Latest posts
Ruslan Senatorov | Стажировка ML и Фриланс проекты Data Science | Research Computer Vision & Neural Networks & AI
20 Sept, 01:08edited
Ruslan Senatorov | Стажировка ML и Фриланс проекты Data Science | Research Computer Vision & Neural Networks & AI
20 Sept, 00:54edited
Ruslan Senatorov | Стажировка ML и Фриланс проекты Data Science | Research Computer Vision & Neural Networks & AI
20 Sept, 00:43edited
Ruslan Senatorov | Стажировка ML и Фриланс проекты Data Science | Research Computer Vision & Neural Networks & AI
20 Sept, 00:40edited
Ruslan Senatorov | Стажировка ML и Фриланс проекты Data Science | Research Computer Vision & Neural Networks & AI
20 Sept, 00:24edited
Ruslan Senatorov | Стажировка ML и Фриланс проекты Data Science | Research Computer Vision & Neural Networks & AI
20 Sept, 00:18edited
Ruslan Senatorov | Стажировка ML и Фриланс проекты Data Science | Research Computer Vision & Neural Networks & AI
20 Sept, 00:13edited
Ruslan Senatorov | Стажировка ML и Фриланс проекты Data Science | Research Computer Vision & Neural Networks & AI
16 Sept, 00:24edited
Провожу индивидуальные уроки и консультации по Python, Data Science, Machine Learning, Deep Learning и математике для ML.Можно прийти как с нуля, так и с конкретной задачей: разобрать непонятную тему, подготовиться к собеседованию, разобраться с учебным проектом, кодом, математикой или алгоритмами.Основные направления: — Python для начинающих и продвинутых — ООП в Python — алгоритмы и структуры данных — NumPy и Pandas — анализ данных — Machine Learning — Deep Learning и нейронные сети — Computer Vision — математика для Data Science и Machine Learning — математика для нейронных сетей — линейная алгебра — математический анализ — теория вероятностей — статистика — A/B-тестирование
Ruslan Senatorov | Стажировка ML и Фриланс проекты Data Science | Research Computer Vision & Neural Networks & AI
16 Sept, 00:12
Курс Градиентный спуск с нуля: Серия 16–20Переходим к математической базе градиентного спуска: функциям, производным и поиску минимума. Без этих понятий невозможно понять, почему модель движется к оптимальному решению.В видео 16–20:Видео будут выходить регулярно. Пересылайте друзьям, которым интересны Python, Data Science и машинное обучение. Пусть бесплатно учатся машинному обучению у топового преподавателя.👉 весь плейлист#datascience #machinelearning #python #математика #градиентныйспускYoutube | SenatorovAI | Школа MLRuslan Senatorov | Стажировка ML и Фриланс проекты Data Science | Research Computer Vision & Neural Networks & AI
12 Sept, 22:38
Курс Градиентный спуск с нуля: Серия 11–15Переходим к математической базе градиентного спуска: функциям, производным и поиску минимума. Без этих понятий невозможно понять, почему модель движется к оптимальному решению.В видео 11–15:• Функция как отображение x → y Разбираем, как читать функцию и что означает зависимость результата от входного значения.• Монотонность функции Учимся отличать возрастающие, убывающие, неубывающие и невозрастающие функции.• Предел и изменение функции в точке Показываю, как малое изменение x влияет на значение функции.• Касательная и производная Понимаем, как производная показывает направление роста или убывания функции.• Минимум, максимум и теорема Ферма Разбираем локальные и глобальные экстремумы, которые градиентный спуск ищет при оптимизации.Ruslan Senatorov | Стажировка ML и Фриланс проекты Data Science | Research Computer Vision & Neural Networks & AI
11 Sept, 14:57
