📚Principles of Data Science: Learn the techniques and math you need to start making sense of your data (2016)

✍️Автор: Sinan Ozdemir

📃Страниц: 389

Principles of Data Science создано для того, чтобы помочь вам найти общий язык между математикой, программированием и бизнес-анализом. С помощью этой книги вы сможете уверенно задавать сложные вопросы, касающиеся ваших данных, и отвечать на них, чтобы перейти от абстрактной и необработанной статистики к практическим идеям.

Ссылка на книгу

📚Applied Data Science Using PySpark: Learn the End-to-End Predictive Model-Building Cycle (2024)

✍️Автор: Ramcharan Kakarla, Sundar Krishnan, Balaji Dhamodharan, Venkata Gunnu

📃Страниц: 447

В этом новом издании вы познакомитесь с основами прогнозного моделирования, которые позволяют количественно оценить продолжительность жизни клиента и оценить отдачу от ваших инвестиций в прогнозное моделирование. В этом издании также представлены методы измерения вовлеченности и определения групп, которые могут быть задействованы для эффективного лечения оттока клиентов. Кроме того, была добавлена специальная глава, посвященная экспериментальному проектированию, в которой описываются шаги по эффективному проектированию, проведению, тестированию и измерению результатов ваших моделей. Все примеры кода были обновлены в соответствии с последней стабильной версией Spark.

Ссылка на книгу

📚Machine Learning Production Systems: Engineering Machine Learning Models and Pipelines (2024)

✍️Автор: Robert Crowe, Hannes Hapke, Emily Caveness, Di Zhu

📃Страниц: 475

Использование машинного обучения для продуктов, услуг и критически важных бизнес—процессов сильно отличается от использования ML в академической или исследовательской среде - особенно для недавних выпускников ML и тех, кто переходит от исследовательской деятельности к коммерческой. Независимо от того, работаете ли вы в настоящее время над созданием продуктов и сервисов, использующих ML, или хотели бы заняться этим в будущем, эта практическая книга даст вам общее представление обо всей этой области.

Ссылка на книгу

Подготовься к собеседованию на позицию Data Scientist!

Профессия Data Scientist становится все более востребованной, и компании ищут специалистов, способных превращать данные в ценные инсайты. Но как успешно пройти техническое собеседование?

Мы собрали 10 типичных задач, которые могут встретиться на собеседовании, и эффективные подходы к их решению:

1. Внешнее и тензорное произведение

2. One-hot кодировка

3. Мониторинг осадков

4. Симуляция бросков кубиков в «Монополии»

5. Бурение скважин для добычи золота

6. Вычисление свертки

7. Бэктестинг торговой стратегии

8. Прогноз оттока клиентов с помощью логистической регрессии

9. Обнаружение спама с использованием дерева решений

10. Предсказание цен на квартиры с помощью линейной регрессии

Чтобы начать решать задачи, достаточно ответить на четыре простых вопроса по этой ссылке и получить доступ к вводным занятиям курса Математика для Data Science и 10 задачам.

📚Data Science Fundamentals for Python and MongoDB (2018)

✍️Автор: Paper, David

📃Страниц: 113

Основы науки о данных с использованием Python и MongoDB - отличная отправная точка для тех, кто заинтересован в карьере в области науки о данных. Как и в любой науке, основы науки о данных являются необходимым условием для получения компетентности. Без специальных знаний в области математики, статистики, обработки данных и программирования путь к успеху в лучшем случае будет “каменистым”. Примеры программирования в этой книге являются краткими, точными и полными и прекрасно дополняют представленные концепции науки о данных.

Ссылка на книгу

📚Data Science with R A Step By Step Guide With Visual Illustrations and Examples (2018)

✍️Автор: Andrew Oleksy

📃Страниц: 201

Data Science with R дает вам необходимую теоретическую подготовку для начала вашего путешествия в науку о данных и показывает на практических примерах, как применять язык программирования R для извлечения ценных знаний из данных. Профессор Эндрю Олекси познакомит вас со всеми важными концепциями науки о данных, включая язык программирования R, интеллектуальный анализ данных, кластеризацию, классификацию и прогнозирование, платформу Hadoop и многое другое.

