С 21 по 26 февраля планируется Data-марафон 2022 организованный KZ BI community.

Спикеры:
- Эмиль Джумабаев, эксперт по аналитике, Beeline
- Алибек Джакупов, Microsoft MVP, Франция
- Дмитрий Казаков, директор по данным, Kolesa Group
- Азат Есенов, управляющий партнер Maxinum, и его коллега - как стать ТОП делая фриланс проекты по аналитике
- Егор Иванов, BI-разработчик,создатель платформы Re:trafic для BI аналитиков
- Александр Голомозый,Enterprise Azure Specialist в Microsoft, Ирландия
- Екатерина Рехерт, Microsoft MVP, DataBoom, Казахстан и Вероника Миронова, сертифицированный Microsoft Excel специалист, DataBoom, Казахстан

Участие бесплатное, все встречи будут проходить в zoom

Регистрация: rekhert.com/data_marathon2022

«Инструменты NVIDIA для эффективной видеоаналитики», который пройдет 1 марта 2022 в 11.00.

В рамках вебинара мы расскажем об инструментах и технологиях, которые позволяют ускорить разработку и инференс IVA решений, разберём как и почему они работают:

- Automatic Mixed Precision для обучения моделей
- NVIDIA TAO Toolkit для быстрого обучения референсной модели
- DeepStream – фреймворк для инференса на потоковых данных, особенно видео
- Triton Inference Server – решение для инференса всего остального
- А также Omniverse — платформа для разработки цифровых двойников и других решений, комбинирующих 3D и нейросети

Регистрация:
register.gotowebinar.com/register/6966381849480881675

Курс про нейронные сети на казахском языке:

Нейрондық желілер және компьютерлік көру
Неліктен машиналық оқыту және нейрондық желілерді меңгеруді біздің курстан бастаған дұрыс? Біздің девиз - "Көбірек тәжірибе!": математикалық негіздерді өте қарапайым тілде түсіндіре отырып, курс авторлары, Samsung AI Center эксперттері компьютерлік көру тапсырмаларын шешу негізінде базалық білім береді. Бұл өте қызық!

stepik.org/course/84015/promo

​​Новость для всех кто имел проблемы с нашим ботом @databek_bot - мы решили проблему c регистрацией и чтобы начать процедуру вам достаточно снова набрать команду /start

Остальным напоминаем, что наше сообщество переехало в новую группу, куда уже перебралось более 650 человек.

Основная идея этого проекта: сделать наше сообщество более открытым, неанонимным и доверительным.

Основное отличие: внедрение сгенерированных на этапе регистрации визитных карточек

Мы надеемся, что внедрение данных визиток фасилитирует живое общение, новые волонтерские проекты, менторскую программу, очные и заочные митапы, а также повысит уровень доверия в нашему контенту!

Все, что от вас требуется: зарегистрироваться в нашем боте @databek_bot

13 апреля в 12:00 (GMT +6).

This presentation is about techniques that are used in automation of experiments and development of Machine Learning systems with Google Cloud and Google Colaboratory.

The presentation will be helpful for those who want to learn more about setting up Machine Learning models into production and building end-to-end ML pipelines.

Регистрация
gdg.community.dev/events/details/google-gdg-almaty-presents-cicd-and-automation-of-machine-learning-pipelines-with-google-cloud/

​​Всем привет! 23 апреля состоится BeeTech Conf 2.0.

Это ежегодная бесплатная IT-конференция от Beeline Казахстан для инженеров, разработчиков, product-менеджеров, QA-специалистов, agile-коучей, скрам-мастеров и других dev-специалистов. 

Что касается Data Science:

1. Vanilla chat-bot: Даир и Санжар расскажут об этапах прокачки «Даны» — уже имеющегося чат-бота компании Beeline. Вы узнаете о замене и дополнении ее частей предиктивными моделями.

2. Оцифровка сканированных документов: Ерасыл и Константин расскажут, как сэкономить много времени ручного труда, путем автоматизации рутинной задачи. Вы узнаете об оцифровке сканированных документов и сверке данных с использованием как классических методов CV, так и нейронных сетей.

3. Повышаем точность GEO: В докладе Ильмурат расскажет и покажет какие методы мы применили для повышения точности гео, какие трудности преодолели и какие результаты получили в итоге.

4. Доктор Loss. Дебаггинг обучения по косвенным признакам и советы для лучшей сходимости: При обучении сети можно долго смотреть на рисующиеся графики ошибок, а можно автоматизировать обнаружение нелепых багов! Андрей расскажет куда смотреть, что подкрутить, и как не потерять рассудок из-за нейросетей.