Стажировка в SenatorovAI: реальные IT-задачи, Computer Vision и удалённая работаСтажировка проходит удалённо. В офис ехать не надо: участвовать можно из любой страны, а рабочую коммуникацию при необходимости ведём на русском или английском.Это не набор учебных задач «для галочки». Стажёры подключаются к реальным проектам IT-организации SenatorovAI: Python-разработка, автоматизация, парсинг, API, Telegram-боты, аналитика, ML и Computer Vision.В CV-задачах работаем с разметкой данных в Label Studio: bounding boxes, keypoints, polygons, сегментация, классификация, связи между объектами. Затем используем подготовленные датасеты для обучения и проверки моделей, включая YOLO для детекции объектов.Рабочий процесс похож на крупную инженерную команду: ТЗ и критерии приёмки; Jira, Git и ветки; code review; отчётность в Trello; оплата принятых коммерческих задач раз в неделю.Посмотреть
Ruslan Senatorov | Стажировка ML и Фриланс проекты Data Science | Research Computer Vision & Neural Networks & AI
11 Sept, 12:32
Курс Градиентный спуск с нуля: Серия 6–10Продолжаю регулярную серию коротких видео по машинному обучению: понятная теория, Python и реальные примеры.В видео 6–10:• Train Test Split и масштабирование данных Как разделить данные для обучения и проверки модели, а также подготовить признаки к обучению.• Разделение датасета на обучающую и тестовую выборки Зачем нужны X_train, X_test, y_train и y_test и как избежать ошибок при оценке модели.• Параметр Random State Как фиксировать случайность, чтобы результаты экспериментов с моделью можно было повторить.• Веса и предсказания в градиентном спуске Разбираем, как алгоритм обновляет параметры модели и приближается к оптимальному решению.• Численные методы и поиск экстремумов функции Математическая основа оптимизации: как находить минимум функции и почему это важно для машинного обучения.Ruslan Senatorov | Стажировка ML и Фриланс проекты Data Science | Research Computer Vision & Neural Networks & AI
10 Sept, 09:30
Курс Градиентный спуск с нуля: Серия 1–5Запускаю регулярную серию коротких видео по машинному обучению: понятная теория, Python и реальные примеры.В первых 5 видео:• Градиентный спуск Как модель находит параметры и почему этот алгоритм используется в нейросетях и регрессии.• Признаки и целевая переменная в Pandas Как разделить датасет на X и y, выбрать столбцы и подготовить данные.• Стандартизация данных и Z-score Зачем приводить признаки к единому масштабу и как это влияет на обучение модели.• Стандартное отклонение: формула и смысл Как оно связано со средним значением и дисперсией.• Расчёт стандартного отклонения Разбираем вычисление на примере и применяем его при подготовке данных для ML.Ruslan Senatorov | Стажировка ML и Фриланс проекты Data Science | Research Computer Vision & Neural Networks & AI
9 Sept, 20:48edited
Стажёры в @SenatorovAI сразу погружаются в реальные коммерческие проекты и зарабатывают деньги.Они работают по тем же стандартам, что и инженеры в ФАНГ (FAANG) и других гигантах Бигтеха.Как устроен рабочий процесс?Прозрачность через Jira. Весь рабочий процесс — от планирования спринтов до деплоя — развернут в Jira. Каждый стажёр видит свой личный вклад в большой продукт.Никакой абстракции. Задачи, которые вы получаете, напрямую влияют на бизнес-метрики и конечных пользователей.Взрослые процессы. Ежедневные стендапы, код-ревью от топовых менторов, CI/CD и релизы. Вы получаете боевой опыт, а не строчку в резюме для галочки.Мы не учим теории — мы даем возможность стать частью сильной команды и сразу делать продукт, которым пользуются люди.🔥 Хочешь прокачать скиллы на реальных задачах и узнать, что такое настоящий Бигтех-подход? Подавай заявку на стажировку прямо сейчас!👉Под
