Machine Learning Podcast

В гостях сегодня Татьяна Шаврина, старший научный сотрудник Института Языкознания РАН. Обсуждаем бенчмарки - стандартизированные наборы тестов, метрик и протоколов оценки, предназначенные для объективного измерения производительности больших языковых моделей. Что произошло в индустрии за последние 4 года с момента записи предыдущего выпуска? Все ли проявления естественного интеллекта можно наблюдать у искусственного? Как автоматизировать науку? Как и для чего автоматически проверять новые архитектуры сетей на разных доменах? Скоро ли агентные системы начнут выигрывать у людей kaggle-соревнования? Как ИИ-учёные ддосят учёных-людей? Зачем большим языковым моделям сдавать выпускные экзамены на бакалавра? Как не допустить того, чтобы разработчики бенчмарков и больших моделей договорились? Какие проблемы существуют у современных решений? Почему к OpenAI всегда так много претензий? Кто и как придумывает бенчмарки? Придумали ли бенчмарк для определения, что AGI уже здесь? Если заработал сто миллиардов долларов, то уже AGI? Где взять бенчмарки, если ты не OpenAI? Почему высокие метрики на бенчмарках могут не являться решающим фактором при выборе модели под свою задачу? Обо всём этом и многом другом в выпуске!Ссылки выпуска:Телеграм-канал Татьяны (https://t.me/rybolos_channel)Буду благодарен за обратную связь!Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)Обо мне (https://t.me/toBeAnMLspecialist/935)Мой телеграм для связи (https://t.me/kmsint)Также со мной можно связаться по электронной почте: kms101@yandex.ruЯ сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике (https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов и вообще вести проекты на Python!Также в соавторстве с крутыми разработчиками я пишу курс по продвинутой разработке телеграм-ботов с элементами микросервисной архитектуры (https://stepik.org/a/153850?utm_source=mlpodcast&utm_campaign=ep_72).Выразить благодарность можно добрым словом и/или донатом (https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

Ещё год назад собирались записаться с Тимуром Гуевым (автором самого популярного и, на мой взгляд, самого лучшего курса по Python на русском языке) на тему необходимости математики для современного программиста. Но тогда почему-то не получилось, зато получилось теперь и мы пообщались не только про математику, но и про алгоритмы. Почему если хочется хороших и быстрых денег, то это не про программирование? Бывают ли ненужные знания? Спрашивают ли на собесах про функцию Аккермана? Нужны ли компаниям олимпиадники? Система образования устарела? Нужно ли вместо математики в ВУЗах больше практических дисциплин и проектной работы? Как соревноваться с ChatGPT в решении задач? Смотрят ли работодатели на скор на литкоде? Спасут ли хорошие алгоритмы плохой продукт? Чем плоха преждевременная оптимизация? Обо всём этом и многом другом в выпуске!Ссылки выпуска:Все курсы от Поколения Python (https://www.pygen.ru/)Телеграм-канал Тимура и его команды (https://t.me/pygen_ru)Статьи Тимура на Хабре (https://habr.com/ru/users/tguev/articles/)Буду благодарен за обратную связь!Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)Обо мне (https://t.me/toBeAnMLspecialist/935)Мой телеграм для связи (https://t.me/kmsint)Также со мной можно связаться по электронной почте: kms101@yandex.ruЯ сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике (https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов!Также в соавторстве с крутыми разработчиками я пишу курс по продвинутой разработке телеграм-ботов с элементами микросервисной архитектуры (https://stepik.org/a/153850?utm_source=mlpodcast&utm_campaign=ep_71).Выразить благодарность можно добрым словом и/или донатом (https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

Продолжаем разговор с Александром Резановым про генеративный искусственный интеллект. Александр - ML Engineer, специализирующийся на генеративном компьютерном зрении и сегодня поговорим про видео. Что проще генерировать, картинки или текст? Может ли беговая дорожка обыграть в шахматы чемпиона мира? Почему все модели неверны? Как машины могут ехать, если колёса крутятся в разные стороны? Как померить "волтность" модели и что это вообще такое? Зачем изучать старые архитектуры нейросетей, если сейчас миром правят трансформеры? Как задача генерации видео делает модели умнее? Как индустрия для взрослых в очередной раз двигает прогресс? Когда модели будут генерировать полноценные фильмы? Обо всём этом в выпуске!Ссылки выпуска:Статья про VizDoom (https://worldmodels.github.io)Genie 2 от Deepmind (https://deepmind.google/discover/blog/genie-2-a-large-scale-foundation-world-model/)Muse от Microsoft, появилось в феврале 2025 на ту же тему (https://www.microsoft.com/en-us/research/blog/introducing-muse-our-first-generative-ai-model-designed-for-gameplay-ideation/)Буду благодарен за обратную связь!Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)Обо мне (https://t.me/toBeAnMLspecialist/935)Мой телеграм для связи (https://t.me/kmsint)Также со мной можно связаться по электронной почте: kms101@yandex.ruЯ сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике (https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов!Также в соавторстве с крутыми разработчиками я пишу курс по продвинутой разработке телеграм-ботов с элементами микросервисной архитектуры (https://stepik.org/a/153850?utm_source=mlpodcast&utm_campaign=ep_70).Выразить благодарность можно добрым словом и/или донатом (https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

Встречайте специальный выпуск нового сезона со специальным гостем - Николаем Додоновым. Николай профессиональный психолог, член ассоциации когнитивно-поведенческой психологии, автор популярных книг по психологии, привычкам и эффективности управления делами. В подкасте мы поговорим о том как страхи могут управлять нами и мешать в достижении целей. В том числе финансовых. Обсудим почему одинаковый уровень хард-скиллов не гарантирует одинаковый уровень дохода. Откуда берутся страхи и всегда ли они оправданы. Что такое модель отношений и как она влияет на принятие нами решений. Почему нам может быть тревожно, когда всё хорошо. Как мы сами себе создаём проблемы с заработком. Как разрубить классический гордиев узел отсутствия опыта для работы, без которого не получить работу для опыта. Почему важно не просто писать код, решающий конкретную задачу, но и понимать, как решение этой задачи влияет на общую систему, в целом. Почему мы часто всё понимаем, но ничего не делаем. Почему кажется, что знаний всегда недостаточно. Почему сравнивать себя с другими и даже с самим собой - это не самый эффективный путь понять свою ценность. Поехали!Ссылки выпуска:Телеграм-канал Николая (https://t.me/n_dodonov)Новая книга Николая "Майндхакинг. Как мозг принимает решения и заставляет нас действовать в режиме НЕ-ТВОЯ-ЖИЗНЬ" (https://www.labirint.ru/books/918435/)Буду благодарен за обратную связь!Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)Мой телеграм для связи (https://t.me/kmsint)Также со мной можно связаться по электронной почте: kms101@yandex.ruЯ сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике (https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов!Также в соавторстве с крутыми разработчиками я пишу курс по продвинутой разработке телеграм-ботов с элементами микросервисной архитектуры (https://stepik.org/a/153850?utm_source=mlpodcast&utm_campaign=ep_69).Выразить благодарность можно добрым словом и/или донатом (https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

В гостях Дмитрий Берестнев - Chief Data Scientist/Head of ML музыкального сервиса Zvuk.com. Будем разговаривать про музыкальные рекомендации и немного затронем генерацию музыкальных треков. Как понять, что хочет пользователь, если он и сам не знает чего хочет? Как отличить негативный локальный фидбэк от негативного глобального? Какие признаки можно извлечь из музыкальных произведений? Надо ли распознавать тексты песен и что такое смысловой вектор? Как сверточные нейронные сети, которые работают с изображениями, применяют к музыке? Для чего заваривают плейлисты? Существует ли сезонность пользователя? Что произошло такого, что низкокачественный jukebox превратился в достойный suno? Можно ли генерировать музыку на лету, на основании предпочтений пользователей? Когда мы будем слушать полноценные новые альбомы от ушедших исполнителей? Как послушать сказку голосом любого персонажа? Обо всём этом в выпуске!Ссылки выпуска:Курс по обработке звука на huggingface (https://huggingface.co/learn/audio-course/ru/chapter0/introduction)Курс по рекомендательным системам (https://ods.ai/tracks/mts-recsys-df2020) и его продолжение (https://ods.ai/tracks/recsys-course2021?ysclid=m60q0k5fnh456599369)Соревнования по рекомендательным системам:https://www.kaggle.com/competitions/otto-recommender-system/overviewhttps://www.kaggle.com/competitions/h-and-m-personalized-fashion-recommendationshttps://www.recsyschallenge.com/2023/Буду благодарен за обратную связь!Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)Мой телеграм для связи (https://t.me/kmsint)Также со мной можно связаться по электронной почте: kms101@yandex.ruЯ сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике (https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов!Также в соавторстве с крутыми разработчиками я пишу курс по продвинутой разработке телеграм-ботов с элементами микросервисной архитектуры (https://stepik.org/a/153850?utm_source=mlpodcast&utm_campaign=ep_68).Выразить благодарность можно добрым словом и/или донатом (https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

В гостях выпуска Сергей Николенко - доцент физико-математических наук, старший научный сотрудник ПОМИ РАН, доцент ФМКН СПбГУ, Head of AI компании Synthesis AI, исследователь в области машинного обучения, в частности глубокого обучения, теоретической информатики и анализа алгоритмов, автор более 200 публикаций в этих и других областях информатики и математики, автор нескольких книг, в том числе бестселлера "Глубокое обучение" (Питер, 2018) и монографии "Synthetic Data for Deep Learning" (Springer, 2021). Почему математики в машинном обучении много, а машинное обучение в математике приходится искать? Могут ли программы перебирать другие программы для решения задач перебором? Почему до сих пор не автоматизировали поиск решений для задач тысячелетия? Решают ли большие языковые модели олимпиадные задачи по математике лучше олимпийцев? Как победить LLM на математической олимпиаде, подсунув ей задачи по геометрии? Можно ли автоматизировать учёного? Что лучшие математики современности думают о модели o1? Могут ли нейросети выводить физические законы? Как понять, что AGI уже здесь? А что делать, если уже здесь? Как написать системный промпт к очередной LLM так, чтобы она не захотела уничтожить человечество? На кого учиться, если кругом все делают роботы? Обо всем этом в выпуске!Ссылки выпуска:Страница Сергея, список публикаций и google scholar:https://logic.pdmi.ras.ru/~sergey/https://logic.pdmi.ras.ru/~sergey/papers.htmlhttps://scholar.google.com/citations?user=_lk95cEAAAAJКурс по машинному обучению 2023-2024 (сейчас последний семестр): https://logic.pdmi.ras.ru/~sergey/teaching/mlspsu2023.htmlКурс по машинному обучению 2024-2025 (сейчас первый семестр): https://logic.pdmi.ras.ru/~sergey/teaching/mlspsu2024.htmlЗаписи семинара, на котором мы с Сергеем познакомились:Мечтаем ли мы об AGI (https://www.youtube.com/watch?v=6E8JUchlKSg)Что происходит в AI сегодня (https://www.youtube.com/watch?v=FGNphH7nw9w)Буду благодарен за обратную связь!Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)Мой телеграм для связи (https://t.me/kmsint)Также со мной можно связаться по электронной почте: kms101@yandex.ruЯ сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике (https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов!Также в соавторстве с крутыми разработчиками я пишу курс по продвинутой разработке телеграм-ботов с элементами микросервисной архитектуры (https://stepik.org/a/153850?utm_source=mlpodcast&utm_campaign=ep_67).Выразить благодарность можно добрым словом и/или донатом (https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

