Telegram-канал "Informal Data Science" — @informalds

Informal Data Science

30 Mar, 09:03

Наткнулся на крутую лекцию по бэкпропу:

— 4.2 Deep Learning etc: алгоритм обратного распространения ошибки
— 5.1 Deep Learning etc: кодим алгоритм обратного распространения ошибки

Есть ещё ряд прикольных сайтов, где можно в формате LeetCode решать задачи по ML, имплементировать алгоритмы с нуля:
— https://www.tensortonic.com/
— https://papercode.in/

И если вы читаете научные статейки, рекомендую юзать не классический arXiv. Имба в том, что у вас есть последние топовые модели без лимитов))
— https://www.alphaxiv.org/

Суть в том, что модель парсит формулы, видит код из репозитория и ищет по пейперам... тем самым давая более целостный ответ.

Понял, что я вообще ничего не писал в канале про DL. Надо исправлять.

128 0 1 6

Informal Data Science

28 Mar, 13:13

🔤🔤🔤🔤 🔤🔤

Алгоритмос-с-с-с, мой синьёрос. Я решил более 100 задач по алгоритмам и что я узнал? Хеш-мапа — это религия.

1️⃣➖Решать задачи без теории, это как пытаться собрать шкаф из ИКЕИ по памяти.

2️⃣➖Банально, но точно работает. Сначала понять суть задачи (рисовать на листочке, камушки перекладывать, да как угодно).

Правило: думай над задачей не больше 30м, иначе ищи ответ. Решение некоторых задач придумано умными людьми, но мы не такие.

И я джельтельмен: подсмотрел, значит не решил, помечаю задачу. Спустя несколько дней возвращаюсь и решаю сам. Если опять подсмотрел, повторяю цилк.

3️⃣➖Решил задачу? Отлично. А теперь реши её ещё раз, но по-другому. И это лучшее, что я делал для глубокого понимания темы. Разберем детальнее:

Пример 1. "Что такое анаграммааааа, бляяяяя..." (классика), поэтому поговорим про палиндромы.

➖Можно тупо развернуть строку и сравнить. Время O(n), доп. память O(n), так как храним перевернутую копию.

В целом уже неплохо, и на этом можно закончить. НО, сейчас важно придумать как можно больше решений. Тем самым ты уходишь от «запомнить одно решение» к «отработать паттерны» — а это то, что позволяет решать разные задачки.

Уже сливаешься?..

➖Применим идею двух указателей. Тогда мы экономим по памяти и получаем O(1), а время O(N).

➖Дальше можно накидать кучу всего: дек, стек, очередь, рекурсия... но для этой задачи рекурсия уже лишнее (если только у тебя нет цели отработать рекурсию).

➖Казалось бы, всё. Но я часто переписываю условия задачи.

Например: Можно ли выбросить один символ, чтобы строка стала палиндромом? Первое решение которое приходит в голову это выбрасывать по одному символу и каждый раз проверять оставшуюся строку на палиндром. Итого имеем O(N^2).

➖Дальше достаем козырь, два указателя. Взмах рукой, легкая магия, и вуаля: заветные O(N) у нас в кармане.

➖После снова меняем формулировку, покуда тут и думать не надо. Выбрасываем 2, 3, 4, другими словами, k символов. Но тут, сори, N-ки закончились.

Пример 2. 347. Top K Frequent Elements

Первое, что приходит в голову, если никогда не сталкивались с подобного рода задачами, это: "Да нахер этот Бигтех".

➖Считаем частоты, это буквально N операций, как дань собрать. А дальше частоты необходимо отсортировать (M log M), где M — это количество частот, которое может равняться N в худшем случае.

➖Эта задача, в отличие от прошлой, интересна тем, что тут заместо словаря можно использовать Counter, defaultdict. По приколу есть смысл написать решение с их использованием, но на собеседовании, скорее всего, дадут словарь.

➖После приходит хорошая идея использовать бакет и мы победили эту жизнь, решив за O(N). Можно сразу при создании бакета найти максимальную частоту, чтобы не брать длину исходного массива для обхода с конца.