5. Стартап в горнодобыче: Темирлан расскажет о том, как происходит добыча медной руды и как из нее получается медный концентрат. Но главное — как применить машинное обучение для оптимизации производства меди. Какие виды данных используем для работы, какие модели и для чего. Что и как оптимизируем. UI и взаимодействие с командой предприятия (металлурги, операторы и тд). Анализ результатов: основные производственный показатели, что и как мы измеряем

Регистрация: https://bit.ly/3u4d38J 

Ерзат Дулат и Дархан Нурахметов про децентрализованные финансы, криптовалюты и web 3.0

Гостем подкаста физматчане еще раз будет выпускник РФМШ 2013 года Дулат Ерзат. Мы поговорим про развитие web3 и децентрализованных финансов в текущий кризисный период.

Также нам поможет в этом наш друг Дархан Нурахметов, который является сотрудником Яндекса, а в прошлом главой Data Science в группе Х5.

https://podcasts.apple.com/kz/podcast/%D1%84%D0%B8%D0%B7%D0%BC%D0%B0%D1%82%D1%87%D0%B0%D0%BD%D0%B5/id1591389198?i=1000557497642

Завтра, 12-го мая, в 14:00 по Алматы NVIDIA будет проводить вебинар, на котором расскажет про решения в сфере высокопроизводительных вычислений, ИИ, робототехники, беспилотного вождения и других направлениях, обладающих огромным потенциалом.

Целевая аудитория — те, кто только начинает работу в этих сферах. Запись только по приглашению.

Регистрация:
register.gotowebinar.com/register/607179330986639885

​​Команда KoronaPay, приглашает инженеров, разработчиков и data scientist-ов на ML meetup

С докладами выступят:

Тимур Фатыхов
Главный специалист по компьютерному зрению
Машинное отделение, KoronaPay
Сказ о том, как мы жуликов по лицу ловили

Евгений Чуканов
Руководитель отдела разработки
Машинное отделение, KoronaPay
ML&Python
Зачем Python?

Канат Куатов
TechLead направления распознавания документов
Verigram

Дата: 2 июня в 19:00
Сбор гостей в 18:30
Место: г. Алматы, Бар ZAVOD (Алматы, Умбетбаева, 183)

Подробная программа и регистрация по ссылке

https://koronapay-event.timepad.ru/event/2047454/

​​В данной форме вы можете оставить отзыв (преимущественно положительный для начала) на компанию в которой вы работаете или работали как дата специалист в Казахстане.

По результатам будут выбраны 8 компаний для голосования.

Давайте на время побудем менее токсичными и попробуем найти за что похвалить жанаказахстанских работодателей! :)

https://forms.gle/31tgrf7GjNm3F6DV9

Форма анонимная, но ответы будут публичными

По результатам голосования сообщества дата специалистов DS/ML KZ лучшими компаниями для работы с данными были номинированы:

Лучшие банки:
- Каспи (1 место в группе 2)
- Jusan Bank (2 место в группе 2)
- Халык Банк (3 место в группе 3)
——————————————————-
- Банк ЦентрКредит (6 место в группе 3)

Большие компании:
- Kolesa Group (1 место в группе 1)
- Beeline (2 место в группе 1)
- Magnum Cach&Carry (2 место в группе 3)
- InDriver (3 место в группе 2)
————————————————
- Tele2/Altel (4 место в группе 2)
- Chocofamily (3 место в группе 1)
- ERG (4 место в группе 2)

Стартапы:
- Сергек (1 место в группе 3)
- Cerebra AI (3 место в группе 3)
- Арбуз (4 место в группе 3)
———————————————
- Galamat AI (6 место в группе 3)
- Frontier (4 место в группе 1)
- Aitu dala (4 место в группе 1)

Дальнейшая процедура сравнения будет проводиться по 3 пунктам:
- количество положительных отзывов от бывших/текущих сотрудников
- голосование по положительным отзывам (опрос как раньше где помимо названия компании будут приведены положительные отзывы)
- качество / важность самого продукта по результатам опроса

Всем спасибо за участие в голосовании!

Лучший Банк Казахстана для работы в сфере анализа данных

На данном этапе мы оцениваем компании по положительным отзывам сотрудников

Номинанты:
- Каспи
- Халык Банк
- Jusan Bank
- Банк ЦентрКредит

Большая просьба к сообществу, если вы работаете или работали в одном из этих банков заполнить короткую форму.

Для вас это шанс дать обратную связь, которая будет услышана, для остальных это шанс получше разобраться в нашем рынке труда и принять более взвешенное решение на этапе поиска работы.

Помимо наших отсчетов все отзывы будут открыты и перенесены на glassdoor для большей видимости.