В гостях Лекс Кравецкий - популяризатор науки в области математики и Computer Science, исследователь искусственного интеллекта и его влияния на общество. Выпуск у нас сегодня больше философский, чем технологический, потому что иногда стоит делать остановки и рефлексировать по поводу места человека среди технологий. Можно ли сказать, что искусственный интеллект человеческого уровня достигнут? А что если нейросети "чувствуют"? Какого цвета стоп-кран в самолете? Можно ли приготовить свиные крылышки по рецепту, написанному ChatGPT? Как построить коллегию искусственных интеллектов, принимающих решение путем дебатов и голосования? Как научить нейросеть ругаться матом? Будет ли ИИ конкурировать с человеком за ресурсы и чем нам это грозит? Захочет ли ИИ нас уничтожить или решит, что сотрудничать выгоднее? Почему мы до сих пор не доверяем беспилотным транспортным средствам, хотя статистика требует уже давно начать доверять? Как тестировать свои идеи с помощью ИИ? Надо ли становиться архитектором промптов? Куда деться человеку от нашествия роботов? Возможны ли фейковые профессии? Как начать получать удовольствие от процесса с помощью фармакологии? Обо всем этом в выпуске!Ссылки выпуска:YouTube-канал Лекса (https://www.youtube.com/@KravetskiLex)Плейлист про ИИ (https://www.youtube.com/playlist?list=PLkitAWWhaFc6RIf11hLDJpBbbtMWXPRbd)Мысли Лекса в ЖЖ (https://lex-kravetski.livejournal.com/)Телеграм-канал Лекса (https://t.me/lexkravetski)Буду благодарен за обратную связь!Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)Мой телеграм для связи (https://t.me/kmsint)Также со мной можно связаться по электронной почте: kms101@yandex.ruЯ сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике (https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов!Также в соавторстве с крутыми разработчиками я пишу курс по продвинутой разработке телеграм-ботов с элементами микросервисной архитектуры (https://stepik.org/a/153850?utm_source=mlpodcast&utm_campaign=ep_66).Выразить благодарность можно добрым словом и/или донатом (https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

Сегодня в гостях сразу 3 гостя - это авторы и преподаватели курса "Нейронные сети и их применение в научных исследованиях" в МГУ им. В.М. Ломоносова - Виктор Немченко, Сергей Колпинский и Артём Васильев. Ребята участвуют в крутейшей, на мой взгляд, инициативе - созданию учебных материалов по ML и преподаванию машинного обучения студентам, аспирантам и научным сотрудникам, чтобы помогать им внедрять методы ML в свои научные исследования. А говорим мы о том как и зачем вообще родилась такая инициатива, почему сейчас сложно представить учёного, который не пользуется методами машинного обучения, почему все материалы курса в открытом доступе для всех желающих. Также обсуждаем умер или продолжает жить и развиваться научпоп, заменит ли ИИ учёных в ближайшее время, где взять мотивацию на изучение нового и как среди этого "нового" не потеряться, почему учёные не ищут легких путей и что за датасеты на салфетках, нужен ли ML юристам, как посчитать сколько съели голодные жуки, как читать научные статьи, если ничего непонятно, почему Нобелевскую премию за машинное обучение дали по физике и почему важно считать протеины. Интересного и полезного прослушивания!Ссылки выпуска:Сайт msu.ai, где есть вся информация о курсе.YouTube канал с видеоматериалами (https://youtube.com/@msu_ai).Резервная площадка с видеоматериалами (https://rutube.ru/channel/41484206/)Телеграм-канал с новостями курса и полезными сслыками по теме (https://t.me/msu_ai_channel).Репозиторий с материалами лекций (https://github.com/EPC-MSU/EduNet-lectures/tree/dev-2.2).Ссылки на кейсы, о которых шла речь, есть в телеграм-канале, потому что здесь уже не помещается (https://t.me/toBeAnMLspecialist/903).Буду благодарен за обратную связь!Мой телеграм для связи (https://t.me/kmsint)Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)Я сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике (https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов!Также в соавторстве с крутыми разработчиками я пишу курс по продвинутой разработке телеграм-ботов с элементами микросервисной архитектуры (https://stepik.org/a/153850?utm_source=mlpodcast&utm_campaign=ep_65).Выразить благодарность можно добрым словом и/или донатом (https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

В гостях этого выпуска Екатерина Кондратьева — специалист по анализу медицинских изображений с более чем 7-летним опытом. Екатерина закончила аспирантуру в Сколтехе и работала в Институте AIRI. Последние два года она возглавляла команду по машинному зрению в израильском healthech стартапе LiteBC. В этом выпуске Екатерина расскажет о текущем состоянии Medical GPT, где применяются модели для медицинских задач и как они трансформируют анализ данных в здравоохранении. Какие вызовы стоят перед командами разработчиков медицинских AI-моделей? Что можно сделать, имея свои данные на руках? Легко ли стать радиологом? Будут ли у нас MedChatGPT? Заменят ли ML-модели врачей? Как диффузионные модели генерируют снимки с болезнями для обучения других моделей? Что вообще сейчас с телемедициной? Как стать тимлидом в зарубежной компании сразу после универа? Почему лето, не потраченное на стажировку - это лето, потраченное впустую? Как выбрать карьерный трек по МЛ в медицине (индустрия или наука)? Обо всем этом и многом другом в новом выпуске!Ссылки выпуска:Канал Екатерины про науку и данные мозга (https://t.me/i_am_boiled)Выступление Екатерины на Яндекс PMLConf2024 и полезные странички из выпуска (https://insidekatesbrain.ru/)Подкаст об информационной безопасности "Смени пароль" (https://pc.st/1570896327)Буду благодарен за обратную связь!Мой телеграм для связи (https://t.me/kmsint)Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)Я сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике (https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов!Также в соавторстве с крутыми разработчиками я пишу курс по продвинутой разработке телеграм-ботов с элементами микросервисной архитектуры (https://stepik.org/a/153850?utm_source=mlpodcast&utm_campaign=ep_64).Выразить благодарность можно добрым словом и/или донатом (https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

В гостях выпуска Виталий Кулиев - разработчик ИИ-проектов и автор YouTube-канала, который так и называется "Виталий Кулиев". С Виталием сначала я познакомился заочно через просмотр его роликов по ML и компьютерному железу, которое требуется для локального запуска опенсорсных моделей машинного обучения, а теперь и лично. Разговариваем о том, какие есть возможности у разработчиков и экспериментаторов ИИ нашего времени для работы на своих компьютерах. 3090, 3090 ti или 4090? Какие LLM можно запустить локально? В какие ограничения упираются локальные эксперименты с большими моделями? Можно ли и имеет ли смысл строить распределенную систему обучения больших моделей, по примеру распределенного майнинга криптовалют? Почему две видеокарты лучше, чем три? Обо всем этом в выпуске!Ссылки выпуска:YouTube канал Виталия (https://www.youtube.com/@kuliev.vitaly)Телеграм-канал Виталия (https://t.me/vitaly_kuliev_it)GPU сервера компании immers cloud. По реферальной ссылке доступен бонус 20% к первому пополнению (https://immers.cloud/signup/r/20240522-6407208-835/) Альфа версия проекта Виталия для доступа к нейросетям по API (https://rus-gpt.com/)Буду благодарен за обратную связь!Мой телеграм для связи (https://t.me/kmsint)Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)Я сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике (https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов!Также в соавторстве с крутыми разработчиками я пишу курс по продвинутой разработке телеграм-ботов с элементами микросервисной архитектуры (https://stepik.org/a/153850?utm_source=mlpodcast&utm_campaign=ep_63).Выразить благодарность можно добрым словом и/или донатом (https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

В гостях выпуска Александр Резанов - ML Engineer в Higgsfield AI, специалист по генеративному компьютерному зрению, о котором мы и будем говорить. Как развивалась область генеративного AI, какие подходы к генерации картинок применялись тогда и какие применяются сейчас. Нормализующие потоки, состязательные сети и диффузионные модели. Что с генерацией видео? Можно ли уже сейчас генерировать качественные видеоролики по текстовому описанию? Имеет ли смысл тягаться с корпорациями, вваливающими миллиарды долларов в вычислительные мощности, если у тебя одна не самая мощная видеокарточка? Где происходит все самое интересное по теме для обычного пользователя? Как учатся GAN'ы и как из шума получать фотореалистичные изображения? Reddit как источник идей и вдохновения для современных исследователей. Обо всем этом, и даже немного про сверхпроводимость в условиях комнатных температур, в выпуске!Ссылки выпуска:Статья на arxiv про вариационные автоэнкодеры (https://arxiv.org/abs/1312.6114)Статья на arxiv про генеративно-состязательные сети (https://arxiv.org/abs/1406.2661)Сайт с фотографиями несуществующих людей (https://thispersondoesnotexist.com/)Статья на arxiv про Latent Diffusion Model (https://arxiv.org/abs/2112.10752)OpenSource интерфейсы для диффузионных сетей:1. AUTOMATIC1111 (https://github.com/AUTOMATIC1111/stable-diffusion-webui)2. ComfyUI (https://github.com/comfyanonymous/ComfyUI)Буду благодарен за обратную связь!Мой телеграм для связи (https://t.me/kmsint)Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)Я сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике (https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов!Также в соавторстве с крутыми разработчиками я пишу курс по продвинутой разработке телеграм-ботов с элементами микросервисной архитектуры (https://stepik.org/a/153850?utm_source=mlpodcast&utm_campaign=ep_62).Выразить благодарность можно добрым словом и/или донатом (https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

Общаемся с Александром (Алероном) Миленькиным - ML лидером в Dodo Brands, IT-предпринимателем, Kaggle-экспертом, преподавателем. Обсуждаем то, как можно использовать современные ИИ-технологии, чтобы иметь конкурентное преимущество. Почему лучше строить ML вокруг бизнеса, а не бизнес вокруг ML. Нужны ли в современных реалиях свои большие ML-модели или достаточно пользоваться сторонними сервисами с внешним API. Что такое и как устроены RAG-системы. Кто такие агенты и как заставить их работать на себя. Можно ли подкупить языковые модели, чтобы они выдавали полезную для тебя информацию. Почему надо качать насмотренность и как это может помочь находить лучшие бизнес-идеи. Почему даже только знание о том, что существует ChatGPT может быть тем самым конкурентным преимуществом. Долго ли ждать нашествия тьюторов в виртуальной реальности. Когда уже, наконец, языковые модели заменят программистов. Обо всем этом в выпуске!Ссылки выпуска:Телеграм-канал Александра Data Feeling (https://t.me/datafeeling)Телеграм-бот на базе AI для изучения английского Speakadora AI (https://t.me/Speakadora_bot)Курс Александра "Введение в соревновательный Data Science" (https://stepik.org/a/108888)Буду благодарен за обратную связь!Мой телеграм для связи (https://t.me/kmsint)Я сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике (https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов!Также в соавторстве с крутыми разработчиками я пишу курс по продвинутой разработке телеграм-ботов с элементами микросервисной архитектуры (https://stepik.org/a/153850?utm_source=mlpodcast&utm_campaign=ep_61).Выразить благодарность можно добрым словом и/или донатом (https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