➖Ещё эту задачу полезно решить через кучу, ну так, по приколу, прикольно же, не?

Что получаем?

1️⃣➖Не запоминаем решение задачи, а учимся применять разные паттерны для разных задач. Решив одну такую задачу, вы решили сразу подгруппу, что эффективнее.

Часто на собеседовании задачи придумываются по такому принципу.

2️⃣➖Да, тратим больше времени на решение одной задачи. Дело не в количестве, а в качестве. Хочется быстро написать оптимальное решение из солюшенов и пойти к следующей задаче, качая ЧСВ.

Вы учитесь тогда, когда страдаете.

132 0 0 6

Informal Data Science

8 May 2025, 20:03

🔤🔤➖🔤🔤🔤🔤🔤🔤

Если раньше вы проходили курсы по ML, всё было проще: Отличить клоуна от не-клоуна, гриб от негриба, и так далее... можно переносить эту логику на любую другую задачу. Да и курсов было навалом...

С RL всё иначе. Тут же, всё упирается в научные статейки, да неприятно, да сложно, да на английском. Но как говорится:

У агента нет плана, есть только ε-жадная политика.

Так что - к делу.

1) Сладкий леденец или твои первые шаги

DeepMind x UCL | Introduction to Reinforcement Learning 2015 - Зачем смотреть? Формирует понимание общепринятых обозначений, что позволит читать научные статейки, заместо просмотра рилсов. И название говорит само за себя...

Есть и другие версии этого курса на YouTube DeepMind. Можно поискать так:
РАЗ "Introduction to Reinforcement Learning"
ДВА "Introduction to Reinforcement Learning"
ТРИ дальше ручками. RL - это не Netflix.

Deep Reinforcement Learning CS 285 - Тут у меня нет слов, просто посмотри.

Practical_RL Yandex - Этот курс читается в ШАД, но, по сути, дублирует материал из вышеупомянутых. Не парься - просто бери оттуда код, изучай, экспериментируй. Это твоя практика.

Advanced Topics in Deep Reinforcement learning - Тоже набор лекций на русском языке. Я бы брал отсюда точечно то, что тебе интересно.

2) Бумаги, больше бумаги

Это, в целом, те же курсы, только в текстовом виде. Но я их называю справочниками, потому что не читаю целиком, а беру только то, что мне нужно:

Reinforcement Learning Textbook - учебник на русском языке по RL, где собран весь фундамент. Сюда можно заглядывать, если что-то в лекции было непонятно.

Reinforcement Learning: A Comprehensive Overview - похожая книжка, только на английском.

3) Джентльменский набор для начинающего

Gymnasium Documentation - Это твоя переносная лаборатория для RL. Всё, что нужно для создания и тестирования сред.

Stable-Baselines3 - Более серьёзная RL-библиотека, подходящая и для исследований, и для продакшна.

Попробуй создать свою среду без использования готовых библиотек. Можно, например, попросить ChatGPT написать код простой игры и туда внедрить RL-алгоритм.
Задача не из самых простых, но даёт классный опыт.

4) Итоги
И ДА - все эти ресурсы доступны бесплатно. Так зачем платить за курсы, которые на коленке списаны с этих материалов?)

У меня, конечно, есть ещё множество ссылок, но не хочу грузить вас. Собрал лучшую выжимка из того, что я сам использую.

Будут ещё посты:
➖Поделюсь полезными источниками, которые использую евридей. Они должны упросить изучение RL и не только, в целом ML;
➖Хочу рассказать про Unreal Engine + RL;
➖Книги, статейки;
➖Имплементации алгоритмов на Python/Cpp из статеек;

Ну и конечно: 🔥❤️❤️‍🔥

220 1 13 10

Informal Data Science

30 Apr 2025, 07:28

🔤🔤➖🔤🔤🔤🔤🔤

Скромный привет. Да, да эRLнуться, не встать, он вернулся.

Есть одна хайповая тема — Reinforcement Learning. Если совсем просто: Представь, что учишь кота мыть посуду, выдавая вкусняшку раз в тысячу лет. И всё равно веришь, что он научится.

