Это интересно

Банки часто оправдывают отказы по кредитам скоринговой системой. По каким критериям банки оценивают скоринговые системы, способные разрушить ваши планы на жизнь? Можно ли обмануть «кредитный детектор»? Корреспондент Банки.ру попыталась проникнуть в некоторые тайны скоринга.

В блоге Open Data Science на Хабрахабре вышел пост о базовых понятиях машинного обучения на примере одной из самых простых и самых полезных моделей — линейной регрессии. Пост содержит практические примеры реализации и подробный разбор недостатков рассматриваемой модели.

Дмитрий Ветров в ходе лекции в Яндексе рассказывает о преимуществах совмещения Байесовсих методов с технологиями машинного обучения. Как один из примеров приводится учет априорных предпочтений для препятствия излишней настройке параметров в ходе процедуры машинного обучения и, тем самым, частичного решения проблемы переобучения.

Директор SDSC Оливье Вершер объяснил в эфире телерадиокомпании RTS, что одна из основных задач его подразделения заключается в преодолении пропасти, которая существует сегодня между экспертами в своих областях – например, врачами, которые могли бы использовать данные для выбора способа лечения, наиболее подходящего конкретному пациенту, – и непосредственно учеными, работающими в сфере больших данных.

Не все открытые данные одинаково полезны. Статья на Хабрахабре описывает какие критерии качества существуют и как влияют на результат публикации данных в свободном и бесплатном доступе.

Роботу понадобилась одна секунда, чтобы завершить статью. По словам профессора Пекинского университета Вань Сяоцзюня, который занимался разработкой медиа-робота, Сяо Нань способен писать как короткие, так и достаточно длинные тексты.

Сбербанк в блоге на Хабрахабре описал кейсы практического применения Machine Learning и своё видение профессии Data scientist.