В гостях выпуска Егор Самосват - руководитель юнита эффективности монетизации Авито. Разговариваем о том, что такое монетизация и как машинное обучение позволяет находить оптимальный баланс между "заработать побольше" и "принести пользу". Почему долгосрочные стратегии выгоднее. Почему бесплатно - далеко не всегда хорошо. Что такое теория аукционов и при чем здесь Англия. Как искусственный интеллект определяет какому объявлению быть в топе. Как сейчас устроена контекстная реклама. Почему даже хорошие модели иногда ошибаются. Как определить недобросовестных участников сделок. А также почему здоровая жадность может приносить пользу всем игрокам. Обо всем этом в выпуске!Ссылки выпуска:1. Practical ML Conf - конференция по машинному обучению для опытных ML-специалистов. На мероприятии ведущие инженеры поделятся своими знаниями о практическом применении ML. Если вы хотите стать слушателем, оставляйте заявку на сайте. Участвовать в конференции можно очно в Москве или онлайн из любой точки мира.2. Лекции по Алгоритмической теории игр (https://www.youtube.com/playlist?list=PLEGCF-WLh2RJBqmxvZ0_ie-mleCFhi2N4)3. Доклады по монетизации на Авито (https://youtu.be/0eYjmKyqyjk?t=6670)Буду благодарен за обратную связь!MLBookClub (https://t.me/+HIXnIwXIIFAyYzYy). Условия участия (https://t.me/toBeAnMLspecialist/750)Мой телеграм для связи (https://t.me/kmsint)Я сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике (https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов!Также в соавторстве с крутыми разработчиками я пишу курс по продвинутой разработке телеграм-ботов с элементами микросервисной архитектуры (https://stepik.org/a/153850?utm_source=mlpodcast&utm_campaign=ep_60).Выразить благодарность можно добрым словом и/или донатом (https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)Реклама. ООО "Яндекс"; ИНН 7736207543, Erid: 2VSb5ymiNq6

В гостях Лаида Кушнарева - Старший Академический Консультант, Huawei, которую в мире Data Science больше знают как Техножрицу. Общаемся про то, как обстоят дела в мире исследований вокруг машинного обучения. Как поменять математику на программирование, но продолжить заниматься математикой. Почему вычисления квадратного корня на калькуляторе необратимы и причем здесь головастики. Плюсы и минусы в работе современного ученого. Как проходит день исследователя. Докатился ли кризис воспроизводимости научных исследований до DS. Почему культура проведения эксперимента не менее важна, чем математическая обоснованность его предпосылок. Обо всем этом и многом другом в эпизоде!Ссылки выпуска:Паблик Лаиды "Техножрица" (https://t.me/tech_priestess)Упомянутое в выпуске видео 3blue1brown про фрактальную размерность (https://youtu.be/zUZw6l2IPRk)Статья на NeurIPS, написанная Лаидой и её коллегами (см. список авторов), про применение фрактальной размерности для детекции текстов, сгенерированных chatGPT (https://neurips.cc/virtual/2023/poster/72624)Другие научные статьи гостьи выпуска (https://scholar.google.com/citations?user=rsTb_hYAAAAJ&hl=en) Одна из статей про обнаружение галлюцинаций модели LLAMA 2 (https://arxiv.org/abs/2312.17249)Книга "Математика в машинном обучении" (https://mml-book.github.io/)Пост с подборкой бесплатных учебных материалов по математике и machine learning, которыми можно пользоваться, чтобы вникать в эту область (https://habr.com/ru/articles/774844/)Обсуждение статьи gzip с некорректно поставленным экспериментом (пример того, как иногда бывает) (https://t.me/tech_priestess/841)Еще одно обсуждение статьи gzip с некоторым троллингом (https://t.me/tech_priestess/847)Буду благодарен за обратную связь!Вступайте в книжный ML-клуб, где мы читаем книги по машинному обучению и смежным темам!MLBookClub (https://t.me/+HIXnIwXIIFAyYzYy). Условия участия (https://t.me/toBeAnMLspecialist/750)Мой телеграм для связи (https://t.me/kmsint)Я сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике (https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов!И буквально пару месяцев назад я открыл доступ к пре-релизу нового курса по продвинутой разработке телеграм-ботов с элементами микросервисной архитектуры (https://stepik.org/a/153850?utm_source=mlpodcast&utm_campaign=ep_59), который пишу в соавторстве с крутыми разработчиками.Выразить благодарность можно добрым словом и/или донатом (https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

В гостях выпуска Дмитрий Матвейчев - Deep Learning Researcher, PhD кандидат, занимающийся разработкой нейронных сетей для решения задач компьютерного зрения с использованием mmwave FMCW радаров. Разговариваем о том, зачем компьютерное зрение нужно в радиосвязи на примере микроволновых радаров. Как совместить классическую цифровую обработку сигналов с современными подходами из области машинного обучения, что такое радары и какие у них есть применения в гражданской промышленности, заменят ли радары камеры и лидары в беспилотных автомобилях, сколько стоит вставить радар в ухо и зачем потом махать руками, почему большой брат теперь не только смотрит за тобой, но и чувствует чем ты занимаешься, а также многое другое в выпуске.Ссылки выпуска:google soli - проект распознавания жестов от гугл (использовался в google pixel) (https://github.com/simonwsw/deep-soli)Ramp-CNN - датасет + статья и код по обнаружению людей и машин (https://github.com/Xiangyu-Gao/Radar-multiple-perspective-object-detection?utm_source=catalyzex.com)Курируемый лист датасетов и проектов использующих FMCW радары (https://github.com/ZHOUYI1023/awesome-radar-perception/blob/main/README.md)SincNet - параметризация свертки как частотного фильтра (https://github.com/mravanelli/SincNet)Еще больше ссылок по теме в телеграм-канале Стать специалистом по машинному обучению (https://t.me/toBeAnMLspecialist)Буду благодарен за обратную связь!Вступайте в книжный ML-клуб, где мы читаем книги по машинному обучению и смежным темам!MLBookClub (https://t.me/+HIXnIwXIIFAyYzYy). Условия участия (https://t.me/toBeAnMLspecialist/750)Мой телеграм для связи (https://t.me/kmsint)Также со мной можно связаться по электронной почте: kms101@yandex.ruЯ сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике (https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов!И буквально пару месяцев назад я открыл доступ к пре-релизу нового курса по продвинутой разработке телеграм-ботов с элементами микросервисной архитектуры (https://stepik.org/a/153850?utm_source=mlpodcast&utm_campaign=ep_58), который пишу в соавторстве с крутыми разработчиками.Выразить благодарность можно добрым словом и/или донатом (https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

В гостях Антонина Горячева - Head of ML в СберМаркете. Разговариваем о том, как устроен ML в онлайн-сервисе доставки продуктов и товаров с полок магазинов, начиная от того, зачем вообще машинное обучение в таких компаниях и заканчивая рассмотрением некоторых конкретных инструментов для решения ML-задач. Бывает ли такое, что заказов настолько много, что от них приходится отказываться. Как понять какую скидку нужно сделать, чтобы заработать больше, чем потерять. Как облегчить работу ретушерам фото для карточек товаров. Часто ли приходится пилить фичи, которые никому не нужны. Кого сейчас нанимают в ML-команды и как повысить свои шансы на трудоустройство. Чему можно научиться в процессе работы в такой команде. Какие качества нужно развивать, чтобы ИИ заменил тебя не сразу. Обо всем этом в выпуске.Ссылки выпуска:Канал в Телеграм про AI "Сиолошная" (https://t.me/seeallochnaya)Телеграм-канал Оли Соколовой (СЕО Скандинавии). Тоня пишет, что Оля ее очень вдохновляет как женщина лидер и у нее можно многому научиться в смысле менеджмента) (https://t.me/naiznankuo)Телеграм-канал SberMarket Tech, где Тоня и ее команда периодически делятся историями про то, как они развивают ML в СберМаркете (https://t.me/sbermarket_tech)Выступление Тони на DS Meetup в СберМаркете (https://www.youtube.com/watch?v=WQ34cu51VTs)Подкаст Для tech и этих: выпуск, в котором Тоня принимала участие (https://podcast.ru/e/5RmwiScWNDS)Буду благодарен за обратную связь!Вступайте в книжный ML-клуб, где мы читаем книги по машинному обучению и смежным темам!MLBookClub (https://t.me/+HIXnIwXIIFAyYzYy). Условия участия (https://t.me/toBeAnMLspecialist/750)Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)Мой телеграм для связи (https://t.me/kmsint)Также со мной можно связаться по электронной почте: kms101@yandex.ruЯ сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике (https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов!И буквально месяц назад я открыл доступ к пре-релизу нового курса по продвинутой разработке телеграм-ботов с элементами микросервисной архитектуры (https://stepik.org/a/153850?utm_source=mlpodcast&utm_campaign=ep_57), который пишу в соавторстве с крутыми разработчиками.

