Forwarded from Data Nature 🕊 (Alexandr Barakov)
BI Adoption Guide.pdf
12.9 MB
Размышлял над темой год и пора упаковать и переключится.
Еще родился шаблон для воркшопа, чтоб самим провести анализ в команде.
Кому эта тема интересна пишите и приходите на курс по BI стратегии в мае.
Там это все обсудится и пошарится
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from Чартомойка (Aleksandr Bogachev)
Это очень вдохновляюще. Выход из рутины, работа на вечные ценности, вот это всё
https://vc.ru/design/112303-veb-dizayner-prevrashchaet-starinnye-knigi-i-broshyury-19-veka-v-interaktivnye-sayty
via
https://vc.ru/design/112303-veb-dizayner-prevrashchaet-starinnye-knigi-i-broshyury-19-veka-v-interaktivnye-sayty
via
vc.ru
Веб-дизайнер превращает старинные книги и брошюры 19 века в интерактивные сайты — Дизайн на vc.ru
Среди работ Николаса Руже — гид Вернера по основным цветам, встречающимися в природе, интерактивный учебник геометрии «Начала» Евклида и реставрация ботанической энциклопедии «Иллюстрации естественного порядка растений».
⚡️ Практики MLOps для Data Scientist-ов и ML Engineer-ов — освойте новые инструменты и сделайте прорыв в карьере
Время действовать — пройди вступительное тестирование для онлайн-курса «MLOps» от OTUS прямо сейчас.
Проверь, готов ли ты к новым карьерным возможностям: https://clck.ru/3ApEkv
🦾 Покажи свою экспертность и открой дверь в мир передовых технологий. А еще получи подарочные уроки и специальную цену на обучение!
Время действовать — пройди вступительное тестирование для онлайн-курса «MLOps» от OTUS прямо сейчас.
Проверь, готов ли ты к новым карьерным возможностям: https://clck.ru/3ApEkv
🦾 Покажи свою экспертность и открой дверь в мир передовых технологий. А еще получи подарочные уроки и специальную цену на обучение!
Хотите развиваться в Data-инжиниринге, но не знаете, что для этого нужно?
Подключайтесь к вебинару от Слёрм «ИИ и инструменты Data-специалиста» и получите инсайдерские знания о том, как улучшить свои навыки и стать лидером в области обработки данных.
Когда? 27 мая в 19:00
В программе:
- Вкатились в Data-инжиниринг. Что дальше?
- Управление знаниями: персональная Data-инженерная вики.
- Где и как рисовать диаграммы и схемы?
- Чат-боты и ChatOps: персональный помощник Data-инженера.
- Какие софт скиллы нужны Data-инженеру?
- Нужны ли Data-инженеру пет-проекты и участие в хакатонах?
- Как влиться в DE-комьюнити?
Спикеры:
Николай Марков, Data Platform Lead в компании Altenar, спикер курса Слёрма «Data-инженер», 11 лет опыта в разработке и проектировании.
Игорь Мосягин, Data-*разработчик в shrimpsizemoose AB, PhD по теоретической физике.
До встречи 27 мая!
Реклама ООО «Слёрм» ИНН 3652901451, erid: 2VtzquduX7y
Please open Telegram to view this post
VIEW IN TELEGRAM
Станьте экспертом в Яндекс Практикуме: создавайте курсы и делитесь знаниями
Мы ищем автора, который будет вместе с командой контента писать уроки для темы «Визуализиция (чарты) данных с помощью DataLens. Создание дашбордов» для курса «Аналитик данных».
Мы ждем, что вы:
• имеете опыт работы BI-аналитиком от 2 лет
• отлично владеете инструментом Datalens и знаете Python, SQL
Мы предлагаем:
• удалёнку, частичную занятость от 10 часов в неделю, гибкий график
• ежемесячный дополнительный доход
• прокачку своего личного бренда
• образовательную миссию, возможность делиться знаниями со студентами
📩 Узнать подробности и откликнуться
• Автор курса «Аналитик данных» -
https://practicum.yandex.ru/job/vacancy-207/
Мы ищем автора, который будет вместе с командой контента писать уроки для темы «Визуализиция (чарты) данных с помощью DataLens. Создание дашбордов» для курса «Аналитик данных».
Мы ждем, что вы:
• имеете опыт работы BI-аналитиком от 2 лет
• отлично владеете инструментом Datalens и знаете Python, SQL
Мы предлагаем:
• удалёнку, частичную занятость от 10 часов в неделю, гибкий график
• ежемесячный дополнительный доход
• прокачку своего личного бренда
• образовательную миссию, возможность делиться знаниями со студентами
📩 Узнать подробности и откликнуться
• Автор курса «Аналитик данных» -
https://practicum.yandex.ru/job/vacancy-207/
Forwarded from It-donor channel
С 3 по 7 июня стартует восьмая неделя IT-донора. С каждым запуском акция объединяет всё больше неравнодушных людей по всей России. За 3,5 года:
Эти цифры не предел. Ведь сейчас открывается регистрация на летнюю неделю IT-донора 🔥
Стать героем просто — присоединяйтесь к акции и делитесь постом. И будьте уверены, что помогли спасти жизнь. Зарегистрируйтесь на акцию через наш бот и с 3 по 7 июня приходите на любую станцию переливания, чтобы сдать кровь или компоненты.
