Update:

Небольшая подборка реально крутых онлайн-курсов ведущих международных вузов по Computer Science, Data Intelligence и Machine Learning (проверены мною и большинство из них пройдены лично):

• MIT: MITx 6.00.1x Introduction to Computer Science and Programming Using Python

• MIT: MITx 6.00.2x Introduction to Computational Thinking and Data Science

• Harvard University CS50: Harvardx Introduction to Computer Science

• Stanford: Machine Learning

• Специализация по машинному обучению от Университета Вашингтона, состоящая из 5 курсов и финального проекта

• Специализация "Машинное обучение и анализ данных" от МФТИ, состоящая из 5 курсов и финального проекта (на русском языке)

• Курс Python на Codecademy


Cофт и среды разработки (Python):

• IDLE (Python)

• Anaconda | Continuum Analytics

• Yhat End-to-End Data Science Platform: Rodeo

• Enthought Canopy

• Spyder | Scientific PYthon Development EnviRonment

• Jupyter Notebook;



___________________________________________________

Всегда мечтал уметь программировать. Вот и начал самостоятельно изучать Computer Science и Python Programming, имея сугубо финансово-экономический бэкграунд, но будучи гиком в душе.

Начал изучать Python в контексте инструментария для применения в Data Science и далее в Machine Learning. Навыков программирования до этого не имел.

Начал с самого базового курса "Основы программирования на Python", книги Марка Лутца "Изучаем Python" и тренинга Python Essentials от Enthought, Inc. И официальные инструкции поглядываю: The Python Tutorial.

Также обучаюсь на курсах:

• массачусетского технологического института (MIT) MITx: 6.00.1x Introduction to Computer Science and Programming Using Python на edX;

• Introduction to Python for Data Science (от Microsoft) на edX;

• Python на Codecademy.

В феврале начинаю изучение курса МФТИ Математика и Python для анализа данных на Coursera.

В плане софта и среды разработки осваиваю:
Enthought Canopy;
Anaconda;
Jupyter;
и штатный IDLE.

В дальнейшем приступлю к изучение основных библиотек, которые применяются для анализа данных при помощи Python: NumPy, SciPy, Matplotlib и Pandas.

PyCharm лучше попробуй, жетбраинс фигню не делает

Спасибо, посмотрю.

Как я понимаю, Anaconda уже включает в себя PyCharm:
http://docs.continuum.io/anaconda/pkg-docs

Сам кем работаешь? Нафига тебе оно надо?

так к чему я, автор, а почему питон?
конечно пользуются до сих пор и коромыслами, и телегами, кое где уцелели самовары на углях.

но почему не java к примеру?

Python - де-факто отраслевой стандарт в моей сфере для Data Science и Machine Learning. Плюс сравнительно доступный язык для изучения без предыдущего опыта программирования. Также огромное количество библиотек, в частности интересные мне: NumPy, Matplotlib, SciPy, Pandas.

http://www.intuit.ru
на еще тут посмотри)

В феврале стартую курс "Математика и Python для анализа данных" от МФТИ на Coursera:

https://www.coursera.org/learn/mathematics-and-python

После завершения всего, что указано выше в первом сообщении, планирую осилить совместный курс Высшей школы экономики и Школы анализа данных Яндекса на Coursera по Machine Learning:

https://www.coursera.org/learn/intro...chine-learning

Буду следить.
Сколько лет автору?

Мне 30.

У меня, кстати, с самообразованием (личностным и профессиональным) проблем не было и когда по найму сам работал. Всегда старался инвестировать в это свое личное время.

У тебя начальство не поощряет саморазвитие, что ли? Или ты видишь для себя возможность развиваться только при условии, что это можно будет делать в рабочее время?

Восьмидесятитрёхлетний Дональд Рамсфелд, министр обороны в 1975—1977 годах (при администрации Джеральда Форда) и в 2001—2006 годах (при администрации Джорджа Буша-младшего), рассказал в своём блоге на Medium, как он стал iOS разработчиком. Пост перевело издание AIN.ua.

Я работал в команде разработчиков, чтобы перенести в диджитал карточную игру, которая затрагивает период Второй мировой, а то и более ранний. Сегодня я рад сообщить, что игра получила новую жизнь благодаря современным технологиям. Эта откровенно дьявольская версия пасьянса — дело рук одного из самых выдающихся людей 20-го века [Уинстона Черчилля]. […]

Еще несколько лет назад я имел довольно расплывчатое представление о том, что такое приложение. Я регулярно играл в разные версии солитера на своем iPad, но превратить Солитер Черчилля в нечто подобное не приходило мне в голову. Прежде всего потому, что я не был уверен, что кто-то из семьи Черчилля был бы этому рад.

В январе 2014 года я написал письмо правнуку Уинстона Черчилля — мистеру Рэндольфу Черчиллю. Я был знаком с его отцом, когда был дипломатом. Я рассказал Рэндальфу о своей идее сделать приложение «Солитер Черчилля», как я это вижу, и спросил, как он на это смотрит. […]

С тех пор, как началось наше партнерство, я начал штудировать методички по брендингу и оформлению. Я проводил бесконечные часы за бета-релизами. Я подписался на что-то, что называется «UX». Я разобрал игру по частям, чтобы сделать ее максимально похожей на ту, в которую играл Черчилль. Спустя 172 версии на тысячи строк кода каждая мы сделали это. Теперь я официально в мобильном бизнесе. […]

Не буду говорить, что это первое и последнее приложение, в создании которого я участвовал. В конце концов, мне всего лишь 83! Но можно с уверенностью сказать, что пока Марку Цукербергу не о чем беспокоиться.

http://linkme.ufanet.ru/box/500x700/...2c4c83de5c.jpg

Автор красава! Тоже сейчас хочу осилить Пайтон, только не знаю с какого материала начать... Начинал читать Лутца — слишком нудно для новичка, все—таки начну с курсеры пожалуй, с февральских курсов и старого курса от MIT

Автор, пиши о своих успехах, будет на кого из новичков равняться!:)

Спасибо. Тоже пиши о своем прогрессе!