Гостем сегодняшнего выпуска стал Юрий Окуловский - Senior Data Scientist, кандидат физико-математических наук, ранее руководитель лаборатории искусственного интеллекта и робототехники УрФУ, также вы, возможно, его знаете как автора нескольких видеокурсов по программированию и рациональному мышлению. Юрий уже был гостем подкаста примерно три года назад и мы снова решили встретиться пообщаться, тем более у Юрия интересный взгляд на происходящие изменения в обществе, связанные со стремительным развитием технологий. В подкасте обсуждаем как превратить нейросеть в своего личного литературного негра, нужно ли гуманоидное тело современному секс-роботу, как сделать свою собственную Алису из Бесконечного лета, почему менеджеров автоматизировать проще, чем программистов, почему дохли куры у Ленина, почему корпорации не могут позволить себе делать, действительно, персонализированные и полезные продукты на базе ИИ, а также многое-многое другое.Ссылки выпуска:Предыдущий выпуск подкаста с Юрием "Искусственный Интеллект в мире моды и как подготовиться к Сингулярности" (https://mlpodcast.mave.digital/ep-11)Курсы по программированию (Юрия и не только): https://ulearn.meКурс Юрия по Научному Мышлению: https://stepik.org/course/578Телеграмм-канал Свидетели сингулярности: https://t.me/witnessesofsingularityСсылки на технологии, обсуждаемые в подкасте (https://t.me/toBeAnMLspecialist/786)Буду благодарен за обратную связь!Вступайте в книжный ML-клуб, где мы читаем книги по машинному обучению и смежным темам!MLBookClub (https://t.me/+HIXnIwXIIFAyYzYy). Условия участия (https://t.me/toBeAnMLspecialist/750)Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)Мой телеграм для связи (https://t.me/kmsint)Также со мной можно связаться по электронной почте: kms101@yandex.ruЯ сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике (https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов!И буквально месяц назад я открыл доступ к пре-релизу нового курса по продвинутой разработке телеграм-ботов с элементами микросервисной архитектуры (https://stepik.org/a/153850?utm_source=mlpodcast&utm_campaign=ep_56)Выразить благодарность можно добрым словом и/или донатом (https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

Гостем выпуска стал Илья Гусев - известный NLP-специалист, сделавший большой вклад в область своими опенсорс-проектами, среди которых анализатор морфологии, генератор стихов, сборка различных датасетов и некоторые другие. Один из таких проектов как раз и стал поводом к сегодняшнему общению. Это большая языковая модель, заточенная на работу с русским языком - Сайга. Но говорим в выпуске мы далеко не только о ней. Илья сделал классный исторический экскурс в современные языковые модели, рассказал некоторые подробности об их устройстве, о тех подходах, которые применяют, чтобы такие модели можно было запускать на домашнем компьютере, как с помощью языковых моделей можно решать разные задачи и стоит ли вообще использовать локальные модели. Интересного и полезного прослушивания!Ссылки выпуска:Статья Ильи на Хабре "Как (быстро) сделать русский локальный ChatGPT" (https://habr.com/ru/articles/759386/)Сервис для запуска больших языковых моделей локально - lmstudio (https://lmstudio.ai/)Репозиторий сервиса oobabooga, с помощью которого можно запустить веб-интерфейс для работы с LLM локально (https://github.com/oobabooga/text-generation-webui)Репозиторий сервиса Text Generation Inference (TGI), который позволяет развертывать и поддерживать LLM (https://github.com/huggingface/text-generation-inference)Статья на arxiv "Self-Consuming Generative Models Go MAD" с анализом того, к чему приводят разные подходы обучения LLM на синтетических датасетах, сгенерированных другими LLM (https://arxiv.org/abs/2307.01850)Пост Ильи со списком материалов для погружения в NLP (https://t.me/natural_language_processing/81627)Буду благодарен за обратную связь!Вступайте в книжный ML-клуб, где мы читаем книги по машинному обучению и смежным темам!MLBookClub (https://t.me/+HIXnIwXIIFAyYzYy)Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)Мой телеграм для связи (https://t.me/kmsint)Также со мной можно связаться по электронной почте: kms101@yandex.ruЯ сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике (https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов!И буквально неделю назад я открыл доступ к пре-релизу нового курса по продвинутой разработке телеграм-ботов с элементами микросервисной архитектуры (https://stepik.org/a/153850?utm_source=mlpodcast&utm_campaign=ep_55)Выразить благодарность можно добрым словом и/или донатом (https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

Этот выпуск немного нестандартный. Во-первых, он новогодний, потому что выходит 31 декабря, а во-вторых, в нем сразу два гостя - Валерий Бабушкин и Арсений Кравченко. Валерий и Арсений в сооавторстве написали книгу, посвященную большой и интересной теме проектирования ML-систем "Machine Learning System Design with end-to-end examples". И о данном опыте мы поговорили. Как пришла идея написать книгу, почему в соавторстве, а не раздельно, для кого будет полезна данная книга, из каких частей состоит ML System Design, как подходить к разработке ML-систем разной сложности и так далее. Два взгляда двух разных авторов одной книги!Ссылки выпуска:Книга "Machine Learning System Design with end-to-end examples" (https://arseny.info/ml_design_book)Буду благодарен за обратную связь!Вступайте в книжный ML-клуб, где мы читаем книги по машинному обучению и смежным темам!MLBookClub (https://t.me/+HIXnIwXIIFAyYzYy)Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)Мой телеграм для связи (https://t.me/kmsint)Также со мной можно связаться по электронной почте: kms101@yandex.ruА еще я сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике (https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов!Выразить благодарность можно добрым словом и/или донатом (https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

В гостях выпуска Евгений Соколов - научный руководитель Центра непрерывного образования и академический руководитель бакалавриата «Прикладная математика и информатика» факультета компьютерных наук НИУ ВШЭ, доцент. Евгений уже много лет преподает студентам компьютерные науки и Data Science Поговорили в выпуске о том как сейчас работается современным преподавателям, какие приходят студенты, чего ожидают от ВУЗа, с какими вызовами сталкиваются. Евгений поделился мыслями о том, какие качества нужно в себе развивать, чтобы успешно заниматься Data Science и какие качества будут мешать. Как подготовиться к поступлению в технический ВУЗ, если вы еще школьник, что нужно для того, чтобы научное комьюнити в стране развивалось активнее, чем еще нужно заниматься в жизни кроме того, чтобы постоянно учиться и многое другое в выпуске!Ссылки выпуска:Сайт Центра непрерывного образования, в котором Евгений является научным руководителем: https://cs.hse.ru/dpo/Телеграм канал Центра непрерывного образования ФКН: https://t.me/cshsedpoБуду благодарен за обратную связь!Вступайте в книжный ML-клуб, где мы читаем книги по машинному обучению и смежным темам!MLBookClub (https://t.me/+HIXnIwXIIFAyYzYy)Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)Мой телеграм для связи (https://t.me/kmsint)Также со мной можно связаться по электронной почте: kms101@yandex.ruА еще я сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике (https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов!Выразить благодарность можно добрым словом и/или донатом (https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

В гостях Юрий Кацер - эксперт по анализу данных и машинному обучению в промышленности, DS team lead Conundrum.ai. В выпуске говорим о том, что такое временные ряды и как их можно анализировать и прогнозировать с помощью машинного обучения. Какие задачи из реального мира сводятся к анализу временных рядов? Как работать с некачественными данными? Почему техобслуживание даже одной детали большой системы может привести к тому, что ML-модель отправится на свалку истории? Имеет ли смысл методы анализа временных рядов применять для того, чтобы угадать курс биткоина? С чего начать погружение в область? И как экономить деньги компании на сезонности? Обо всем этом в выпуске подкаста!Ссылки выпуска:Телеграм-канал Юрия о задачах ML в промышленности и не только (https://t.me/DataKatser)Пост со ссылками на открытые датасеты с промышленными данными (https://t.me/DataKatser/62)Одна из лучших лекций на русском про прогнозирование временных рядов (https://www.youtube.com/watch?v=u433nrxdf5k)Набор блокнотов и презентация по анализу временных рядов (https://github.com/DataForScience/Timeseries/tree/master)Буду благодарен за обратную связь!Вступайте в книжный ML-клуб, где мы читаем книги по машинному обучению и смежным темам!MLBookClub (https://t.me/+HIXnIwXIIFAyYzYy)Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)Мой телеграм для связи (https://t.me/kmsint)Также со мной можно связаться по электронной почте: kms101@yandex.ruА еще я сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике (https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов!Выразить благодарность можно добрым словом и/или донатом (https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

В гостях выпуска Антон Чунаев - менеджер ML-продуктов Selectel, основатель сообщества про MLops и продакшн ML и одноимённого ежегодного митапа MLечный путь (Эмэлечный путь). Поговорили про развивающееся перспективное направление в ML-сфере - MLOps - инженерную дисциплину, направленную на унификацию процессов разработки и развертывания ML-систем. Антон довольно подробно рассказывает о том, что такое MLOps, из каких этапов состоит, чем отличается от DevOps, нужно ли внедрять практики MLOps любому бизнесу и, если нужно, то как, с чего начать, на какие моменты обратить внимание в первую очередь, где взять готовых специалистов, что изучать тем, кто хочет стать такими специалистами, а также как ML-инженерам убедить бизнес в необходимости внедрения MLOps. Очень насыщенный информацией получился выпуск. Полезного прослушивания!Ссылки выпуска:Что такое MLOps? Самый подробный текст про работу с ML-системами, который вы найдете в интернете - статья Антона на Хабре (https://habr.com/ru/companies/selectel/articles/703460/)Сообщество ML и MLOps инженеров в телеграм MLечный путь (https://t.me/+jfw9uzr6tBwxZmEy)Записи докладов прошедших митапов MLечный путь (https://www.youtube.com/playlist?list=PLCHX0Xp-DjKornS--bbuumAzeEcAC0Ad5)YouTube канал конференции MLOPS WORLD CONFERENCE (https://www.youtube.com/@mlopsworldmachinelearningi9769)Буду благодарен за обратную связь!Вступайте в книжный ML-клуб, где мы читаем книги по машинному обучению и смежным темам!MLBookClub (https://t.me/+HIXnIwXIIFAyYzYy)Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)Мой телеграм (https://t.me/kmsint)Также со мной можно связаться по электронной почте: kms101@yandex.ruА еще я сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике (https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов!Выразить благодарность можно добрым словом и/или донатом (https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

В гостях Руслан Гончаров  - современный дизайнер, автор телеграм-канала "Нейронная академия", автор многочисленных подробных гайдов по генерации изображений с помощью нейросетей. Обсудили с Русланом хайповую тему генерации изображений по текстовому описанию (промптам) с помощью разных самых продвинутых технологий. Подробно обсудили Stable Diffusion и то, как современным дизайнерам расширить с помощью нейросетей свой арсенал. Сколько времени займет обучение генерации изображений приемлемого качества? Как сгенерировать арт своей мечты? Что ждет индустрию для взрослых в самом ближайшем будущем? Какое железо нужно, чтобы начать воплощать свои творческие фантазии? Заменят ли нейросети дизайнеров и художников полностью? Как заставить нейросети рисовать то, что хочется вам? На эти и многие другие вопросы есть ответы в диалоге с Русланом!Ссылки выпуска:Телеграм-канал Руслана - Neural|Photo|Art - Нейронная академия (https://t.me/neuralphotoart)Телеграм-группа Руслана для общения единомышленников - (https://t.me/neuralphotoart_chat)Сайт с моделями и артами Civitai (https://civitai.com/)Буду благодарен за обратную связь!Вступайте в книжный ML-клуб, где мы читаем книги по машинному обучению и смежным темам!MLBookClub (https://t.me/+HIXnIwXIIFAyYzYy)Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)Мой телеграм (https://t.me/kmsint)Также со мной можно связаться по электронной почте: kms101@yandex.ruА еще я сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике (https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов!Выразить благодарность можно добрым словом и/или донатом (https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