Подробнее о цикле добра читайте на сайте
Please open Telegram to view this post
VIEW IN TELEGRAM
Недавно прочитал у Романа Нестера пост «Прощай, объективность» про то, что OpenAI планирует внедрить в ChatGPT рекламу и продвижение "партнерского" контента от избранных издателей
При условии, что эта задумка реализуется, высок риск, что ответы модели будут смещены в сторону маркетинговых интересов спонсоров. И это вызывает некоторые опасения, что реклама, интегрированная в ответы ChatGPT, будет казаться органичной частью ответа, и не вся «маркетинговая выдача» будет явно промаркирована как реклама. Тем самым это по сути усиливает манипулятивный потенциал такого ответа от LLM и скрытое влияние на пользователей.
В целом, такой шаг довольно-таки ожидаем и неизбежен. Не хочу звучать как левак, но прозвучу как типичный левак: это закономерный шаг в логике капиталистической системы, задача которой подчинять сущности некоторому императиву прибыли. ИИ-сервисы пойдут таким же путем как и в своё время поисковые системы — включать рекламу для того, чтобы окупить операционные издержки
Кажется в этой же логике может находится и открытие доступа всем желающим к GPT-4o. Видимо, в юнит-экономике монетизация через рекламу потенциально приносит существенно больше, чем платная подписка
Интересно пофантазировать к чему это вообще может привести. Увидим ли мы LLM, в которой будет через аукционную модель реализовываться возможность для рекламодателей изменять веса выходного слоя? То есть не просто рекламные вставки, а непосредственное подмешивание рекламного контента в результаты генерации. В теории это возможно, хотя и сложно, а ещё вызывает кучу этических вопросов
Я думаю, что всё это будет иметь ряд долгосрочных последствий. Попробую попрогнозировать и пофантазировать:
1. Дерьмофикация (такой новоязовский термин действительно существует) ИИ-сервисов — мы все больше будем видеть растущий класс пользователей, которые будут ругаться на обилие рекламы и «раньше было лучше»
2. Попытки со стороны регуляторов явно промаркировать рекламный контент, а также создать рамки, которые призваны бороться с манипулирование поведением потребителя через ИИ
3. Модели ИИ будут обучаться за счет данных, предоставляемых рекламодателями (возможно, как часть сделки). Что в перспективе приведет к тому, что качество моделей будет находится в некоторой корреляции от количества рекламодателей
4. Создание инструментов, которые позволяли бы проверять «объективность» ответов от ИИ — то есть нужны будут какие-то алгоритмы, чтобы чекать некоторый bias моделей в сторону наличия рекламного контента (тут можно дальше уйти и вообще пофантазировать о том, что появятся анализаторы контента, которые будут определять некоторое «намерение» самого контента по отношению к пользователю, например, чтобы чекать политическую пропаганду)
5. Появление аналога адблокеров для LLM
6. Рост open-source моделек как попытки сделать «чистый ИИ». Но тут вопрос опять же о том, что такое этот самый «чистый ИИ» и как может быть ИИ вне идеологии. То есть фантазии об объективном ИИ — это всегда будут некие фантазии на тему объективности, а не объективность
7. Разные виды API. Если OpenAI предложит два вида API - с рекламными механизмами и без них - то вторые могут стоить существенно дороже. Это повысит порог входа и затраты на ИИ для бизнеса.
Внедрение рекламы в ИИ-сервисы, подобно поисковым системам, неизбежно повлечёт за собой значительные изменения в их функционировании и восприятии пользователями. Тут возникает много этических вопросов и открывает путь к новому витку борьбы за "чистый" и объективный контент (хах, верните старый интернет по диалапу). Так что в будущем мы точно ещё увидим интересные события в ходе балансирования между коммерциализацией и прозрачностью и объективностью.
Больше про ИИ читайте у меня в AI FORGE
При условии, что эта задумка реализуется, высок риск, что ответы модели будут смещены в сторону маркетинговых интересов спонсоров. И это вызывает некоторые опасения, что реклама, интегрированная в ответы ChatGPT, будет казаться органичной частью ответа, и не вся «маркетинговая выдача» будет явно промаркирована как реклама. Тем самым это по сути усиливает манипулятивный потенциал такого ответа от LLM и скрытое влияние на пользователей.
