Математические фанаты, следующий год обещает быть особенным:
(1 + 2 + 3 + 4 + 5 + 6 + 7 + 8 + 9)² = 2025
1³ + 2³ + 3³ + 4³ + 5³ + 6³ + 7³ + 8³ + 9³ = 2025
(20 + 25)² = 2025
Делитесь, какое из этих чисел вам кажется самым красивым?
Please open Telegram to view this post
VIEW IN TELEGRAM
❤5🤩3
🌍✈️ 6 идей, как ускорить поиск работы за рубежом
Статья для тех, кто устал от отказов и безрезультатных поисков. Узнайте секреты, которые помогут вам найти работу за рубежом в разы быстрее!
👉 Читать статью
Статья для тех, кто устал от отказов и безрезультатных поисков. Узнайте секреты, которые помогут вам найти работу за рубежом в разы быстрее!
👉 Читать статью
👍3
➡️ Впервые за всю историю количество строк кода, написанных человечеством, достигнет триллиона (по оценкам GitHub).
— Это наш общий след в цифровой эпохе.
➡️ ИИ-системы начали писать больше кода, чем люди.
— Возможно, 2025 станет годом, когда искусственный интеллект впервые решит баг, который люди не могут исправить десятилетиями.
➡️ 2025-й — год открытого кода. Всё больше крупных компаний выпускают свои продукты в open-source.
— Готовьтесь к большому числу коллабов и открытий.
Please open Telegram to view this post
VIEW IN TELEGRAM
1👍2
Please open Telegram to view this post
VIEW IN TELEGRAM
1
Forwarded from Библиотека собеса по Data Science | вопросы с собеседований
Как сделать модель более устойчивой к выбросам?
Здесь можно подойти с двух сторон: преобразовать данные или особым образом построить модель.
Выбросы обычно определяются по отношению к распределению данных. Их можно удалить на этапе предварительной обработки, используя статистические методы. Самый простой подход — считать аномальными значения, которые находятся слишком далеко от среднего выборки. Иногда может помочь преобразование данных (например, логарифмическое преобразование).
Ещё один способ уменьшения влияния выбросов — использование средней абсолютной ошибки вместо среднеквадратичной ошибки. Что касается моделей, то устойчивыми к выбросам можно считать деревья решений.
#машинное_обучение
#статистика
Здесь можно подойти с двух сторон: преобразовать данные или особым образом построить модель.
Выбросы обычно определяются по отношению к распределению данных. Их можно удалить на этапе предварительной обработки, используя статистические методы. Самый простой подход — считать аномальными значения, которые находятся слишком далеко от среднего выборки. Иногда может помочь преобразование данных (например, логарифмическое преобразование).
Ещё один способ уменьшения влияния выбросов — использование средней абсолютной ошибки вместо среднеквадратичной ошибки. Что касается моделей, то устойчивыми к выбросам можно считать деревья решений.
#машинное_обучение
#статистика
👍1
Основы Data Science | SF Education — Вводный курс для тех, кто хочет освоить ключевые знания и компетенции, необходимые для старта карьеры в индустрии Data Science.
Machine Learning и Deep Learning | Skillfactory — Онлайн-курс по машинному обучению, на котором вы научитесь создавать продвинутые ML-модели и обучать нейронные сети.
Базовые модели ML и приложения | Proglib.academy — Онлайн-курс по машинному обучению: осваивайте ML с нуля до реальных проектов.
Please open Telegram to view this post
VIEW IN TELEGRAM
👍1
Please open Telegram to view this post
VIEW IN TELEGRAM
👍4
Forwarded from Библиотека тестировщика | QA, тестирование, quality assurance, manual testing, autotesting, ручное тестирование, автотесты
Даже самые целеустремлённые и дисциплинированные разработчики порой сталкиваются с периодами прокрастинации. Это состояние чаще вызвано глубокими причинами, чем просто нежеланием работать. Делимся личной историей разработчика, сумевшего преодолеть прокрастинацию.
