Titanic + CatBoost (Первое решение, первый Jupyter Notebook)

Решение первого соревнования на kaggle титаник с помощью библиотеки от яндекса catboost. Два способа: обычная модель и второй: с перебором гиперпараметров с помощью randomizedsearch. Сравнение результатов.

https://habr.com/ru/articles/935540/

Announcing streamlined MLOps with Orbital on Databricks

Orbital translates #ScikitLearn #Python or #tidymodels #RStats to native #SQL for direct database model execution.

Edgar Ruiz's post uses #Databricks as an integrated environment.

Learn more: https://posit.co/blog/databricks-orbital-r-python-model-deployment/

Lazy-fedi-question... I have a "working"(?) code example of TF-IDF #tfidf using #scikitlearn and I know the main concepts, but all the tutorials I find are a bit — I don't want to be harsh but —crappy... Can someone point me to some nice open resource on it?

Tutorial: Predictive Modeling with Imbalanced Datasets Using Scikit-learn

At #EuroSciPy2025, join Guillaume Lemaitre and Olivier Grisel for:

You’ll learn:

Why imbalanced data breaks naive models

How to calibrate and resample properly

The performance trade-offs of real-world decision-making

A hands-on tutorial full of practical tools & insights.
https://euroscipy.org/schedule

Нейросеть приближается к опыту профессионального дерматолога

Наконец наступило лето, а с ним и пора отпусков. Уезжая на южные моря, не забывайте: большинство из нас имеет типичную для северянина кожу с пониженным содержанием меланина — пигмента, отвечающего за защиту от ультрафиолета. Если кожа отреагировала непонятным новообразованием, вызывающим опасения, теперь можно проконсультироваться с искусственным интеллектом. Он предварительно осмотрит кожу и посоветует, бежать ли ко врачу, за которым, конечно, всегда последнее слово. К слову, данная медицинская ИИ-технология, как и публикация, не является медицинской рекомендацией: диагноз ставит лечащий врач.

https://habr.com/ru/companies/leader-id/articles/924702/

Главное по ML/DL, часть 2: Вопрос → Краткий ответ → Разбор → Пример кода. SVD/PCA. Bias-variance. Деревья. Бустинг

У каждого наступает момент, когда нужно быстро освежить в памяти огромный пласт информации по всему ML. Причины разные - подготовка к собеседованию, начало преподавания или просто найти вдохновение. Времени мало, объема много, цели амбициозные - нужно научиться легко и быстро объяснять , но так же не лишая полноты! Обращу внимание, самый действенный способ разобраться и запомнить - это своими руками поисследовать задачу ! Это самое важное, оно происходит в секции с кодом. Поэтому попробуйте сами решить предложенную задачку и придумать свою! Будет здорово получить ваши задачи и в следующих выпусках разобрать! Мы продолжаем. Обязательно испытайте себя в предыдущей [1] части! В лес, так в лес!

https://habr.com/ru/articles/921190/

[Перевод] Линейная регрессия в ML для самых маленьких

В мире машинного обучения есть много всего интересного, но тем, кто только начинает свой путь в этой области часто бывает многое непонятно. В этой статье мы попробуем разобраться с линейной регрессией. Линейная регрессия — это статистический метод, используемый для моделирования взаимосвязи между зависимой переменной и одной или несколькими независимыми переменными. Проще говоря, он помогает понять, как изменение одного или нескольких предикторов (независимых переменных) влияет на результат (зависимую переменную). Подумайте об этом, как о проведении прямой линии через диаграмму рассеяния точек данных, которая наилучшим образом отражает связь между этими точками.

https://habr.com/ru/companies/otus/articles/919258/

Фундаментальные вопросы по ML/DL, часть 1: Вопрос → Краткий ответ → Разбор → Пример кода. Линейки. Байес. Регуляризация

У каждого наступает момент, когда нужно быстро освежить в памяти огромный пласт информации по всему ML. Причины разные - подготовка к собеседованию, начало преподавания или просто найти вдохновение. Времени мало, объема много, цели амбициозные - нужно научиться легко и быстро объяснять , но так же не лишая полноты! Обращу внимание, самый действенный способ разобраться и запомнить - это своими руками поисследовать задачу ! Это самое важное, оно происходит в секции с кодом. Будет здорово получить ваши задачи и в следующих выпусках разобрать! Взглянуть на старое под новым углом

https://habr.com/ru/articles/918438/

I was studying linear regression, and I decided to do a very basic project to consolidate some concepts. And I thought why not put it on GitHub for other people to take a look at. (API that predicts the sale price of a car)

#FastAPI #Python #MachineLearning #ScikitLearn #DataScience #Portfolio #API

https://github.com/GustavoGarciaPereira/projeto_carros_api

Scikit-learn теперь умеет в пайплайны: что изменилось и как работать с библиотекой в 2025 году