Уверен, вы видели беспилотные автомобили, цифровых кракозябр, которые учатся ходить, прыгать, выживать в неком 3D-пространстве (на фото отсылка к MuJoCo Humanoid).

Возникает вопрос: а как этому научиться? А что нужно для этого? Сейчас всё разложу по полочкам. Я недавно начал погружаться в эту стезю. В идеале — хочу сменить работу в этом направлении.

Вбиваем в Google: "reinforcement learning курсы", и тут же вас уже пытаются кинуть на бабки — «купи курс, и станешь терминатором», классический слоган. Честно, просмотрел множество платных курсов. Как-то всё сыро, особенно за деньги. Некоторые из них явно потрогал руками (я не платил, просто нашёл где надо) — не рекомендую сейчас ничего покупать.

На следующей ссылке видим что-то дельное:
— Обучение с подкреплением Хендбук Yandex

Но чёрт, тут всего одна глава, и та затравка. А продолжение — *поступи в ШАД и мы тебя научим*, а я-то хочу здесь и сейчас. Думаю, вы поняли, как я искал материалы. Но давайте сначала.

1️⃣➖ Нужен ли матан?
Конечно, и тут он очень жёсткий.
Стой-стой, не паникуй. Есть множество методов, которые не требуют вообще глубокого осознания математики — и можно на изи залететь в эту сферу. *Выдох...*

Конечно, эти методы лучше сначала понять теоретически — потому что на собеседовании спросят не "как запускал", а попросят пояснить за труды Ричард Беллмана.

Мем: Ну хуже уже не будет. И тут бац (тер.в), бац (мат.анализ), бац (теория игр), бац (оптимы), бац (функциональный анализ)...

2️⃣➖А чё, сначала надо NLP, CV и ещё что-то пройти?
*И опять — удар по дедовскому сердцу.*
— Не-а.
Вот DL — не мешало бы курсик предварительно пройти. Многое строится на нейросетевых подходах. Остальное — всякие эвристики из NLP, CV, ML — дойдёт по ходу. И это, кстати, хороший подход в современном мире.

Ибо учить *всё* — это лютый ад. Только в ML можно засесть на несколько лет, а это уже срок.

3️⃣➖Всё так изи?
Я бы сказал так:
В CV тебе дали карту, как учиться — вот тут, вот там.
А в RL — два алкаша подрались, порвали карту и сказали:
*"Ну, чё осталось — по тому и учись."*

Значит, надо по крупицам собирать всё. Благо, я — тот самый алкаш, который дрался, и помню, что там было на этой карте.

4️⃣➖Большое НО:
Конкурс, как в Хогвартс — только вместо совы приходит отказ.

Сфера относительно новая: с одной стороны, куча возможностей для экспериментов и роста, с другой — вакансий мало.

Это — разогревочный пост. Продолжение обязательно будет: по каждому пункту пройдёмся подробно. Если зайдёт — залью немного кода, вместе поиграемся, поэкспериментируем.

Давайте накидаем огоньков🔥🔥🔥

259 0 3 4 15

Informal Data Science

8 Jan 2024, 01:50

И это ещё не всё. Забавно, что, когда вы начинаете отслеживать своё время, становится очевидно, насколько это сложно. Проекты, теги — как выбрать оптимальную стратегию их распределения? Что считать тегом, а что проектом? Если неправильно определить эти сущности, у вас может быть множество тегов, и всё превратится в рутину. В следующем посте я подробно расскажу о системе, которую я разработал.

Кроме того, я приобрел Endel за 20 долларов и наушники за 350 долларов, чтобы также улучшить свою концентрацию. Это идеальная добавка к помидорам. Тоже расскажу))

DS это не только проводить каждый вечер с моделями...

1.1k 0 4 11 9

Informal Data Science

8 Jan 2024, 01:47

🔤🔤🔤🔤🔤 🔤🔤🔤🔤🔤🔤

С Рождеством 🎅 бродяги.

Я понимаю, что вы, возможно, ожидали пост о алгоритмах, но мой год начался с неотложных вопросов здоровья, которые имели самый высокий приоритет в моем списке дел.

