«AI-ARROW» Artificial Intelligence Bootcamp

‼️ Прием заданий трека Junior в Яндекс.Контест завершится 7 июля в 00:01. Очень ждем ваших решений!

➡️ Сегодня в 19:00 обсудим решение задачи соревнований по машинному обучению. Занятие проведет Майя Котыга. 🔜 В конце нашего модуля вас ждет соревнование по машинному обучению. Сегодня с Майей мы разберем тренировочное соревнование на популярной платформе Kaggle и попробуем себя в работе с кодом на всех этапах от сбора данных до работы с моделями машинного обучения. Для работы вам пригодятся эти материалы. Ждем встречи по ссылке ⌛

📍Сегодня в 19:00 по Мск ждем вас на лекции «Работа с данными в машинном обучении». Занятие проведет Асель Ермековна, выпускница Skoletch 2022, ML Engineer и ментор в DLS. Для того, чтобы подступиться к решению соревнования по машинному обучению, начнем с работы с данными. Часто в данных бывают пропуски, неожиданно высокие или низкие значения, неподходящий формат. ➡️ Мы разберемся в видах данных и научимся с ними работать для решения задач машинного обучения. Данные, которые нам будут нужны сегодня, находятся тут 🔖Ссылку на трансляцию ищите здесь

Стартует новая рабочая неделя, а вместе с ней и новый трек! Открытие трека Middle состоится в 12:00 по Мск, а сразу после будет первое занятие «Введение в решение задач машинного обучения», которое проведет Майя Котыга⌨️ Майя – магистр по прикладной математике и информатике, выпусница SMILES, спикер на конференциях по математике и ИИ, победитель олимпиад, хакатонов и кейс-чемпионатов по математике и ИИ. На лекции мы: ⚙️ разберем понятие машинного обучения, как оно соотносится с понятием "искусственный интеллект"; ⚙️ поговорим о том, как решаются задачи машинного обучения в бизнесе и конкурсах; ⚙️ познакомимся с новыми библиотеками в Python, которые понадобятся для решения задач по машинному обучению. Ссылку на трансляцию ищите здесь.

А мы продолжаем погружаться в тему машинного обучения! 🧑‍💻 В понедельник, 01.07, начнутся мероприятия, рекомендованные для трека Middle. Для трека Middle Академия и КД позвали друзей из DLS при ФПМИ МФТИ. Проект занимается образованием в области глубокого обучения по всей России и в рамках модуля научит вас решать соревнования для участия в олимпиадах и конкурсах по ИИ. На модуле вас ждут преподаватели и наставники из МФТИ 🫶 ➡️ Напоминаем, что регистрация на трек Middle все еще доступна. Зарегистрироваться можно по ссылке. Чат трека расположен здесь. Теперь немного о программе: 📌01.07 в 12:00 состоится открытие трека Middle, сразу после которого вас будет ждать введение в решение задач машинного обучения; 📌 В среду, 03.07, состоится лекция «Работа с данными в машинном обучении»; 📌 В пятницу, 05.07, будем вместе решать задачи соревнований по машинному обучению. ☄️ Напоминаем, что весь период 01.07-05.07 будет осуществляться прием заданий и консультации трека Junior.

Вторая неделя буткемпа завершена! Трек Junior подходит к концу, остается одна неделя до сдачи заданий (до 5.07.24) 🧑‍💻 За последнюю неделю мы: ▫️Изучили методы понижения размерностей, MDS, tSNE. Ссылка на запись воркшопа здесь ▫️Рассмотрели задачи машинного обучения и линейные модели ▫️Поговорили об эффективном общении с чат-ботами и промпт-инжиниринге ❕Записи вебинаров доступны по встроенным в текст ссылкам

🧑‍💻 Сегодня, 28.06, в 12:00 поговорим об эффективном общении с чат-ботами и промпт-инжиниринге. 📌 Большие языковые модели открыли удобный доступ к гигантским базам знаний для самой широкой аудитории. Несмотря на простоту общения, получить достоверный ответ зачастую нелегко. Подходы по написанию специфических запросов стали называть prompt engineering, своего рода тайным искусством. Мы рассмотрим популярные техники, позволяющие повысить результативность запросов и точность ответов. Встречаемся по этой ссылке

🧑‍💻 Сегодня, 26.06, в 12:00 состоится воркшоп, посвященный задачам машинного обучения и линейным моделям. 📌 При обучении линейных моделей важно избегать чрезмерной адаптации параметров к обучающей выборке, так как это приводит к плохой предсказательной силе модели на новых данных. Бороться с таким явлением (переобучением) позволяет в том числе регуляризация, которая позволяет компенсировать большие коэффициенты линейной модели. Ссылка для подключения

Сегодня, 24 июня, в 12:00 ждем вас на воркшопе «Методы понижения размерности. MDS и tSNE» 👨‍💻 ❗️Вторая часть воркшопа, посвященного понижению размерностей. Мы уже рассмотрели метод главных компонент, но далеко не для всех задач он удобен. На этом занятии рассмотрим ещё два метода с другими метриками: MDS и tSNE. ➡️ Одной из ключевых библиотек анализа данных наряду с NumPy является Pandas. Мы рассмотрим инструменты фильтрации и подготовки данных, основные понятия машинного обучения. ➡️ Во второй части занятия попробуем построить простые модели с помощью линейной регрессии. Ссылка на воркшоп

Немного о том, что ждет вас на неделе 24.06-30.06! 📌24.06 в 12:00 встречаемся на второй части воркшопа, посвященного методам понижения размерностей. В этот раз направим внимание на MDS и tSNE. 📌26.06 в 12:00 рассмотрим задачи машинного обучения, линейные модели. 📌28.06 в 12:00 поговорим об эффективном общении с чат-ботами и промпт-инжиниринге. ‼️ Мероприятия рекомендованы для участников трека Junior, но доступны к просмотру всем желающим. Ссылки на просмотр будут публиковаться в этом канале накануне каждого из них.

Первая неделя работы на треке Junior подходит к концу 🧑‍💻 Это был насыщенный период, за который мы успели: ▫️Прослушать лекцию Ивана Петрушина об искусственном интеллекте, его истории и возможностях. ▫️ Узнать мнение экспертов на тему «Искусственный интеллект: предсказанная революция» ▫️ Разобрать структуры данных и визуализацию в Matplotlib ▫️Изучить методы понижения размерности, рассмотрев метод PCA ❕Записи вебинаров доступны по встроенным в текст ссылкам

Сегодня, 21 июня, в 12:00 ждем вас на воркшопе «Методы понижения размерности. PCA» 👨‍💻 ❓ При построении моделей у объекта зачастую есть множество признаков, которые его характеризуют (длина, ширина, стоимость и т.п.). При анализе таких данных возникает многомерное пространство, которое мы не сможем себе представить, но можем спроецировать на плоскость или 3D-пространство. ❕Для этого используются различные методы понижения размерностей, начнём с самого простого - метода главных компонент. Ссылка на воркшоп здесь. Предыдущий воркшоп «Структуры данных и визуализация в Matplotlib» можно найти по этой ссылке🧑‍💻