Особенности применения NLP в практических задачах

NLP in practice

Дизайн систем машинного обучения. Введение для начинающих.

ML System Design. Autumn 22/23

Цель трека - создание causal inference guide для data scientist-ов. Классические и современные подходы причинно-следственного анализа в применении к задачам машинного обучения.

Causal Inference in ML

Расскажем про оптимизацию ритейл сети, учёт причинно-следственных связей, Positive Unlabeled learning и про акселератор для стажёров. Также вас ждет воркшоп по основам анализа геоданных в Python и технический data science квест.

МегаФон. Geospatial and other telecom applications

Track about Data Science without Machine Learning, Big Data, Neural Networks or anything else requiring training or big amount of storage.

DS-ML

Welcome to the Machine Learning REPA: Reproducibility, Experiments and Pipelines Automation!

ML REPA

Advanced methods and topics in the world of A/B testing.

A/B testing

Трек о том, что такое data governance, что это может дать компании и вам и как начать.

Data Governance

MTC. Your first recsys

Трек для глубокого изучения рекомендательных систем на практике

Your Second RecSys

Сделаем обзор того, что делают банки и страховые в ML. Погружаемся вглубь исследования клиентов, размещения офисов, биометрии… Но и наука расскажет как им ML для анализа фондового рынка, и можно ли собрать данные для прогноза инфляции.

Active