В этот новый 24 год все устанавливают себе цели и задачи, но я считаю, что не менее важно внимательно следить за их реализацией. С первого числа пересмотрел свой подход к мониторингу времени.

Система pomodoro: Фокусируетесь 25-35 минут, делайте короткий перерыв 5-10 минут. После четырех сессий - длинный перерыв 15-30 минут. Помогает сосредотачиваться и повышает производительность.

Начните с коротких сессий и постепенно увеличивайте время в фокусе в течение дня. Эта система очень эффективна, мне лично помогает. Главное — быть честным по отношению к себе.

1️⃣➖ Focus-To-Do

После испытания множества трекеров в 2023 я выбрал Focus To Do. У него есть несколько недостатков. Одним из них является отсутствие возможности выгрузки данных. В любой момент разработчик выучит испанский и скажет "Adiós, tontos". Да и вообще, он кто такой?

Также стоит отметить не слишком удобную организацию проектов, но приятно, что есть подзадачи.

В своё время мне казалось, что это лучший трекер с системой pomodoro. Но со временем, как говорится, помидоры растут.

2️⃣➖ Toggl — мой выбор сейчас.

Можете, конечно, поискать альтернативы, но я уверен, что, кроме Toggl, ничего приличного не найдёте. Да, это стоит $9 (30 дней премиум дают обкатать), но эта инвестиция окупается многократно.

Почему он?
— Авторы не планируют учить испанский, тем более русский, кХе.
— Встроенная система pomodoro.
— Возможность организации проектов.
— Использование тегов.
— Управление задачами.
— Интеграция с Google Calendar и не только...
— Удобный и приятный интерфейс.
— Возможность выгрузки данных.
— Ещё миллион и одна фича.

3️⃣➖ Session

Многие отмечают, что это отличный тайм-трекер. Однако есть один нюанс — он совместим только с яблочными пижонами. Поэтому, если вы из тех самых, пожалуйста, попробуйте.

946 0 5 11

Informal Data Science

13 Dec 2023, 15:22

🌚

837 0 2 2 13

Informal Data Science

26 Nov 2023, 14:47

Счётчик решённых алгоритмических задач с текущего момента:

0️⃣0️⃣2️⃣ 🦄

Оставлю это тут. Буду выпускать по посту на каждую красивую цифру и делиться тем, что узнал.

— Алгоритмы

982 0 1 12

Informal Data Science

26 Nov 2023, 14:13

Выбираем следующий пост

Опрос

Linux — все используют, но не понимают
Python — История интересных обновлений
Python — Типизируем
А че еще есть реализации интерпретатора python?
O(N) — или как ты ничего не понял

51 голосов

821 0 0 5

Informal Data Science

26 Nov 2023, 13:50

🔤🔤🔤🔤🔤🔤 🔤🔤🔤🔤 1️⃣

Мы как-то говорили уже про Python. Чистый Python — другими словами, борщ без сметаны. Значит, нам "тем самым" нужно знать какие-то библиотеки, а какие?

1️⃣➖NUMPY

Первое с чего всё начинается это —Numpy. В один момент, когда вы решили стать "ТЕМ САМЫМ" и написать свою сетку на чистом Numpy. Ахаха, мы сейчас этим и занимаемся, успешно... Как минимум для этого он нужен.

Это та библиотека, которая изучается по потребности. Нужен какой-то метод или функция, пожалуйста, пошли в документацию, обратились, выполнили, сделали.

Если нужна практика здесь и сейчас открываете курс —> Неделя 2 - Векторы, Матрицы.

— NumPy в картинках

Хватит 1-2 дня поиграться в материалах, а дальше по потребности.

2️⃣➖PANDAS

Вот тут найти хороший материал очень сложно. Это та библиотека, где нужна практика. Я в своё время делал так: открываю Kaggle, выбираю любой интересующий набор данных и начинаю набивать руку.

