Интересный отчет про текущую ситуацию и перспективы использования прогнозного обслуживания в европейских компаниях: Digital Industrial Revolution with Predictive Maintenance
Вчера в обсуждении про Predictive Maintenance затрагивали тему TinyML.
Во-первых, небольшая статья нашего коллеги Романа Созонова: TinyML. Сжимаем нейросеть
Во-вторых, рекомендовали когда-то ранее
- Книгу Warden P., Situnayake D., TinyML: Machine Learning with TensorFlow Lite on Arduino and Ultra-Low-Power Microcontrollers
- Ресурс с конференциями, вебинарами и митапами по теме
Во-первых, небольшая статья нашего коллеги Романа Созонова: TinyML. Сжимаем нейросеть
Во-вторых, рекомендовали когда-то ранее
- Книгу Warden P., Situnayake D., TinyML: Machine Learning with TensorFlow Lite on Arduino and Ultra-Low-Power Microcontrollers
- Ресурс с конференциями, вебинарами и митапами по теме
Порылся в закладках и получилась подборка по теме Predictive Maintenance (PdM).
Про задачи PdM
📌Хорошее краткое введение в область и основные задачи
How to Implement Machine Learning For Predictive Maintenance
📌Про типовые подходы к задачам PdM
Machine learning for predictive maintenance: where to start?
📌Еще одно введение, больше про подходы к моделированию RUL
Data-Driven Predictive Maintenance In a Nutshell
📌Кратко про ML против бизнес правил в PdM
Predictive Maintenance: Machine Learning vs Rule-Based Algorithms
📌И еще серия вводных статей про задачи PdM: Applied Data Science Series : Solving a Predictive Maintenance Business Problem
Part 1
Part 2
Part 3
Про детектирование аномалий в PdM
📌Как применяется детектирование аномалий
How to use machine learning for anomaly detection and condition monitoring
📌Кейсы детектирования аномалий и вообще PdM в различных индустриях
Anomaly Detection Solutions for Predictive Maintenance of Industrial Equipment
Примеры с кодом
📌Пример по детектированию аномалий
Anomaly Detection in Time Series Sensor Data
📌Серия статей про различные подходы к решению задачи
Exploring Nasa Turbofan
Про задачи PdM
📌Хорошее краткое введение в область и основные задачи
How to Implement Machine Learning For Predictive Maintenance
📌Про типовые подходы к задачам PdM
Machine learning for predictive maintenance: where to start?
📌Еще одно введение, больше про подходы к моделированию RUL
Data-Driven Predictive Maintenance In a Nutshell
📌Кратко про ML против бизнес правил в PdM
Predictive Maintenance: Machine Learning vs Rule-Based Algorithms
📌И еще серия вводных статей про задачи PdM: Applied Data Science Series : Solving a Predictive Maintenance Business Problem
Part 1
Part 2
Part 3
Про детектирование аномалий в PdM
📌Как применяется детектирование аномалий
How to use machine learning for anomaly detection and condition monitoring
📌Кейсы детектирования аномалий и вообще PdM в различных индустриях
Anomaly Detection Solutions for Predictive Maintenance of Industrial Equipment
Примеры с кодом
📌Пример по детектированию аномалий
Anomaly Detection in Time Series Sensor Data
📌Серия статей про различные подходы к решению задачи
Exploring Nasa Turbofan
На следующей неделе обсудим, что делать если A|B тестирование провести нельзя, а понять влияние воздействия необходимо, а именно, как в таких случаях применяются методы каузальности.
Встречаемся в голосовом чате в Telegram 17 июня в 21:00 МСК. (❗️Обратите внимание, что это четверг а не вторник).
В повестке обсуждения:
📌В каких случаях применяются методы каузальности и эконометрики?
📌Что это за направление?
📌Какие методы к нему относятся?
📌Какие рабочие, а какие не очень?
📌Какие реализованы в библиотеках?
📌Какие есть сложности?
Наши эксперты-спикеры:
😎Ирина Голощапова, PhD, Head of Data Science at LENTA
😎Максим Цыганков, Руководитель проектного направления «Оценка программ и политик», Центр перспективных управленческих решений
😎Наталья Тоганова, к.э.н., Бизнес-аналитик, GlowByte Advanced Analytics
😎Александр Бородин, к.ф.-м.н., Руководитель направления аналитики в финансах и рисках, GlowByte Advanced Analytics
Встречаемся в голосовом чате в Telegram 17 июня в 21:00 МСК. (❗️Обратите внимание, что это четверг а не вторник).
В повестке обсуждения:
📌В каких случаях применяются методы каузальности и эконометрики?
📌Что это за направление?
📌Какие методы к нему относятся?