Общаемся с Данилой Медведевым - трансгуманистом и прикладным футурологом - о рисках, которые несет человечеству сильный искусственный интеллект и что с этим делать. Кто страшнее: злобный футуролог или василиск Роко? Кто такой Василий Сёрль? Как не повторить судьбу семантического попугая? Почему мы готовы бездумно передавать искусственному интеллекту управление нашей жизнью? Где взять детектор экспертов? Встают ли мозги на место к 60 годам? Можно ли стать вулканологом, посмотрев на извержение вулкана? К какому лагерю, космистов или терранов, вам придется примкнуть в будущей войне с искусственным интеллектом? Почему стоит выделить отдельно когнитивный театр военных действий и как готовить для него профессионалов? Обо всем этом говорим в выпуске.Ссылки выпуска:Сайт Данилы Медведева (https://danilamedvedev.com/)Телеграм-канал Данилы (https://t.me/danilamedvedev)Ютуб-канал Данилы (https://www.youtube.com/@Danila1)Билл Бензон и Девид Хейз статья "The Evolution of Cognition" (http://asweknowit.ca/evcult/CogEvol.shtml)Китайская комната (https://ru.wikipedia.org/wiki/%D0%9A%D0%B8%D1%82%D0%B0%D0%B9%D1%81%D0%BA%D0%B0%D1%8F_%D0%BA%D0%BE%D0%BC%D0%BD%D0%B0%D1%82%D0%B0)Василиск Роко (https://ru.wikipedia.org/wiki/%D0%92%D0%B0%D1%81%D0%B8%D0%BB%D0%B8%D1%81%D0%BA_%D0%A0%D0%BE%D0%BA%D0%BE)Lesswrong на русском (https://lesswrong.ru/)Чек-лист жизни (https://neal.fun/life-checklist/)Лекция Данилы "Старение, сложность и стратегия - системный взгляд" (https://www.youtube.com/watch?v=Rrh2Yx2MG_U)Фильм про операцию британской разведки "Мясной фарш" (https://www.kinopoisk.ru/film/650762)Буду благодарен за обратную связь!Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)Мой телеграм (https://t.me/kmsint)Также со мной можно связаться по электронной почте: kms101@yandex.ruА еще я сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике (https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов!Выразить благодарность можно добрым словом и/или донатом (https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

В гостях выпуска Андрей Данильченко - специалист, отвечающий за качество геопоиска в Яндекс Картах. Андрей в Яндексе с 2011 года и успел прикоснуться к большому количеству сервисов своей экспертизой. Стоял у истоков Яндекс.Радио и Яндекс.Дзен, занимался рекомендательными системами и поиском, а сейчас сосредоточен на геопоиске - поиске подходящих объектов на местности по запросам пользователей. Поговорили про то, как устроен геопоиск, почему если искать суши, то можно приехать в стриптиз-клуб, почему иногда приходится делать пользователям больно, даже если этого не хочется, почему никто не пользуется системой адресации зданий в Арабских Эмиратах, как отличить карту пивных заведений от пивного заведения "Пивная карта", как заставить большую языковую модель работать вместо тебя и многом другом.Ссылки выпуска:Лекция Андрея Данильченко о нейросетевом поиске с недавнего Data Fest https://www.youtube.com/watch?v=gjBXGVVh8L8 Видео из YouTube-канала Яндекса с рассказом Андрея о том, как в Яндекс Картах работает поиск мест https://www.youtube.com/watch?v=U-QixxzBWfM Пост на Хабре о том, как Яндекс Карты с помощью отзывов улучшают поиск организацийhttps://habr.com/ru/companies/yandex/articles/671504/ Также Андрею в команду требуются специалисты:ML-разработчик в группу качества геопоискаhttps://yandex.ru/jobs/vacancies/ml-разработчик-в-группу-качества-геопоиска-12721 Аналитик в группу качества геопоискаhttps://yandex.ru/jobs/vacancies/аналитик-в-группу-качества-геопоиска-13373ML-разработчик в геокодерhttps://yandex.ru/jobs/vacancies/ml-разработчик-в-геокодер-13606ML-разработчик базового качестваhttps://yandex.ru/jobs/vacancies/ml-разработчик-базового-качества-13469 Руководитель группы ML в команду геокодераhttps://yandex.ru/jobs/vacancies/руководитель-группы-ml-в-команду-геокодера-11690Буду благодарен за обратную связь!Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)Мой телеграм (https://t.me/kmsint)Также со мной можно связаться по электронной почте: kms101@yandex.ruА еще я сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике (https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов!Выразить благодарность можно добрым словом и/или донатом (https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

Обещанный второй выпуск с Татьяной Гайнцевой - PhD-студенткой Лондонского университета королевы Марии, ex-AI researcher в Philips, Huawei, преподавателем в Deep Learning School, ШАД, МГУ, а также в некоторых образовательных проектах. В этот раз Татьяна рассказала о своей научной работе. О том, как она выбирала тему, чтобы это было интересно и немного остраненно от других исследователей, почему за последние полгода она решила подкорректировать тему исследования, о том, какие исследования проводят крупнейшие компании из области ИИ и как это пересекается с ее научной работой. Ну, а также пообщались на горячую тему что же делать копирайтерам, если уже сейчас ChatGPT, в среднем, пишет тексты лучше, чем средний копирайтер.Ссылки выпуска:Телеграм-канал Татьяны DLStories | Нейронные сети и ИИ (https://t.me/dl_stories)Подкаст, Татьяны Deep Learning Stories (https://music.yandex.ru/album/17951713)Телеграм-канал эйай ньюз (https://t.me/ai_newz)Буду благодарен за обратную связь!Оставляйте ваши оценки комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :)Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)Мой телеграм (https://t.me/kmsint)Также со мной можно связаться по электронной почте: kms101@yandex.ruПодкаст можно найти еще на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?) и Яндекс.Музыке (https://music.yandex.ru/album/9781458)А еще я сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике (https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов!Выразить благодарность можно добрым словом и/или донатом (https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

В гостях выпуска Татьяна Гайнцева - студент PhD в Queen Mary University of London, ex-AI researcher в Philips, Huawei, преподаватель в Deep Learning School, ШАД, МГУ, а также в некоторых образовательных проектах. Когда-то я начал свой путь в ML именно с лекций Татьяны, в частности, она меня научила пользоваться гугл-коллабом. Это интервью было записано в декабре 2022 года, но, на мой взгляд, не потеряло своей актуальности. Татьяна очень интересно рассказала о том как попала в сферу глубокого обучения, как вместе с сокурсниками делала полезные для ML-исследователей проекты, как участвовала в создании Школы Глубокого Обучения (DLS) и какими исследованиями занимается сейчас. Также обсудили перспективы возникновения AGI, направления в ИИ откуда могут прийти прорывы в ближайшее время и что об этом всем думают Джеффри Хинтон и Ян Лекун.Ссылки выпуска:Выпуск подкаста Deep Learning Stories с сейсмологом Артемием Новоселовым (https://music.yandex.ru/album/17951713/track/108058566)Телеграм-канал Татьяны DLStories | Нейронные сети и ИИ (https://t.me/dl_stories)Пост в телеграм-канале Татьяны со ссылками для изучения диффузии (https://t.me/dl_stories/620)Туториал по диффузии от CVPR (https://cvpr2022-tutorial-diffusion-models.github.io/)Курс Huggingface по диффузии (https://huggingface.us17.list-manage.com/subscribe?u=7f57e683fa28b51bfc493d048&id=ef963b4162)Статья Татьяны на Хабре про Inductive bias (https://habr.com/ru/articles/591779/)Буду благодарен за обратную связь!Оставляйте ваши оценки комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :)Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)Мой телеграм (https://t.me/kmsint)Также со мной можно связаться по электронной почте: kms101@yandex.ruПодкаст можно найти еще на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?) и Яндекс.Музыке (https://music.yandex.ru/album/9781458)А еще я сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике (https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов!Поблагодарить меня можно добрым словом и/или донатом (https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

В гостях Геннадий Штех - руководитель R&D-направления в компании Embedika, занимающийся разработкой и внедрением ML-решений. Поговорили о том, как с помощью машинного обучения справиться с большим количеством бумажных и электронных документов, как на основе анализа договоров вскрывать коррупционные цепочки, как экономить деньги компании, автоматизируя работу с документами. А помимо этого еще обсудили риски и возможности, которые нам несет искусственный интеллект. Можно ли создать картинку, вселяющую в человека абсолютный ужас, можно ли сделать персонального помощника на пути обучения любой профессии, можно ли построить персональный цифровой ад и можно ли с помощью голосовых ассистентов справляться с психологическими проблемами.Ссылки выпуска:Курс Andrew Ng - Supervised Machine Learning: Regression and Classification (https://www.coursera.org/learn/machine-learning)Демо-сервис от комании embedika, в котором можно проверить свой договор на риски (https://contract.embedika.ru/)Стартап Journey, помогающий справляться с психологическими проблемами с помощью AI-ассистента, про который говорил Геннадий (https://journeyapp.ai/)Буду благодарен за обратную связь!Оставляйте ваши оценки комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :)Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)Мой телеграм (https://t.me/kmsint)Также со мной можно связаться по электронной почте: kms101@yandex.ruПодкаст можно найти еще на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?) и Яндекс.Музыке (https://music.yandex.ru/album/9781458)А еще я сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике (https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов!Поблагодарить меня можно добрым словом и/или донатом (https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

В этот раз гостем подкаста стал Тимур Гуев - основатель и преподаватель онлайн-школы BEEGEEK, автор цикла курсов на Степике "Поколение Python". Давно хотелось позвать Тимура в гости, потому что я сам с большим удовольствием прошел его курсы. Поговорили о том, почему мама может быть против, чтобы ее сын стал математиком, как попасть в лабораторию Касперского без опыта работы, как с зарплаты 200к+ уйти в никуда, чтобы делать свои образовательные продукты, как научиться решать по одной задаче на программирование в минуту, как три года подряд делать лучшие курсы на Степике и о том, сколько и каких хэйтеров и поклонников приносит популярность. Интересного, полезного прослушивания и хорошего настроения!Ссылки выпуска:Курс "Поколение Python: для начинающих" (https://stepik.org/course/58852)Курс "Поколение Python: для продвинутых" (https://stepik.org/course/68343)Курс "Поколение Python: для профессионалов" (https://stepik.org/course/82541)Ссылка на все курсы линейки "Поколение Python" (https://stepik.org/org/pygen)Манифест по изучению программирования (https://stepik.org/lesson/290248/step/9?unit=271724)Сайт Андрея Столярова (http://stolyarov.info/books/programming_intro)Курс "Телеграм-боты на Python и AIOgram" (https://stepik.org/120924)Буду благодарен за обратную связь!Оставляйте ваши оценки комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :)Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)Мой телеграм (https://t.me/kmsint)Также со мной можно связаться по электронной почте: kms101@yandex.ruПодкаст можно найти еще на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?) и Яндекс.Музыке (https://music.yandex.ru/album/9781458)А еще я сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике (https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов!Поблагодарить меня можно добрым словом и/или донатом (https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