1) А что такое pandas?
2) Как устроена табличка?
3) Индексация

Это только база. А вот мои любимые закладки:
1) Руководство по группировке и агрегированию
2) Группировка
3) Сводная таблица
4) Кросс-таблицы
5) Кодированию категориальных значений
6) Биннинг, дискретизация, балансировка

Всё это лучше отрабатывать на примере настоящего набора данных. Это же 95% рабочего времени.

В один момент таблички становятся большими и вот они, вот они:
— Vaex
— ORC и Parquet

Запомните. Вы поймёте когда это пригодится. Естественно, база, но глаза я вам уже открыл? Открыл. Google есть? Есть.

3️⃣➖ ВИЗУАЛИЗАЦИЯ

Осталось научиться рисовать картинки, у каждой библиотеки визуализации хорошая документация. Оставлю список популярных библиотек.

1) Matplotlib — Богатый по возможностям, но капризный.

2) Seaborn — С его отцом мы уже знакомы, а вот и его сын.

3) Plotly — Иногда хочется повыпендриваться. Интерактивные графики.

Тут есть еще что сказать))) не сегодня 🌚

А что с книгой? Прочитать-то прочитал. Дописываю посты по главам. Ждём-с...

GPT in 60 Lines of NumPy | Jay Mody

Implementing a GPT model from scratch in NumPy.

928 0 24 12

Informal Data Science

17 Nov 2023, 15:32

Hey! Дедлайн на этой неделе я прошляпил — не успел дочитать, как и вкусный сладкий пост 😁. 3 работы + курсы C++/Eng дают о себе знать 😭

Мы не сдаёмся! Книжку обязательно дочитаем. В дедлайне опечатка была, я исправил 25.11.23 глава 6.

617 0 0 7

Informal Data Science

7 Nov 2023, 17:16

🔤🔤🔤🔤🔤

Буквально только-только закончил читать 5 главу. Для человека, который несколько раз писал имплементации градиентного бустинга, глава показалась простенькой. Сиплюсплюлюшная реализация градиентого бустинга и половины классического ML тоже будет ✅

К сожалению, я ещё не написал реализацию на C++. Не хватило времени, закопался в математике/оптимизации кода... (преждевременная оптимизация - зло). По этой причине на сегодня мне нечего рассказать про эти главы, так что я дополню этот пост спустя день/два.

А репозиторий прошлых глав уже доступен:

https://github.com/SciWake/deep_learning_cpp/tree/main

— Не нужно кричать "Кря!" — здесь наивная реализация матричного умножения. 😑

— "Кряяяяяя" — здесь можно было использовать библиотеку. 🏃‍♀️

—"Кряяяяяяяя" — есть же фреймворк (Вы где таких слов набрались?), зачем ты это пишешь? Действительно, расходимся. 😏

Я даю фору тем, кто не успел дочитать. Следующая глава сложнее, чем эти две вместе взятые, поэтому мы будем читать только ее.

6️⃣ ➖Создание первой глубокой нейронной сети

Дедлайн 17.11.2023

Ну, ещё я не забыл про вкусный сладкий пост, который выйдет на этой неделе. 👏

GitHub - SciWake/deep_learning_cpp: Development of deep learning models in C++

Development of deep learning models in C++. Contribute to SciWake/deep_learning_cpp development by creating an account on GitHub.

825 0 2 11

Informal Data Science

31 Oct 2023, 17:08

⚰️🔤🟢🟢🔠🔠⚰️

Конфеты или жизнь? 😊

Вот наконец-то я дочитал 3 главу. Все примеры кода которых были, я переписал на C++ 💻. Что есть на данный момент? Просто написали реализацию полносвязанной нейронной сети с деревянными весами.

Встречались понятие вектора, скларного произведения:

— Векторы для чайников
— Скалярное произведение векторов
— Базис векторов

✅ Что дальше?
Настал момент научиться обновлять веса, а не подбирать их ручками. 👻 Дальше мы читаем:

4️⃣. Введение в нейронное обучение:
градиентный спуск

5️⃣. Корректировка сразу нескольких весов: обобщение градиентного спуска

Дедлайн 07.11.2023. 👻

Жопой чую, что потребуется разобраться с производной и градиентом. Поэтому я освежу вот эту парочку ссылок в своей голове.

