23 сентября в 19:00 (МСК) мы будем проводить вебинар “Зачем нужна математика в Data Science”.

Спикеры вебинара:
Алексей Никитин. Кандидат физико-математических наук, доцент факультета ВМК МГУ. Читает лекции по математическому анализу первых двух курсов на факультете ВМК МГУ и ФКН ВШЭ.
Леонид Крицков. Кандидат физико-математических наук, доцент факультета ВМК МГУ. Автор задачника "Алгебра и аналитическая геометрия: теоремы и задачи", используемого в преподавании на факультете ВМК МГУ.
Татьяна Захарова. Кандидат физико-математических наук, доцент факультета ВМК МГУ. Имеет опыт преподавания теории вероятностей и математической статистики более 28 лет.

На этом вебинаре мы расскажем:
• Data Science и математика: почему одно без другого невозможно
• Пример. Как математика описывает нейронную сеть
• Области Data Science и связанные разделы математики
• Где этому можно научиться

Ведущим будет Артём Дрёмов, CEO Proglib
Будет полезно всем, кто хочет стать специалистом в анализе данных.

Пройди обучение и попади на стажировку в WildBerries!

Хочешь стать IT-специалистом крупной компании? Тогда обучающий курс «Профессия Go-разработчик» для тебя!

За год обучения ты:
• получишь базовые знания программирования;
• пройдёшь обучение от ведущих разработчиков WildBerries;
• научишься разрабатывать и тестировать приложения на Golang;
• освоишь принципы работы с алгоритмами поиска и сортировки;
• научишься взаимодействовать с файловой системой.

Программа обучения разработана в партнёрстве с международным e-commerce-проектом WildBerries. Выпускники, успешно окончившие курс, смогут пройти собеседование и попасть на стажировку в компанию. Плюс ко всему, Skillbox дарит 2 месяца бесплатного английского в онлайн школе «EnglishDom»

Регистрируйся пока есть скидка 40% на обучение!
Успей записаться по ссылке ▶️https://clc.am/b6Yn2Q!

​🎱 Сможет ли программа заменить Data Scientist: платформы для машинного обучения без программирования

Было бы здорово, если бы модель машинного обучения можно было просто перетащить иконкой в проект, drag-and-drop. Стоп… но ведь такое уже есть! Рассказываем о восьми сервисах автоматизации задач Data Science.

https://proglib.io/sh/a9nuG1hfkY

Серия коротких руководств по разработке на Go для начинающих: https://proglib.io/w/19b9f141

Gebug — инструмент, позволяющий простым способом выполнить отладку докеризированных приложений на Go: https://proglib.io/w/82afc423

Мы создали канал, посвящённый различным аспектам информационной безопасности. Подписывайтесь, будет 🔥.

https://xn--r1a.website/hackproglib

Разбираем методы динамического программирования на Go: https://proglib.io/w/02cf9114

Вторая часть статьи (ссылка на первую), в которой подробно описана работа с пакетом ast: https://proglib.io/w/896f6c31

Управление ошибками в Go всегда вызывает споры у разработчиков. Однако, когда дело доходит до обработки ошибок в параллельной среде или объединения нескольких ошибок для одной и той же горутины, Go предоставляет полезные инструменты, которые упрощают управление множеством ошибок. В статье описан процесс объединения нескольких ошибок, генерируемых одной горутиной.

https://proglib.io/w/05c529db

Хочешь стать дата сайентистом, но не хватает знаний матана?
Мы совместно с преподавателями из МГУ запускаем курс "Математика в data science"
Старт курса — 6 октября.

Узнать подробнее: https://courses.proglib.io/

Если вы пришли в Go из мира Django, то у вас, как и у автора статьи, были некоторые вопросы относительно тестирования своих приложений. Но решение есть, более того, в Go вполне возможно писать быстрые и надёжные юнит-тесты без использования сторонних сервисов типа тестовой БД или кэша.

https://proglib.io/w/675cc3fc

Подборка материалов по разработке веб-приложений на Go: https://proglib.io/w/21bcf41d

Какая математика нужна для Data Science? Интервью с преподавателями МГУ

Всё, что вы хотели знать о математике для анализа данных, но не знали, у кого спросить.

https://proglib.io/w/fa2f98d1

​Data Scientist-ы больше не нужны?

Может ли программа заменить специалиста? Рассказываем о существующих сервисах автоматизации машинного обучения.

https://proglib.io/sh/a9nuG1hfkY