devdigest // data science
790 subscribers
34 photos
1 video
2 files
391 links
Data Science Digest

https://devdigest.today
Download Telegram
​​Все мы слышали о профессии Data Scientist, но мало кто знает, с чего вообще начать обучение Machine Learning!

Первым шагом в освоении data science может стать курс от Skillfactory “Практический Machine learning” → https://bit.ly/2lORMMF

На курсе вы изучите и научитесь применять основные модели машинного обучения: регрессия, классификация, явление переобучения, ансамбли деревьев. Узнаете, зачем нужны тренировочная, валидационная и тестовая выборки, кросс-валидация и скользящий контроль, гиперпараметры и их подбор, а также многое другое.

Получить полную программу курса можно по ссылке → https://bit.ly/2lORMMF

До 23 июля на курс действует скидка 25 000 ₽.

#реклама #текстприслан
Forwarded from IT KPI
Хей, датасаєнтисти, крута новина для вас!

Microsoft випустила в світ веб-ресурс з цілою купою різних датасетів на будь-які теми: Biology, Computer Science, Engineering, Environmental Science, Information Science, Mathematics, Physics, Social Science.

На даний момент там 51 датасет, але перелік буде поповнюватись. Хороше джерело даних для усяких курсачів і дипломів, BTW.

https://msropendata.com/
Почему бы не начать утро понедельника с вина? Например, с задачи классификации вин с помощью ML.NET (Для тех, кто еще не в курсе, ML.NET — это бесплатная кроссплатформенная платформа машинного обучения с открытым кодом, позволяющая вам создавать специализированные решения машинного обучения и интегрировать их в свои приложения )

https://rubikscode.net/2018/07/02/machine-learning-with-ml-net-solving-real-world-classification-problem-wine-quality/
Forwarded from devdigest // dot net (dotnet)
Помните вчера мы писали про систему классификации вин про помощи ML.NET? Так вот, ML.NET успел обновиться. Версия 0.3 уже доступна!

https://blogs.msdn.microsoft.com/dotnet/2018/07/09/announcing-ml-net-0-3/
Forwarded from Qubit (Quantum Daily)
Microsoft Quantum Katas («Квантовые ката») — серия туториалов для самостоятельного изучения. Каждый из них направлен на одновременное освоение квантовых вычислений и программирования на Q#. Все упражнения состоят из набора задач по определенной тематике квантовых вычислений, как простых, так и сложных. Каждая задача требует написания кода: для самых простых задач обычно требуется только одна строчка, а для сложных — крупный фрагмент. Тестирующая среда проверяет ответы, сразу же давая обратную связь.


https://habr.com/company/microsoft/blog/418659/
Forwarded from Quantum Quintum
Классная история про "битву" классических и квантовых алгоритмов. Есть такая задачка по подбору рекомендаций для пользователя на основании его профиля и общей базы пользователей (пример: какой фильм вам порекомендовать в Netflix). Задачка вычислительно емкая.

Несколько лет назад в работе Iordanis Kerenidis и Anupam Prakash, "Quantum Recommendation Systems", авторы показали, как получить экспоненциальное ускорение относительно существующих классических алгоритмов за счет использования квантового компьютера (работа теоретическая). Это был отличный пример алгоритма, показывающего, зачем нужен квантовый компьютер. И также это было отличной заявкой на иллюстрацию преимущества симбиоза машинного обучения и квантовых вычислений. Было только одно но: они не доказывали в работе, что классический алгоритм с сопостовимыми результатами не возможен.

В общем, Ewin Tang (University of Texas), вдохвовившись результами и логикой работы квантового компьютера, смог создать "классический" аналог, также с экспоненциальным ускорением. В целом, это отличная иллюстрация того, что одновременное изучение квантовых и классических алгоритмов может быть новые идеи даже для текущего поколения машин.

Новость: https://www.quantamagazine.org/teenager-finds-classical-alternative-to-quantum-recommendation-algorithm-20180731/
Публикация: https://arxiv.org/pdf/1807.04271.pdf
How to Watch Stories from Instagram