Машинное обучение — работа в Москве

Для работы Теория вероятностей и Математическая статистика для Machine Learning: Работаю 5+ лет в сфере ML (Computer Vision), где особо не использовал методы из твимс в силу специфики проектов. При этом я не заканчивал чисто направление CS в университете и не было углубленного изучения конкретных подходов из твимс (бакалавр: Инженер-конструктор систем управления, магистратура: Цифровые системы управления в ИТМО) 1) Нужно разобраться и вспомнить базу по ТВИМС (развить интуицию и понимание) 2) Научиться применять методы статистики в анализе алгоритмов машинного обучения (выделить особо важные направления в теории для решения прикладных задач) 3) Научиться правильно проводить A/B, A/A тесты (+понять что это и как с этим работать)

Для работы Теория вероятностей и Математическая статистика для Machine Learning: Работаю 5+ лет в сфере ML (Computer Vision), где особо не использовал методы из твимс в силу специфики проектов. При этом я не заканчивал чисто направление CS в университете и не было углубленного изучения конкретных подходов из твимс (бакалавр: Инженер-конструктор систем управления, магистратура: Цифровые системы управления в ИТМО) 1) Нужно разобраться и вспомнить базу по ТВИМС (развить интуицию и понимание) 2) Научиться применять методы статистики в анализе алгоритмов машинного обучения (выделить особо важные направления в теории для решения прикладных задач) 3) Научиться правильно проводить A/B, A/A тесты (+понять что это и как с этим работать)

Для работы

Для себя Подготовка к сессии по машинному обучению

Для себя Мне нужен человек, который поможет научиться использовать топовые ИИ для оптимизации бизнеса, с именно практической помощью, не просто посмотреть видео уроки Актуальный уровень выше среднего

Для себя Основы программирования для ребенка 12 лет. Интересует создание игр.

Для себя Готовлюсь к собеседованию на аналитика в команду работает с кредитным скорингом. Одно из требований - понимать принципы классического ML. Хочу углубить сввои знания в этой теме за несколько занятий. Интересно узнать какие подходы из классического ML лучше всего подходят для кредитного скоринга, про метрики, про отбор и анализ признаков, что-то еще важное, что нужно для общего понимания