📌Какие рабочие, а какие не очень?
📌Какие реализованы в библиотеках?
📌Какие есть сложности?
Наши эксперты-спикеры:
😎Ирина Голощапова, PhD, Head of Data Science at LENTA
😎Максим Цыганков, Руководитель проектного направления «Оценка программ и политик», Центр перспективных управленческих решений
😎Наталья Тоганова, к.э.н., Бизнес-аналитик, GlowByte Advanced Analytics
😎Александр Бородин, к.ф.-м.н., Руководитель направления аналитики в финансах и рисках, GlowByte Advanced Analytics
Рекомендовали уже когда-то ранее, пара книг по теме каузальности, почитать на выходных:
📕Pearl J., Mackenzie D., The Book of Why: The New Science of Cause and Effect
📗Peters J., Janzing D., Schölkopf B., Elements of Causal Inference: Foundations and Learning Algorithms
📕Pearl J., Mackenzie D., The Book of Why: The New Science of Cause and Effect
📗Peters J., Janzing D., Schölkopf B., Elements of Causal Inference: Foundations and Learning Algorithms
Видео докладов по теме causal от участников предстоящей экспертной комнаты и не только:
📺 Ирина Голощапова: Causal Inference Methods - Causal Inference in ML Track 2020
📺 Ирина Голощапова: Data Ёлка 2020 - Итоги года в Causal Inference in ML
📺 Максим Цыганков: Методы выявления причинности (causal inference) в оценке проектов и программ
📺 Наталья Тоганова: Обзор библиотеки EconML - идеи и реализация
📺 Иван Горбань, Денис Пятых: Causal methods in dynamic pricing
📺 Ирина Голощапова: Causal Inference Methods - Causal Inference in ML Track 2020
📺 Ирина Голощапова: Data Ёлка 2020 - Итоги года в Causal Inference in ML
📺 Максим Цыганков: Методы выявления причинности (causal inference) в оценке проектов и программ
📺 Наталья Тоганова: Обзор библиотеки EconML - идеи и реализация
📺 Иван Горбань, Денис Пятых: Causal methods in dynamic pricing
Подборка небольших статей про каузальность
📌 Статьи, которые питчат за «каузальный» подход:
📄 Why do we need causality in data science? – первая из серии статей
📄 Why every data scientist shall read “The Book of Why” by Judea Pearl – краткий обзор книги (кстати, если у вас есть подписка на SmartReading – там есть саммари книги на русском – почти реклама 🙈).
📌 Введение в Causal Inference в трех частях:
📄 Causal inference (Part 1 of 3): Understanding the fundamentals
📌 Статья, которая рассказывает об опыте применения в Uber:
📄 Using Causal Inference to Improve the Uber User Experience
📌 Статьи, которые питчат за «каузальный» подход:
📄 Why do we need causality in data science? – первая из серии статей
📄 Why every data scientist shall read “The Book of Why” by Judea Pearl – краткий обзор книги (кстати, если у вас есть подписка на SmartReading – там есть саммари книги на русском – почти реклама 🙈).
📌 Введение в Causal Inference в трех частях:
📄 Causal inference (Part 1 of 3): Understanding the fundamentals
📌 Статья, которая рассказывает об опыте применения в Uber:
📄 Using Causal Inference to Improve the Uber User Experience
Всем привет! 👻 вчера мы не затронули тему каузальности и выбора фичей.
