51 min

Data Science ProDATA

    • Technology

Как разобраться с гигантским объемом данных, построить на их основе работающую рекомендательную систему и помочь бизнесу заказчика? Слушайте новый выпуск подкаста о Data Science. Узнайте, почему это направление всегда будет актуально в нашем цифровом мире, как с его помощью меняются целые области научных знаний, и что нужно уметь, чтобы устроиться на работу по этой специальности. В гостях – Татьяна Бородина, старший аналитик данных в компании EPAM. Ведущие – Евгений Никифоров и Данила Голощапов.

Таймкоды:

0:35 – Как Татьяна пришла в Data Science

2:05 – Кто такой дата-сайентист?

4:46 – В чем специфичные отличия Data Science

11:08 – Почему Data Science стала популярной именно в момент наибольшего интереса к Data-технологиям

16:33 – Про сложности в общении пользователей и роботов, созданных благодаря Data Science моделям

24:19 – Является ли проблемой неприятие пользователями созданных Data Science моделей

25:35 – Как устранять ошибки в выводах, которые делает модель

27:48 – Когда не хватает данных, на чём обучать модель?

31:16 – Приходится ли сталкиваться с проблемами личной этики при работе с большими данными в Data Science?

35:22 – Насколько реально использовать созданные модели не по назначению

39:20 – Области, где Data Science вносит существенные изменения уже сейчас, и области, где перемены только предстоят

43:35 – Есть ли области, где Data Science вообще не нужен?

46:54 – Полезные рекомендации тем, кто хочет попасть в Data Science

Как разобраться с гигантским объемом данных, построить на их основе работающую рекомендательную систему и помочь бизнесу заказчика? Слушайте новый выпуск подкаста о Data Science. Узнайте, почему это направление всегда будет актуально в нашем цифровом мире, как с его помощью меняются целые области научных знаний, и что нужно уметь, чтобы устроиться на работу по этой специальности. В гостях – Татьяна Бородина, старший аналитик данных в компании EPAM. Ведущие – Евгений Никифоров и Данила Голощапов.

Таймкоды:

0:35 – Как Татьяна пришла в Data Science

2:05 – Кто такой дата-сайентист?

4:46 – В чем специфичные отличия Data Science

11:08 – Почему Data Science стала популярной именно в момент наибольшего интереса к Data-технологиям

16:33 – Про сложности в общении пользователей и роботов, созданных благодаря Data Science моделям

24:19 – Является ли проблемой неприятие пользователями созданных Data Science моделей

25:35 – Как устранять ошибки в выводах, которые делает модель

27:48 – Когда не хватает данных, на чём обучать модель?

31:16 – Приходится ли сталкиваться с проблемами личной этики при работе с большими данными в Data Science?

35:22 – Насколько реально использовать созданные модели не по назначению

39:20 – Области, где Data Science вносит существенные изменения уже сейчас, и области, где перемены только предстоят

43:35 – Есть ли области, где Data Science вообще не нужен?

46:54 – Полезные рекомендации тем, кто хочет попасть в Data Science

51 min

Top Podcasts In Technology