— Как найти производную?
— Производная сложной функции
— Определение и смысл производной функции
— Частные производные
— Производная по направлению и градиент функции

Эти полезные ссылочки оставил для тех, кто хочет разобраться чуть детальнее, чем описано в книге. 🐸

Всех с праздником и хорошего вечера ❤️

769 0 4 5 10

Informal Data Science

23 Oct 2023, 03:07

👻🔤0️⃣0️⃣🔠🔠👻

Grokking' Deep Learning. Andrew W. Trask или жизнь? ☠️

Кому адресована книга: "Я специально писал книгу с намерением обеспечить минимально возможный порог входа. Вам не требуются знания линейной алгебры, численных методов, выпуклых оптимизаций и даже машинного обучения. Все, что потребуется для понимания глубокого обучения, будет разъясняться по ходу дела. Если вы окончили среднюю школу и владеете языком Python, этого будет вполне достаточно для чтения книги."

Почему эта книга? 🧐 Она практически не требует знания математики, и всё даётся в процессе.

Тогда какой смысл мне читать эту книгу?🤨 Хочу написать свой Фреймворк для нейронных сетей на C++, думаю, что-нибудь почерпну из этой книги.

По результатам, у вас тоже будет некоторое подобие Фреймворка 👑, но на другом языке, возможно. В книге примеры приводятся на Python.

А после у нас будет продолжение, оно вам понравится)) 🐸

Начинаем сегодня и дедлайн до 31.10.2023. На этой неделе мы прочитаем первые три главы и одну страницу. Почему так много? Там благодарностей только на две главы...

СКАЧАТЬ PDF

Добавил вам немножко Хэллоуинского настроения 🥳
🔥❤️🔥

#Books

674 0 4 2 13

Informal Data Science

20 Oct 2023, 05:15

Поклон ☺️ всем книжным молям.

Я вновь решил восстановить книжный клуб. 😱 Помните, мы как-то умные книжки читали? 😢 Ну, только автора хватило всего лишь на 2 недели. Увы... Поэтому сейчас железобетонно будем читать книги.

— У тебя сгорел дом? Не беда, книга в pdf. 👍
— Кончилась бумага, а страницы непрочитанные? Исправляем. 👍

Может быть, вы не знали, но каждый второй человек, зная алфавит 😮‍💨, клепает курсы по книгам. Нет никакой гарантии, что он Шекспир, поэтому половину информации явно выкидывает. Я к тому, что с книгами вы узнаете гораздо больше, чем просто посмотрите курс и получите психологическую травму 🔫

Когда? Где?
— Тут. В понедельник.

Если одобряешь и просто хороший человек, тогда нарисуй снизу красивое ❤️

#Books

599 0 0 31

Informal Data Science

18 Oct 2023, 07:42

🔤🔤🔤 🔤🔤🔤🔤🔤🔤

Кхе-Кхе! 😷 Болею, значит, бронхитом (холодно же), запиваю пилюли кумысом🍻, а мог бы сейчас на тайском массаже пить Ча Йен. А в чём незадача?🤔 А в том: "думаю, сейчас самое время оценить свой уровень английского". Прохожу тесты и бац, А2. Позор? Нет, я немецкий изучал в школе.

План на полгода, 6 месяцев, 180 дней для достижения уровня B2. Поехали, сейчас я все вам покажу. Я очень дотошен, поэтому буду изучать каждую часть английского языка от А до Я (какой каламбур).

1️⃣➖ Алфавит. Кто-то из вас пропустит этот шаг и допустит самую большую ошибку в своей жизни. Нам нужно научиться правильно произносить каждый звук английского языка. И тут нужно ориентироваться на соответствующий диалект: либо американский английский, либо британский. Я буду говорить об американском произношении.

1) Английский алфавит

1) The Sounds of American English — Положение языка, губ, да даже сука (кстати, это слово на английском тоже надо уметь произносить, но об этом дальше) твой взгляд влияет на акцент 👀. Забирайте плейлист и благодарите средечками ❤️.