В целом, такой шаг довольно-таки ожидаем и неизбежен. Не хочу звучать как левак, но прозвучу как типичный левак: это закономерный шаг в логике капиталистической системы, задача которой подчинять сущности некоторому императиву прибыли. ИИ-сервисы пойдут таким же путем как и в своё время поисковые системы — включать рекламу для того, чтобы окупить операционные издержки
Кажется в этой же логике может находится и открытие доступа всем желающим к GPT-4o. Видимо, в юнит-экономике монетизация через рекламу потенциально приносит существенно больше, чем платная подписка
Интересно пофантазировать к чему это вообще может привести. Увидим ли мы LLM, в которой будет через аукционную модель реализовываться возможность для рекламодателей изменять веса выходного слоя? То есть не просто рекламные вставки, а непосредственное подмешивание рекламного контента в результаты генерации. В теории это возможно, хотя и сложно, а ещё вызывает кучу этических вопросов
Я думаю, что всё это будет иметь ряд долгосрочных последствий. Попробую попрогнозировать и пофантазировать:
1. Дерьмофикация (такой новоязовский термин действительно существует) ИИ-сервисов — мы все больше будем видеть растущий класс пользователей, которые будут ругаться на обилие рекламы и «раньше было лучше»
2. Попытки со стороны регуляторов явно промаркировать рекламный контент, а также создать рамки, которые призваны бороться с манипулирование поведением потребителя через ИИ
3. Модели ИИ будут обучаться за счет данных, предоставляемых рекламодателями (возможно, как часть сделки). Что в перспективе приведет к тому, что качество моделей будет находится в некоторой корреляции от количества рекламодателей
4. Создание инструментов, которые позволяли бы проверять «объективность» ответов от ИИ — то есть нужны будут какие-то алгоритмы, чтобы чекать некоторый bias моделей в сторону наличия рекламного контента (тут можно дальше уйти и вообще пофантазировать о том, что появятся анализаторы контента, которые будут определять некоторое «намерение» самого контента по отношению к пользователю, например, чтобы чекать политическую пропаганду)
5. Появление аналога адблокеров для LLM
6. Рост open-source моделек как попытки сделать «чистый ИИ». Но тут вопрос опять же о том, что такое этот самый «чистый ИИ» и как может быть ИИ вне идеологии. То есть фантазии об объективном ИИ — это всегда будут некие фантазии на тему объективности, а не объективность
7. Разные виды API. Если OpenAI предложит два вида API - с рекламными механизмами и без них - то вторые могут стоить существенно дороже. Это повысит порог входа и затраты на ИИ для бизнеса.
Внедрение рекламы в ИИ-сервисы, подобно поисковым системам, неизбежно повлечёт за собой значительные изменения в их функционировании и восприятии пользователями. Тут возникает много этических вопросов и открывает путь к новому витку борьбы за "чистый" и объективный контент (хах, верните старый интернет по диалапу). Так что в будущем мы точно ещё увидим интересные события в ходе балансирования между коммерциализацией и прозрачностью и объективностью.
Больше про ИИ читайте у меня в AI FORGE
📊 Хотите прокачать свои навыки в прикладной статистике? Тогда этот пост для вас! 🚀
Открытый курс от создателей Академии Аналитиков Авито 💸
Чему вы научитесь:
✅ Применять критерии Манна-Уитни, t-test, бутстрап, хи-квадрат
✅ Использовать специализированные библиотеки Python
✅ Разрешать спорные ситуации при анализе данных
✅ Экспериментировать, выводить критерии, доказывать формулы
🌟 Особенность курса в том, что уроки построены на примере реальных данных и показывают, как решать задачи бизнеса с применением прикладной статистики.
https://avito.tech/education/statistics
Открытый курс от создателей Академии Аналитиков Авито 💸
Чему вы научитесь:
✅ Применять критерии Манна-Уитни, t-test, бутстрап, хи-квадрат
✅ Использовать специализированные библиотеки Python
✅ Разрешать спорные ситуации при анализе данных
✅ Экспериментировать, выводить критерии, доказывать формулы
🌟 Особенность курса в том, что уроки построены на примере реальных данных и показывают, как решать задачи бизнеса с применением прикладной статистики.
https://avito.tech/education/statistics
Поговорим про российские BI?
Это те, что чаще всего или👎🏻, или оверпрайс💸, а иногда всё сразу.
После ухода зарубежных BI из РФ на нашем рынке появляется всё больше отечественных решений. Большинство из них пока послабее западных. Однако на мой взгляд, всё-таки есть пара-тройка российских систем с хорошим потенциалом. Мне, например, важно попробовать продукт и лично убедиться, что он подходит под мои задачи. Правда, у нас BI-платформ с бесплатной версией раз-два и обчёлся, собственно, кроме DataLens и Analytic Workspace ничего и нет.
☝🏻Кстати, последние — Analytic Workspace, на днях запустили BI-марафон по обработке и визуализации данных, пишут, что будет интересно как новичкам, так и опытным специалистам.
