Вы, Константин Blacksmith, маньяк, не иначе)))

Штирлиц был извращенец, поэтому во Вращенцах ему установили памятник.

ну праильно.

Добрый день! Не подскажите где можно взять датасет, размеченный, ФИО и пол? Для решения задачи определения пола по ФИО

эти списки гуглятся легко, ключевые слова "список русских имен с полом", "список русских фамилий с полом", первое попавшееся, что нашел https://mydata.biz/ru/catalog/databases/names_db - но там качество имен какое то убогое, пару лет назад находил очень хорошего качества список, где автор нагрепал с российских соц сетей, помимо пола у него была ещё частота вхождения. Есть второй путь - если уже есть список фио - воспользоваться инструментами с гитхаба, например MlSexDetector или аналогом

Спасибо! в принципе я на все это натыкался, буду с этим работать.

фамилии и отчества можно разметить по паттернам, понятно что фамилия с окончанием на -ян, -идце, -адзе и прочие армянские, грузинские - они все без признака пола, а в отчествах -ович =>М, -овна -> Ж и тп

на гитхабе уже готовых пару либ видел

+ еще всякие корейские фамилии типа Пак, Ким итд

Всем привет! Яндекс.Переводчик разыскивает аналитика-разработчика, желающего заниматься human eval'ом машинных переводов. Если коротко, то надо будет настраивать качественные проекты на Толоке (crowdsource-разметка), а также заворачивать это в автоматические процессы. У нас уже много сделано для главных языковых пар, но мы расширяемся и нужны ещё руки.

Официальное описание вакансии (продуктовой работы не будет, только если захотите)
https://yandex.ru/jobs/vacancies/analytics/analyst_perevodchik/
Зарплатная вилка 150-300 тысяч рублей.

Можно либо апплаится по ссылке, либо писать с вопросами мне или @mashashma

Если нужен такой инструмент готовый - библиотека Петрович вроде называется.
Как минимум можно будет сравнивать решение ваше с готовым

с ФИО очень простые правила (например, закачивается на -ва, -вна), позволяют большую часть датасета разметить. а оставшиеся наверное надо машинным обучением добивать. всё сразу в модельку я бы подавать не стал

круто!!! спасибо огромное!

кстати я вот взял большой датасет, который кто-то спарсил с соцсеточек и даже проверка на банальное вхождение дает покрытие около 90%

просто заказчик хочет близкое к 100 :)

в общем как обычно

какая-то там стремноватая разметка (((

Валентина Рыбалко
0