Где использовать в карьере?

Задан: 2026-05-24 18:07 Автор: даниил_алексеев Просмотров: 456 Голосов: 3
3

Вопросы: - Навыки и технологии - Отличие от Data Scientist - Перспективы профессии - Как учиться

4 ответа

16

$$\frac{1}{\sqrt{2\pi\sigma^2}} e^{-\frac{(x-\mu)^2}{2\sigma^2}}$$

Ответил: ирина_кузнецов 2026-06-17 18:07
16

s

Ответил: пётр_макаров 2026-07-02 18:07
14

д

Ответил: екатерина_осипов 2026-06-02 18:07
8

Спасибо за подробное объяснение!

Ответил: сергей_смирнов 2026-06-29 18:07
2

Машинное обучение — это марафон, а не спринт.

План обучения: 1. Математика (3-6 месяцев): линейная алгебра, математический анализ, статистика 2. Python для ML (2-3 месяца): pandas, numpy, matplotlib 3. Алгоритмы ML (4-6 месяцев): линейная регрессия, деревья решений, SVM, нейросети 4. Deep Learning (4-6 месяцев): PyTorch или TensorFlow 5. Проекты (без ограничений)

Курсы: - Andrew Ng: Machine Learning (Coursera) - Fast.ai: Practical Deep Learning - Яндекс.Практикум - Kaggle Learn

Практика: 1. Участвуйте в Kaggle-соревнованиях 2. Делайте пет-проекты 3. Заведите блог о своём обучении

Главное — не бросать, когда становится сложно.

Ответил: пётр_макаров 2026-07-01 18:07