FI/HI-END техники.

10.06.2019
Где взять данные для машинного обучения: 3 способа собрать датасет из открытых источников

3 легальных способа сбора чужих больших данных для собственных бизнес-задач: готовые датасеты, веб-платформы со статистикой и информация со сторонних сайтов

07.05.2019
Разбор полетов Tinkoff Data Science Challenge

Немного о соревновании Tinkoff Data Science Challenge. Ошибки в данных, подходы к решению, тюнинг моделей.

01.04.2019
Применение машинного обучения для динамического ценообразования

Применение машинного обучения для эффективного динамического ценообразования

20.05.2019
Data Fest⁶: впечатления от DS-тусовки

Подробный отзыв о майской Data Science тусовке в Москве

03.06.19
Специалисты по аналитике данных: когда нанимать и какие задачи делегировать

Аналитика — это процесс превращения любых данных в полезную информацию. С помощью полученной информации можно точнее влиять на ключевые показатели бизнеса. А решения, принятые на основе аналитики, как правило с большей вероятностью ведут к успеху. В этой статье мы расскажем о том, как работать с командой аналитиков максимально эффективно, какую роль играют аналитики данных в развитии компании, а также каких специалистов вам стоит нанимать и на каких этапах развития бизнеса.

14.05.2019
Оставить заявку
Подписка на новости