Каждый вторник в Новосибирском Академгородке кто-то завтракает

Что почитать про анализ интервальных данных.

Что почитать про причинно-следственный анализ (causal inference).

Основы проектирования ML-систем.

Машинное обучение на практике.

Что почитать про вероятностное программирование.

Собираю третьекурсников для совместного участия в конкурсах по анализу данных и машинному обучению.

В августе будет новый запуск курса по проектированию систем машинного обучения (ML System Design).

Помогаю интересным заказчикам решать интересные задачи с помощью анализа данных и машинного обучения. Помогаю запустить аналитический отдел в компании.

Устойчивость ML-моделей после выкатки в прод. Выступление на Datafest2023 в секции Reliable ML.

Что ты сделал для Хип-Хопа в свои годы?

Устойчивость ML-моделей Как часто дообучать модель и как делать это правильно. О том, что модели нужно не только делать, но и поддерживать + пара советов на этом пути.

Лекция ML System Design Doc от Reliable ML. AI Talent Hub в ИТМО ai.itmo.ru

Разбор статьи "GPTs are GPTs. An Early Look at the Labor Market Impact Potential of Large Language Models".

Курс по проектированию систем машинного обучения (ML System Design).

Интеграция в бизнес-процессы.

ML инфраструктура и платформы.

Непредвзятость. Безопасность. Карточки моделей.

Временные ряды и графы.

Эксперименты и версионирование.

Жизненный цикл модели.

Потоковые данные.

Диагностика ошибок и отказов.

Развертывание.

Оценка качества модели.

Выбор и обучение ML-модели.

Подготовка и отбор признаков.

Выступление на митапе Омского сообщества по машинному обучению

Обучающие данные.

Основы проектирования ML-систем.

Машинное обучение на практике.

Что нового в интерпретируемости ML-моделей. Выступление на DataFest / Reliable ML

Лекция в ODSLab про регулярные выражения в Python

Лекция на Comptech @ 2022 про машинное обучение в бизнесе

Краткое введение в ML/AI для студентов курса Big social data кафедры медиакоммуникаций СПбГУ

Что у ней внутри: Зачем и как интерпретировать модели машинного обучения. НГУ, "Семинар невозможного"

Месторождения ошибок. Анализ пространства ошибок моделей машинного обучения (Dataconf, Барнаул)

На Датаелке OpenDataScience выступил с новогодними новостями про интерпретируемость

На Датафесте 2020 обсуждали новости Interpretable ML

Выступление на ML-митапе Центра Финансовых Технологий

Выступление на IT-площадке Сборка (Кемерово)

Лекция в НГУ про интерпретируемость моделей машинного обучения

Лекция в НГУ про машинное обучение в бизнесе

Process Mining - готовые решения и велосипеды.

Интерпретация моделей машинного обучения, часть 4 (CompTech@20, Новосибирск)

Краткая история новосибирских датазавтраков в скриншотах. Выступление на ДатаРождестве в ЦФТ, Новосибирск

Интерпретация моделей машинного обучения, часть 3 (Data Fest Siberia, Новосибирск)

Интерпретация моделей машинного обучения (Dataconf, Барнаул)

Лекция про интерпретацию моделей машиннного обучения (ЦФТ, Новосибирск).

Лекция в НГУ про машинное обучение в бизнесе