Please open Telegram to view this post
VIEW IN TELEGRAM
👍1
Какие у вас ожидания от работы в айти?
🤔 — Буду получать много и мало работать
😁 — Удаленка представляется мечтой
🙏 — Надеюсь, что не будет бессонных ночей
👍 — С меня хватит айти
#memes
🤔 — Буду получать много и мало работать
😁 — Удаленка представляется мечтой
🙏 — Надеюсь, что не будет бессонных ночей
👍 — С меня хватит айти
#memes
🙏9😁8👍4⚡1
Сопроводительное письмо нужно именно джунам, у которых нет опыта работы, или их уровень не дотягивает до вакансии.
Для рекрутеров они — кот в мешке. Их не знают как профессионалов, поэтому совершенно неясно, что они реально могут предложить работодателю.
Сопроводительное письмо — это способ рассказать рекрутеру, почему именно вас надо выбрать, чем вы отличаетесь от других кандидатов.
Как писать интересное сопроводительное письмо
Нет каких-то чётких правил, сколько писать и что. Но можно выделить общие рекомендации. Хорошее сопроводительное письмо должно отражать:
— Мотивацию
— Профессиональные навыки
— Качества, которые у вас есть
— Преимущества вас как кандидата на вакансию
— Предыдущий опыт
Ознакомьтесь с нашим курсом и вам будет есть, что писать в сопроводительном:
Please open Telegram to view this post
VIEW IN TELEGRAM
👍1🔥1
Бесплатный курс по фулстек-разработке — реальность 🔥
Под Новый год Дед Мороз приносит подарки, а наши подписчики — собственные курсы! Сергей Дмитриев, который занимается коммерческой разработкой уже 15 лет, поделился с нами своим обучением по созданию веб-сервиса с нуля. В курс входит 141 урок, 28 часов видео, исходный код и чат поддержки для участников.
Подробнее о курсе читайте на Хабре или в телеграм-канале Сергея
Под Новый год Дед Мороз приносит подарки, а наши подписчики — собственные курсы! Сергей Дмитриев, который занимается коммерческой разработкой уже 15 лет, поделился с нами своим обучением по созданию веб-сервиса с нуля. В курс входит 141 урок, 28 часов видео, исходный код и чат поддержки для участников.
Подробнее о курсе читайте на Хабре или в телеграм-канале Сергея
👍3🌚1
Сопроводительное письмо нужно именно джунам, у которых нет опыта работы, или их уровень не дотягивает до вакансии.
Для рекрутеров они — кот в мешке. Их не знают как профессионалов, поэтому совершенно неясно, что они реально могут предложить работодателю.
Сопроводительное письмо — это способ рассказать рекрутеру, почему именно вас надо выбрать, чем вы отличаетесь от других кандидатов.
Как писать интересное сопроводительное письмо
Нет каких-то чётких правил, сколько писать и что. Но можно выделить общие рекомендации. Хорошее сопроводительное письмо должно отражать:
— Мотивацию
— Профессиональные навыки
— Качества, которые у вас есть
— Преимущества вас как кандидата на вакансию
— Предыдущий опыт
Ознакомьтесь с нашим курсом и вам будет есть, что писать в сопроводительном:
Please open Telegram to view this post
VIEW IN TELEGRAM
👍3🔥3
🧮🏭 Индустриальная математика: когда ∫f(x)dx равно миллиардам
Индустриальная математика предлагает эффективные решения для самых сложных проблем реального мира. В нашей статье мы рассмотрим сущность индустриальной математики, ее краткую историю и современные тренды, а также обсудим, кому подходит эта профессия.
🔗 Статья
Индустриальная математика предлагает эффективные решения для самых сложных проблем реального мира. В нашей статье мы рассмотрим сущность индустриальной математики, ее краткую историю и современные тренды, а также обсудим, кому подходит эта профессия.
