Баннер мобильный (1) Пройти тест

Послушай умного человека: ТОП-10 подкастов по Data Science и Машинному Обучению

Единственный известный человечеству способ стать мастером своего дела — это учиться всегда, учиться везде. С появлением подкастов набираться…

Статьи

23 марта 2023

Поделиться

Скопировано
Послушай умного человека: ТОП-10 подкастов по Data Science и Машинному Обучению

Содержание

    Единственный известный человечеству способ стать мастером своего дела — это учиться всегда, учиться везде. С появлением подкастов набираться новых знаний можно и в пробке, и в спортзале, да хоть на свидании (не рекомендуем). Представляем вам топ подкастов по машинному обучению и data science. Порядок произвольный, знание английского обязательно.

    Data Skeptic

    (сайт, RSS, iTunes)

    Один из самых известных и популярных подкастов в нашей области. Счет эпизодов перевалил за две сотни. Выходит еженедельно, освещает data science, машинного обучения, статистики, искусственного интеллекта как такового. Не стесняются актуальных и общественно-важных тем вроде применения всех этих технологий в «фейк-ньюс». Ведущие подробно разбирают темы каждой серии, позволяя слушателям познакомиться со всеми тонкостями существующих идей и технологий. Кроме того, у микрофона нередко оказываются видные профессионалы отрасли, которые предоставляют экспертное мнение по тем или иным вопросам.

    Linear Digressions

    (сайт, RSS, iTunes)

    Еще один еженедельный подкаст с парой ведущих. Темы те же, что и у «скептиков», хронометраж поменьше — полчаса. Особенность этой программы в том, что создатели подкаста дружат в «реальной жизни», поэтому у шоу очень приятная атмосфера.

    Это помогает слушателям разобраться в сложных темах. Ведущие стараются подробно разбирать самые запутанные вопросы, объясняя их технологическую основу и показывая примеры практического применения. Учитывая небольшую длительность серий, получается удобоваримое резюме по каждой теме, после которого можно при желании копать глубже.

    Talking Machines

    (сайт, RSS, iTunes)

    Создательница этой передачи поставила себе целью популяризацию сложных технических материй, чтобы не допустить новой «зимы искусственного интеллекта». Так профессионалы отрасли называют угасание интереса к ИИ, который следует за периодом повального увлечения этими технологиями (как говорят в таких случаях, ВЫ СЕЙЧАС ЗДЕСЬ). 

    Эта цель обуславливает и подачу материала, которая оказывается легче, чем во многих других подобных передачах. Ведущие ориентируются не только на специалистов по ИИ, но и менее подкованных в технологиях слушателей — людей из бизнеса, аналитиков, простых любителей науки.

    Большинство 40-минутных эпизодов построены по одной схеме: новости отрасли, интервью с гостем в студии, ответ на вопрос от слушателя. Поскольку основательница подкаста пришла с профессионального радио, у передачи отличная динамика. А ее со-ведущий обладает профессорской степенью, так что в конечном счете контент все равно отвечает научным критериям.

    O’Reilly Data Show

    (сайт, RSS, iTunes)

    Первый в нашем списке сольный подкаст. Ведущий работает ведущим дата-сайентистом в одной из компаний, и в каждой серии он приглашает на разговор кого-то из профессионалов отрасли. 

    Хронометраж составляет 30-40 минут, формат технологичный, но доступный. Стоит отметить, что в каждом выпуске ведущий говорит о каком-либо интересном мероприятии по темам подкаста. Так что если вы хотите познакомиться с крупнейшими деятелями data science в «естественной среде обитания», эта программа вам в этом поможет.

    Data Stories

    (сайт, RSS, iTunes)

    Создатели этого подкаста выбрали очень специфическую тему — визуализация аналитических данных. Учитывая, что оба ведущих профессионально занимаются этой темой, у слушателей есть уникальная возможность познакомиться с вопросами, о которых в открытых источниках говорят нечасто.

    В каждом выпуске к микрофону приглашается гость, с которым идет разговор об аналитике и способах наглядного представления информации. Оба ведущих прекрасно умеют вести дискуссию и раскрывают каждого своего собеседника. Профессионалы могут почерпнуть тонкости мастерства, а люди, далекие от визуализации данных, — узнать, как сильно она влияет на нашу жизнь.

