Стать специалистом по машинному обучению

14 Sep 2024 11:29

Practical ML Conf начинается

Стать специалистом по машинному обучению

12 Sep 2024 17:53

Через 10 минут начинаем!
Ссылка на трансляцию: https://www.youtube.com/live/3pJsgMwAXd0?si=uicttDR5i_DR4rXx

Стать специалистом по машинному обучению

09 Sep 2024 20:04

Привет, друзья!

Я определился с временем стрима. Это будет четверг на этой неделе (12.09.24), 19:00 по MSK. Интересен стрим может быть, в первую очередь, начинающим, потому что хочется сделать плавный ввод в тему организации рабочего пространства для экспериментов в Jupyter Notebook, то есть я планирую довольно подробно стараться комментировать все, что буду делать, затрагивая основы администрирования серверов на базе Linux, чтобы на выходе, даже без опыта работы с этой операционной системой, у участников стрима сложилась более менее полноценная картина того, что происходит и как это все применить к своим условиям.

Плюс, если будет время, покажу пример телеграм-бота, который через брокер сообщений (на базе кластера NATS) шлет тяжелые задачи на сервер с видеокартой для ускорения вычислений. Для этого тоже можно использовать SSH-туннели.

Стать специалистом по машинному обучению

04 Sep 2024 16:08

Ну, судя по реакции, интерес есть. Тогда буду готовить. Предварительный план стрима такой:

План стрима

1. Почему такой сетап
2. Почему не на продвинутых инструментах и не в облаке
3. Настройка Jupyter Notebook на локальном компьютере с видеокартой
4. Настройка сервера с публичным IP
5. Настройка SSH-ключей
6. Настройка обратного SSH-туннеля
7. Настройка systemd юнита для автоматического перезапуска туннеля
8. Подключение к локальному компьютеру через SSH-туннель
9. Запуск Jupyter Notebook по SSH
10. Подключение к локальному компьютеру с видеокартой с пробросом портов
11. Автоматизация запуска и подключения к Jupyter Notebook на локальной машине за NAT с любого компьютера
12. Кейсы, в которых может потребоваться подобный сетап (например, телеграм-боты с ИИ для генерации, распознавания, саммаризации и т.п.)

Какой-то очень серьезной подготовки я не планирую, поэтому возникающие проблемы (а без них, уверен, не обойдется) будем решать прямо на стриме, что, возможно, добавит живости происходящему.

Площадку пока не выбрал, если есть предложения - пишите. Предварительно - YouTube. Вроде, говорят, что пока работает.

Предполагаемую дату стрима сообщу заранее. Наверное, это будет один из вечеров (по Мск) на следующей неделе. Буду рад пообщаться в онлайн-режиме!

Стать специалистом по машинному обучению

29 Aug 2024 22:55

@humanAnton, большое спасибо за подгон! С огромным интересом и удовольствием посмотрел два ролика (в общей сложности больше трех часов видео, которое комфортно смотрится на скорости x2) с размышлениями о том, что такое искусственный интеллект и насколько близко мы уже к AGI (спойлер: смотря как трактовать, ведь при некоторых трактовках он уже вполне себе среди нас).

Если хотите пищи для размышлений и заряда технооптимизмом - сильно рекомендую!

1. Искусственный интеллект 1: как его распознать
2. Искусственный интеллект 2: ответы на вопросы

Стать специалистом по машинному обучению

26 Aug 2024 16:13

Александр Алерон Миленькин. Надо ли строить бизнес вокруг ML (Про LLM, RAG-системы, насмотренность и виртуальных помощников)

Стать специалистом по машинному обучению

19 Aug 2024 16:02

Егор Самосват. Монетизация, рекомендации и при чем здесь ML

Стать специалистом по машинному обучению

14 Aug 2024 08:53

У меня есть устойчивое убеждение, что на каком-то этапе развития ML-специалиста (а, впрочем, и специалиста любой другой области) не остается комфортных и разжеванных источников информации и должен начаться период чтения и анализа передовых научных статей с попытками воспроизведения и улучшения результата. Я сам иногда делаю подходы к наиболее популярным статьям, но обычно компетенций глубоко разобраться мне не хватает и я возвращаюсь к более популярным источникам, чтобы подтянуть базу.

С большим удовольствием смотрю разбор статьи про Llama 3.1 от Евгения Разинкова. Евгений в эфире читает статью и объясняет на более простом языке, что, собственно, в статье происходит. Возможно, этот ролик может стать точкой входа в дальнейшее изучение ML на таком высоком уровне, как чтение научных статей. Попробуйте!
https://youtu.be/YoRsqImynUE?si=O4OWiQNeY_jsf-Xk

Стать специалистом по машинному обучению

09 Aug 2024 09:09

🚀 Уважаемые коллеги, тех, кому интересна математика и машинное обучение, приглашаем Вас принять участие в неформальном проекте.

Минимальное требование - Вы знакомы с Питоном, и у Вас есть несколько часов свободного времени в неделю. (Альтернативно - можно не знать Питон, но хорошо знать теорию групп (в идеале GAP,SAGE).) Задача проекта - применить машинное обучение к теории групп. Целью проекта является написание статьи в хорошем журнале, участники - соавторы. Другим бонусом будет являться - приобретение навыков по современным методам нейронных сетей, Reinforcement Learning и т.д.

Если Вам интересно участие - напишите @alexander_v_c (Александр Червов, к.ф.-м.н. мехмат МГУ, 25 лет math&DS, Kaggle, Scholar, Linkedin).
Чат для обсуждений: тут .
Вводный доклад тут.
Пояснения по RL части тут.