2) Второй по важности плейлист — это канал Вени. А вот сука и настал момент. Думаю, теперь ты понимаешь, почему так важно произносить слова правильно. Несколько моих любимых видео:

— Американское произношение. Часть 1
— Американское произношение. Часть 2
— Произношение TH

3) Sounds American — некоторые звуки изучаю на этом канале. Мои любимые уроки это:
— Dark L - может сейчас научишься слово Google произносить.
— Flap T
— Schwa

4) Британское произношение — Вдруг тебе интересно.

Очень важно, чтобы ты смотрел на транскрипцию этого звука. Потому что дальше из этих звуков формируются слова ✅, и когда ты увидишь новое слово, посмотришь транскрипцию, сразу поймёшь, как его правильно произнести 🤵.

2️⃣➖Клепаем слова из буковок.

Большинство из вас просто запоминает, как произносится слово. Но у слов существуют паттерны 🔍, на основе которых мы можем предположить, как оно будет произноситься, скорее всего. Но это не точно 👀.

1) Слоги в английском
2) Как образуются слоги
3) Первые шаги
4) Лайфхаки для первых шагов
5) Правила чтения
6) Ещё раз правила чтения
7) Правописания слов
8) Английские омофоны
9) Окончание ed

Прочитав эти статьи, начинаешь осознавать, какая транскрипция будет стоять за этим словом. Но как понять, правильную ли транскрипцию ты сформировал в своей голове?😭 И правильно ли ты произносишь слово? Easy peasy lemon squeezy:

И раз. wooordhunt — Хороший словарик для двух диалектов.

633 0 10 27

Informal Data Science

3 Oct 2023, 15:27

Добрый вечер получается. Полезная информация:

Когда? ❓
— скоро
Что? ✋
— тренировки же
Какие? 😮
— алгоритмам 4
А что еще? 🫢
— тренировки
Какие? 😮
— по ML и DevOps

Да-да, скоро стартуют новые тренировки 🫶. Это возможность попасть на стажировку Yandex, получить предложение о работе, забрать призы или просто прокачаться в алгоритмах/ML/DevOps 💪

— Тренировки

— Прошлые части тренировок — нужно готовиться к тренировкам 4. Прорешать все прошлые тренировки, литкод... тут всё написано, ребят.

— Machine learning — К машинному обучению тоже нужно подготовиться. И тут идеально подходит данный пост и все ссылочки в нём.

Ещё есть пару интересных мероприятий, где вы можете поучаствовать:

— Yandex Cup 2023
— Weekend Offer и Fast Track

Запускаем новый сезон Тренировок по алгоритмам и два новых курса для начинающих специалистов — ML и DevOps.

712 0 4 1 13

Informal Data Science

26 Sep 2023, 15:45

765 0 0 1

Informal Data Science

11 Sep 2023, 05:11

🔤🔤🔤🔤🔤🔤 1️⃣

Hola, Desempleados 🧑‍🌾

— Часть 1. Где искать работу?

Когда тебя зовут на собеседование, к нему нужно готовиться. Банальная истина, про которую все забывают. И первым делом, я начал шерстить интернет и изучать, как же проходит собеседование в Яндекс и не только.

— Этапы собеседования в Yandex — Яндекс уже вкинул всю информацию о том, что могут спросить, какие есть этапы собеседования, даже полезные ссылочки на курсы. Чё, не подарок штоли? 🎁

Казалось бы, на это можно расходиться, ссылочка есть, а вот и первый капкан, мой бомжурос. 🔪

1️⃣➖ Знакомство с рекрутером

Если ты склепал хорошее резюме 💩, значит, до этого этапа тебе должны были отправить описание вакансии. Обязательно детально изучи вакансию, неловко будет после оффера узнать, что у них нет глазированных сырков 😮‍💨. Суть этого этапа просто показать, что ты адекватный человек.

Обычно все начинается так:
1. HR рассказывает 🙊 пару слов про позицию, команду, что от тебя ждут... По классике задаешь несколько вопросов в контексте диалога.