Кому интересно: еще для новичков рекомендуют книгу "Программируем на Python" Майкла Доусона. Сам не читал.

Кстати, насчет часто возникающего выбора "Python или R" есть интересная статья на Хабре:
https://habrahabr.ru/company/piter/blog/263457/

и классная инфографика на Datacamp:
https://www.datacamp.com/community/t...-data-analysis

Кстати, такой вопрос опытным. Нужно осилить Django, как поступить:

1. упор делать на фреймворк, язык сам по себе подтянется;
2. изучать параллельно, усилие делать и на то, и на другое;
3. сначала язык, потом уже переходить на фреймворк.

Это при условии, что хоть и нет опыта в разработках, но область программирования знакома, есть поверхностное представление о нескольких языках, немного ООП и все такое.


А вот это очень интересно. Спасибо!

Обама: "В новой экономике программирование - это не дополнительный навык, а базовая компетенция наравне с чтением, письмом и арифметикой".

Президент США в своем бюджетном предложении призывает Конгресс направить дополнительные $4 млрд. на финансирование изучения программирования в начальной и средней школе США (от подготовки до выпускного класса).

Computer Science For All:

Learn about President Obama’s bold new initiative to empower a generation of American students with the computer science skills they need to thrive in a digital economy.

На мой взгляд, изучать что бы то ни было всегда значительно проще в привязке к решению своих прикладных задач. Если нужен Django в практическом плане, то начинай именно с него, подтягивая Python там, где необходимо, что примерно соответствует твоему второму варианту "изучать параллельно, усилие делать и на то, и на другое". Другое дело, что базовые вещи языка такие как синтаксис и семантика, в любом случае, надо изучить, а также в целом логику computation.

Windows 95 запустили в браузере:

https://win95.ajf.me/win95.html

Автор, ты не имеешь в виду заняться в будущем Big Data?

Поизучать Big Data в дальнейшем будет очень интересно. С прикладной же точки зрения актуальные для меня массивы данных подходят по объему для Machine Learning, но не дотягивают до Big Data.

Что за массивы данных, их предназначение, если не секрет?

Финансово-экономические массивы, статистические данные. Если смогу в том объеме, в каком планирую тему освоить, то вообще много что можно будет пообрабатывать.

Распространено мнение о том, что программы могут выполнять лишь набор заложенных в них команд и ничего больше. Так ли это на самом деле?

Этим вопросом в одной из своих статей задается один из основателей MIT Media Lab Марвин Минский. Он пытается развеять миф о том, что программа – лишь набор строгих правил и инструкций. Минский пишет: «Это ложное убеждение возникает из-за того, что люди путают форму с содержанием […] Разработчик должен четко следовать синтаксису выбранного языка, но содержание, которое он хочет через него выразить, ничем не ограничивается».

https://habrahabr.ru/company/friifond/blog/276253/

Удачи тебе, автор.

Спасибо!

Текущий update:
1. Закончил Introduction to Python for Data Science (от Microsoft) на edX;
2. Python на Codecademy выполнен пока что на 71%;
3. По эмайтишному (MIT) курсу MITx: 6.00.1x Introduction to Computer Science and Programming Using Python на edX идет 4 неделя из 8. Очень клевый курс, но сложный, если не имеется предыдущего опыта программирования. Большой объем работы.
4. На этой неделе стартую курс "Математика и Python для анализа данных" от МФТИ на Coursera.
5. Плюс ко всему читаю материалы, смотрю видео.

Пока процесс изучения идет играючи (гик в душе), а-ля еще один иностранный язык, плюс мотивация практического применения хороший импульс придает.

Если интересен быстрый поиск хорошего заработка - лучше уделить внимание джанго, подавляющее большинство питон-вакансий требуют его, но зато и зп очень серьезные, немного до джавистов не дотягивают.

молодцом .:cool:

И кстати если не уходить от анализа данных, то в присядку учится R - https://www.r-project.org

Ага, уже! + Apache Spark!

Небольшой update: уже в состоянии решать интересные для меня проблемы на Python.

Основной акцент сейчас использование Python для решения задач Data Science и Machine Learning (модули SciPy, NumPy, scikit-learn, Spark's Python API).

Почти закончил потрясный курс Массачусетского MITx: 6.00.1x Introduction to Computer Science and Programming Using Python. Это нереально крутой курс, такие чувства как будто суперспособность открыл свою и развил ее по ходу курса. Впереди остался только финальный экзамен на следующей неделе.

Уже начал следующий курс MIT серии 6 - MITx 6.00.2x Introduction to Computational Thinking and Data Science.

Также записался на почти культовый курс Гарварда CS50: Introduction to Computer Science. Для меня CS50 это больше для общего развития в плане Compute Science.

Также решил изучить базовые вещи языка R в контексте Data Science, для этого нашел интересный курс MIT The Analytics Edge, а также Apache Spark, для Spark нашел интересные курсы Беркли: BerkeleyX Introduction to Spark и Big Data Analysis with Spark.

Кстати, русскоязычный курс МФТИ Математика и Python для анализа данных на Coursera не стал продолжать. К сожалению, не особо заинтересовал, да и слабоват курс показался, если сравнивать с MIT.