В гостях выпуска Константин Воронцов, которого, как мне кажется, даже представлять отдельно не надо. Все, хоть как-то соприкасавшиеся с машинным обучением, обязательно сталкивались с его видеолекциями, статьями и wiki-учебником по машинному обучению. Впрочем, все же, отдавая дань традиции, представляю официально. Константин Воронцов - доктор физико-математических наук, профессор РАН, автор курсов по машинному обучению в МФТИ, МГУ, Школе Анализа Данных Яндекса, а также заведующий лабораторией “Машинное обучение и семантический анализ” Института искусственного интеллекта МГУ. Интересно побеседовали про математику в машинном оубчении - есть ли в ней что-то новое, или используются только методы, разработанные столетия назад. Поговорили о роли "чистых" и прикладных математиков в развитии технологий и человечества. Обсудили риски создания сильного ИИ, разобрали закон выживания человеческой цивилизации и то, как не допустить самоуничтожения человечества, а также многое другое!Ссылки выпуска:Разверните инфраструктуру для обучения и развертывания ML-моделей в Selectel: https://slc.tl/9tzqyКанал Константина на Дзене "Цивилизационная идеология" (https://dzen.ru/civideology)Учебные материалы от Константина (http://www.machinelearning.ru/wiki?title=User:Vokov )Курс лекций Константина по машинному обучениюБуду благодарен за обратную связь!Оставляйте ваши оценки комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :)Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)Мой телеграм (https://t.me/kmsint)Также со мной можно связаться по электронной почте: kms101@yandex.ruПодкаст можно найти еще на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?) и Яндекс.Музыке (https://music.yandex.ru/album/9781458)А еще я сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике (https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов!Поблагодарить меня можно добрым словом и/или донатом (https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

В гостях руководитель исследовательских проектов в компании VisionLabs Даниил Киреев. Даниил является экспертом в компьютерном зрении и стоит почти у истоков компании VisionLabs, входящей в топ мировых лидеров в области компьютерного зрения. Даниил рассказал о том, какие технологии и продукты появляются на базе компьютерного зрения: face ID, контроль доступа, трекинг взгляда, узнавание клиента, face pay, прокторинг, digital ID и многое другое. Поднимаешь руку в большом торговом центре и к тебе сразу подходит специально обученный человек. Внезапно осознаешь себя живущим в очень технологичном мире...Ссылки выпуска:Facebook Даниила – http://facebook.com/dager.kd/VisionLabs – https://visionlabs.aiBLOOM – https://huggingface.co/bigscience/bloomcs231n – http://cs231n.stanford.eduAndrej Karpathy – https://www.youtube.com/c/AndrejKarpathy/videosБиология поведения человека – https://www.youtube.com/playlist?list=PL8YZyma552VcePhq86dEkohvoTpWPuaukБуду благодарен за обратную связь!Оставляйте ваши оценки комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :)Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)Телеграм автора подкаста (https://t.me/kmsint)Со мной также можно связаться по электронной почте: kms101@yandex.ruТакже подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?) и Яндекс.Музыке (https://music.yandex.ru/album/9781458)

В гостях выпуска химик, специалист по полимерам, технолог в международной компании Tre TAU Engineering, популяризатор науки, автор книги: "Яды: вокруг и внутри" - Сакина Зейналова. Очень интересно поговорили про химию вообще, про современные методы дизайна веществ и материалов, про то, что такое хемометрика и ее методы, про перспективные направления химической науки и промышленности, а также про книгу Сакины, посвященную ядам. Из выпуска вы узнаете почему Сакина решила не изучать подрывное дело, а сосредоточилась на полимерах, а также о том, как не стать жертвой конуса географического.Ссылки выпуска:Подробности о льготной ипотеке для IT-специалистов и комфортной жизни в Петербурге от Arsenal (https://bit.ly/3f3aoHl)Телеграм-канал Сакины, где можно найти ее статьи и интересные материалы (https://t.me/sakina_art)Книга Сакины "Яды. Вокруг и внутри. Путеводитель по самым опасным веществам на планете" (https://www.labirint.ru/books/843415/)YouTube-канал "Химия просто" (https://www.youtube.com/c/ChemistryEasy)Сайт с крутой инфографикой по химии (https://www.compoundchem.com/)Постнаука (https://postnauka.ru/)Хороший YouTube-канал с лекциями от профессоров МГУ на разную естественно-научную тематику (https://www.youtube.com/c/NAUKA0/playlists)Зеленый канал РБК (https://t.me/trends_green)Буду благодарен за обратную связь!Оставляйте ваши оценки комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :)Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)Телеграм автора подкаста (https://t.me/kmsint)Со мной также можно связаться по электронной почте: kms101@yandex.ruТакже подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?) и Яндекс.Музыке https://music.yandex.ru/album/9781458

Гость выпуска - Александр Дончук - предприниматель, сооснователь компании Аврора AI. Поговорили про применение машинного обучения для дефектоскопии в железнодорожной промышленности. Обсудили как вообще родилась идея применить компьютерное зрение в такой консервативной отрасли, как создавали минимально-жизнеспособный продукт, как доводили до промышленного использования, какие детали вагонов еще не охвачены компьютерным зрением и так далее. Также Александр много рассказал о пути предпринимателя. О том, что ему помогало на этом пути, что мешало и какова на этом пути доля везения. Интересный и полезный разговор.Ссылки выпуска:Регистрируйтесь и используйте объектное хранилище Selectel для хранения неструктурированных данных. Первый месяц — бесплатно: https://slc.tl/auu3tКомпания Александра aurorai.ruКнига "Спроси маму. Как общаться с клиентами и подтвердить правоту своей бизнес-идеи, если все кругом врут? | Фитцпатрик Роб" (https://www.ozon.ru/product/140446253/?sh=HNUZauCnnA&utm_campaign=productpage_link&utm_medium=share_button&utm_source=smm)Буду благодарен за обратную связь!Оставляйте ваши оценки комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :)Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)Телеграм автора подкаста (https://t.me/kmsint)Со мной также можно связаться по электронной почте: kms101@yandex.ruТакже подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?) и Яндекс.Музыке https://music.yandex.ru/album/9781458

В гостях выпуска Давид Ян - серийный предприниматель с большим количеством крупных успешных проектов, один из основателей компании ABBYY, известной, в основном, своими продуктами ABBYY Lingvo и ABBYY FineReader, кандидат физико-математических наук, и очень интересный собеседник! Поговорили о пути серийного технологического предпринимателя, об успешных и не очень проектах Давида, о системе Yva.ia, помогающей компаниям и сотрудникам, как бы помягче выразиться, лучше понимать потребности друг друга, об искусственном интеллекте с характером - Морфеусе, который живет в доме Давида. Затронули некоторые философские вопросы этичности использования ИИ для оценки работников, опасностях наделения ИИ системой искусственных нейромедиаторов и о том, выпущен ли уже Джинн из бутылки.Ссылки выпуска:Морфеус (https://www.morfeus.ai/)Компания ABBYY (https://www.abbyy.com/)"Марсианские Хроники" Р. Брэдбери (https://libbox.ru/books/marsianskie-xroniki)Буду благодарен за обратную связь!Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast)Оставляйте ваши оценки комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :)Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)Телеграм автора подкаста (https://t.me/kmsint)Со мной также можно связаться по электронной почте: kms101@yandex.ruТакже подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?) и Яндекс.Музыке https://music.yandex.ru/album/9781458

В гостях Никита Васильев - Senior Big Data Engineer, Grid Dynamics и Вероника Голубева - Senior Data engineer, Datrics. Разговариваем о том, кто такие дата-инженеры и где их место среди всего дата-сайнс. Почему в некоторых компаниях дата-инженеры выделились в отдельную профессиональную единицу, а в других даже не понимают кто это? Какой круг обязанностей у дата-инженеров и какими специальными знаниями и навыками они должны обладать? Как стать востребованным дата-инженером и сколько можно зарабатывать в этой профессии? Обо всем этом, а также немного о разнице хакатонов в России и США, мы поговорим в выпуске!Ссылки выпуска:Хакатоны (https://devpost.com/)Еще хакатоны (https://mlh.io/)Буду благодарен за обратную связь!Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast)Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :)Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)Телеграм автора подкаста (https://t.me/kmsint)Со мной также можно связаться по электронной почте: kms101@yandex.ruТакже подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?) и Яндекс.Музыке https://music.yandex.ru/album/9781458

Это очередной специальный выпуск подкаста, который посвящен месту психологических практик в нашей жизни. Чем бы мы не занимались - обучением, построением карьеры, общением с командой, решением рабочих или личных задач - нами управляют мысли и эмоции, природа которых, в большинстве случаев, нерациональна. С профессиональным психологом Николаем Додоновым мы пытаемся разобраться в том, как сделать так, чтобы мысли и эмоции помогали нам достигать наших целей, а не мешали. Николай является членом ассоциации когнитивно-поведенческой психологии, автором книги "Анти тайм менеджмент", тренингов "Стрессоустойчивость", "Майндхакинг", методик работы с привычками и личной эффективностью. И думаю, беседа будет полезна тем, кто хочет иметь больший контроль на тем, что делает и какие результаты получает. Ссылки выпуска: Телеграм-канал Николая (https://t.me/n_dodonov) Список литературы от Николая (https://t.me/n_dodonov/713) Книга "Mindset: The New Psychology of Success" (https://www.ozon.ru/product/mindset-the-new-psychology-of-success-3914217/?sh=QzippX5OuQ) Статья на Хабре "КПТ: психотерапия для гиков" (https://habr.com/ru/post/370295/) Буду благодарен за обратную связь! Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast) Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :) Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist) Телеграм автора подкаста (https://t.me/kmsint) Со мной также можно связаться по электронной почте: kms101@yandex.ru Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?) и Яндекс.Музыке https://music.yandex.ru/album/9781458

В преддверии Нового года, когда многие окидывают взором прошедший год и ставят цели на новый, мы с Борисом Шарчилевым - руководителем ML в Финтехе Яндекса, сделали для вас выпуск о том, как подготовиться и эффективно пройти собеседование на ML-позиции в выдающиеся компании. Борис лично провел больше ста собеседований и поделился своим опытом в выпуске! Поговорили о том из каких этапов состоит собеседование и чего вообще ждать, если вы хотите или только стать ML-инженером, или поменять место работы. Как подготовиться к собеседованию и стоит ли пытаться "хакнуть" систему. Насколько софт-скиллы важнее хард-скиллов, какие скиллы нужны обязательно, а какие подтягиваются прямо в процессе работы. Где и какие задачи решать, чтобы проходить алгоритмическую часть собеседования. Какая мотивация должна быть у кандидата, чтобы успешно строить карьеру в компаниях и какую мотивацию сотрудникам могут предложить компании. В общем, интересно и с пользой пообщались! Ссылки выпуска: Вакансии в команду Бориса (https://fintech.yandex.ru/ml-razrabotchik) Тренировки и соревнования по программированию Codeforces (https://codeforces.com/) Подготовка к собеседованию на HackerRank (https://www.hackerrank.com/) Платформа с большим количеством алгоритмических задач (https://leetcode.com/explore/learn/) Буду благодарен за обратную связь! Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast) Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :) Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist) Телеграм автора подкаста (https://t.me/kmsint) Со мной также можно связаться по электронной почте: kms101@yandex.ru Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?) и Яндекс.Музыке https://music.yandex.ru/album/9781458