Литературы много, поэтому хотим порекомендовать одно, но прекрасное видео:
📺 Ольга Филиппова: Causality and Shapley Values
Литературы много, поэтому хотим порекомендовать одно, но прекрасное видео:
📺 Ольга Филиппова: Causality and Shapley Values
Вчера в обсуждении упоминали кейс Северстали:
📺 Boris Voskresenskii: Causal inference for a steel mill
В каком то смысле есть преемственность между темой прошлой недели и темой этой недели)
📺 Boris Voskresenskii: Causal inference for a steel mill
В каком то смысле есть преемственность между темой прошлой недели и темой этой недели)
А мы плавно переходим к теме следующей недели: рекомендательные системы. Хороший пост про новые тренды:
📌 What’s new in recommender systems
Кстати, еще про преемственность наших тем, в упомянутой статье помимо графов и бандитов есть и про методы causal в задачах рекомендательных систем, а именно авторы рекомендуют обратить внимание на следующие работы:
📄 Stephen Bonner, Flavian Vasile, Causal Embeddings for Recommendation
📄 Yixin Wang, Dawen Liang, Laurent Charlin, and David Blei, Causal Inference for Recommender Systems
📄 Neela Sawant, Chitti Babu Namballa, Narayanan Sadagopan, and Houssam Nassif, Contextual Multi-Armed Bandits for Causal Marketing
Список можно еще расширить
📄 Amit Sharma, Jake M. Hofman, Duncan J. Watts, Estimating the causal impact of recommendation systems from observational data
📄 The Deconfounded Recommender: A Causal Inference Approach to Recommendation
📄 Shuyuan Xu, Yingqiang Ge, Yunqi Li, Zuohui Fu, Xu Chen, Yongfeng Zhang, Causal Collaborative Filtering
📄 Dawen Liang, Laurent Charlin, David M. Blei, Causal Inference for Recommendation
В общем, если не было планов на выходных, можно засесть изучать тему надолго 👩🎓👨🎓📚🤪
📌 What’s new in recommender systems
Кстати, еще про преемственность наших тем, в упомянутой статье помимо графов и бандитов есть и про методы causal в задачах рекомендательных систем, а именно авторы рекомендуют обратить внимание на следующие работы:
📄 Stephen Bonner, Flavian Vasile, Causal Embeddings for Recommendation
📄 Yixin Wang, Dawen Liang, Laurent Charlin, and David Blei, Causal Inference for Recommender Systems
📄 Neela Sawant, Chitti Babu Namballa, Narayanan Sadagopan, and Houssam Nassif, Contextual Multi-Armed Bandits for Causal Marketing
Список можно еще расширить
📄 Amit Sharma, Jake M. Hofman, Duncan J. Watts, Estimating the causal impact of recommendation systems from observational data
📄 The Deconfounded Recommender: A Causal Inference Approach to Recommendation
📄 Shuyuan Xu, Yingqiang Ge, Yunqi Li, Zuohui Fu, Xu Chen, Yongfeng Zhang, Causal Collaborative Filtering
📄 Dawen Liang, Laurent Charlin, David M. Blei, Causal Inference for Recommendation
В общем, если не было планов на выходных, можно засесть изучать тему надолго 👩🎓👨🎓📚🤪
Во вторник, 22 июня коллеги из GlowByte Advanced Analytics выступают на вебинаре Яндекс.Облако "Рекомендательные системы. Архитектура и применение"
Коллеги расскажут про архитектуру рекомендательных систем на базе сервисов платформы Яндекс.Облако, а также поделятся опытом построения рекомендательных систем для решения бизнес задач в различных индустриях и направлениях.
Спикеры от GlowByte Advanced Analytics:
😎Дмитрий Бутаков, архитектор Data&ML платформ
😎Андрей Иванов, руководитель направления прогнозной и оптимизационной аналитики цепочек поставок
Регистрация по ссылке →
Коллеги расскажут про архитектуру рекомендательных систем на базе сервисов платформы Яндекс.Облако, а также поделятся опытом построения рекомендательных систем для решения бизнес задач в различных индустриях и направлениях.
Спикеры от GlowByte Advanced Analytics:
😎Дмитрий Бутаков, архитектор Data&ML платформ
😎Андрей Иванов, руководитель направления прогнозной и оптимизационной аналитики цепочек поставок
Регистрация по ссылке →
cloud.yandex.ru
Рекомендательные системы: архитектура и применение
Покажем современную архитектуру рекомендательного движка на базе платформы данных Yandex.Cloud
В четверг, 24 июня, в 21:00 МСК встречаемся в голосовом чате и обсуждаем рекомендательные системы.
В повестке обсуждения:
📌В каких бизнес-задачах можно применять рекомендательные системы?
📌Когда можно использовать базовые методы и эвристики, а когда необходим продвинутый ML?
📌Как подойти к выбору целевой архитектуры рекомендательных систем? Для каких задач достаточно offline предрасчета, а когда может понадобится аналитика реального времени и streaming?
📌На что обратить внимание при оценке качества моделей рекомендательных систем в контексте конкретных бизнес задач?
Участники дискуссии:
😎Армен Амирханян, тимлид команды ML, Спасибо от Сбербанка
😎Данила Наумов, CDO, Утконос
😎Борис Устюгов, Head of DS, Утконос
😎Михаил Галкин, руководитель направления клиентской аналитики, GlowByte Advanced Analytics
😎Дмитрий Бутаков, архитектор Data&ML платформ, GlowByte Advanced Analytics
В повестке обсуждения:
📌В каких бизнес-задачах можно применять рекомендательные системы?
📌Когда можно использовать базовые методы и эвристики, а когда необходим продвинутый ML?
📌Как подойти к выбору целевой архитектуры рекомендательных систем? Для каких задач достаточно offline предрасчета, а когда может понадобится аналитика реального времени и streaming?
📌На что обратить внимание при оценке качества моделей рекомендательных систем в контексте конкретных бизнес задач?
