Бесспорно,как мне сказали,машинное обучение это вишенка на торте где торт это данные

Бесплатный вебинар «Разворачиваем приложение на Apache Spark в Kubernetes. Пошаговый рецепт» от Mail.ru Cloud Solutions

Cовременный DevOps-подход к работе со Spark, связанный с использованием Kubernetes, позволяет решать задачи изоляции рабочих сред, гибкого управления ресурсами и масштабирования. Популярные материалы останавливаются на запуске тестового приложения в K8s. В своем вебинаре команда MCS идет дальше: даже начинающие научатся обрабатывать данные с помощью Spark в облаке.

На вебинаре вы вместе со специалистами Mail.ru:
— Установите Kubernetes Operator for Apache Spark (Spark Operator);
— Запустите тестовый пример Spark-задачи/приложения;
— Соберете свой Docker-образ со Spark и кастомным приложением;
— Добавите необходимые библиотеки, креды для доступа к S3-хранилищу;
— Научитесь читать из S3 и записывать в него.

По итогам вебинара вы получите готовый репозиторий с инструкцией и сможете самостоятельно повторить все действия, которые будут продемонстрированы в рамках вебинара.

Мероприятие пройдет в четверг, 4 февраля, онлайн.
Начало в 17:00 по Москве.

👉 Регистрируйтесь: https://vk.cc/bXhOp7

😁😁😁👍🏻👍🏻👍🏻

А будет запись?

Скорее всего да, но нужно уточнить

@vicugabi ты к нам с миром?

Excuse me buddy, I don't speak russian

Then go here @bigdata_en

Just answer да to everyone

Тут любопытную аналитику завезли: самые инновационные компании в области AI и ML :)
(спойлер: не сколково)

https://reconshell.com/most-innovative-ai-and-machine-learning-companies/

😅😅

Ребят, а можете покидать сайты фриланс по data science ?

+

Что-то вы расстраиваете, коллеги :)
такие вещи гуглятся на "раз"

ну может он ищет закрытый рыбный форум какой то ? )

Есть один... в Ухани. закрытый теперь :)

Ладно, это всё шутки, а я вам сейчас такоооое скажу!!! УХ!

Вот вообще не реклама ни разу! А хвала и почёт Сергею Иванову за его труды!
Он взял, и законспектировал всю основную теорию по RL. Попробовал скомпилировать в единое повествование материалы из нескольких основных курсов, чтобы детально объяснить, как устроены алгоритмы RL и почему они выглядят именно так, а не иначе.

Очень вероятно, что этот труд пригодится кому-нибудь для погружения в RL с нуля (от читателя предполагается только знание базового ML / DL).

В книге могут быть баги и ошибки (особенно в последней главе), поэтому если вдруг вы найдёте опечатки / неточности / некорректности - смело сообщайте, контакты есть собственно в файле :)

Вероятно, будут фиксы / обновления; актуальная версия будет здесь:
https://github.com/FortsAndMills/RL-Theory-book

#book #books #книги #rl