В выпуске с Бобуком (Григорием Бакуновым) общаемся на темы этики искусственного интеллекта. Мешает или помогает этика и мораль современному обществу, нужна ли этика искусственному интеллекту, кто лучше справится с этическими вопросами - средний европеец или ИИ, как ИИ будет решать столкнуть ли толстяка с моста, где взять датасет, чтобы обучить ИИ разбираться в этических вопросах, как алгоритмизировать право и зачем в игре "Реверси" запрещать искусственному интеллекту выкладывать фишками букву "М". Интересный разговор! Ссылки выпуска: Подкаст "Радио-Т" (https://radio-t.com/) Телеграм-канал Григория Бакунова о новостях технологий (https://t.me/addmeto) Буду благодарен за обратную связь! Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast) Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :) Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist) Телеграм автора подкаста (https://t.me/kmsint) Со мной также можно связаться по электронной почте: kms101@yandex.ru Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?) и Яндекс.Музыке https://music.yandex.ru/album/9781458

Думаю, для тех, кто следит за индустрией искусственного интеллекта, Валерий Бабушкин в особом представлении не нуждается. Специалист высочайшего класса, за которым охотятся самые крутые технологические компании! И, вот, сегодня Валерий в гостях Machine Learning Podcast. Поговорили о карьерном пути Валерия, о том, как бизнесу внедрять машинное обучение в свои процессы, какие книги читать, чтобы держать себя в тонусе, зачем фейсбук борется с альтернативными ватсап-клиентами, зачем нужен Kaggle в карьере дата-сайентиста и еще много о чем! Ссылки выпуска: Реферальная программа Intel, по которой можно получить 70000 рублей за каждого трудоустроенного, по вашей рекомендации, сотрудника в компанию (http://career.intel.com/tp/rj6_qk7Te_e_K) Вакансии компании Intel (http://career.intel.com/tp/rj6_itirV.e_K) Kaggle (https://www.kaggle.com/) Книга "Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow" (https://www.oreilly.com/library/view/hands-on-machine-learning/9781492032632/) Книга "The Minimum Description Length Principle" (https://mitpress.mit.edu/books/minimum-description-length-principle) Книга "Нетрадиционные методы многомерного статистического анализа" (https://www.biznesbooks.com/books/ekonomika/efron-b-netradicionnye-metody-mnogomernogo-statisticheskogo-analiza) Буду благодарен за обратную связь! Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast) Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :) Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist) Телеграм автора подкаста (https://t.me/kmsint) Со мной также можно связаться по электронной почте: kms101@yandex.ru Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?) и Яндекс.Музыке https://music.yandex.ru/album/9781458

В гостях подкаста Анатолий Старостин - руководитель службы развития технологий Яндекс.Музыки и Кинопоиска, а также по совместительству ведущий подкаста Неопознанный Искусственный Интеллект. Поговорили с Анатолием о том в какие виды искусства приходят нейросети и есть ли у них шансы конкурировать с человеком, о сложностях полноценной генерации музыки и видео, немного о том, что вообще можно считать искусством, об ограничениях нейросетей, о попытках сбора мультимодальных датасетов, на которых можно было бы обучать потенциальный сильный ИИ и многом другом интересном! Ссылки выпуска: Подкаст НИИ (Неопознанный Искусственный Интеллект) (https://music.yandex.ru/album/12967722) Выпуск подкаста НИИ с Борисом Янгелем (https://music.yandex.ru/album/12967722/track/85248474) Музыкальное творчество Анатолия Старостина (https://music.yandex.ru/artist/5015958) Генерация музыки от OpenAI в проекте Jukebox (https://openai.com/blog/jukebox/) Статья на arxiv.org "Zero-Shot Text-to-Image Generation" (https://arxiv.org/pdf/2102.12092.pdf) Сериал про искусственный интеллект с Робертом Дауни мл. (https://www.youtube.com/watch?v=UwsrzCVZAb8) Буду благодарен за обратную связь! Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast) Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :) Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist) Чат в телеграм, где можно обсудить выпуски, предложить гостей и темы подкаста и просто пообщаться (https://t.me/MachineLearningPodcast) Телеграм автора подкаста (https://t.me/kmsint) Со мной также можно связаться по электронной почте: kms101@yandex.ru Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?) и Яндекс.Музыке https://music.yandex.ru/album/9781458

Это специальный выпуск подкаста, поводом к которому послужила выложенная Сбером в открытый доступ русская версия модели для генерации изображений по текстовому описанию (ruDALL-E). В гостях Сергей Марков - управляющий директор, начальник управления экспериментальных систем машинного обучения департамента SberDevices, принимавший самое непосредственное участие в создании модели. Поговорили о том, какие сложности возникли на пути создания ruDALL-E, где брали датасеты для обучения, какая у сети архитектура, какие могут быть возможные применения сети и стоит ли дизайнерам-иллюстраторам уже начинать искать новый род занятий и многом другом интересном! Ссылки выпуска: Сайт проекта (https://rudalle.ru/) Статья на Хабре "ruDALL-E: генерируем изображения по текстовому описанию, или Самый большой вычислительный проект в России" (https://habr.com/ru/company/sberbank/blog/586926/) GitHub ruDALLI-E (https://github.com/sberbank-ai/ru-dalle) Телеграм-бот, с помощью которого можно генерировать картинки по запросу (https://t.me/sber_rudalle_xl_bot) Статья на arxiv.org "Zero-Shot Text-to-Image Generation" (https://arxiv.org/pdf/2102.12092.pdf) Генерация музыки от OpenAI в проекте Jukebox (https://openai.com/blog/jukebox/) Буду благодарен за обратную связь! Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast) Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :) Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist) Телеграм автора подкаста (https://t.me/kmsint) Со мной также можно связаться по электронной почте: kms101@yandex.ru Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?) и Яндекс.Музыке https://music.yandex.ru/album/9781458

В выпуске - Алексей Харламов - Project Leader Samsung AI. А говорим мы о площадке, на которой соревнуются любители фит-предикта и других радостей дата-сайнс - Kaggle. Обсудили, что это вообще за площадка, как она появилась, какие цели призвана решать, какие соревнования на ней проводятся, как стать участником соревнований, как заработать на площадке репутацию и плюсики к резюме, можно ли зарабатывать реальные деньги, участвуя в соревнованиях, какое железо и какие хард-скиллы требуются для участия и победы и многое-многое другое! Как всегда было очень познавательно! Ссылки выпуска: Kaggle (https://www.kaggle.com/) Плей-лист на YouTube с докладами о соревнованиях (https://www.youtube.com/playlist?list=PLTlO6nV_TaGD21r6xPHhV1k7QfVuug3BB) Курс на Coursera "How to Win a Data Science Competition: Learn from Top Kagglers" (https://www.coursera.org/learn/competitive-data-science) Страница ODS, посвященная соревнованиям (https://ods.ai/competitions) Оставьте заявку на бесплатное тестирование DGX A100 в Selectel (https://slc.tl/0ot84) Буду благодарен за обратную связь! Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast) Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :) Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist) Телеграм автора подкаста (https://t.me/kmsint) Со мной также можно связаться по электронной почте: kms101@yandex.ru Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?) и Яндекс.Музыке https://music.yandex.ru/album/9781458

В гостях руководитель службы интеллекта и проактивности Яндекс.Алисы - Олег Найдин, с которым мы обсудили то, как сегодня устроены голосовые ассистенты: из каких основных блоков они состоят, какие задачи приходится решать в рамках каждого блока, где брать датасеты для обучения, как сделать помощников по-настоящему персональными, кому приходится слушать все то, что происходит за кадром, когда колонка с Алисой случайно активируется и многое другое интересное! Ссылки выпуска: Доклад Олега в МФТИ для тех, кому мало информации в подкасте (https://youtu.be/1viuYo3BR98) Обзор automatic speech recognition (https://www.researchgate.net/publication/345710977_Automatic_speech_recognition_a_survey) Статья про то, как устроено взаимодействие spotter+asr в Google Assistant (https://static.googleusercontent.com/media/research.google.com/ru//pubs/archive/46554.pdf) Обзор понимания запроса на естественном языке (intent classification и slot filling) (https://www.researchgate.net/publication/348647816_A_survey_of_joint_intent_detection_and_slot-filling_models_in_natural_language_understanding) Обзор text to speech (https://www.researchgate.net/publication/353061423_A_Survey_on_Neural_Speech_Synthesis) За техническими новостями в Алисы можно следить в корпоративном блоге Яндекса (https://habr.com/ru/company/yandex/blog/) А за самой Алисой можно следить в ее инстаграме (https://www.instagram.com/alice.yndx/) Больше информации про стажировки в Яндексе (https://yandex.ru/yaintern/) Буду благодарен за обратную связь! Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast) Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :) Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist) Телеграм автора подкаста (https://t.me/kmsint) Со мной также можно связаться по электронной почте: kms101@yandex.ru Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?) и Яндекс.Музыке https://music.yandex.ru/album/9781458

Беседуем с техническим директором Яндекс.Дзена - Антоном Фроловым о том, как появились и развивались системы машинного перевода. Какие системы использовались раньше и какие применяются сейчас. Почему за последние годы так сильно выросло качество автоматических переводчиков и когда они уже, наконец, достигнут человеческого уровня. Поговорили о том, стоит ли идти специалистам по ML в машинный перевод, остались ли там интересные задачи и какие перспективные подходы еще предстоит опробовать. Ссылки выпуска: LinkedIn Антона (https://ru.linkedin.com/in/anton-frolov-15912047) Книга Statistical Machine Translation (https://www.amazon.com/Statistical-Machine-Translation-Philipp-Koehn/dp/0521874157) Книга Foundations of Statistical Natural Language Processing (https://www.amazon.com/gp/product/B08BT3T4M6/ref=dbs_a_def_rwt_bibl_vppi_i1) Статья на arxiv Neural Machine Translation by Jointly Learning to Align and Translate (https://arxiv.org/abs/1409.0473) Статья на arxiv Sequence to Sequence Learning with Neural Networks (https://arxiv.org/abs/1409.3215) Статья на arxiv Attention Is All You Need (https://arxiv.org/abs/1706.03762) Буду благодарен за обратную связь! Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast) Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :) Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist) Телеграм автора подкаста (https://t.me/kmsint) Со мной также можно связаться по электронной почте: kms101@yandex.ru Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?) и Яндекс.Музыке https://music.yandex.ru/album/9781458