    SuperDataScience

    (сайт, RSS, iTunes)

    Этот подкаст ведет человек с приятным нашему уху именем — Кирилл Еременко. Тем не менее, программа англоязычная. Посвящена она проблемам карьеры в data science.

    Ведущий приглашает в студию состоявшихся профессионалов и расспрашивает их о ключевых решениях, необходимых компетенциях и прочих поворотах историй карьерного успеха. Помимо основных серий, Еременко записывает так называемые «Пятничные пятиминутки» (Five Minute Friday), которые призваны замотивировать слушателей на развитие. Здесь он как рассуждает на общие темы, так и дает конкретные советы, как специалисту по машинному обучению зарядиться на успех.

    Data Science at Home

    (сайт, iTunes) 

    Еще один подкаст, направленный на популяризацию ИИ и машинного обучения. По стилю он больше напоминает авторскую колонку, так что слушатели часто могут познакомиться с личными взглядами ведущего, состоявшегося эксперта по Data Science, на те или иные проблемы профессии.

    Среди них — и технологические аспекты, и карьерные темы, и пресловутая «зима ИИ». У передачи нет строгого расписания и формата — в одних сериях ведущий размышляет один, в других к нему присоединяются коллеги. Первые эпизоды, как правило, составляют около 20 минут, вторые приближаются к часу.

    This Week in Machine Learning & Artificial Intelligence

    (сайт, RSS, iTunes)

    Эта еженедельная программа держит слушателей в курсе последних новостей в индустрии. Ведущий ориентируется на самую широкую аудиторию — от инженеров и исследователей машинного обучения до людей из бизнеса и простых энтузиастов.

    Перед тем, как познакомиться с этим подкастом будет нелишним освежить свой технический бэкграунд — в отличие от многих других участников нашего списка, здесь создатели не делают слушателям скидок и ведут рассказ весьма хардкорно. Благодаря новостному формату архив передачи можно использовать в исторических целях, чтобы из будущего послушать, как к разным событиям мира ИИ относились их свидетели.

    DataFramed

    (сайт, iTunes)

    Ведущий этой программы совмещает работу дата-сайентиста с писательством и преподаванием. Поэтому ему удается дать аудитории широкую перспективу по самым разным вопросам науки о данных.

    В студию к нему тоже приходят разносторонние люди, так что все разговоры получаются интересными и многогранными. Специальные рубрики посвящены кратким ликбезам по отдельным аспектам профессии. Если вы хотите понимать влияние искусственного интеллекта на неочевидные стороны нашей жизни или, например, узнать, как построить карьеру независимого дата-сайентиста, то вам точно будет интересно.

    Artificial Intelligence in Industry

    (сайт, RSS, iTunes) 

    Еще одно еженедельное шоу по широким вопросам Data Science и общества. Интенсивные получасовые эпизоды наполнены беседам с ИИ-профессионалами, которые рассказывают о применении технологий в финансах, государственном управлении, образовании и так далее.

    Ведущий стремится вызвать интерес у слушателей, которые захотят сами погрузиться в предмет. Как на любом первом уроке, поданную информацию очень просто понять, а вопросы, которые звучат в эфире, застревают в голове и требуют ответа.

    Ура, бонус

    Дочитали? Молодцы. Тогда держите еще несколько подкастов — эти уже на русском. Как мы говорили в начале, по Data Science передач пока нет, но интересный контент для IT-специалистов все же найти можно.

    • Moscow Python Podcast — проект сообщества пайтонистов, где профессионалы обсуждают вопросы разного уровня сложности.
    • Podlodka — этот подкаст ведут четыре специалиста из крупных IT-компаний, которые беседуют со своими гостями о мобильной разработке и прочих актуальных технологиях.
    • Радио-Т — наконец, нельзя не сказать о первом и главном IT-подкасте Рунета, хотя его, наверно, и так все знают. А если вы не знаете, то обязательно подпишитесь.

    Статьи

    Поделиться

    Скопировано

    0 комментариев

    Комментарии