Ссылка на книгу

📚Natural Language Processing with Python Cookbook (2017)

✍️Автор: Krishna Bhavsar, Pratap Dangeti

📃Страниц: 308

Ознакомьтесь с хитростями и советами, которые помогут вам разрабатывать решения для анализа текста в этой книге* Независимые рецепты, которые научат вас эффективно выполнять обработку естественного языка в Python * Используйте словари для создания собственных именованных объектов с помощью этого простого в использовании руководства* Узнайте, как реализовать NLTK для различных сценариев с помощью эта книга содержит множество примеров рецептов, которые помогут вам выйти за рамки базовой обработки данных на естественном языке

Ссылка на книгу

📚Mathematical Analysis For Machine Learning And Data Mining (2018)

✍️Автор: Dan A Simovici

📃Страниц: 968

Этот сборник представляет собой самостоятельное введение в математический анализ в области машинного обучения и интеллектуального анализа данных. Компонент математического анализа типичной учебной программы по математике для студентов, изучающих информатику, не включает в себя эти очень важные идеи и методы, которые необходимы для подхода к специализированным областям машинного обучения, сосредоточенным на оптимизации, таким как методы опорных векторов, нейронные сети, различные типы регрессии, выбор признаков и кластеризация. Книга представляет особый интерес для исследователей и аспирантов, которым будут полезны эти области применения, рассмотренные в книге

Ссылка на книгу

📚Machine Learning for Financial Risk Management with Python: Algorithms for Modeling Risk (2022)

✍️Автор: Abdullah Karasan

📃Страниц: 334

Управление финансовыми рисками быстро развивается с помощью искусственного интеллекта. В этой практической книге разработчики, программисты, инженеры, финансовые аналитики и специалисты по анализу рисков познакомятся с моделями машинного обучения на основе Python и глубокого обучения для оценки финансовых рисков. Вы узнаете, как сравнить результаты, полученные с помощью моделей ML, с результатами, полученными с помощью традиционных моделей финансовых рисков.

Ссылка на книгу

📚Artificial Intelligence and Machine Learning for Sustainable Development: Innovations, Challenges, and Applications (2024)

✍️Автор: Pawan Whig, Pavika Sharma, Nagender Aneja, Ahmed A. Elngar, Nuno Silva,

📃Страниц: 287

В книге рассматриваются передовые инновации, их практическое применение и потенциальные проблемы, связанные с использованием искусственного интеллекта и ОД для решения глобальных проблем устойчивого развития. В ней рассказывается о том, как эти технологии могут оптимизировать управление ресурсами, улучшить мониторинг окружающей среды, усовершенствовать процессы принятия решений и продвигать справедливые, экологически чистые решения

Ссылка на книгу

📚AI Engineering: Building Applications with Foundation Models (2024)

✍️Автор: Chip Huyen

📃Страниц: 465

Недавние достижения в области ИИ не только увеличили спрос на продукты ИИ, но и снизили барьеры для входа на рынок для тех, кто хочет создавать продукты ИИ. Подход "модель как услуга" превратил ИИ из эзотерической дисциплины в мощный инструмент разработки, который может использовать каждый. Каждый, включая тех, кто имеет минимальный опыт работы с ИИ или вообще не имеет его, теперь может использовать модели ИИ для создания приложений. В этой книге автор Чип Хьюен рассказывает об ИИ-инжиниринге: процессе создания приложений с использованием легкодоступных базовых моделей.

Ссылка на книгу

Самые полезные каналы для программистов в одной подборке!

Сохраняйте себе, чтобы не потерять 💾

🔥Для всех

Библиотека программиста — новости, статьи, досуг, фундаментальные темы
Книги для программистов
IT-мемы
Proglib Academy — тут мы рассказываем про обучение и курсы
Азбука айтишника — здесь мы познаем азы из мира программирования

🤖Про нейросети
Библиотека робототехники и беспилотников | Роботы, ИИ, интернет вещей
Библиотека нейрозвука | Транскрибация, синтез речи, ИИ-музыка
Библиотека нейротекста | ChatGPT, Gemini, Bing
Библиотека нейровидео | Sora AI, Runway ML, дипфейки
Библиотека нейрокартинок | Midjourney, DALL-E, Stable Diffusion

#️⃣C#

Книги для шарпистов | C#, .NET, F#
Библиотека шарписта — полезные статьи, новости и обучающие материалы по C#
Библиотека задач по C# — код, квизы и тесты
Библиотека собеса по C# — тренируемся отвечать на каверзные вопросы во время интервью и технического собеседования
Вакансии по C#, .NET, Unity Вакансии по PHP, Symfony, Laravel