При этом ваш отзыв будет полностью анонимным, а все чувствительные данные необязательны для заполнения

Форма:
forms.gle/m3o6KaEZ9jBb2zfYA

Длительность: 3 дня

Лучшая большая компания Казахстана для работы в сфере анализа данных

На данном этапе мы оцениваем компании по положительным отзывам сотрудников

Номинанты:
- Kolesa Group
- Beeline
- Magnum Cach&Carry
- InDriver
- Tele2/Altel
- Chocofamily
- ERG
- BTS Digital
- Prime Source

Большая просьба к сообществу, если вы работаете или работали в одном из этих компаний заполнить короткую форму.

Для вас это шанс дать обратную связь, которая будет услышана, для остальных это шанс получше разобраться в нашем рынке труда и принять более взвешенное решение на этапе поиска работы.

Помимо наших отсчетов все отзывы будут открыты и перенесены на glassdoor для большей видимости.

При этом ваш отзыв будет полностью анонимным, а все чувствительные данные необязательны для заполнения

Форма:
forms.gle/dijV2dmfNqvfKM868

Длительность: 3 дня

ИТОГИ опроса сотрудников банков
Лучший Банк Казахстана для работы дата специалиста

Отзыв оставило 42 человека.
Из них мотивированных (отзывов с указанными минусами компании использую для борьбы с накрутками) было 33.

По мотивированным отзывам / всего отзывов
- Каспи - 15 / 17 - (4 балла)
- Халык Банк - 2 / 3 - (1 балл)
- Jusan Bank - 9 / 15 - (3 балла)
- Банк ЦентрКредит - 7 / 7 (2 балла)

Всего будет 3 раунда:
- количество мотивированных отзывов сотрудников
- анонимное сравнение отзывов сотрудников
- сравнение качества готовых сервисов работающих с данными

Сырые данные будут пошарены после подведения итогов.

В какой банк вы бы пошли работать?
Рейтинг = Рекомендуете ли вы вашу компанию как одну из лучших для работы в качестве дс/аналитика/дата инженера

Банк 1:
Рейтинг от сотрудников: 71%
ЗП ниже рынка: 14.5%
+++ Молодая команда
+++ Качество данных на хорошем уровне.
+++ Много свободы, коллеги готовы подсказывать и помогать, отсутствие дресс-кода, с руководителем на ты, нет постоянных переработок
+++ Всегда рады новым идеям
+++ Низкий порог вхождения
- - - DWH сложен для понимания
- - - Нет big data инструментов, но на то и нет большой необходимости.
- - - Нечеловеческие названия витрин (буквы и цифры без привязки к содержимому), данные могут прогружаться после 9 утра, можно обнаружить ошибки в данных
- - - Процесс внедрения модели

Банк 2
Рейтинг от сотрудников: 100%
ЗП ниже рынка: 0%
+++ Можно самим придумывать задачи/проекты с возможными данными
+++ Много данных. Работа на Python. Мощные вычислительные машины
+++ Выработанная система, порядок, большая команда, интересные задачи
+++ Свобода выбора проектов
+++ Хороший коллектив, возможность для роста
- - - не так много клиентов
- - - есть не подготовленные данные
- - - Нескончаемые задачи, переработки, подключение ночью(на собесе обговаривается),
- - - - Не самые полноценные данные ввиду небольшого количества клиентов

Банк 3
Рейтинг от сотрудников: 66.6%
ЗП ниже рынка: 40%
+++ Как старт хорошее место, команда большая
+++ Есть целые департаменты которые готовят данные, а аналитик работает с уже готовыми данными
+++ хорошо смотрится в резюме, как для джуна. Обучают, так как средств у банка хватает
+++ Богатые данные для валидации продуктовых гипотез (продуктовая аналитика), классная команда, столовая субсидировання
- - - Токсичный менеджмент, который загружает сотрудников абсолютно бесполезными задачами, тяжёлая атмосфера в коллективе
- - - Сильно экономят на зарплате, не называют вилку изначально, предложили зарплату существенно ниже рынка
- - - SAS, SAS и SAS
- - - Переработки. Очень много НЕОПЛАЧИВАЕМЫХ переработок Высокий уровень стресса
- - - Понятия дэдлайнов очень укорочена/ускорена

Банк 4
Рейтинг от сотрудников: 50.0%
ЗП ниже рынка: 0%
+++ много данных
+++ возможность использовать промышленный стек технологий
+++ дорогое оборудование
- - - процессы медленные
- - - безответственные сотрудники, из за этого в данных много ошибок
- - - часто повышают не компетентных (удобных для руководства)
- - - инфраструктура сервисов не готова для ds