Как ML интегрировался в нашу жизнь 🦄

Я не перестаю удивляться насколько мы с вами живем в удивительное время!

Пообщались с Александром Толмачевым CDO из Ozon Fintech про задачи, которые сейчас стоят перед финтех индустрией, поговорили про то, какие проекты есть сейчас в компании, связку с маркетплейсом, а также насколько мы уже близки к тому, чтобы нас всех заменил AI 😜

Не могли не затронуть любимую всем тему - поиск работы для Junior, действительно ли там сейчас наблюдается переизбыток специалистов данного уровня, либо может дело в другом? 🧐

Также сделала небольшой обзор про конференцию по анализу данных и технологиям Data Fusion, кстати, конференция очень даже понравилась! Концентрация и технических и концептуальных докладов была максимальной! ❤️

Смотрим https://youtu.be/QZX3gAiO9ck

Какую выбрать ML-модель? 🧐

Давно мы с вами не разбирали практические вопросы! ⏭️

Одна из главных проблем многих начинающих - какую модель выбрать для решения задачи? Задачи в ML вообще разные бывают, как и сами данные. Но, как правило, такой ступор часто появляется при обработке табличных данных и в задачах типа регрессии/классификации.

Также бывают разные условия для работы таких моделей, что я имею в виду: техническое оборудование, количество самих данных, какие есть типы в них и пр. Можно много перечислять нюансов, но это уже будет прямо несколько лекций по ML System Design.

Начнем с линейных моделей 📏 Если у вас:
- Очень мало данных
- Ограничены технические ресурсы для обработки больших массивов (что сейчас уже крайне редко)
- Есть линейные зависимости между признаками и целевой переменной
- Есть необходимость максимально возможной интерпретируемости и прозрачности модели (так как это важно для бизнеса)
- Устоявшиеся требования какого-нибудь регулятора

То поздравляю, скорее всего, вы не только будете тестировать линейные модели в качестве бейзлайна, но и использовать их в виде конечного решения.

Хотите почитать про другие типы моделей? Ставьте 🔥