🔗 Статья
👍5
Forwarded from Библиотека программиста | программирование, кодинг, разработка
📊 Построение DWH и разработка дашбордов в Power BI: 5 проблем и их решение
В современном мире данные являются одним из ключевых ресурсов для принятия обоснованных решений и успешной работы компании. Поэтому создание и поддержание эффективного хранилища данных становится важной задачей для многих организаций.
В этой статье Ипатов Александр, backend-разработчик в компании USETECH, рассматривает на конкретном примере проблемы и их решение при построении DWH и дальнейшей разработке дашбордов в Power BI. Вас ждет история о том, как превратить хаос данных в работающую бизнес-аналитику.
👉 Читать статью
👉 Зеркало
В современном мире данные являются одним из ключевых ресурсов для принятия обоснованных решений и успешной работы компании. Поэтому создание и поддержание эффективного хранилища данных становится важной задачей для многих организаций.
В этой статье Ипатов Александр, backend-разработчик в компании USETECH, рассматривает на конкретном примере проблемы и их решение при построении DWH и дальнейшей разработке дашбордов в Power BI. Вас ждет история о том, как превратить хаос данных в работающую бизнес-аналитику.
👉 Читать статью
👉 Зеркало
👍1
🎄 Начни 2025-й с апгрейдом навыков,
которые откроют двери в мир IT!
Ты можешь собрать свой персональный план обучения с помощью нашего новогоднего конструктора. Это шанс не просто начать год с полезных знаний, но и сделать инвестицию в своё будущее, которая окупится многократно.
🔗 Собери свой план и начни путь в IT
Почему это выгодно?
📚 Несколько программ по цене одной — максимальная эффективность: учишься сразу тому, что действительно нужно.
💾 Бессрочный доступ — все материалы всегда под рукой, чтобы учиться в своём темпе.
💸 Знания, которые окупятся — навыки, востребованные в любой точке мира.
Какие навыки ты можешь прокачать?
💡 Математика для Data Science + Алгоритмы и структуры данных
— Подготовка к собеседованиям в FAANG и поступлению в ШАД. Решай сложные задачи, работай с данными и моделями на профессиональном уровне.
💡 Алгоритмы и структуры данных + ML
— Улучшай своё алгоритмическое мышление и изучай базовые методы машинного обучения, чтобы создавать интеллектуальные приложения.
💡 Frontend Basic + Базовые модели ML
— Построй свою первую веб-страницу и погрузись в мир ML: от нейросетей до ML-бустинга.
💡 Архитектуры и шаблоны проектирования + Математика для Data Science
— Развивай аналитическое мышление и учись проектировать устойчивые системы.
💡 Алгоритмы и структуры данных + Frontend Basic
— Получи полный набор навыков: от оптимизации алгоритмов до создания современных веб-приложений.
Не упусти шанс сделать шаг в будущее! Новый год — это время обновлений, и твоя карьера может стать одним из них.
🔗 Составь свой IT-маршрут сейчас или выбери курс по новогодней скидке
которые откроют двери в мир IT!
Ты можешь собрать свой персональный план обучения с помощью нашего новогоднего конструктора. Это шанс не просто начать год с полезных знаний, но и сделать инвестицию в своё будущее, которая окупится многократно.
🔗 Собери свой план и начни путь в IT
Почему это выгодно?
📚 Несколько программ по цене одной — максимальная эффективность: учишься сразу тому, что действительно нужно.
💾 Бессрочный доступ — все материалы всегда под рукой, чтобы учиться в своём темпе.
💸 Знания, которые окупятся — навыки, востребованные в любой точке мира.
Какие навыки ты можешь прокачать?
💡 Математика для Data Science + Алгоритмы и структуры данных
— Подготовка к собеседованиям в FAANG и поступлению в ШАД. Решай сложные задачи, работай с данными и моделями на профессиональном уровне.
💡 Алгоритмы и структуры данных + ML
— Улучшай своё алгоритмическое мышление и изучай базовые методы машинного обучения, чтобы создавать интеллектуальные приложения.
💡 Frontend Basic + Базовые модели ML
— Построй свою первую веб-страницу и погрузись в мир ML: от нейросетей до ML-бустинга.