Еще наблюдение: программы на edX более фундаментальные, четко организованные и структурированные, ну и, как правило, более сложные чем на Coursera. По курсам Гарварда и MIT на edX, например, могу сказать, что это, по сути, тоже самое что быть записанным и посещать их в офлайне, те же лекции, практические работы, контрольные, лабораторные, экзамены, взаимодействие с другими учащимися.

Да, если на фронтенде акцент, то Python нужен будет в связке Python+Django. У меня приоритеты другие, но потом, когда будет время, думаю, что из любопытства Django тоже посмотрю.

Вот, кстати, вакансия Python-программиста в Уфанет:
http://vkomandu.ufanet.ru/vacancy/ufa#vacancy250

Зарплата - днище какое-то, лучше сразу в мск ехать, там будешь больше получать даже если ты только вчера начал изучать питон.

Еще я слышал что в Уфанете работают сектанты. Типа каждое утро в начале рабочего дня выходят на лужайку перед офисом и водят хороводы минут 15, только после этого возвращаются в офис и приступают к работе. Фиг знает правда или нет.

How to teach yourself programming in 21 days?!

http://smart-lab.ru/uploads/images/0...f14d4da778.jpg

Even if you're struggling and hate your code at the moment: remember that while there is probably a better way to write it — there is also definitely a worse one as well, way worse!

http://smart-lab.ru/uploads/images/0...86aa252127.jpg

Berkeley: Data Science and Engineering with Spark.

Закончил 9-недельный курс Массачусетского: MITx: 6.00.1x Introduction to Computer Science and Programming Using Python.

Нереально крутые ощущения, реально как-будто супер способность в себе открыл и развил.

Расскажи плиз поподробней, чему научился

Yesterday's announcement of Azure Machine Learning offers the latest sign of Microsoft's deep machine learning expertise -- now available to developers everywhere
http://www.infoworld.com/article/288...microsoft.html

Дружище, завязывай с курсами. Ты на секту случайно не подсел? Смотри. Под видом курсов и промывание мозгов может быть. Тем более такое воодушевлённое состояние. Нет. Я не из зависти. Но надо быть внимательным.

Пришло понимание того, как на Python решать интересные мне вопросы, рассматривать волнующие меня проблемы.

Что еще более важно для меня, так это то, что разобрался в фундаментальных основах Computational thinking и азах Computer Science. Знаю теперь также что и где рыть надо. Продолжаю изучать тему в контексте data science и machine learning.

Я имел ввиду примеры практических задач, которые теперь решить можешь.

тоже начал изучать питон, конечно с английским не бум...

Посмотри русскоязычный курс "Математика и Python для анализа данных" от МФТИ и Яндекс на Coursera:

https://www.coursera.org/learn/mathematics-and-python

UPD: еще есть перевод на русский книжки Майкла Доусона "Программируем на Python".

Например, мне интересна всесторонняя аналитика и data science потоковых данных с биржи и алгоритмы работы с ними.

Почему победа AlphaGo над Ли Седолем важнее победы Deep Blue над Гарри Каспаровым, и как это повлияет на обычных людей: https://medium.com/russian/го-сингул...ь-a63b660daa75

Отличная статья "Го: речь поражения" на N+1.
Последняя открытая игра пала под натиском искусственного интеллекта

https://nplus1.ru/material/2016/03/10/gogogo

Русскоязычный ресурс по Machine Learning:
http://www.machinelearning.ru/wiki/i...B8%D1%86%D0%B0

Взял с доски объявлений УГАТУ.

Некоторые специалисты по big data могут зарабатывать космические суммы.

Почему спустя 60 лет в искусственный интеллект снова поверили.

У нас в Уфе нет задач для Big Data. :(

Не об Уфе и речь! :)

Замахиваешься на федеральный уровень? :)

Я к тому, что профессионалы в этих областях (machine learning, big data, data science) не то что в регионах не засиживаются, они, как это часто бывает, в России даже не задерживаются.

Просто, если ты занимаешься исследовательской деятельностью, тебе нужно иметь научные публикации в хороших журналах. А для этого нужно решить задачи, которые стоят в этой области. А где их взять в Уфе?

Весь вопрос в том, как стать специалистом в Big Data, сидя в Уфе.

Осмелюсь высказать гипотезу, на что замахнулся автор темы.
1) наушные дела с выходом на диссер по интересующим его темам.
2) на Forex (сделать мощавого робота, еще одного ко многим тысячам, какие там крутятся) и состричь оттуда Big money...

2-я пункт - явная глупота: никто не даст состричь рядовому клиенту заметные бабки. Об этом знают опытные форексисты, встретившиеся с произволом поведения биржи.
1-й пункт - диссер люди делают... но что ими движет, и главное: получают ли они удовлетворение от положит.результата, т.е. "корочки", для меня большой вопрос...

Начал курс Стенфорда по машинному обучению (Stanford University's Machine Learning):

https://www.coursera.org/learn/machine-learning

Больше для себя это делаю, так как всегда был гиком в душе. Просто решил эту область профессионально освоить. Благо, что есть у меня есть дела, в которых могу практически применять полученные знания.

Плюсом идет то, что детей своих смогу сориентировать в этом направлении также. Не в плане, чтобы сделать из них программистов, но (вне зависимости от того, что им будет интересно) обучить их правильно читать, понимать и писать код, а также применять эти знания в интересных им областях.

собсно, ушел ТС от обсуждения моей версии... :(

Не совсем понял, что ты тут хочешь обсудить? Я здесь только ссылки на классные образовательные материалы размещаю, возможно, это кому-то будет также полезно как и мне.