В гостях Максим Купрашевич - руководитель команды машинного обучения в Layer, SberDevices. Максим рассказал о некоторых очень интересных применениях компьютерного зрения в решении как бизнес-задач, так и в общественно-значимых некоммерческих инициативах. Поговорили о том, как искусственный интеллект помогает распознавать интересные пользователю объекты в фильмах и на лету выдает по ним информацию, о том, как дата-сайентисты помогают в сохранении численности популяций вымирающих животных, о том, как стать хорошим уверенным специалистом в компьютерном зрении, о том, как не выгореть, решая задачи машинного обучения и многом другом! Ссылки выпуска: Снова курс Andrew Ng (https://www.coursera.org/learn/machine-learning) Groknet, общая информация в блоге (https://ai.facebook.com/blog/powered-by-ai-advancing-product-understanding-and-bu ilding-new-shopping-experiences/) Groknet, техническая статья (https://ai.facebook.com/research/publications/groknet-unified-computer-vision-model- trunk-and-embeddings-for-commerce/) FaceBook Максима (https://www.facebook.com/WildChlamydia) Сбердевайсы (https://sberdevices.ru/) Буду благодарен за обратную связь! Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast) Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :) Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist) Телеграм автора подкаста (https://t.me/kmsint) Со мной также можно связаться по электронной почте: kms101@yandex.ru Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?) и Яндекс.Музыке https://music.yandex.ru/album/9781458

Всегда полезно иметь доступ к сообществу профессионалов и любителей темы, которая входит в круг ваших интересов. Профессионалы и любители данных, машинного обучения, искусственного интеллекта и так далее в русскоязычном сегменте имеют крутейшее сообщество, известное как Open Data Science или ODS. В этом выпуске поговорили с Петром Ермаковым - основателем школы машинного обучения DataGym и Senior Data Scientist компании lamoda - о том, как появился ODS, как развивался, зачем туда вступать, как там себя вести и какую пользу можно извлечь из участия в сообществе. Также вы узнаете зачем анализировать профили ВКонтакте и PornHub, как заниматься Data Science если вокруг тебя только волки, как "отжать" у мэйла сайт крупного митапа и как понять, что ты деградируешь, анализируя данные с фитнес-браслетов. Ссылки выпуска: ODS (https://ods.ai/) Статья на Хабре "Уроки участия в хакатоне «Dota Science» в рамках «Data Fest 2»" (https://m.habr.com/ru/post/278785/) Школа машинного обучения DataGym (https://datagym.ru/) Телеграм-канал Петра (http://t.me/powerofdata) Буду благодарен за обратную связь! Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :) Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast) Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist) Телеграм автора подкаста (https://t.me/kmsint) Со мной также можно связаться по электронной почте: kms101@yandex.ru Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?) и Яндекс.Музыке https://music.yandex.ru/album/9781458 Music by Audionautix.com

Давно уже хотелось сделать выпуск про рекомендательные системы и, вот, наконец-то выпала такая возможность. В гостях Виталий Моисеев - руководитель группы качества рекомендаций видео в Яндексе, с которым получился очень интересный диалог о том, как вообще работают автоматизированные рекомендации, скрываются ли за ними нейросети, что такое коллаборативная фильтрация, почему люди "залипают" в TikTok, почему у YouTube такие крутые рекомендательные алгоритмы и о том, делают нас такие системы счастливее или нет. Также ближе к концу выпуска Виталий рассказал о том, каких стажеров он ждет в свою команду и какими задачами им приходится заниматься. Ссылки выпуска: Сервис Яндекс.Толока (https://toloka.yandex.ru/) Дзен-митап: исследования и рекомендательные системы (https://youtu.be/4JhAiJ2W1i4) Телеграм-чат про дзен-митапы (https://t.me/zenmeetup) Крутая книга про рекомендации "Recommender Systems Handbook" (https://g.co/kgs/Gm7i5w) Статья на Хабре "Феерический финал конкурса Netflix" (https://habr.com/ru/post/65476/) Стажировки в Яндексе (https://yandex.ru/yaintern/) Виталий Моисеев в телеграме (@msvvitaly) Буду благодарен за обратную связь! Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :) Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist) Телеграм автора подкаста (https://t.me/kmsint) Со мной также можно связаться по электронной почте: kms101@yandex.ru Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?) и Яндекс.Музыке https://music.yandex.ru/album/9781458 Music by Audionautix.com

Этот выпуск состоит из двух частей. Сначала Алина - руководитель бригады подбора стажеров по направлению машинного обучения - немного расскажет о том, как с помощью оплачиваемых стажировок можно получить свой первый опыт работы в ML, а потом я расскажу о том как связать теоретические знания о моделях машинного обучения с практикой их написания и использования на примере учебного датасета изображений рукописных цифр MNIST. Надеюсь, выпуск будет полезен тем, кто уже имеет небольшую теоретическую базу по тому как работает машинное обучение, но еще не очень понимает как от теории перейти к практике написания моделей. Ссылки выпуска: Стажировки в Яндексе (https://yandex.ru/yaintern/) Статья о том, как из пиарщиков девушка стала тестировщиком Яндекс.Станции (https://academy.yandex.ru/posts/byvshiy-piarschik-rasskazyvaet-kak-stat-testirovschikom-yandeks-stantsii) Выпуск подкаста про линейную регрессию (https://anchor.fm/kmsrus/episodes/016-ML-eo11mr/a-a45vl81) Плей-лист selfedu "Нейронные сети на Python. Уроки" (https://www.youtube.com/watch?v=nV7cI5zgOpk&list=PLA0M1Bcd0w8yv0XGiF1wjerjSZVSrYbjh) Мануал "TensorFlow, Keras and deep learning, without a PhD" (https://codelabs.developers.google.com/codelabs/cloud-tensorflow-mnist#0) Буду благодарен за обратную связь! Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :) Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist) Телеграм автора подкаста (https://t.me/kmsint) Со мной также можно связаться по электронной почте: kms101@yandex.ru Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?) и Яндекс.Музыке https://music.yandex.ru/album/9781458 Music by Audionautix.com

В этом выпуске Анатолий Карпов ex-аналитик ВКонтакте, mail.ru, сооснователь karpov.courses дает очень ценные советы для тех, кто хочет связать свою жизнь с аналитикой. Анатолий рассказывает про свой опыт и делится своим видением как сделать так, чтобы на собеседовании вас точно выделили из общей массы претендентов на позиции аналитиков. Поговорили про роль аналитика в компании и его пользу для бизнеса, про его место среди дата-сайентистов и какие вообще перспективы у этой профессии. Классная, на мой взгляд, получилась беседа! Ссылки выпуска: Школа Data Science karpov.courses (https://karpov.courses/) Чем отличаются data analyst, data engineer и data scientist - ролик на YouTube от Алексея Натекина (https://youtu.be/lDkTNURDIaY) Конференция Матемаркетинг на YouTube (https://www.youtube.com/c/%D0%9C%D0%B0%D1%82%D0%B5%D0%BC%D0%B0%D1%80%D0%BA%D0%B5%D1%82%D0%B8%D0%BD%D0%B3/videos) Статья на Хабре о моделировании данных в Авито - Vertica+Anchor Modeling = запусти рост своей грибницы (https://habr.com/ru/company/avito/blog/322510/) Курс Анатолия Карпова на Степике "Основы статистики" (https://stepik.org/course/76/info) Курс Анатолия Карпова на Степике "Основы статистики Часть 2" (https://stepik.org/course/524/info) Курс Анатолия Карпова на Степике "Основы статистики Часть 3" (https://stepik.org/course/2152/info) Курс "Математическая статистика" от Computer Science Center на Степике (https://stepik.org/course/326/info) Курс "Inferential Statistics" на Coursera (https://www.coursera.org/learn/inferential-statistics-intro) Experiment-fest (https://expf.ru/) Интервью Анатолия с Никитой Маршалкиным "Об A/B тестах без A/B тестов" на YouTube (https://youtu.be/NcDcxOqB52k) Курс "Программирование на Python" от Института Биоинформатики на Степике (https://stepik.org/course/67/info) Курс "Python. Основы и применение" от Института Биоинформатики на Степике (https://stepik.org/course/512/info) Курс Анатолия Карпова "Введение в Data Science и машинное обучение" на Степике (https://stepik.org/course/4852/info) Курс Анатолия Карпова "Анализ данных в R" на Степике (https://stepik.org/course/129/promo) Logs API Яндекс.Метрики и ClickHouse: что полезного можно получить из сырых данных - ролик на YouTube (https://www.youtube.com/watch?v=pOHqwTC--vQ) 2017ABTestingTutorial (https://exp-platform.com/2017abtestingtutorial/) Буду благодарен за обратную связь! Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :) Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist) Телеграм автора подкаста (https://t.me/kmsint) kms101@yandex.ru

В очередном выпуске беседа с Ольгой Перепелкиной Deep Learning Product Manager компании Intel. Для того, чтобы машинное обучение было эффективным - ему нужны данные и чем больше, тем лучше. Но чем быстрее развивается искусственный интеллект, тем жестче становятся законы о защите персональных данных. Проблема? Да, проблема. Но где есть проблема, там находятся и решения и федеративное обучение - одно из таких, позволяющих и приватность сохранить и модели обучить. Об этом, а также о подходах к распознаванию эмоций и карьерном пути в ML слушайте в выпуске! Ссылки выпуска: OpenFL - опенсорс библиотека для федеративного обучения (Federated Learning) (https://github.com/intel/openfl) Вакансия Deep Learning RnD Intern (Federated Learning) в Нижнем Новгороде, работа в компании Intel Corporation (https://nn.hh.ru/vacancy/41942809) Буду благодарен за обратную связь! Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :) Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist) Телеграм автора подкаста (https://t.me/kmsint) Со мной также можно связаться по электронной почте: kms101@yandex.ru Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?) и Яндекс.Музыке https://music.yandex.ru/album/9781458

Сегодня в гостях Татьяна Шаврина - тимлид команды AGI NLP, главный эксперт по технологиям, SberDevices, аспирант НИУ ВШЭ и просто очень приятный и интересный собеседник. Обсудили то, как с течением времени менялись подходы к обработке естественного языка, какие оказались революционными для области, а какие были частью закономерного развития. Word2vec, Seq2seq, Transformer, GPT, BERT - если эти названия вам говорят мало, но вы хотите узнать больше - выпуск вам будет интересен. И даже если вы уже все это хорошо знаете, слушать Татьяну очень интересно! Ссылки выпуска: Методология тестирования моделей, основанная на тестах для сильного ИИ - https://russiansuperglue.com/ Книга "Введение в информационный поиск" Маннинг Кристофер д. - https://www.ozon.ru/product/vvedenie-v-informatsionnyy-poisk-168021950/?utm_source=google&utm_medium=cpc&utm_campaign=RF_Product_Shopping_Books_newclients_super&gclid=CjwKCAiA9vOABhBfEiwATCi7GOdEOcDm_r9sxEWggOaUhpGnDaflijxaYDEXAjIsGpCKD1pAubW2exoCrf8QAvD_BwE MIT course "Advanced Natural Language Processing" https://ocw.mit.edu/courses/electrical-engineering-and-computer-science/6-864-advanced-natural-language-processing-fall-2005/ Cambridge NLP course - https://www.cl.cam.ac.uk/teaching/1718/NLP/ Буду благодарен за обратную связь! Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :) Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist) Телеграм автора подкаста (https://t.me/kmsint) Со мной также можно связаться по электронной почте: kms101@yandex.ru Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?) и Яндекс.Музыке https://music.yandex.ru/album/9781458