Внутри про то, что начинается за пределами классической аналитики. Где бизнесу вообще нужен ML, чем работа дата-сайентиста отличается от аналитика и как путь от данных и модели заканчивается настоящим продакшеном.
Плюс разберём специализации в ML, NLP и Computer Vision, поговорим про RAG и агентные системы. И главное выясним, кому стоит идти в Data Science, а кому это вообще не нужно.
Таймкоды:
0:00 Что такое Data Science и Machine Learning
1:50 Зачем бизнесу ML и где он применяется
6:36 Как работает дата-сайентист: от задачи до модели
9:13 Как ML-модели внедряют в продакшен
11:17 Аналитика vs Data Science
12:04 Как правильно войти в ML
14:17 Специализации: ML, NLP и Computer Vision
17:18 RAG и агентные системы
20:15 Кому подойдет ML
Смотреть в Telegram (чат ОМ: Полезное)
Расшифровка главы
Часть 1. Чем занимается DS и зачем нужен бизнесу
Снова привет, я Григорий Чернышов, и в этой главе я расскажу про область, которой занимаюсь сам, а именно Data Science и Machine Learning. До
Откройте полный доступ
Войдите в аккаунт, чтобы продолжить. Если у вас есть подписка, доступ откроется автоматически.