Правильно делаешь, спасибо тебе.

Моя версия: твой интерес к Питону в конечном счете более шкурный (по двум означенним мною направлениям), чем просто интерес к неким отраслям комп.науки... Уход от прямых вопросов приводят к мысли, что тебе не хочется оглашать истинные причины... :cool: ;)

В самом начале я и писал, что меня интересует практическое применение полученных знаний в моих делах.

9 АПРЕЛЯ, 12:00

День открытых дверей Школы анализа данных Яндекс:
https://academy.yandex.ru/events/dat...ysis/msk-2016/

Будет и трансляция на Youtube:
https://www.youtube.com/channel/UCKF...n4Ab3CRQRZ2zYA

сколько ты уже занимаешь питоном? у тебя 2,7 или 3?
я тоже решил изучать питон для парсинга и обработки данных, с чего начать? посоветуй.

C января 2016 года. Начал c 2.7, чуть позже добавил и 3.5. На Codecademy базовые вещи по Python посмотри, на edX возьми что-то пофундаментальнее, например, MITx 6.00.1x Introduction to Computer Science and Programming Using Python (+ учебник по данному курсу Introduction to Computation and Programming Using Python by John V. Guttag). Из книг для начала можно порекомендовать Доусона (Python Programming), Лутца (Learning Python) и Python Tutorial (с официального сайта Python).

Также начни изучать Anaconda - это лучшая Python-платформа для Data Science.

Классный Data Science курс от MIT (c использованием языка R):
The Analytics Edge
https://www.edx.org/course/analytics...mitx-15-071x-2

это как бэ вообще не проблема. тем более человеку специализирующемуся в ИТ области. емайлы, скайпы. Расстояния уже не так критичны

Эти задачи (при желании) можно же решать удаленно.

Да, только нужно, чтобы кто-то поставил эти задачи удаленно.

Российские ученые степени, например, учитываются в Великобритании, туда можно ориентироваться.

Посмотри https://www.kaggle.com/ там много турниров, соревнований и практических задач по Data Science и Machine Learning (все на английском).

Вот на русском языке интересный Machine Learning Boot Camp от Mail.ru и Университета Лобачевского: http://mlbootcamp.ru/main/

Вот классный репозиторий данных для задач машинного обучения: http://archive.ics.uci.edu/ml/

Массу задач можно себе поставить, как говорится, на любой вкус и цвет.

О, спасибо большое. Возможно, пригодится состряпать публикацию.

Alchemist ты крут. Не слушай не кого здесь и продолжай учиться. Я сейчас тоже учу программирование. Работаю над big data проектом.

http://russia.trud.com/jobs/programm...hon_udalyonno/ - вакансии Python-программиста удаленно в России.

Давайте собирать вакансии по machine learning и т.д. в мире. Для затравки:

если автор не против, выложу ссылки - это для совсем начинающих:

Вот что мне посоветовали на одном научном форуме:

В "Вестнике УГАТУ" в 2014-м году опубликована статья Максима Бойко "Исследование удовлетворенности потребителей в банковской сфере на основе анализа текстовых отзывов" http://journal.ugatu.ac.ru/index.php...icle/view/1093

Предсказание оттока игроков из World of Tanks от Yandex Data Factory. Лекция для Малого ШАДа.

На одном научном форуме мне сообщили следующее:

1. Сегодня сдал финальный экзамен MITx: 6.00.2x Introduction to Computational Thinking and Data Science на оценку "A" (91%), общий результат по курсу 97%, таким образом, завершил уже 2-й курс Массачусетского технологического (первым был MITx: 6.00.1x Introduction to Computer Science and Programming Using Python).

2. Также приступаю уже к 4-й неделе курса Стенфорда по Machine Learing, причем по этому курсу последние 2 недели шел в "догоняющем формате". Надеюсь, что с завершением MITx 6.00.2x смогу следовать курсу уже в нормальном формате.

3. К сожалению, из-за загрузки по делам, семье и уже имеющимся MOOCs не смог присоединиться к начавшемуся 3 недели назад MITx: 15.071x The Analytics Edge. Возможно, вернусь к нему во второй половине этого года, или в следующем...

4. Законтрибьютил в edX $50. Периодически возвращаюсь к мысле, что MOOCs, которые я уже завершил и которые прохожу сейчас, too good to be true (в плане контента, приобретаемых знаний и бесплатности), поэтому кто-то должен поддерживать эти платформы для дальнейшего knowledge sharing across borders.

Интересное чтиво: Каково это — быть разработчиком, когда тебе сорок.

Очень крутая вещь! Специализация по машинному обучению от Университета Вашингтона, состоящая из 5 курсов и финального проекта. Стоит 22 тыс. руб. (бесплатно, если без контрольных, лабораторных и экзаменов). В обучение используется Python, что для меня особенный кайф. Как закончу стенфордовский ML (на этом курсе, кстате, используются Octave/MatLab) приступаю к специализации U Washington, что и будет моей нагрузкой по moocs до конца года.

спасибо

Оттуда:
Не является ли хайпом и machine learning?

На машинное обучение сейчас опираются практически все когнитивные функции искусственного интеллекта: computer vision, natural language processing, robotics, а также большинство предикативных моделей. Другое дело, что само машинное обучение опирается на мат. и стат. медоты, многие из которых известны уже очень давно.

Начал с самого базового курса "Основы программирования на Python"

реально крутой базовый манул, прям шикарный. Что еще посоветуешь после него, желательно на русском.

https://www.coursera.org/learn/mathematics-and-python
это как понимаю платный курс?

