📘 Математика для Data Science: разложили по полочкам
Если вы давно откладывали математику «на потом» — это знак вернуться к базе.
➡️ Статья открывает большую серию, где разбирают всю нужную математику для дата-сайентиста:
— как читать математические обозначения: ℝ, ℕ, ℂ и другие,
— что такое комплексные числа и зачем они нужны в ML,
— как записывать векторы и матрицы,
— что такое сигма-нотация (∑) и пи-нотация (∏),
— зачем в Data Science нужен логарифм и как он упрощает работу с функциями.
Понятно объясняют, как работает каждый символ и зачем он в алгоритмах. Особенно пригодится тем, кто готовится к собесам или хочет лучше понимать, что творится под капотом моделей.🖕
📎 Статья
💬 А вы как считаете — стоит ли глубоко вникать в мат. нотацию на старте или лучше разбираться по мере надобности?
Proglib Academy #буст
Если вы давно откладывали математику «на потом» — это знак вернуться к базе.
— как читать математические обозначения: ℝ, ℕ, ℂ и другие,
— что такое комплексные числа и зачем они нужны в ML,
— как записывать векторы и матрицы,
— что такое сигма-нотация (∑) и пи-нотация (∏),
— зачем в Data Science нужен логарифм и как он упрощает работу с функциями.
Понятно объясняют, как работает каждый символ и зачем он в алгоритмах. Особенно пригодится тем, кто готовится к собесам или хочет лучше понимать, что творится под капотом моделей.
Proglib Academy #буст
Please open Telegram to view this post
VIEW IN TELEGRAM
👍2
Сеньор про удалёнку
🙂 То ли он разводит на лайки, то ли правда так считает
Proglib Academy #развлекалово
Proglib Academy #развлекалово
Please open Telegram to view this post
VIEW IN TELEGRAM
👍4😁1
Это миф, который убил больше карьер, чем плохая документация в pandas.
Ты не просто пишешь код. Ты — бизнес-мозг на стероидах. И если ты не умеешь это показать — ты не Data Scientist, ты «очередной резюме с курсеры».
1. Четкий портрет: бизнес-мышление, Python, SQL, машинка, soft skills
2. Минимум воды, максимум пользы, использование фильтров
3. Проверка на критическое мышление и умение объяснять сложное просто
4. Заинтересованность в том, что ты можешь сделать для их бизнеса
А теперь вопрос:
📌 Ты умеешь показать всё это за 30 секунд, пока читают твое резюме?
Не просто учи техничку —
🔹 учись мыслить как бизнес,
🔹 говорить как человек,
🔹 и показывать себя как тот, кто реально решает задачи, а не просто «знает Python».
А кто еще не в ладах с техничкой, то вот вам обновленный курс по пайтон
Proglib Academy #оффер_мечты
Please open Telegram to view this post
VIEW IN TELEGRAM
👍1
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
❤2👍1
Этот промт отлично зашел Python-разработчикам, а теперь мы адаптировали его для дата-сайентистов. Получается полноценное mock-интервью, максимально приближенное к реальному: вопросы, фидбэк, пояснения, улучшения ваших ответов. Идеальный способ прокачать себя перед собесом на оффер мечты
You are a Senior Data Scientist and an experienced technical interviewer, known for your ability to evaluate candidates across statistics, machine learning, data preprocessing, and business understanding. Your goal is to conduct a mock Data Science interview, simulating a real-world assessment.
You will ask one question at a time, wait for the candidate’s response, then provide feedback, identify strengths and weaknesses, and offer a corrected or improved answer when needed.
Use the format below:
Question Number: $question_number
Question: $data_science_question
(Wait for candidate’s response)
Feedback on Candidate's Response
Strengths: $strengths_of_response
Areas for Improvement: $areas_for_improvement
Corrected/Improved Answer (if necessary): $corrected_answer
Next Question
(Proceed with the next question in the same format)
Begin the mock interview
Proglib Academy #буст
Please open Telegram to view this post
VIEW IN TELEGRAM
👍1
Для работы с данными нужны базовые математические знания. В первой статье нашего путеводителя разбираем ключевые символы и термины Data Science.
В выпуске:
• действительные и комплексные числа,
• векторы и матрицы,
• компактная запись сумм и произведений (сигма- и пи-нотация),
• обзор логарифмов.
