В этой статье, а вернее целой истории, я хотел бы поделиться своим путем становления в качестве разработчика на Python и рассказать о некоторых идеях и советах, которые я усвоил за это время. Начиная с моих первых проектов и заканчивая моей текущей деятельностью, я поделюсь накопленным опытом и попробую осветить проблемы, с которыми я столкнулся на своем пути. Кого-то данная статься вдохновит начать свой собственный путь в разработке, а кому-то будет интересно прочитать историю успешного кейса входа и закрепления в ИТ.

Компании на Хабре не любят. Точнее, так: достойная публикация хороша как в корпоративном блоге, так и в частном, а вот так себе статья в блоге компании будет низвержена с особым пристрастием. Это вполне нормальная реакция аудитории на рекламный (хоть и нативный) контент: если делаешь, делай хорошо, мы сюда пришли не рекламные буклеты читать. А с другой стороны, это ещё и возможность прислушаться к отзывам читателей и стать лучше, серьёзнее, актуальнее и глубже. И если вы думаете, что на картинке к статье акула — это большие компании на Хабре, а рыбки — малые, вы ошибаетесь. Рыбки — это все компании, а акула — ироничная, умная и осторожная аудитория Хабра, с которой нужно ладить. Без обмана, навязчивости и непрофессионализма. Трудно, но надо. 

Всем привет!

Сегодня мы детально обсудим очень важный класс моделей машинного обучения – линейных. Ключевое отличие нашей подачи материала от аналогичной в курсах эконометрики и статистики – это акцент на практическом применении линейных моделей в реальных задачах (хотя и математики тоже будет немало).

Пример такой задачи – это соревнование Kaggle Inclass по идентификации пользователя в Интернете по его последовательности переходов по сайтам.

UPD 01.2022: С февраля 2022 г. ML-курс ODS на русском возрождается под руководством Петра Ермакова couatl. Для русскоязычной аудитории это предпочтительный вариант (c этими статьями на Хабре – в подкрепление), англоговорящим рекомендуется mlcourse.ai в режиме самостоятельного прохождения.

Все материалы доступны на GitHub.
А вот видеозапись лекции по мотивам этой статьи в рамках второго запуска открытого курса (сентябрь-ноябрь 2017). В ней, в частности, рассмотрены два бенчмарка соревнования, полученные с помощью логистической регрессии.