Участники дискуссии:
😎Армен Амирханян, тимлид команды ML, Спасибо от Сбербанка
😎Данила Наумов, CDO, Утконос
😎Борис Устюгов, Head of DS, Утконос
😎Михаил Галкин, руководитель направления клиентской аналитики, GlowByte Advanced Analytics
😎Дмитрий Бутаков, архитектор Data&ML платформ, GlowByte Advanced Analytics
Всем, кто был сегодня с нами, еще раз спасибо!
А вот рекомендации посмотреть про рекомендации, о которых сегодня говорили=)
📺 Дзен-митап: алгоритмы и рекомендации
📺 Tinkoff AI. RecSys
А вот рекомендации посмотреть про рекомендации, о которых сегодня говорили=)
📺 Дзен-митап: алгоритмы и рекомендации
📺 Tinkoff AI. RecSys
Forwarded from Personalization_ru (Anna Ambrozevich)
Жара в самом разгаре🔫 А мы делимся подборкой статей про рекомендации на Netflix.
Знали ли вы, что в 2013 году Netflix получил награду Эмми за “Технологию персонализированных рекомендаций для выбора видео”🏆, а что они предложили награду в 1 млн долларов💰 той команде, которая сможет улучшить нативный рекомендательный движок Netflix Cinematch?
И что, в конце концов, они пошли еще дальше и персонализировали обложки для фильмов для разных сегментов пользователей. Все секреты в статьях ниже (eng):
- история персонализации Netflix https://marker.medium.com/a-brief-history-of-netflix-personalization-1f2debf010a1
- персонализация домашней страницы от Netflix https://netflixtechblog.com/learning-a-personalized-homepage-aa8ec670359a
- персонализация обложек фильмов от Netflix https://netflixtechblog.com/artwork-personalization-c589f074ad76
Знали ли вы, что в 2013 году Netflix получил награду Эмми за “Технологию персонализированных рекомендаций для выбора видео”🏆, а что они предложили награду в 1 млн долларов💰 той команде, которая сможет улучшить нативный рекомендательный движок Netflix Cinematch?
И что, в конце концов, они пошли еще дальше и персонализировали обложки для фильмов для разных сегментов пользователей. Все секреты в статьях ниже (eng):
- история персонализации Netflix https://marker.medium.com/a-brief-history-of-netflix-personalization-1f2debf010a1
- персонализация домашней страницы от Netflix https://netflixtechblog.com/learning-a-personalized-homepage-aa8ec670359a
- персонализация обложек фильмов от Netflix https://netflixtechblog.com/artwork-personalization-c589f074ad76
В этот четверг, 1 июля в 21:00 МСК будем разбираться чем MLOps отличается от ModelOps, что такое жизненный цикл моделей ML и зачем им управлять, а также, как выстраивать работу Data Science команды.
Затронем следующие вопросы:
❓Управление или управление моделями: Model Management vs Governance?
❓Что такое модельный риск, и почему этот термин становится актуальным не только для финансовых институтов?
❓Какие бывают методологии управления DS/ML проектами? Что выбрать: CRISP-DM, SEMMA, KDD или что-то еще?
❓Какие есть роли в реальных Data Science проектах помимо Data Engineer, Data Scientist и ML Engineer? И как эти роли распределены между бизнесом и IT?
Участники дискуссии - команда GlowByte Advanced Analytics:
😎 Андрей Гаркавый
😎 Михаил Зайцев
😎 Александр Кухтинов
😎 Павел Снурницын
Встречаемся, как обычно, здесь в голосовом чате.
Затронем следующие вопросы:
❓Управление или управление моделями: Model Management vs Governance?
❓Что такое модельный риск, и почему этот термин становится актуальным не только для финансовых институтов?
❓Какие бывают методологии управления DS/ML проектами? Что выбрать: CRISP-DM, SEMMA, KDD или что-то еще?
❓Какие есть роли в реальных Data Science проектах помимо Data Engineer, Data Scientist и ML Engineer? И как эти роли распределены между бизнесом и IT?
Участники дискуссии - команда GlowByte Advanced Analytics:
😎 Андрей Гаркавый
😎 Михаил Зайцев
😎 Александр Кухтинов
😎 Павел Снурницын
Встречаемся, как обычно, здесь в голосовом чате.
Прошлогодние (но не потерявшие актуальность) вебинары про ModelOps:
📺 ModelOps и практики управления модельным риском
📺 ModelOps: хватит разрабатывать модели, начинайте внедрять
И митап Data People:
📺 Практика Agile в data-driven проектах
📺 ModelOps и практики управления модельным риском
📺 ModelOps: хватит разрабатывать модели, начинайте внедрять
И митап Data People:
📺 Практика Agile в data-driven проектах