Если платишь, то будет доступ по всем заданиям, лабораторным и контрольным, а также получишь сертификат по итогам. Если не платить, то будут доступны все лекции (без заданий и сертификата по итогам).

Что дают навыки програмирования на питоне? Смогу ли я посредством этих навыков писать на нем проложения под андроид?

на андройд - хз

он только на английском?

Этот на русском: https://www.coursera.org/learn/mathematics-and-python

Там же все написано на странице.

Is your data being used against you? Data can be used for good, harnessed for the betterment of society, but it can also be abused. Find out about some hidden not-so-sunny uses of Big Data.

14 TED Talks on the dark side of data.

http://www.ted.com/playlists/130/the_dark_side_of_data

Чувак, спасибо за тему!
Похоже, я нашел что-то, чем мне интересно заниматься.

Не пропадай, пиши о своих успехах здесь. Может, еще кто подтянется.

Спасибо! Удачи в начинании!

Вопрос всем : по сколько часов в день/неделю у вас получается уделить изучению языка?

10-12 часов в неделю на первых порах, так как не было вообще никакого предыдущего опыта программирования.

Завершил Stanford University's Machine Learning.

Всем привет! Переобучиться с php javascripl серверного и клиентского и c++ для электроники на python django, как думаете, сколько времени займет до первого заработка?

Для начала изучения языка советуют вот такую бесплатную книгу - "A byte of Python". По ссылке - перевод на русский язык.
http://wombat.org.ua/AByteOfPython/A...ssian-2.01.pdf

Спасибо.

https://habrahabr.ru/company/javarush/blog/303806/
Гарвардский курс по основам программирования CS50 теперь на русском

Нашел такую вакансию: Инженер по разработке алгоритмов машинного обучения (Samsung Research Center -Московский Исследовательский Центр Самсунг)
https://ufa.hh.ru/vacancy/8625675

актуален ли язык?

он же типа как батники писать или нет?

он для админов только?

На одном форуме мне сообщили вот что:

Да, Deep Learning - хороший базовый учебник.

Здесь некоторые "старые" материалы к курсу ML Andrew Ng (Stanford's CS 229).

На телефон приложение установил, надо начать изучать:D

Интересно, какие области применения могут быть у machine learning?

Когнитивные функции: компьютерное зрение, распознавание речи. Прогнозирование. Диагностика болезней. Поведенческий анализ. Выявление угроз/рисков практически любого плана, выявление преступлений/злоупотреблений, аномалий (Anomaly detection). Проблемы классификации любого плана.

Понятно, спасибо.

Ну или фото черно-белые, на крайняк, раскрашивать... :D

http://demos.algorithmia.com/colorize-photos/

Кстати, https://algorithmia.com, по сути, является маркетплейсом, предоставляющим кучу API крутых ML алгоритмов.

Можно, наверное, в финансах применять, как у Вас?
Вот пример применения в анализе тональностей текста: http://journal.ugatu.ac.ru/index.php...icle/view/1093

Три года назад на сайте НИУ ВШЭ можно было посмотреть список книг к разным программам бакалавриата и магистратуры и заняться самообразованием. Сейчас такого нет. :(

Как нет?! https://www.hse.ru/edu/courses/

Из старых сохраненных запасов нашел следующее:

актуален ли язык?

он же типа как батники писать или нет?

он для админов только скриптики пописывать?

Python - это полнофункциональный высокоуровневый язык программирования. Мне лично Python интересен в контексте применения для data science и machine learning. Параллельно R также посматриваю.

Индекс TIOBE на июль 2016 г. Индекс рассчитывается «на основе подсчета результатов поисковых запросов, содержащих название языка». То есть, демонстрирует популярность того или иного языка в конкретный момент времени среди изучающих на основе их поисковых запросов.

http://linkme.ufanet.ru/images/3d104...055a0934cf.png

На Хабре еще Matlab в качестве инструмента называли. Т.е. для machine learning вырисовывается тройка R, Python, Matlab.

Да, стенфордский курс Machine Learning как раз на Matlab/Octave. Но R и Matlab это языки, заточенные под статистику и вычисления, тогда как Python - это полнофункциональный язык.

под андройд нет, но ты сможешь написать серверную часть, а клиент оболочку уже на андройд и ios. его думаю реализовать проще будет

Да, сможешь, хотя java будет более правильным выбором. Если интересно, то смотри py4a, sl4a, kivy.

Зачем? Можно, но не нужно.

Его вопрос был - "Могу ли?". Мой ответ - да, можешь, хотя лучше использовать Java.

ну и что на нем можно написать?

не совсем понимаю.
вот понятно что с +\++\# это прикладные, для винды

пхп для браузера

ява для мобилок и компов


а питон для чего?

Dropbox был написан на Python, YouTube, Reddit, Quora, Spotify, Instagram (Python/Django), различные приложения Google, раннии версии BitTorrent, ну и многое-многое другое... :D

то есть только веб?

Ну я точно знаю, что в компаниях скриптики тоже на питоне пописывают.

с чем его еще можно сравнить?

еще такой вопрос, помню пару лет назад пхп изучал, так у меня мозг начинал тупить, если я его пару часов в день на протяжении нескоьлких недель изучал. Ну сложно общаться было как то, думать по другому и т.д.

есть такое?

Не только веб, а и многое другое. Еще раз: Python - это полнофункциональный язык программирования.

Alchemist, ты, кажется, работаешь с финансами? Ну как, получается применить машинное обучение в финансах? Какие-нибудь задачи удалось решить? К каким задачам в финансах можно применить машинное обучение? Спрашиваю для того, чтобы понять, куда можно развиваться дальше.

