Наконец, английский. Зависит от компании, конечно, у нас, например, полно носителей, а уровень языка не-носителей тоже очень высокий. Хочется не тупить в таких вещах как презентации, если надо убедить в своем взгляде. Да и даже во время 2-3-минутных айсбрейкингов с англичанами не хочется выпадать. Для некоторых ролей (PM, менеджеры любого звена) топ-инглиш на входе – просто обязательное условие.

Можно долго обсуждать стратегии изучения иностранных языков. Прозвучит банально, но важна практика, то есть беседы с носителями. Без этого сложно сдвинуться. Я в свое время прокачался в английском через разговорные клубы, но это может быть и SkyEng, см. статью “Как я осилил английский” на Хабре https://habr.com/ru/post/413633/

Сейчас время непростое, конечно, рыночек мёрзлый. Но всяко паузы можно использовать для прокачки. Если после этого поста хотя бы один человек заменит десяток часов литкода на практику бихейв-интервью и английского, значит, я тут не зря строчил.

What’s New in Pandas 2.1 | by Patrick Hoefler | Sep, 2023 | Towards Data Science
https://towardsdatascience.com/whats-new-in-pandas-2-1-d26c0b8314a

#immigration
Where to find the job?
Во вложении файл со списком из 212 job boards, в основном для ИТ, но вероятно не только.
С разделением по странам и регионам.
Если вы ищете работу для релокации - начинать советую с тех ресурсов, что в группе Global. Локальные ресурсы по странам часто содержат меньше вариантов, хотя на них может найтись вакансия, которая не встретилась в стандартных LinkedIn/Glassdoor/Indeed.
Внутри географических групп ссылки отсортированы по алфавиту, а не рейтингу/количеству вакансий/чему-то еще.

Still hoping to find no-code tool for quick data analysis that can be easy integrated with Jupyter notebook without any bugs, unexpected behavior and other problems that I faced with many of tools with the same purpose

https://www.blog.dailydoseofds.com/p/8-immensely-powerful-no-code-tools?utm_source=post-email-title&publication_id=1119889&post_id=137476579&utm_campaign=email-post-title&isFreemail=true&r=2gfvab&utm_medium=email

3 articles about feature store entity, what it is, what is it for and why you need/don't need it:

✅ https://www.tecton.ai/blog/devops-ml-data/
✅ https://www.tecton.ai/blog/what-is-a-feature-store/
✅https://towardsdatascience.com/do-you-really-need-a-feature-store-e59e3cc666d3

«Буквально научился на своих неудачах»: как я 8 месяцев искал работу в ИТ за границей
https://journal.tinkoff.ru/ml-engineer-in-georgia/

Model Evaluation, Model Selection, and Algorithm Selection in Machine Learning by Sebastian Raschka

The correct use of model evaluation, model selection, and algorithm selection techniques is vital in academic machine learning research as well as in many industrial settings.
This article reviews different techniques that can be used for each of these three subtasks and discusses the main advantages and disadvantages of each technique with references to theoretical and empirical studies. Further, recommendations are given to encourage best yet feasible practices in research and applications of machine learning.

Link
https://arxiv.org/abs/1811.12808

Navigational hashtags: #armknowledgesharing #armarticles
General hashtags: #machinelearning #ml #modelevaluation #evaluation #selection #cv #crossvalidation

@accelerated_learning

#api #architecture #solutions #programming

https://www.youtube.com/watch?v=zvWKqUiovAM

Idea about how to make Random Forest model smaller, faster without performance loss. But can we make sure that it won't lead to overfit?

Today I failed a job interview due to lack of knowledge about PSI and data drifts for ML models. This article helped me to close this gap pretty well :)

A couple weeks ago I started using a new Jupyter notebook 7 that seems much more convenient compared to the previous “classic” version that we all used to. Out of the box it provides ToC and finally a really good dark theme. Besides all exterior changes I noticed less memory and CPU consumption compared to old versions: it doesn’t slow down my Chrome even if ipynb file opened is really long with hundreds of cells. It’s already integrated in Data Science Docker image (for Python 3.11+) and you can set it up and run it as I described in my post earlier.