Участники будут в течение 4 дней на практике внутри BI-системы прокачивать свои BI-навыки. У Analytic Workspace есть неограниченная по времени Free-версия, поэтому можно сколько угодно тестить систему, практиковаться и просто создавать классные дашики.📊
Посмотрел программу, у них ещё HR-партнёры есть, кому-то из участников может прилететь оффер, но тут всё зависит от вас.
🔗Оставляю ссылку на марафон, он, кстати, бесплатный, поэтому точно ничего не потеряете, а возможности лучше не упускать.
Это те, что чаще всего или👎🏻, или оверпрайс💸, а иногда всё сразу.
После ухода зарубежных BI из РФ на нашем рынке появляется всё больше отечественных решений. Большинство из них пока послабее западных. Однако на мой взгляд, всё-таки есть пара-тройка российских систем с хорошим потенциалом. Мне, например, важно попробовать продукт и лично убедиться, что он подходит под мои задачи. Правда, у нас BI-платформ с бесплатной версией раз-два и обчёлся, собственно, кроме DataLens и Analytic Workspace ничего и нет.
☝🏻Кстати, последние — Analytic Workspace, на днях запустили BI-марафон по обработке и визуализации данных, пишут, что будет интересно как новичкам, так и опытным специалистам.
Участники будут в течение 4 дней на практике внутри BI-системы прокачивать свои BI-навыки. У Analytic Workspace есть неограниченная по времени Free-версия, поэтому можно сколько угодно тестить систему, практиковаться и просто создавать классные дашики.📊
Посмотрел программу, у них ещё HR-партнёры есть, кому-то из участников может прилететь оффер, но тут всё зависит от вас.
🔗Оставляю ссылку на марафон, он, кстати, бесплатный, поэтому точно ничего не потеряете, а возможности лучше не упускать.
analyticworkspace.ru
BI-Марафон | Конкурсное задание в финале | Июнь 2024
4 дня для прокачки навыков обработки и визуализации данных с топовыми экспертами
Спросили у аналитиков, почему они пришли работать в Авито — вот что они ответили.
Комфортный процесс онбординга, постоянно обновляемая документация, поддерживающее комьюнити профессионалов, возможность вносить свои идеи в продукты, совместная работу с высококвалифицированными продактами, удобная инфраструктура для A/B-тестов и понятный карьерный трек для всех уровней специалистов.
Подробности читайте по ссылке!
Реклама. ООО «Авито Тех».
Комфортный процесс онбординга, постоянно обновляемая документация, поддерживающее комьюнити профессионалов, возможность вносить свои идеи в продукты, совместная работу с высококвалифицированными продактами, удобная инфраструктура для A/B-тестов и понятный карьерный трек для всех уровней специалистов.
Подробности читайте по ссылке!
Реклама. ООО «Авито Тех».
vc.ru
Топ-7 особенностей работы аналитиком в Авито — Личный опыт на vc.ru
Привет! На связи команда Авито. Мы попросили пятерых наших аналитиков рассказать, какими были впечатления от первых дней в компании и чем работа в Авито отличается от других мест, где им доводилось трудиться. Вот все действующие лица:
Впервые B2C-продакты и продуктовые аналитики из сильнейших технических команд собираются вместе на конференции о науке об управлении и развитии цифровых продуктов
Product Science - это смесь трех компетенций, которые двигают продукты вперед:
- Data Science - статистика и работа с данными
- Product Management - понимание технологий и потребностей бизнеса
- Psychology - поведенческая и социальная психология
Приходите на конференцию Aha!’24 чтобы качественно поговорить про продакт менеджмент, product ops, эксперименты, ретеншен, пользовательский опыт, интеграцию искуственного интеллекта в продукт, про прикладное машинное обучение и чуть меньше (но больше, чем кто бы ни было) про гео-аналитику.
По промокоду IMBESTPRODUCT скидка 15%, которая действует до 1 июня!
Подробнее: https://matemarketing.ru/aha
Программа: https://bit.ly/aha24
Бесплатный онлайн-доступ к части контента: https://matemarketing.ru/tickets
Если вы сильный технически подкованный продакт, то эта конференция - лучшее место для встречи с себе подобными. Более 1000 спецов из более чем сотни команд уже подтвердили свое участие
Вперед!
Product Science - это смесь трех компетенций, которые двигают продукты вперед:
- Data Science - статистика и работа с данными
- Product Management - понимание технологий и потребностей бизнеса
- Psychology - поведенческая и социальная психология
Приходите на конференцию Aha!’24 чтобы качественно поговорить про продакт менеджмент, product ops, эксперименты, ретеншен, пользовательский опыт, интеграцию искуственного интеллекта в продукт, про прикладное машинное обучение и чуть меньше (но больше, чем кто бы ни было) про гео-аналитику.