а с чем его можно сравнить? с каким еще языком7

с человеческим, такой же гибкий и длинный :o

В книге Deep Learning (http://www.deeplearningbook.org/contents/intro.html) написано по поводу областей применения Machine Learning:

Вот интересная статья:
Programmers Can Get Into Machine Learning (http://machinelearningmastery.com/programmers-can-get-into-machine-learning/).

Курс «Машинное обучение» 2014 Школы анализа данных Яндекс:

https://www.youtube.com/playlist?lis...jH_b9zqEQiiBtC

Нагуглил вакансии по Machine learning: https://www.linkedin.com/jobs/machine-learning-jobs

Вот типичный профиль специалиста-исследователя в Яндексе.

Джуниора.

Вау! И притом не надо платить за курсы.

Интересно, какое применение machine learning может быть в Уфе? Или все самое вкусное делается в столицах?

А какая разница в применении ML в SF, Берлине, Москве или Уфе?!

Какие задачи перед ML могут возникнуть, например, в области финансов?

Тем, кто предпочитает читать книжки, а не слушать, есть книга того же Воронцова http://www.machinelearning.ru/wiki/i...Voron-ML-1.pdf

Научно-исследовательская работа (рекомендации):http://www.machinelearning.ru/wiki/i...D0%B8%D0%B8%29

Лекции "Введение в машинное обучение" на Интуит.ру: http://www.intuit.ru/studies/courses...e/17981?page=1

Например, fraud detection.

А ты сам какими задачами занимаешься, если не секрет? Можно написать в личку.

Черт, как-то страшновато начать заниматься ML. Чтобы стать профессионалом, понадобится не менее 1-2 лет, а что потом - неизвестно.

Понятно. Это обнадеживает. :)

К прочтению:
1) Our Final Invention: Artificial Intelligence and the End of the Human Era by James Barrat;
2) The Black Box Society: The Secret Algorithms That Control Money and Information by Frank Pasquale.

Нашел на доске объявлений УГАТУ.

Машинное обучение для прогнозирования тенниса.

Прогнозирование тенниса - чушь. Один из самых легких видов спорта для подставных матчей, и этим активно пользуются все кому не лень.

https://habrahabr.ru/post/307048/

Специализация Machine Learning от Университета Вашингтона, состоящая из 5 курсов и проекта, по сути, самый крутой MOC из имеющихся: https://www.coursera.org/specializat...chine-learning

«Machine Learning: Regression» это 2-й курс из этой специализации.

Даже стэнфордский ML - это типа как легкое введение в вашингтонский ML.

В Нью-Йорке впервые состоялся Winograd Schema Challenge — конкурс ИИ, обрабатывающих естественный язык. Его результаты показали, что машинам пока далеко до понимания человеческого языка. Лучшие из алгоритмов показали результат, сравнимый с рандомным выбором ответов.
Оказалось, «загрузить» ИИ очень просто: достаточно задать ему вопрос типа «Мужчина не мог поднять своего сына, потому что он был слишком слаб. Кто был слаб, мужчина или его сын?»

http://apparat.cc/news/ai-common-sense/

Так тут и нет правильного ответа. Может сын был настолько слаб что если его поднять то он умер бы?

A Winograd Schema question is one that is extremely easy for humans to answer, but defies the cold logic of computers. Take the following example: “The man couldn’t lift his son because he was so weak. Who was weak, the man or his son?” In this case, “he” could logically refer to either the man or his son. But as humans, we know it would be silly to mention that the son was weak in this context. For computers, the “he” is equally valid for both.

Здесь семантика и контекст важны.


Другие примеры:

I. The trophy would not fit in the brown suitcase because it was too big (small). What was too big (small)?
Answer 0: the trophy
Answer 1: the suitcase

II. The town councilors refused to give the demonstrators a permit because they feared (advocated) violence. Who feared (advocated) violence?
Answer 0: the town councilors
Answer 1: the demonstrators

Можно попробовать применить онтологии. Почитайте:
Алгоритм извлечения информации в ABBYY Compreno. Часть 1,
Алгоритм извлечения информации в ABBYY Compreno. Часть 2.

женская логика короче какая-то

подскажи плиз из русскоязычного курса coursera, что лучше всего? Так и не нашел субтитров для MITT.

Посмотри специализацию "Машинное обучение и анализ данных" от МФТИ и Школы анализа данных Яндекс, состоящую из 5 курсов и финального проекта: https://www.coursera.org/specializat...-data-analysis

Спасибо, а у вас он не пошел?

Нашел для MITT 2 урока с переводом.. жаль больше нет.

Вот еще легендарный гарвардский CS50 на русском: http://javarush.ru/cs50.html

Жаль, что ABBYY не размещает Compreno в облаке, чтобы с ней могли работать ученые из других городов (вне Москвы).

https://www.abbyy.com/ru-ru/isearch/compreno/

Смотрел? Там демо и возможность заказа пробной версии.

Удаленное изучение Big Data:
http://newprolab.com/bigdata/?utm_so...te#remotestudy

Пример с Марио (MarI/O) просто чумовой!

Computer Science for Business Leaders от Гарварда:
https://www.youtube.com/playlist?lis...IEXx0QSv9pU1iL

Самое главное о нейронных сетях. Лекция в Яндексе:
https://habrahabr.ru/company/yandex/...7260/#habracut

Kaggle – наша экскурсия в царство оверфита
https://habrahabr.ru/post/307078/

Посмотрел 1 лекцию, не питон ж.. а я сейчас пишу на питоне.. и хотелось бы что-то такое же но для пиона.. как Митт только на русском, если у кого есть поделитесь..