Начинаем с основ, чтобы уверенно двигаться к сложным темам!
▶️ Читайте по ссылке: https://proglib.io/sh/pSwegRq1o0
Proglib Academy #буст
Please open Telegram to view this post
VIEW IN TELEGRAM
❤1👍1
Учёные начали встраивать скрытые промпты для ИИ в научные статьи, чтобы ChatGPT и ему подобные ставили их работам 5 звёздочек и ни слова плохого не говорили.
Proglib Academy #буст
Please open Telegram to view this post
VIEW IN TELEGRAM
👍1
❗ Первый вебинар нашего курса по AI-агентам уже прошёл!
Запись уже выложили на обучающей платформе — можно влетать и догонять с комфортом.
Первые слушатели уже оставили фидбэки — и, кажется, мы попали в точку:
— «теперь наконец понял, как выбирать модели под задачу — раньше брал первую попавшуюся»
— «без лишнего, по делу, в лайве — кайф»
— «огонь, ожидания 100% оправданы лично у меня»
Если хотели вписаться, но сомневались — ещё не поздно. Вебинары идут вживую, записи сохраняются, чат работает, материалы открыты.
⏳ Ещё можно догнать и пройти всё вместе с потоком.
👉 Залетай на курс
Запись уже выложили на обучающей платформе — можно влетать и догонять с комфортом.
Первые слушатели уже оставили фидбэки — и, кажется, мы попали в точку:
— «теперь наконец понял, как выбирать модели под задачу — раньше брал первую попавшуюся»
— «без лишнего, по делу, в лайве — кайф»
— «огонь, ожидания 100% оправданы лично у меня»
Если хотели вписаться, но сомневались — ещё не поздно. Вебинары идут вживую, записи сохраняются, чат работает, материалы открыты.
⏳ Ещё можно догнать и пройти всё вместе с потоком.
👉 Залетай на курс
Please open Telegram to view this post
VIEW IN TELEGRAM
😢1🌚1
This media is not supported in your browser
VIEW IN TELEGRAM
🔍 Топ-5 библиотек для объяснения ML моделей
🟢 SHAP (Shapley Additive Explanations)
Один из самых популярных методов объяснения модели на основе вкладов признаков.
🟢 LIME (Local Interpretable Model-agnostic Explanations)
Модель-агностичный подход, который обучает локальную интерпретируемую модель вокруг конкретного предсказания.
🟢 Eli5 (Explain Like I’m Five)
Упрощённое объяснение сложных ML-моделей, поддержка scikit-learn, Keras и других фреймворков.
🟢 AI Explainability 360 (AIX360)
Библиотека от IBM для объяснения моделей на различных типах данных: табличных, текстовых, изображениях и временных рядах.
🟢 InterpretML
Инструмент от Microsoft, который включает как интерпретируемые «прозрачные» модели, так и объяснители для «чёрных ящиков».
Proglib Academy #буст
🟢 SHAP (Shapley Additive Explanations)
Один из самых популярных методов объяснения модели на основе вкладов признаков.
🟢 LIME (Local Interpretable Model-agnostic Explanations)
Модель-агностичный подход, который обучает локальную интерпретируемую модель вокруг конкретного предсказания.
🟢 Eli5 (Explain Like I’m Five)
Упрощённое объяснение сложных ML-моделей, поддержка scikit-learn, Keras и других фреймворков.
🟢 AI Explainability 360 (AIX360)
Библиотека от IBM для объяснения моделей на различных типах данных: табличных, текстовых, изображениях и временных рядах.
🟢 InterpretML
Инструмент от Microsoft, который включает как интерпретируемые «прозрачные» модели, так и объяснители для «чёрных ящиков».
Proglib Academy #буст
🧠 Математика для Data Science: с чего начать
Если вы хотите уверенно читать статьи, книги и документацию по Data Science, без знания математического языка не обойтись. Но с чего начать, чтобы не утонуть в формулах?
🎁 Мы запускаем серию статей, где по шагам разберем все ключевые темы: от базовых обозначений до сложных алгоритмов.
🔗 Читайте первую статью
Proglib Academy #буст
Если вы хотите уверенно читать статьи, книги и документацию по Data Science, без знания математического языка не обойтись. Но с чего начать, чтобы не утонуть в формулах?
Proglib Academy #буст
Please open Telegram to view this post
VIEW IN TELEGRAM
👍3