По промокоду IMBESTPRODUCT скидка 15%, которая действует до 1 июня!
Подробнее: https://matemarketing.ru/aha
Программа: https://bit.ly/aha24
Бесплатный онлайн-доступ к части контента: https://matemarketing.ru/tickets
Если вы сильный технически подкованный продакт, то эта конференция - лучшее место для встречи с себе подобными. Более 1000 спецов из более чем сотни команд уже подтвердили свое участие
Вперед!
Если твой день состоит из А/Б-тестов и анализа данных, то ты точно знаешь, как измерять успех. И не важно, что за продукт перед тобой: fashion-платформа или очередной отличный день🔥
Предлагаем тебе применить все профессиональные методы к самому яркому дню рабочей недели — пятнице!
Пройди тест, проживи пятницу и посмотри, что покажут в конце дня твои основные метрики: общение, веселье и здоровье 😉
Команда продуктовых аналитиков помогает нам в Lamoda Tech анализировать идеи: от самых простых до нестандартных решений. Благодаря им мы знаем, как попасть в самое сердце пользователя. Чтобы в этом убедиться, попробуй шоппинг на Lamoda и участвуй в розыгрыше подарков!
Пройди тест, подпишись на наш канал и поделись результатами под постом с конкурсом. Двое стиляг, которых мы выберем 7 июня с помощью рандомайзера, получат сертификаты на шоппинг в Lamoda на 10 000 рублей 🍀
Предлагаем тебе применить все профессиональные методы к самому яркому дню рабочей недели — пятнице!
Пройди тест, проживи пятницу и посмотри, что покажут в конце дня твои основные метрики: общение, веселье и здоровье 😉
Команда продуктовых аналитиков помогает нам в Lamoda Tech анализировать идеи: от самых простых до нестандартных решений. Благодаря им мы знаем, как попасть в самое сердце пользователя. Чтобы в этом убедиться, попробуй шоппинг на Lamoda и участвуй в розыгрыше подарков!
Пройди тест, подпишись на наш канал и поделись результатами под постом с конкурсом. Двое стиляг, которых мы выберем 7 июня с помощью рандомайзера, получат сертификаты на шоппинг в Lamoda на 10 000 рублей 🍀
Прорыв в прогнозировании погоды: модель Aurora от Microsoft Research
Microsoft Research представили модель искусственного интеллекта Aurora - первую foundation-модель для работы с прогнозированием атмосферных явлений
И новость в целом для меня не столько про метеорологию, сколько про то, что в будущем мы будем видеть всё больше foundation-моделек под соверешенно-разные потребности. В контексте аналитики данных и продуктовой аналитики ждём появления таких моделей для задачек прогнозирования продуктовых метрик (не удивлюсь, если какой-нибудь Amplitude обучит такое на своих данных) на малых и грязных выборках данных
В чем преимущество foundation-модели Aurora:
1. Быстрота и точность: Точные операционные прогнозы с высоким разрешением и ускорением вычислений в 5000 раз по сравнению с традиционными системами
2. Меньшая чувствительность к данным на входе: Универсальная архитектура 3D Swin Transformer с кодировщиками и декодировщиками, позволяющая эффективно работать с гетерогенными данными, минимизируя ручную предобработку.
3. Работа с малыми выборками: Благодаря предварительному обучению на разнообразных датасетах Aurora демонстрирует высокую точность даже на малых выборках при дообучении под конкретные задачи.
Внедрение подобных foundation моделей открывает доступ к надежным метеоданным даже в регионах с их нехваткой. Это открывает новые возможности для аналитики в сельском хозяйстве, энергетике, логистике и управлении рисками стихийных бедствий.
Aurora задает новый стандарт анализа данных в науках о Земле и может стать основой будущих операционных систем прогнозирования погоды и климата.
Microsoft Research представили модель искусственного интеллекта Aurora - первую foundation-модель для работы с прогнозированием атмосферных явлений
И новость в целом для меня не столько про метеорологию, сколько про то, что в будущем мы будем видеть всё больше foundation-моделек под соверешенно-разные потребности. В контексте аналитики данных и продуктовой аналитики ждём появления таких моделей для задачек прогнозирования продуктовых метрик (не удивлюсь, если какой-нибудь Amplitude обучит такое на своих данных) на малых и грязных выборках данных
В чем преимущество foundation-модели Aurora:
1. Быстрота и точность: Точные операционные прогнозы с высоким разрешением и ускорением вычислений в 5000 раз по сравнению с традиционными системами
2. Меньшая чувствительность к данным на входе: Универсальная архитектура 3D Swin Transformer с кодировщиками и декодировщиками, позволяющая эффективно работать с гетерогенными данными, минимизируя ручную предобработку.
3. Работа с малыми выборками: Благодаря предварительному обучению на разнообразных датасетах Aurora демонстрирует высокую точность даже на малых выборках при дообучении под конкретные задачи.