Если кто хочет пообщаться велком в скайп bulatbulat48

А что за Митт? MIT в смысле?

Математика для искусственных нейронных сетей для новичков, часть 1 — линейная регрессия
Математика для искусственных нейронных сетей для новичков, часть 2 — градиентный спуск

ага, он самый

Язык Simit ускорит компьютерное моделирование в 200 раз.

Питон.... щас вот на Хабре полтекста читанул, и сделал вывод (прошу оценить его):

Чем хорош и силен Питон? Своими библиотеками, как раньше был силен Фортран. Так, что ли?

Для чего? Для программистов, для начала у него простой синтаксис, посмотрите Джаву или Си. Вообще этот язык изначально для непрограммистов, а для инженеров и ученых. Конечно есть плюсы и минусы, в каждом ЯП, поэтому программисты с 10 летним стажем, знают несколько ЯП, плюс кучу библиотек и тд и тп

Для тех, кто не шарит в теории, лежащей в основе ML, в этой теме уже были приведены различные ссылки, изучайте, все имеется в свободном доступе. К примеру, эмайтишный Deep Learning. На русском языке также имеется масса материалов, например, тут, здесь и там.

Для людей с нормальным образованием методологический аппарат ML не является китайской грамотой (это по большей части высшая математика и мат. статистика 1 курса приличного вуза). Многим методам ML десятки, если не сотни лет. Масса материалов в свободном доступе, в том числе полноценные курсы.

Сегодня же наибольший интерес представляют как раз таки перспективные и прорывные направления использования ML с учетом имеющихся (и все возрастающих) вычислительных мощностей с одной стороны и самых различных данных с другой стороны. О чем в этой теме также имеются ссылки и информация.

Учитесь, если интересно, практикуйтесь! Удачи!

Суперкомпьютер Watson будет диагностировать рак в Китае.
https://hightech.fm/2016/08/12/ibm-china-watson

Data Science Curriculum from Microsoft.

Unit 1 - Fundamentals
Learn data science basics. Explore topics like data queries, data analysis, data visualization and how statistics informs data science practices. Please choose from Course 3a or Course 3b to complete the unit.

Course 1: Data Science Orientation
Course 2: Querying Data with Transact-SQL
Course 3a: Analyzing and Visualizing Data with ExcelCourse 3b: Analyzing and Visualizing Data with Power BI
Course 4: Statistical Thinking for Data Science and Analytics from Columbia University

Unit 2 - Core Data Science
Learn essential programming languages to manipulate date and discover the fundamentals of machine learning. Please choose from Course 5a or Course 5b to complete the unit.

Course 5a: Introduction to R for Data Science Course 5b: Introduction to Python for Data ScienceCourse 6: Data Science Essentials
Course 7: Principles of Machine Learning

Unit 3 - Applied Data Science
Dive deeper into data science programming languages and start leveraging data to develop intelligent solutions. Choose from Course 8a or Course 8b. Please continue with the programming language you selected in Unit 2. Select from one of Course 9a, Course 9b or Course 9c to complete the unit.

Course 8a: Programming with R for Data ScienceCourse 8b: Programming with Python for Data ScienceCourse 9a: Applied Machine LearningCourse 9b: Developing Intelligent AppsCourse 9c: Implementing Predictive Solutions with Spark in Azure HDInsight

Unit 4 - Capstone Project - Cortana Intelligence Competition
Showcase your data science knowledge and skills, and solve a real-world data science problem in Data Science Professional Project. The project takes the form of a challenge on the Cortana Intelligence platform, where you will develop and deploy a solution that is tested and scored to determine your grade.

Университет Беркли Big Data Analysis with Apache Spark

https://www.edx.org/course/big-data-...rkeleyx-cs110x

Yandex Data Factory COO Alexander Khaytin discusses the importance of machine learning in manufacturing. Read the full article here: http://bit.ly/2buQ3a6

Machine Learning Recipes by Google Developers:
https://www.youtube.com/playlist?lis...6rFYQU_jL2ryal

Классификация рукописных цифр с TF.Learn:

Magnitogorsk Iron and Steel Works’ Deputy CEO for Finance and Economy discusses the benefits of Yandex Data Factory’s machine learning technology. Read the full interview here. http://bit.ly/2aVcCbp

Ко мне в фейсбук упало вот что:

Intel берет курс на машинное обучение

Approaching Any (Almost) Machine Learning Problem:
http://www.kdnuggets.com/2016/08/app...g-problem.html

If you're looking for an overview of how to approach (almost) any machine learning problem, this is a good place to start. Read on as a Kaggle competition veteran shares his pipelines and approach to problem-solving.

В Университетском колледже Лондона обучили программу воспроизводить почерк любого человека:
https://www.ucl.ac.uk/news/news-arti...ur-handwriting

http://apparat.cc/wp-content/uploads...dwriting-1.jpg

Там есть исходная научная статья (My Text in Your Handwriting by Tom S. F. Haines, Oisin Mac Aodha and Gabriel J. Brostow) по всем академическим стандартам (ссылки, источники, доп. материалы), а также в свободный доступ выложен исходный код и набор изначальных данных программы: http://visual.cs.ucl.ac.uk/pubs/handwriting/

Купил для сына, начали изучать.

http://img2.labirint.ru/books49/481230/big.jpg http://img1.labirint.ru/books52/519875/big.jpg

Специализация Applied Data Science with Python от Университета Мичигана на Coursera.

1 Introduction to Data Science in Python
2 Applied Plotting, Charting & Data Representation in Python
3 Applied Machine Learning in Python
4 Applied Text Mining in Python
5 Applied Social Network Analysis in Python

Специализация от МФТИ: «Машинное обучение и анализ данных»:
http://www.datasciencecourse.ru/?utm..._content=36_45

Искусственный интеллект поможет вычислить шизофрению.