☁️DevOps

Библиотека devops’а — полезные статьи, новости и обучающие материалы по DevOps
Вакансии по DevOps & SRE
Библиотека задач по DevOps — код, квизы и тесты
Библиотека собеса по DevOps — тренируемся отвечать на каверзные вопросы во время интервью и технического собеседования

🐘PHP

Библиотека пхпшника — полезные статьи, новости и обучающие материалы по PHP
Вакансии по PHP, Symfony, Laravel
Библиотека PHP для собеса — тренируемся отвечать на каверзные вопросы во время интервью и технического собеседования
Библиотека задач по PHP — код, квизы и тесты

🐍Python

Библиотека питониста — полезные статьи, новости и обучающие материалы по Python
Вакансии по питону, Django, Flask
Библиотека Python для собеса — тренируемся отвечать на каверзные вопросы во время интервью и технического собеседования
Библиотека задач по Python — код, квизы и тесты

☕Java

Книги для джавистов | Java
Библиотека джависта — полезные статьи по Java, новости и обучающие материалы
Библиотека Java для собеса — тренируемся отвечать на каверзные вопросы во время интервью и технического собеседования
Библиотека задач по Java — код, квизы и тесты
Вакансии для java-разработчиков

👾Data Science

Книги для дата сайентистов | Data Science
Библиотека Data Science — полезные статьи, новости и обучающие материалы по Data Science
Библиотека Data Science для собеса — тренируемся отвечать на каверзные вопросы во время интервью и технического собеседования
Библиотека задач по Data Science — код, квизы и тесты
Вакансии по Data Science, анализу данных, аналитике, искусственному интеллекту

🦫Go

Книги для Go разработчиков
Библиотека Go разработчика — полезные статьи, новости и обучающие материалы по Go
Библиотека Go для собеса — тренируемся отвечать на каверзные вопросы во время интервью и технического собеседования
Библиотека задач по Go — код, квизы и тесты
Вакансии по Go

🧠C++

Книги для C/C++ разработчиков
Библиотека C/C++ разработчика — полезные статьи, новости и обучающие материалы по C++
Библиотека C++ для собеса — тренируемся отвечать на каверзные вопросы во время интервью и технического собеседования
Библиотека задач по C++ — код, квизы и тесты
Вакансии по C++

💻Другие каналы

Библиотека фронтендера
Библиотека мобильного разработчика
Библиотека хакера
Библиотека тестировщика
Библиотека разработчика игр | Gamedev, Unity, Unreal Engine
Вакансии по фронтенду, джаваскрипт, React, Angular, Vue
Вакансии для мобильных разработчиков
Вакансии по QA тестированию
InfoSec Jobs — вакансии по информационной безопасности

📁Чтобы добавить папку с нашими каналами, нажмите 👉сюда👈

Также у нас есть боты:
Бот с IT-вакансиями
Бот с мероприятиями в сфере IT

Мы в других соцсетях:
🔸VK
🔸YouTube
🔸Дзен
🔸Facebook *
🔸Instagram *

* Организация Meta запрещена на территории РФ

📚Introduction to the Math of Neural Networks (2012)

✍️Автор: Jeff Heaton

📃Страниц: 102

Эта книга знакомит читателя с основами математики, используемой для расчета нейронных сетей. Предполагается, что читатель обладает знаниями только по алгебре и компьютерному программированию, полученным в колледже. Эта книга начинается с описания того, как вычислять выходные данные нейронной сети, и переходит к более продвинутым методам обучения, таким как обратное распространение, устойчивое распространение и оптимизация Левенберга-Марквардта. Также представлена математика, необходимая для использования этих методов

Ссылка на книгу

🎙Подкаст: MLinside Виктора Кантора

✍️Гость: Алексей Толстиков, руководитель ШАДа Яндекса

⏱️ Длительность: 1:38:27

Спикеры обсуждают навыки, которые помогут специалистам по машинному обучению и датасаентистам быть востребованными в своей сфере. Алексей Толстиков рассказывает без каких компетенций не обойтись джуну, что нужно для развития в индустрии, почему технических знаний бывает недостаточно и как устроено обучение в ШАД.

