⚰️

Aus jedem Bügeleisen wird derzeit verkündet, dass man nicht im Beruf sei, wenn man keine LLMs mit Milliarden von Parametern trainiert, und lineare Regressionen ins Museum gehören.

Und jetzt öffnen wir die Analytik von airesearchtrends zu den Werkzeugen, die tatsächlich in modernen ML-Pipelines verwendet werden:
🟢 Klassisches ML — 47%
🟢 Neuronale Netze — 36%
🟢 Ensemble-Methoden — 26%
🟢 Clustering — 4%

Fast die Hälfte der tatsächlichen Forschung und Produktion basiert auf klassischem ML. Denn dort, wo Interpretierbarkeit, Vorhersagbarkeit und Zuverlässigkeit gefragt sind, verlieren aufgeblähte neuronale Netze gegen ein gut abgestimmtes Modell. Der Massenmarkt hat jedoch irgendwie entschieden, dass man die Mathematik unter der Haube nicht mehr verstehen muss, wenn man gelernt hat, die OpenAI-API zu nutzen. Spoiler: kann man nicht.

Genau deshalb widmen wir die nächste Saison der Master-Gruppe der fundamentalen Basis. Wir wechseln von der Datenanalyse zum Modellbau.

🗓 Start: 25. April. Die Streams finden samstags um 11:00 Uhr MSK statt.

Was auf dem Speiseplan steht:
🟢 5 Streams: von den Grundlagen des maschinellen Lernens bis zum Aufbau und der Validierung grundlegender linearer Modelle.
🟢 1 Stream — Team-Praxis. Hört auf, nur Vorlesungen zu schauen. Ihr werdet in Teams eine praktische Aufgabe lösen, und dann besprechen wir gemeinsam die Ergebnisse (und schauen, wer wo Fehler gemacht hat).
🟢 Aufzeichnungen und meine Codedateien bleiben natürlich bei euch. Nehmt sie mit und nutzt sie als Spickzettel bei der Arbeit.

Da Telegram in letzter Zeit leider schlecht läuft, wird die geschlossene Gruppe in VK sein.

🐍 Wichtiger Filter:
Dies ist kein Kurs "von Null zum Senior in zwei Tagen". Ihr solltet bereits vernünftig in Python programmieren, DataFrames in pandas bearbeiten und grundlegende Datenanalyse beherrschen (alles, was wir in den ersten beiden Staffeln erarbeitet haben).

👉 Wer in diesen Zug einsteigen möchte und die Bedingungen erfahren will, schreibt mir eine PN: @obulygin91