Внедрение подобных foundation моделей открывает доступ к надежным метеоданным даже в регионах с их нехваткой. Это открывает новые возможности для аналитики в сельском хозяйстве, энергетике, логистике и управлении рисками стихийных бедствий.
Aurora задает новый стандарт анализа данных в науках о Земле и может стать основой будущих операционных систем прогнозирования погоды и климата.
Microsoft Research
Introducing Aurora: The first large-scale AI foundation model of the atmosphere
Aurora, a new AI foundation model from Microsoft Research, can transform our ability to predict and mitigate extreme weather events and the effects of climate change by enabling faster and more accurate weather forecasts than ever before.
Подборка каналов для поиска работы в сфере IT и digital 🌐
Мы собрали для вас проверенную подборку телеграм-каналов, где публикуются актуальные вакансии от надежных работодателей. Эти каналы помогут вам сэкономить время и усилия, предлагая только проверенные возможности.
Также в папке вы найдете каналы с рекомендациями по поиску работы, подготовке резюме, прохождению собеседований и анализу рынка труда. Это позволит вам повысить свою конкурентоспособность и лучше подготовиться к процессу поиска работы.
Что вы найдете в нашей подборке:
✅ Актуальные вакансии: ежедневно обновляемые предложения от ведущих компаний.
✅ Полезные советы: как эффективно искать работу и выделяться среди кандидатов.
✅ Анализ рынка труда: тенденции, зарплатные ожидания и востребованные навыки.
Подписывайтесь на интересующие вас каналы и будьте в курсе самых привлекательных вакансий в сфере IT. Прокачивайте свои навыки и знания, чтобы уверенно пройти собеседования и получить работу мечты.
➡️ Ссылка на подборку каналов
Мы собрали для вас проверенную подборку телеграм-каналов, где публикуются актуальные вакансии от надежных работодателей. Эти каналы помогут вам сэкономить время и усилия, предлагая только проверенные возможности.
Также в папке вы найдете каналы с рекомендациями по поиску работы, подготовке резюме, прохождению собеседований и анализу рынка труда. Это позволит вам повысить свою конкурентоспособность и лучше подготовиться к процессу поиска работы.
Что вы найдете в нашей подборке:
Подписывайтесь на интересующие вас каналы и будьте в курсе самых привлекательных вакансий в сфере IT. Прокачивайте свои навыки и знания, чтобы уверенно пройти собеседования и получить работу мечты.
Please open Telegram to view this post
VIEW IN TELEGRAM
Ищем себе MLOps'а. Откликайтесь, распространяйте по знакомым. Нетривиальные задачки, так как мы много работаем не только с классическим ML, но и трансформерными моделями (LLM, STT). Ну и сами задачи на стыке образования и технологий, так что много ресерча и неочевидных челленджей
Forwarded from Data Analytics Jobs
MLOps Engineer в СберОбразование
СберОбразование — компания экосистемы Сбера, созданная в 2021 году. Мы внедряем цифровые решения и создаем новые возможности для развития и обучения на протяжении всей жизни.
Задачи:
👾Поддержка, проектирование и развитие DS инфраструктуры;
⚙️Развёртывание необходимого ML-окружения на инфраструктуре, владение практиками DevOps;
🎨Проектирование архитектуры развертывания ML решений;
👷♂️Внедрение ML-модели в прототип и prod;
🛣CI/CD пайплайны поставки моделей;
📊Мониторинг работы моделей и ML-сервисов;
💿Оптимизация доступа к данным для моделей и DS;
🗂Настройка CI/CD для batch/realtime моделей;
⚖️Настройка балансировки нагрузки;
🔤Обеспечение работы больших языковых моделей (LLM) в prod.
Ожидаем от вас:
🔴Знание практик управления жизненным циклом ML-моделей (автоматизация, оптимизация, мониторинг, переобучение/обновление) и умения их внедрять;
🔴Знания по поддержке, разворачиванию аналитической инфраструктуры;
🔴Знания: Linux, Python, SQL, Clickhouse, JupyterHub, Airflow, Docker, Git, Jira, Flask/FastAPI.
Полное описание на HH
Контакт для связи — Анна Егорова https://www.tg-me.com/EEzhevica
СберОбразование — компания экосистемы Сбера, созданная в 2021 году. Мы внедряем цифровые решения и создаем новые возможности для развития и обучения на протяжении всей жизни.
Задачи:
👾Поддержка, проектирование и развитие DS инфраструктуры;
⚙️Развёртывание необходимого ML-окружения на инфраструктуре, владение практиками DevOps;
🎨Проектирование архитектуры развертывания ML решений;
👷♂️Внедрение ML-модели в прототип и prod;
🛣CI/CD пайплайны поставки моделей;
📊Мониторинг работы моделей и ML-сервисов;
💿Оптимизация доступа к данным для моделей и DS;
🗂Настройка CI/CD для batch/realtime моделей;
⚖️Настройка балансировки нагрузки;
🔤Обеспечение работы больших языковых моделей (LLM) в prod.