Ruslan Senatorov | Стажировка ML и Фриланс проекты Data Science | Research Computer Vision & Neural Networks & AI
9 Sept, 13:35edited
Курс по оптимизации негладких выпуклых функций.Внутри — статьи, практические задания, вычисления и Python-задачи. Курс последовательно разбирает:— MAE, MSE, медиану и квантили; — субградиенты и оптимизацию негладких функций; — выбросы, масштабирование и переобучение; — L1/L2-регуляризацию, Lasso, Ridge и ElasticNet; — координатный спуск, soft thresholding и KKT-условия; — валидацию, Pipeline, подбор гиперпараметров и честный тест.Главная особенность курса — почти 100 графиков и схем. Они не «для красоты»: на них видно, как устроены остатки, почему у MAE есть угол, как штраф зануляет коэффициенты, чем Lasso отличается от Ridge, как движутся траектории оптимизации и где возникает переобучение.Это курс не про «вызвать одну функцию в sklearn», а про понимание того, что именно происходит внутри алгоритмов и почему модель принимает такие решения.Youtube | SenatorovAI | Школа MLRuslan Senatorov | Стажировка ML и Фриланс проекты Data Science | Research Computer Vision & Neural Networks & AI
8 Sept, 19:50edited
#stepikfee Курс: Solver Subgradient Descent. Lasso. ElasticNetВ курсе: 27 lessons 271 quizzes 46 interactive challengesЭтот курс - лучший способ начать С НУЛЯ и стать специалистом по Машинному Обучению в Python и МАТЕМАТИКЕ!ОСОБЕННОСТИ КУРСА: ⏺Разбор коммерческого кода действующих проектов по Data Science с сайта kaggle.com ⏺Способность понимать "L2-регуляризацию" в учебнике от Школы Анализа Данных(ШАД) Яндекс education.yandex.ru/handbook/ml/article/linear-models#regulyarizaciya ⏺Глубокое понимание раздела "Ридж-регрессия": http://www.machinelearning.ru/wiki/index.php?title=Ридж-регрессия ⏺Способность начать понимать научную статью: https://arxiv.org/pdf/1509.09169 ⏺Применения знаний на новейших моделях машинногоRuslan Senatorov | Стажировка ML и Фриланс проекты Data Science | Research Computer Vision & Neural Networks & AI
6 Sept, 06:12edited
Ещё нужно 2 стажера и закрываем набор.Приложил скрин выплат по аутсорс проектам. Получателем на следующей неделе можешь быть ты.Youtube | SenatorovAI | Школа ML
Ruslan Senatorov | Стажировка ML и Фриланс проекты Data Science | Research Computer Vision & Neural Networks & AI
3 Sept, 22:13edited
ИЩУ DATA SCIENCE-СПЕЦИАЛИСТОВ, СТАЖЁРОВ И РАЗРАБОТЧИКОВ ШИРОКОГО ПРОФИЛЯВ связи с ростом количества проектов по Data Science и разработке расширяю команду @SenatorovAI.Ищу:— профессиональных Data Science- и ML-разработчиков, готовых подключаться к коммерческим проектам; — начинающих специалистов и стажёров, которых я буду обучать работе над реальными задачами.Вы получите не только теорию, а практический опыт:— участие в настоящих коммерческих проектах; — работу с Python, машинным обучением, аналитикой данных и автоматизацией; — помощь в разборе технических заданий и проектировании решений; — проверку кода и обратную связь; — возможность профессионально развиваться и зарабатывать на своих навыках.От вас требуются ответственность, желание учиться, соблюдение сроков и готовность доводить задачи до результата. Коммерческий опыт желателен, но для стажёров не обязателен — важнее
Ruslan Senatorov | Стажировка ML и Фриланс проекты Data Science | Research Computer Vision & Neural Networks & AI
3 Sept, 21:41edited
Ruslan Senatorov | Стажировка ML и Фриланс проекты Data Science | Research Computer Vision & Neural Networks & AI
3 Sept, 02:11edited
Related Channels
Other channels in the same section of the catalogue.
