Нажмите кнопку Спам, плиз.

‼‼🆕  есть свободная позиция
Machine Learning Engineer/Python разработчика!

Для нас важно:
-Опыт разработки;
-Знание Python и его популярных фреймворков / библиотек / тенденций;
-Опыт работы с фреймворками машинного обучения такими как TensorFlow, Caffe2, PyTorch, Spark ML, scikit-learn и другими;
-Опыт работы с распределенными системами;
-Глубокое понимание подходов и алгоритмов машинного обучения;
-Умение работать с git;
-Английский - Intermediate и выше.

Приветствуется:
-Опыт работы с Machine Learning и Computer Vision (OpenCV) технологиями;
-Умение работать в команде, делиться опытом с другими.

Мы предлагаем:
-Удобное рассположение офиса
-Гибкий график работы;
-Комфортные условия труда;
-Достойный оклад на стабильной основе;

Работа в нестандартных и интересных проектах;
Отличные возможности для профессионального роста и развития;
Viber or Tellegram +380663255786
Salary 1500 ‼‼

говносайт какой-то

​​В Интернете очень сложно найти то, что вам нужно, а иногда изучение языка программирования, без подходящих ресурсов, может быть очень скучным. И в этом случае большинство изучающих бросает это дело или же находит какое-нибудь новое занятие. Поэтому перед тем, как мы начнем, хочу вас уверить, что это не просто очередная статья про обучение Python, на которые вы обычно натыкаетесь в Интернете

1 часть - https://t.me/nuancesprog/1026
2 часть - https://t.me/nuancesprog/1029
3 часть - https://t.me/nuancesprog/1035
4 часть - https://t.me/nuancesprog/1042
5 часть - https://t.me/nuancesprog/1050
6 часть - https://t.me/nuancesprog/1062
7 часть - https://t.me/nuancesprog/1078

@nuancesprog #цикл #Python

Всем привет. У меня тут NLP задачка. Ткните пожалуйста носом гуда копать.
Есть текст (телефонные разговоры). Мне нужно научится выделять в этих разговорах:
1) Имя абонента
2) Тему разговора
3) Обещания которое дал оператор абоненту (например перезвонить завтра)
4) Negative Sentiment (то есть то если в разговоре есть что-то чем абонент не доволен)
Вопрос следующий. Можно ли это сделать всё за раз и что можно для этого использовать?  
Имя абонента, можно выделять с помощью NER (например можно юзать Stanford CoreNLP). Для Negative Sentiment можно использовать Gensim. Но остаётся ещё два пункта которые надо понять как обрабатывать. Можно ли создать какой-то общий подход для этого? Можно ли использовать для всех пунктов Conditional Random Field например?