Ожидаем от вас:
🔴Знание практик управления жизненным циклом ML-моделей (автоматизация, оптимизация, мониторинг, переобучение/обновление) и умения их внедрять;
🔴Знания по поддержке, разворачиванию аналитической инфраструктуры;
🔴Знания: Linux, Python, SQL, Clickhouse, JupyterHub, Airflow, Docker, Git, Jira, Flask/FastAPI.
Полное описание на HH
Контакт для связи — Анна Егорова https://www.tg-me.com/EEzhevica
Давно в этом канале не было чего-то личного. Решил сделать короткое интро.
Меня зовут Алексей Макаров, мне 32 года. Я долгое время работал аналитиком в разных ролях — веб-аналитиком, системным и продуктовым. Мне скучно в строго определенных рамках, поэтому я всегда стремился менять роли и расширяться. Для меня работа — это своего рода творчество. Пространство для выражения себя.
В свое время я упарывался по Python и Pandas, создал группу в ФБ и позже этот канал для их популяризации. Началось с того, что я активно собирал разные подборки обучающих материалов, а позже начал и обучать сам: написал для SkillFactory авторский курс про аналитику данных, выступал на Матемаркетинге с воркшопом про анализ данных с помощью pandas, вел семинары в школе Digital God, преподавал Python в ВШЭ на магистратуре «Коммуникации, основанные на данных». В 2019 году я стал наставником на первом потоке курса «Аналитик данных» в Яндекс.Практикуме. Через какое-то время я ушел в Практикум на фулл-тайм на позицию менеджера программы «Аналитик данных». Так в мою жизнь пришёл EdTech.
В Практикуме я участвовал во многих проектах как эксперт, проектный и продуктовый менеджер, автор, методолог, исследователь, руководитель, лидер больших смысло-центричных проектов. Я вместе с командой запустил карьерный центр для аналитиков, создал центр продуктовых исследований, разработал систему ML-диагностики отвала студентов. В своё время я переобщался с кучей нанимающих менеджеров, чтобы понять кто такой «идеальный» аналитик и на что смотрят при найме. С приходом ChatGPT начал пилотировать проекты по AI в образовании. Где-то в это же время я решил покинуть Практикум, потому что edtech в части дополнительного профессионального образования начал, на мой взгляд, слишком сильно терять свой первоначальный смысл и масштабирование привело к утрате важных смыслов. Практикум познакомил меня с драйвовыми ребятами, желающими менять мир через образование. За время работы в Яндексе я вырос как менеджер и лидер, осознав, что для масштабных изменений необходима сильная команда.
Сейчас я работаю в СберОбразовании руководителем отдела разработки и внедрения технологий ИИ. Моя команда проектирует и развивает дата и ИИ-центричные продукты в сфере школьного образования, такие как интеллектуальные помощники для анализа деятельности преподавателя.
Наша задача — объединить технологии, бизнес и академическую часть. Чтобы создать, например, педагогически валидный чат-бот, недостаточно просто натренировать его на данных. Мы склеиваем технологию, академические и бизнесовые потребности, чтобы получить инновацию, которую после аппробации можно встроить в продукт. Это своего рода R&D в образовании.
Я занимаю гуманистическую позицию в отношении ИИ, считая, что он должен использоваться для усиления человека и групповой деятельности. Меня очень интересует психология и философия взаимодействия человека и технологий, раскрытие коллаборативного потенциала человека и ИИ. Сейчас мои профессиональные интересы сосредоточены на том, как ИИ может быть внедрен в работу учителей, освобождая их от рутины и давая больше времени на осмысленное взаимодействие с классом.
Люблю читать и писать в блог о сложных и неоднозначных вещах, развитии, управлении собой и людьми, осознанном бизнесе. Хочу делиться опытом, который поможет другим профессионально расти, выстраивать отношения, повышать ценность своей работы.
А теперь когда вы со мной познакомились, у меня будет просьба. Пожалуйста, напишите в комментариях, о чем бы вам было интересно почитать. Уверен, мы найдем темы, которые нас объединяют.
Меня зовут Алексей Макаров, мне 32 года. Я долгое время работал аналитиком в разных ролях — веб-аналитиком, системным и продуктовым. Мне скучно в строго определенных рамках, поэтому я всегда стремился менять роли и расширяться. Для меня работа — это своего рода творчество. Пространство для выражения себя.