2. Рассказываешь про свой опыт, проекты, образование. Тут надо подготовиться заранее — будь как швейцарские часы. 🕓

3. Еще, скорее всего, HR спросит, а сколько капусты ты хочешь? 😌 Поэтому предварительно проанализируй рынок, посмотри смежные вакансии этой компании, сколько они готовы платить? 💸 Ориентируйся на свой опыт, анализ и назначай вилку.

И самое главное здесь не мелочиться. Если ты понимаешь, что ребята готовы платить 200к (это почти мульт тенге 😐), значит, называй мульт. Некоторые думают: "Они готовы платить 150, а я скажу 100 — тогда меня точно возьмут, потому что пачаток кукурузы стоит больше💧". Эта фича работает в стартапах, берут тех, кто меньше просит. В адекватной конторе на тебя уже выделен бюджет и их цель отсеять всех опоссумов.

Ну и попрощаться не забудь. Мы приличные люди.

2️⃣➖ ML & Programming — Первая часть собеса. Алгоритмы.

Здесь все начнется с решения алгоритмических задач. Обычно это одна или две простеньких задачи на алгоритмы. Выделяй примерно на это полчаса. Не переживай, здесь не будет задач в стиле: "Первая курица несет 4 яйца, вторая 8. Отсортируйте яйца в обратном порядке". 😒

Секрет: при собеседовании на позицию Junior/Middle задачи проще, чем при прохождении отбора на стажировку Яндекс или Тинькофф.

А ты, мой сладкий 🤔, уже знаешь, где найти подготовку к алгоритмам. Но при прохождении алгоритмических собеседований есть подводные камни 🤔, поэтому обязательно посмотри следующие ресурсы:

— Как решать алгоритмические секции. Статья на Habr — В этой статье есть разбор примерных задач. Обязательно прокликай все, прорешай контесты. 😮‍💨

— Интенсив по алгоритмам

— Пример собеседования на алгоритмы — Обрати внимание на то, как решаются задачи. 💻

1. Прежде чем начать решать задачу, надо убедиться, что ты нихера не прослушал 🤔, поэтому показываешь на примерах, что хотят от программы.

2. Будь готов оценить сложность решения. Обязательно сообщи об этом собеседующемму и почему оно оптимальное.

3. В процессе решения рассказываешь свой ход мыслей: Зачем эта переменная, этот цикл и петарда в руке...

4. Проверь краевые случаи перед сдачей. Что будет, если засунуть петарду в ноутбук?💥 Код работает?

5. Если не получается придумать оптимальное решение, напиши хоть какой-нибудь код. Не забывай про 30 минут. Вдруг ты вытащишь МЛ часть?

6. Посмотри, как ловко нужно исправлять ошибки. Допустить ошибку во время собеседования — это нормально. Плохо, если эту ошибку не удалось исправить или найти самостоятельно.

И да, я завалился именно тут🪣. Это связано с тем, что я выделил очень мало времени на подготовку к алгоритмической секции. Не смотря на то, что я провел пару сотен вебинаров, меня накрыло дикое волнение. 😷

Дальше следует часть по машинному обучению и собеседование с командой. Это я уже расскажу во 2 части, поэтому, если интересно — muchas gracias за ваши огоньки 🔥❤️‍🔥🦄

1k 0 16 12 34

Informal Data Science

15 Aug 2023, 19:35

Оупс, теперь мы серьёзные ребята 🥂

805 0 0 23

Купить живых подписчиков

Купить живой трафик

TGStat - аналитика каналов и чатов

Informal Data Science

Гео и язык канала

Категория

Informal Data Science

Informal Data Science

Informal Data Science

Informal Data Science

Informal Data Science

Informal Data Science

Informal Data Science

Informal Data Science

Informal Data Science

Informal Data Science

Informal Data Science

Informal Data Science

Informal Data Science

Informal Data Science

Informal Data Science

Informal Data Science

Informal Data Science

Informal Data Science

Informal Data Science

Informal Data Science

294

Язык сайта

Купить живых подписчиков

Купить живой трафик

TGStat - аналитика каналов и чатов

Informal Data Science

Гео и язык канала

Категория

294