10 и 11 сентября в московском офисе Яндекса пройдет Data Fest. Эта конференция объединяет исследователей, инженеров и разработчиков, связанных с data science во всех её проявлениях.

Вас ожидают:

Двухдневная программа из лекций, дискуссий и разборов кейсов.
Больше 30 докладчиков, рассказывающих о передовых исследованиях и разработках.
Темы от теории глубокого обучения до практики применения анализа данных в реальных проектах.
Отличная компания и общение с людьми, работающими в области data science.

https://events.yandex.ru/events/ds/10-11-sept-2016/

Суперкомпьютер IBM Watson создал трейлер для фильма «Морган» о гуманоиде, вышедшем из-под контроля.

http://apparat.cc/news/morgan-trailer/

Рост зарплаты ожидает специалистов по большим данным.
https://hightech.fm/2016/09/01/salalry-rise-2017

Which Country Would Win in the Programming Olympics?

Анализ данных

Онлайн-программа профессиональной переподготовки от Санкт-Петербургского Академического университета РАН и Института биоинформатики

http://data.stepik.org/

Греф предсказал замену тысяч людей искусственным интеллектом в Сбербанке.
http://www.rbc.ru/finances/08/09/201...79470ff754a8ac
Интересно, какие технологии они используют?

Прямая трансляция конференции Data Fest.

Пикселизация многие годы служила своеобразным фиговым листком для персональных визуальных данных. Слова, лица и номерные знаки закрываются пикселями в новостях, документах и на сайтах. Это довольно простой способ, но, тем не менее он работает — из-за размытия люди не могут понять, что же изображено. Однако теперь не только люди умеют распознавать изображения. Компьютеры все лучше различают образы и уже начинают видеть то, что нам не под силу.


http://rusbase.com/story/ai-vs-pixelation/

Маркетплейс для алгоритмов:
https://algorithmia.com/

Хакаем реально криповые темы с использованием современных технологий.

Энтузиаст анализирует дело «Таман Шуд» с подходами Big Data и использованием Apache Spark: https://dzone.com/articles/solving-r...-data-and-apac

Это не распознают хорошо, а замазывают плохо.

Насколько я понял, Deep Learning - это способ обучения глубинных слоев многослойной нейросети?

алхимик, как твои успехи? применение нашел пайтону? у тебя какая то задумка была же.

Да, множество скрытых слоев (сотни, тысячи нейронов) → глубинное обучение для решения нелинейных проблем.

Привет! Все ОК, применение то, которое изначально и планировал. Машинное обучение кое-каких hft-алгоритмов, плюс тестирование некоторых гипотез.

Просто сейчас из каждого утюга поют про успехи применения машинного обучения в самых разных отраслях.

Традиционно в последний четверг первого осеннего месяца откроется новый сезон встреч, организуемых уфимским сообществом UfaCoder. 29 сентября в 19:00 в здании Академии Наук (г. Уфа, ул. Кирова, 15) встретятся IT специалисты, что бы получить новые знания, обменяться опытом и просто пообщаться.
На первой встрече будут доклады на тему разработки мобильных приложений на базе Xamarin и сравнение онлайн-бирж IT-проектов Upwork (бывший Odesk+Elance).

Более подробно о встрече можно узнать в сообществе https://vk.com/ufacoder и через календарь https://ufacoder.timepad.ru/event/379267/

30 сентября в УГАТУ пройдет масштабная конференция «Интернет – драйвер развития экономики», посвященная Дню Интернета: http://iday.medialux.ru/

В MIT создают новый язык программирования, способный существенно ускорить параллельные вычисления: https://tproger.ru/news/new-mit-language-milk

Лекции Техносферы. 1 семестр. Введение в анализ данных (весна 2016).

Алхемист, это ты выступал на этом мероприятии под "ником" Рустам Салаватов?

Нет, не я, был там слушателем.

https://scontent.xx.fbcdn.net/v/t1.0...7d&oe=58AD9174

:):):)

Паспорт специальности Компьютерная лингвистика - получаемой по программе второго высшего образования в НИУ ВШЭ.

В высшей школе экономики нет специальностей. Только бакалавриат и магистратура.

Почитал - программа профессиональной переподготовки. По-русски: курсы.

Clarifai позволит клиентам самостоятельно обучать нейросети.

Стартап продолжает демократизацию ИИ и технологии нейросетей. На этот раз в планах компании дать клиенту возможность самому, без написания кода, создать нейтронную сеть с требуемыми функциями.

https://hightech.fm/2016/10/06/clarifai

«Сбербанк» проведет несколько мероприятий, посвященных машинному обучению и анализу данных.

Первым пройдет онлайн-контест по анализу данных Data Science Contest. С 6 октября по 7 ноября участники должны будут по неактуальной истории банковских платежей выяснить, можно ли восстановить демографический портрет клиента и предсказать его будущие траты (данные обезличены и специальным образом модифицированы). Победитель получит 500 тысяч рублей, за второе место — 300 тысяч рублей, а за третье — 100 тысяч рублей.

Параллельно стартует Startup Challenge — конкурс проектов по использованию предоставленных данных для бизнес-задач банка, подача заявок открыта в режиме онлайн до 31 октября. Победитель получит 500 тысяч рублей.

Финал Startup Challenge и награждение победителей Data Science Contest пройдет 12 ноября в рамках Data Science Day. На мероприятии также выступят зарубежные и российские спикеры в области data science.

https://sdsj.ru/