Пообщался с командой, которая будет строить центральное Озеро Данных для Amazon Human Resources. Первое требование - coding для Data Engineer. То есть нужно знать SQL и Python. Про R вообще не слышно, как будто нишевой продукт.

Вот некоторые из реальных business cases применения Machine Learning, которые могут применяться к компаниях:
1. Ranking (ранжирование) - на сайте Amazon вы вводите ключевое слов и получаете список продуктов. Задача Amazon показать наиболее релевантный продукт клиенту.

2. Recommendation (рекомендации) - показать клиенту то, что ему нужно, желательно только один продукт.

3. Classification (Классификация) - создание категорий и подкатегорий продуктов.

4. Regression (Регрессия) - используется для численных значений, например прогноз продаж.

5. Clustering (Кластеризация) - группировка клиентов по схожим признакам, например для рассылки email с рекламой.

6. Anomaly Detection (Предсказание сбоев) - Можно использовать серверные логи в дата центре, чтобы предсказать следующий отказ.

7. Natural Language Understanding - Alexa трансформирует звук в текст, и извлекает семантику и выполняет конкретное действие.

8. Computer Vision (компьютерное зрение) - распознавание изображений, например по фотографии можно определить категорию продукта.

Напишите в коментах еще примеры

Парадо́кс дней рожде́ния. В группе, состоящей из 23 или более человек, вероятность совпадения дней рождения (число и месяц) хотя бы у двух людей превышает 50 %. Например, если в классе 23 ученика или более, то более вероятно то, что у какой-то пары одноклассников дни рождения придутся на один день, чем то, что у каждого будет свой неповторимый день рождения

А это от Google https://developers.google.com/machine-learning/crash-course

Продолжаем https://youtu.be/GFgKx4XodMU

Сегодня SpaceX успешно запустил ракету. Я же потратил 3 года на ГКНПЦ им Хруничева (который строит грузовые ракеты Протон), я занимался 2 года ракетомоделированием во Дворце Пионеров. К сожалению SpaceX или Blue Origin пока не имеют позиций на мою специфику. Я еще смотрел Amazon Solar и Amazon Wind, тоже нет. Очень интересно собирать и обрабатывать данные с нестандартных вещей.

Недавно я прослушал книгу про Илона Маска, и становиться понятно какая цена и какие титанические усилия стоят за запуском, поэтому это очень круто, что все получилось.

Нашел интересную картинку, которая сравнивает цену ракеты и ее надежность. SpaceX дешевле нашего Союза почти в 2 раза, и цена будет падать, а качество расти.

Добавил предысторию data learn в блог, чтобы была ссылка для курсов. Если кто не знаком с историями про подготовку и устройства на работу, то можно подчерпнуть идеи 😎 Это теже истории, что и в канале, просто теперь в одном месте с фиксированным URL))

Кстати, у нас теперь не просто там школа инжиниринга и аналитики, у нас теперь West Coast Data Engineering and Analytics🏄🏻‍♀️🏄🏻🏄🏻‍♂️🌲🐳🐋🛶⛵️🌊

Distributed Systems https://www.somethingsimilar.com/2013/01/14/notes-on-distributed-systems-for-young-bloods/

Если вы хотите удивить ваших коллег или вам нужно сделать прототип для собеседования, вам нужно follow вот этого гуру Табло, у него все очень раписано и все можно повторить.

Пришла рассылка -Облачный Bootcamp. Стоит дорого, я думаю это может подойти тем, кто серьезно нацелен работать с облаками и связать с этим карьеру. https://training.linuxfoundation.org/training/cloud-engineer-bootcamp/

Я продолжаю добавлять полезные ресурсы по Аналитике в git, если знаете хорошие русские/англ, пишите в комментах https://github.com/Data-Learn/data-engineering/blob/master/Learning%20resources.md

Это круто - МФТИ участвует в Alexa Prize Social Bot https://developer.amazon.com/alexaprize

https://mipt.ru/english/news/dream_team_makes_socialbot_semifinals