001. Из чего состоит data science и где это нужно в рекомендательных системах - Евгений Соколов
1 ноября в московском офисе Яндекса прошёл митап для начинающих разработчиков машинного обучения. Слайды презентаций опубликованы в программе на странице мероприятия: https://events.yandex.ru/events/ml-ju...
▶︎
Что понимаешь про карьеру в Data Science после десяти лет работы – Виктор Кантор
▶︎
004. Карьера в Data Science - Рома Халкечев
▶︎
AI-агент для офисных задач: знакомство с Codex
▶︎
Machine Learning in the Market - Mikhail Levin
▶︎
075. Карьера в data science: типичные ошибки на собеседовании – Валерий Бабушкин
▶︎
Как обычный пацан в NVIDIA собеседовался
▶︎
Никита Маршалкин: A/B-тесты сложнее, чем кажется | Интервью | karpov.courses
▶︎
Как выигрывать любые Data Science соревнования. Павел Плесков.
▶︎
Можешь ли ты стать Data Scientist-ом?
▶︎
001. Методы сокращения дисперсии, и зачем это нужно — Анатолий Карпов
▶︎
Интерстеллар, центр за $1 000 000 000, мегалазер / вДудь
▶︎
069. Три истории про машинное обучение в офлайн ритейле – Валерий Бабушкин
▶︎
Data Science что это? Что нужно знать, чтобы стать Data Scientist?
▶︎
Как мы не сделали рекомендательную систему в банке — Валерий Бабушкин
▶︎
Математика для Data Science - какая нужна и зачем? | Виктор Кантор
▶︎
Junior Data Scientist | Собеседование | karpov.courses
▶︎
074. Чем отличаются data analyst, data engineer и data scientist – Алексей Натёкин
▶︎
Собеседование на Middle Data Scientist | #Нанято S1E01RU
▶︎
Agents Week 2026 | Лекция 1.2 Tools. MCP
▶︎