Python для ML, что нужно знать на старте

Python – основной язык в машинном обучении, но для старта не нужно знать его целиком. В этом видео Александр Дубейковский (ML-Engineer Авито, ex-Yandex, эксперт MLinside) разбирает, какая часть Python действительно используется в ML, какие библиотеки важны и как выглядит реальная работа ML-инженера. Вы поймёте, почему Python, это в первую очередь инструмент для работы с данными и экспериментами, а не язык для сложной разработки. Кому будет полезно это видео:• Новичкам в ML: чтобы не тратить время на изучение лишнего и сразу сфокусироваться на нужных навыках • Разработчикам, переходящим в ML: чтобы понять разницу между Python в backend и Python в машинном обучении • Студентам и самоучкам: чтобы выстроить правильную траекторию обучения без перегруза • Тем, кто готовится к ML-собеседованию: чтобы понять, какой уровень Python реально ожидается • Аналитикам (Data Analyst): чтобы перейти к ML и понять, какие инструменты уже совпадают (pandas, работа с данными) Таймкоды: 0:00 – Введение 0:55 – про Python и другие ЯП 1:43 – про NumPy  2:14 – про Pandas 2:57 – про библиотеки для моделей 3:35 – про Spark 4:44 – отличия Pandas и Spark 5:27 – про скорость экспериментов 6:31 – про Jupyter notebook 7:39 – что вам не нужно в Python  8:47 – что обычно проверяют на собеседованиях 9:41 – про то, как обстоят дела сейчас 11:57 – что почитать по Python 12:18 – Слово от Виктора Кантора 13:42 – какой уровень Python нужен для собеседования 14:08 – Заключение #карьеравIT