Scikit-learn — это одна из основных Python-библиотек для машинного обучения. Её подключают в прикладных проектах, AutoML-системах и учебных курсах — как базовый инструмент для работы с моделями. Даже если вы давно пишете на PyTorch или CatBoost, в задачах с табличными данными, скорее всего, всё ещё вызываете fit , predict , score — через sklearn. В 2025 году в библиотеку добавили несколько важных обновлений: доработали работу с пайплайнами, подключили полную поддержку pandas API, упростили контроль за экспериментами. Мы подготовили гайд, как работать со scikit-learn в 2025 году. Новичкам он поможет собрать первую ML-задачу — с данными, моделью и метриками. А тем, кто уже использует библиотеку, — освежить знания и понять, что изменилось в новых версиях. Почитать гайд →

https://habr.com/ru/companies/netologyru/articles/911216/

Как из аналитики данных перейти в дата-сайентисты

Перевели и дополнили статью Марины Уисс, applied scientist (дата-сайентист со специализацией в прикладной статистике) в Twitch. Когда-то Марина перешла в IT из не связанной с технологиями сферы деятельности, а потом помогла с этим переходом многим людям без IT-бэкграунда. В этой статье она делится советами для дата-аналитиков, которым хотелось бы заниматься data science. А мы добавили мнение экспертов и рекомендации, актуальные для российских образовательных реалий.

https://habr.com/ru/companies/netologyru/articles/905206/

Как я сделала свой первый AI-продукт с ChatGPT и капелькой любви

В этой статье я расскажу о моем опыте самостоятельного изучения основ Python и Machine Learning и создании первого проекта OneLove на базе собственной модели искусственного интеллекта (ИИ).

https://habr.com/ru/articles/901548/

GPUs can now accelerate vehicle intrusion detection by up to 159x compared to CPUs.
That’s not a tweak—it’s a leap.

A new study dives into how libraries like cuML outperform scikit-learn in real-time IoV security applications, all while maintaining accuracy.

Could this reshape how we secure connected vehicles at the edge?

Dive into the details: https://blueheadline.com/tech-news/gpu-faster-intrusion-detection-iov/

Discover 10 effective Python one-liners for Scikit-learn that simplify your #MachineLearning tasks. These short snippets handle key operations like data import, splitting datasets, standardising features, PCA dimensionality reduction, and training SVM classifiers. Perfect for rapid experiments and cleaner code. #Python #DataScience #SoftwareDevelopment #ScikitLearn #AI https://www.kdnuggets.com/10-python-one-liners-for-scikit-learn

Hi #FediHelp
As I am learning #scikitlearn do you have any resources to work with knn_imputer ?

I want to replace NAN values.

How do you
- Select optimized n_neighbors
- Visualize what the imputer do with plots or metrics

Any link to blog post or tutorials are welcome
Thanks

Рынок труда ML-специалистов в 2025 году: востребованные навыки и карьерные треки

В одном из недавних интервью Марк Цукерберг заявил , что к 2025 году искусственный интеллект (ИИ) сможет выполнять большинство задач Middle-разработчиков в Meta (запрещенная в РФ организация). По словам Цукерберга, ИИ уже помогает писать код и постепенно забирает на себя простые инженерные задачи, но хорошие Middle-инженеры все еще будут нужны. Правда при условии, что они будут осваивать новые востребованные технологии. С учетом влияния компании на технологическую повестку во всем мире заявление звучит серьезно: крупные игроки индустрии уже сейчас диктуют направление, в котором будет развиваться рынок труда в связи с масштабированием ИИ — это автоматизация большей части функций и появление новых. В таких условиях многим специалистам придется адаптироваться и прокачивать навыки, чтобы оставаться востребованными на рынке.

https://habr.com/ru/articles/882040/

#python #ai #machinelearning
#mlops #realtime #neuralnetwork #scikitlearn

Continuous Machine Learning (CML): Basics & Best Practices for Adoption
The systematic way of learning continually from real-time data.
Plot: CML Confusion Matrix
#exploremore
https://medium.com/@alexzap922/continuous-machine-learning-cml-basics-best-practices-for-adoption-257c19fbcbe9?sk=98bf072ddaccccd67ba83686261d8b15

#python #algorithm #scikitlearn
#machinelearning #artificialintelligence
#technology
#regression
#guide #tutorial
A Comprehensive Guide to 85 Supervised Machine Learning Algorithms in Scikit-Learn — Part 1. Regressors

Best Practices in Building & Training ML Models with 51 Regressors (Codes, Plots, and More)

Master all-in-one AI concepts and develop hands-on ML skills with one of the most popular and powerful libraries for ML in Python!

#exploremore

https://medium.com/@alexzap922/a-comprehensive-guide-to-85-supervised-machine-learning-ml-algorithms-in-scikit-learn-part-1-9168aee3cf2a?sk=712ecb27162654086ea9780a0d19a5be

For the Francophones: Check out this overview of @swheritage + #Scikitlearn in Le Monde: https://archive.is/BRqAo