Ссылка на видео

📚Introduction to Deep Learning (2019)

✍️Автор: Eugene Charniak

📃Страниц: 187

Это краткое, ориентированное на проекты руководство по глубокому обучению знакомит читателей с серией заданий по написанию программ, которые знакомят их с использованием глубокого обучения в таких областях искусственного интеллекта, как компьютерное зрение, обработка естественного языка и обучение с подкреплением. Автор, давний исследователь в области искусственного интеллекта, специализирующийся на обработке естественного языка, описывает нейронные сети с прямой связью, сверточные нейронные сети, встраивание слов, рекуррентные нейронные сети, последовательное обучение, глубокое обучение с подкреплением, неконтролируемые модели и другие фундаментальные концепции и методы.

Ссылка на книгу

📚Practical Computer Vision: Extract insightful information from images using TensorFlow, Keras, and OpenCV (2018)

✍️Автор: Abhinav Dadhich

📃Страниц: 171

В этой книге вы найдете несколько недавно предложенных методов в различных областях компьютерного зрения. Вы начнете с настройки соответствующей среды Python для работы с практическими приложениями. Это включает в себя настройку таких библиотек, как OpenCV, TensorFlow и Keras, с использованием Anaconda. Используя эти библиотеки, вы начнете понимать концепции преобразования изображений и фильтрации. Вы найдете подробное описание таких детекторов признаков, как FAST и ORB; вы будете использовать их для поиска похожих объектов.2

Ссылка на книгу

Новый год — время для новых начинаний!
Пока все строят планы на будущее, подумайте, что поможет вам двигаться вперёд в карьере. Мы знаем, что навыки в IT открывают огромные возможности — и мы готовы помочь вам начать!

🔹 Почему IT?

- Большинство компаний активно ищут специалистов.
- Вы можете работать из любой точки мира — с гибким графиком и интересными задачами.
- А ещё IT — это высокий доход и стремительный карьерный рост.

Возможно, именно сейчас тот момент, когда стоит инвестировать в себя и развить востребованные навыки. У нас есть конструктор курсов, с помощью которого вы сможете составить свой идеальный план обучения — под свои цели и интересы.

📚 Как это работает?

- Несколько программ по цене одной — выбирайте всё, что вам нужно.
- Бессрочный доступ — учитесь в своём ритме и когда удобно.
- Это выгодно — вы получаете навыки, которые помогут вам расти профессионально и зарабатывать больше.

А для тех, кто решит сделать шаг в будущее до конца года, у нас есть кое-что особенное… 🎁 Узнайте больше

Как выбрать свой путь?
Мы предлагаем несколько уникальных комбинаций курсов, которые помогут вам стать настоящим экспертом:

🔵 Математика для Data Science + Алгоритмы и структуры данных — для тех, кто хочет готовиться к собеседованиям в топовые компании.

🔵 Алгоритмы + ML — чтобы не просто решать задачи, а понимать, как работают современные технологии.

🔵 Frontend + ML — создавайте приложения и учитесь работать с нейросетями.

🔵 И другие комбинации для разных целей.

Новогодний подарок, который будет работать на вас весь год — это отличная идея! 🎁 Начните сейчас

Развивайтесь в IT — и будущее уже будет в ваших руках!

📚Bayesian Statistics The Fun Way: Understanding Statistics And Probability With Star Wars, LEGO, And Rubber Ducks (2019)

✍️Автор: Will Kurt

📃Страниц: 211

Эта книга даст вам полное представление о байесовской статистике с помощью простых объяснений и нескучных примеров. Узнайте, какова вероятность того, что НЛО приземлится в вашем саду, какова вероятность того, что Хан Соло переживет полет сквозь астероидный дождь, как выиграть спор о теориях заговора и действительно ли кража со взломом была кражей со взломом - вот лишь несколько примеров.

Ссылка на книгу

📚Machine Learning with Spark™ and Python®: Essential Techniques for Predictive Analytics (2020)

✍️Автор: Michael Bowles

📃Страниц: 369

Второе издание, основанное на машинном обучении с использованием технологий Spark и Python, необходимых для прогнозной аналитики, упрощает ML для практического использования, фокусируясь на двух ключевых алгоритмах. Это новое второе издание улучшено благодаря добавлению Spark-aML framework от Apache Foundation. Внедряя Spark, студенты, обучающиеся машинному обучению, могут легко обрабатывать гораздо большие наборы данных и вызывать алгоритмы spark, используя обычный код на Python.

Ссылка на книгу