В свое время я упарывался по Python и Pandas, создал группу в ФБ и позже этот канал для их популяризации. Началось с того, что я активно собирал разные подборки обучающих материалов, а позже начал и обучать сам: написал для SkillFactory авторский курс про аналитику данных, выступал на Матемаркетинге с воркшопом про анализ данных с помощью pandas, вел семинары в школе Digital God, преподавал Python в ВШЭ на магистратуре «Коммуникации, основанные на данных». В 2019 году я стал наставником на первом потоке курса «Аналитик данных» в Яндекс.Практикуме. Через какое-то время я ушел в Практикум на фулл-тайм на позицию менеджера программы «Аналитик данных». Так в мою жизнь пришёл EdTech.
В Практикуме я участвовал во многих проектах как эксперт, проектный и продуктовый менеджер, автор, методолог, исследователь, руководитель, лидер больших смысло-центричных проектов. Я вместе с командой запустил карьерный центр для аналитиков, создал центр продуктовых исследований, разработал систему ML-диагностики отвала студентов. В своё время я переобщался с кучей нанимающих менеджеров, чтобы понять кто такой «идеальный» аналитик и на что смотрят при найме. С приходом ChatGPT начал пилотировать проекты по AI в образовании. Где-то в это же время я решил покинуть Практикум, потому что edtech в части дополнительного профессионального образования начал, на мой взгляд, слишком сильно терять свой первоначальный смысл и масштабирование привело к утрате важных смыслов. Практикум познакомил меня с драйвовыми ребятами, желающими менять мир через образование. За время работы в Яндексе я вырос как менеджер и лидер, осознав, что для масштабных изменений необходима сильная команда.
Сейчас я работаю в СберОбразовании руководителем отдела разработки и внедрения технологий ИИ. Моя команда проектирует и развивает дата и ИИ-центричные продукты в сфере школьного образования, такие как интеллектуальные помощники для анализа деятельности преподавателя.
Наша задача — объединить технологии, бизнес и академическую часть. Чтобы создать, например, педагогически валидный чат-бот, недостаточно просто натренировать его на данных. Мы склеиваем технологию, академические и бизнесовые потребности, чтобы получить инновацию, которую после аппробации можно встроить в продукт. Это своего рода R&D в образовании.
Я занимаю гуманистическую позицию в отношении ИИ, считая, что он должен использоваться для усиления человека и групповой деятельности. Меня очень интересует психология и философия взаимодействия человека и технологий, раскрытие коллаборативного потенциала человека и ИИ. Сейчас мои профессиональные интересы сосредоточены на том, как ИИ может быть внедрен в работу учителей, освобождая их от рутины и давая больше времени на осмысленное взаимодействие с классом.
Люблю читать и писать в блог о сложных и неоднозначных вещах, развитии, управлении собой и людьми, осознанном бизнесе. Хочу делиться опытом, который поможет другим профессионально расти, выстраивать отношения, повышать ценность своей работы.
А теперь когда вы со мной познакомились, у меня будет просьба. Пожалуйста, напишите в комментариях, о чем бы вам было интересно почитать. Уверен, мы найдем темы, которые нас объединяют.
Datalytics pinned «Давно в этом канале не было чего-то личного. Решил сделать короткое интро. Меня зовут Алексей Макаров, мне 32 года. Я долгое время работал аналитиком в разных ролях — веб-аналитиком, системным и продуктовым. Мне скучно в строго определенных рамках, поэтому…»
Forwarded from X5Tech
👨🎓Сколковский институт науки и технологий Skoltech запустил бесплатный курс по продвинутому A/B тестированию. Это методика, которая помогает принимать обоснованные решения на основе данных, опираясь на теорию вероятностей и математическую статистику.
Авторы курса – наши коллеги из команды ad-hoc аналитики X5 Tech – Александр Сахнов, Михаил Хозин и Николай Назаров, а также профессора Сколтеха Евгений Бурнаев и Максим Панов.
Курс охватывает широкий спектр знаний по А/В тестированию, что полезно как для технических специалистов, так и для тех, кто не является экспертом в этой области. Он рассчитан на студентов математических, экономических и других прикладных технических наук, менеджеров и владельцев продуктов, которые хотят понять основы А/B-тестирования, а также для всех, кто хочет научиться оценивать влияние изменений в продуктовых компаниях или попасть туда на работу в роли аналитика или Data Scientist.
Курс лежит здесь
Авторы курса – наши коллеги из команды ad-hoc аналитики X5 Tech – Александр Сахнов, Михаил Хозин и Николай Назаров, а также профессора Сколтеха Евгений Бурнаев и Максим Панов.
Курс охватывает широкий спектр знаний по А/В тестированию, что полезно как для технических специалистов, так и для тех, кто не является экспертом в этой области. Он рассчитан на студентов математических, экономических и других прикладных технических наук, менеджеров и владельцев продуктов, которые хотят понять основы А/B-тестирования, а также для всех, кто хочет научиться оценивать влияние изменений в продуктовых компаниях или попасть туда на работу в роли аналитика или Data Scientist.
Курс лежит здесь