💡 Архитектуры и шаблоны проектирования + Математика для Data Science
— Развивай аналитическое мышление и учись проектировать устойчивые системы.
💡 Алгоритмы и структуры данных + Frontend Basic
— Получи полный набор навыков: от оптимизации алгоритмов до создания современных веб-приложений.
Не упусти шанс сделать шаг в будущее! Новый год — это время обновлений, и твоя карьера может стать одним из них.
🔗 Составь свой IT-маршрут сейчас или выбери курс по новогодней скидке
Что вы знаете про критерий Шовене?
Он позволяет найти выбросы в данных. Согласно критерию Шовене, значение p i-ое является выбросом, если выполнено неравенство, указанное на картинке выше.p с чертой — это среднее. А в знаменателе стоит отклонение. n — это объём выборки. Функция erfc является дополнением к функции ошибок (её вид, впрочем, неважен). С возрастанием аргумента, значение функции erfc стремится к нулю. То есть чем меньше значение функции, тем сильнее p i-ое отстоит от среднего значения, а значит является выбросом.
Фактически, использование критерия Шовене представляет собой итерационную процедуру, позволяющую найти все аномалии в данных за несколько шагов.
Подтяните свои знания о машинном обучении вместе с нашим курсом:
🔵 Базовые модели ML и приложения
#машинное_обучение
Он позволяет найти выбросы в данных. Согласно критерию Шовене, значение p i-ое является выбросом, если выполнено неравенство, указанное на картинке выше.
Фактически, использование критерия Шовене представляет собой итерационную процедуру, позволяющую найти все аномалии в данных за несколько шагов.
Подтяните свои знания о машинном обучении вместе с нашим курсом:
#машинное_обучение
Please open Telegram to view this post
VIEW IN TELEGRAM
👍1
✏️ Разбор задачи с экзамена ШАД
Условие: Подбрасываются 16 симметричных монет (вероятности орла и решки совпадают).
Найдите вероятность того, что:
1. На всех монетах выпадут орлы
2. На 6 монетах выпадут орлы, а на 10 — решки
3. Орлы выпадут хотя бы на двух монетах
Решение: Пусть 1️⃣ — число орлов после n бросков монет с вероятностью выпадения орла равной p. Тогда перед нами схема Бернулли с n=16, p=1/2. Имеем: 2️⃣
#задачи_шад
Условие: Подбрасываются 16 симметричных монет (вероятности орла и решки совпадают).
Найдите вероятность того, что:
1. На всех монетах выпадут орлы
2. На 6 монетах выпадут орлы, а на 10 — решки
3. Орлы выпадут хотя бы на двух монетах
Решение: Пусть 1️⃣ — число орлов после n бросков монет с вероятностью выпадения орла равной p. Тогда перед нами схема Бернулли с n=16, p=1/2. Имеем: 2️⃣
#задачи_шад
1❤1👍1
Forwarded from Библиотека задач по Data Science | тесты, код, задания
Если N — это количество объектов в обучающем наборе данных, то время выполнения классификации методом ближайших соседей равно:
Anonymous Quiz
7%
O(1)
38%
O(N)
27%
O(logN)
28%
O(N^2)
👍2
Всё о Power BI:
▪️ Visualizing your first dataset
▪️ Data Visualizations in Power BI
▪️ Power Query Editor in Power BI
▪️ DAX Expressions
🔗 Шпаргалка
Please open Telegram to view this post
VIEW IN TELEGRAM
👍1
📚 Обширная база данных о программировании
Awesome — это репозиторий на GitHub — тщательно подобранная коллекция ссылок на книги, инструменты и полезные ресурсы. Вы найдете категории от баз данных до Python и Data Science.
🔗 Ссылка на материал
Awesome — это репозиторий на GitHub — тщательно подобранная коллекция ссылок на книги, инструменты и полезные ресурсы. Вы найдете категории от баз данных до Python и Data Science.
🔗 Ссылка на материал
👍1