ET
Tsh Tsh
Обычно катятся в обратном направлении
Надоел хардкор NLP и хочется software инжиниринга больше и меньше математики
Size: a a a
2021 February 08
ET
Tsh Tsh
Обычно катятся в обратном направлении
По денежке соизмеримо в DE, как я понял
AZ
Надоел хардкор NLP и хочется software инжиниринга больше и меньше математики
Правильной дорогой идёте, товарищ; люди кто понимает и в DS и в DE наперечет, и не засиживаются на рынке
2021 February 09
K
Правильной дорогой идёте, товарищ; люди кто понимает и в DS и в DE наперечет, и не засиживаются на рынке
вы понимаете в DS?
AZ
вы понимаете в DS?
Я притворяюсь (тссс)
K
научите пожалуйста
DZ
научите пожалуйста
Логрег, lightboost go brrr
K
Логрег, lightboost go brrr
это я умею
K
над резюмеху поправить терь
AS
Логрег, lightboost go brrr
Pycarret, и для солидности Keras
D
товарищи, подскажите где почитать/подсмотреть как сейчас модно скоринги делать с точки зрения подготовки данных. DS часть особо не интересна, этим отдельная команда занимается, больше всего интересует как готовят данные для готовых моделей. что попросит бизнес проскорить заранее не известно, сейчас раз в сутки пересчитываются агрегации по всему, что есть в даталейке. сложность в том что агрегируются по разным измерениям, например по адресному ключу клиента. адресный ключ зависит от источника, где-то улица, где-то почтовый индекс. соответственно при импорте сложновато понять какие агрегации надо обновить, если были изменения всего в одном адресе клиента.
интересует как такие вещи взрослые скоринг продукты решают.
интересует как такие вещи взрослые скоринг продукты решают.
НК
товарищи, подскажите где почитать/подсмотреть как сейчас модно скоринги делать с точки зрения подготовки данных. DS часть особо не интересна, этим отдельная команда занимается, больше всего интересует как готовят данные для готовых моделей. что попросит бизнес проскорить заранее не известно, сейчас раз в сутки пересчитываются агрегации по всему, что есть в даталейке. сложность в том что агрегируются по разным измерениям, например по адресному ключу клиента. адресный ключ зависит от источника, где-то улица, где-то почтовый индекс. соответственно при импорте сложновато понять какие агрегации надо обновить, если были изменения всего в одном адресе клиента.
интересует как такие вещи взрослые скоринг продукты решают.
интересует как такие вещи взрослые скоринг продукты решают.
здесь именно применительно к "скорингу" нужно?
просто, на взгляд, кажется задачей выделения инкремента для ETL, не привязанной к конкретной прикладной области... 🤔
просто, на взгляд, кажется задачей выделения инкремента для ETL, не привязанной к конкретной прикладной области... 🤔
D
потому и интересуюсь, как это у других сделано. у нас DS заказывают очень специфические ... это наверно features на их языке. типа кол-во платежей по адресному ключу за последних 3 месяца, 6 месяцев. остальному BI такие вещи не интересны, у них чуток в другом разрезе витрины готовятся
AZ
потому и интересуюсь, как это у других сделано. у нас DS заказывают очень специфические ... это наверно features на их языке. типа кол-во платежей по адресному ключу за последних 3 месяца, 6 месяцев. остальному BI такие вещи не интересны, у них чуток в другом разрезе витрины готовятся
feature store для людей кто строит аналитику это витрина с дополнительными метаданными вокруг нее, в этом смысле это может быть зависимая или независимая витрина, все приемы по перестройке витрин работают
N
Pycarret, и для солидности Keras
Какие-то слова новые везде. Я че-то пропустил, саентологи перестали говнякать в пандас, нампи, сайкитлерн, питорч? Стакать иксжибусты и насиловать ариму?
AS
Какие-то слова новые везде. Я че-то пропустил, саентологи перестали говнякать в пандас, нампи, сайкитлерн, питорч? Стакать иксжибусты и насиловать ариму?
Таки да, все более высокоуровневые инструменты, automl, все дела.
N
Они ж вроде платные все были, H20 точно.
AZ
Таки да, все более высокоуровневые инструменты, automl, все дела.
это на каких-то показательных выступлениях кмк