Краткая суть задачи может быть описана несколькими способами - нахождение пути на графе от вершины А до вершины Б, но размер графа 10^20-10^50 - обычные методы не применимы. Решение пазла типа Кубика Рубика. Задача близка к прошедшему конкурсу Каггл Санта 2023. Математически - разложение элемента группы по образующим. Математические пакеты, которые частично могут решать эту задачу - GAP,SAGE.

Достигнутые результаты - уже сейчас мы можем за минуты делать то, что авторы работы DeepCube делали за 40 часов на многих GPU.

Стать специалистом по машинному обучению

29 Jul 2024 15:03

Прочитал еще одну статью на Хабре от исследователей из Яндекса, посвященную "экстремальному" сжатию больших языковых моделей. Вообще, заметил хорошую тенденцию, что Яндекс очень много пишет про внутрянку LLM, наверное, больше, чем все остальные. Если вы еще не готовы читать научные статьи с arxiv'а, то относительно комфортное погружение в современное состояние дел будет как раз через такие статьи на Хабре.

Собственно, про квантизацию я знаю уже довольно давно. Веса больших моделей, которые обучают богатые компании, типа, OpenAI, Meta, Google и так далее, хранятся с точностью float16, когда на число с дробной частью (на один вес модели) выделяется 16 бит. 16 бит - это довольно много и простая математика говорит о том, что какая-нибудь модель с 7-ю миллиардами параметров (весов) будет занимать 112 миллиардов битов или 14 миллиардов байтов. Так-то, больше 13 Гб. А ведь это, по современным меркам, очень небольшая модель, которая не так, чтобы показывала какие-то ошеломляющие результаты.

Одним из способов сжатия моделей как раз и является квантизация, которая уменьшает разрядность чисел, в которых хранятся значения весов моделей. Оказывается, при таком подходе, с учетом некоторых нюансов, качество модели снижается не настолько сильно, насколько уменьшается ее размер. И, вот, некоторые LLM уже можно запускать на домашнем компьютере даже без видеокарты. Ну, а особенно это актуально для смартфонов, где хочется и скорости с отзывчивостью и ресурсов на это как можно поменьше тратить.

Два года назад научились эффективно сжимать модели в 4 раза, то есть до 4-х бит. Хороший результат, но давайте лучше сожмем в 8! И, вот, исследователи Yandex Research совместно с коллегами из IST Austria и KAUST предложили такой способ сжатия моделей в 8 раз, причем без какой-то значимой потери качества - их научная статья была включена в программу одной из самых престижных в мире конференций по машинному обучению - ICML 2024. Как замеряется это качество - это отдельная большая тема, но просто представьте, что теперь на условной RTX3090 можно запускать модели с 70 миллиардами параметров, а еще и эффективно файнтюнить их под свои задачи.

В статье есть краткий, но интересный рассказ о пути, через который прошло сжатие, чтобы достичь текущих результатов. Как всегда в таких историях меня восхищает гений инженерной мысли, который со стороны выглядит как магия.

Новый метод уже доступен для применения разработчикам и исследователям - код опубликован в репозитории GitHub.
Также можно скачать уже сжатые с помощью новых методов популярные опенсорс-модели.

Кроме того, Яндекс выложил обучающие материалы, которые помогут разработчикам дообучить уменьшенные нейросети под свои сценарии.

Стать специалистом по машинному обучению

10 Jul 2024 16:16

Посмотрел, тут, один ролик на ютубе про генерацию контента с помощью нейросетей и автоматический постинг во все соцсети с адаптацией под каждую сеть. С одной стороны идея на поверхности и, разумеется, это будут делать в надежде сэкономить на нормальных контент-мейкерах. С другой - тысячи тонн мусорного контента и экспоненциальный рост его количества. Хотелось бы понять куда это все заведет.

Стать специалистом по машинному обучению

03 Jul 2024 09:34

Хочу порекомендовать канал на YouTube для довольно простого входа в нейронные сети на базе библиотеки pytorch. В серии видео объяснены общие принципы и некоторые популярные архитектуры нейросетей. Показана их реализация почти с нуля, насколько можно считать реализацией с нуля настройку параметров модели с помощью pytorch. Возможно, для тех, кто не хочет начинать с хардовой математики - это лучший вход в нейронки. Автор его так и задумал.

Также есть недорогой курс на Степике, в котором те же видео, что и на YouTube, но добавлены практические задания, то есть принцип тот же, что у Сергея Балакирева - видео в свободном доступе, а практика за очень бюджетным пейволлом, чтобы поддержать труд автора.

Стать специалистом по машинному обучению

30 Jun 2024 09:48

Привет, друзья!

Вчера на встрече клуба я делился впечатлениями от использования шлема виртуальной реальности Oculus Quest 3, который я брал во временное пользование, чтобы решить надо оно мне или нет. Во-первых, решил, что надо. А во-вторых, хочу теперь записать подкаст с кем-то, кто занимается развитием VR-технологий, желательно с использованием ML, а ML там точно есть где применять. Если у вас есть на примете такие специалисты - дайте знать, по-возможности. Буду очень благодарен!

Ну, и если интересно послушать впечатления - ниже прикладываю аудиозапись встречи. Слушать с временной отметки 9:30

Стать специалистом по машинному обучению

18 Jun 2024 09:56

В продолжение поста о важности понимания контекста.

В подкасте уже 2 раза принимал участие небезызвестный специалист по искусственному интеллекту - Сергей Марков, ответственный за ruGPT-3, ruDALL-e, GigaChat и другие известные проекты. Еще когда мы записывались с Сергеем первый раз, он говорил о том, что пишет большую книгу про ИИ и даже присылал мне ее черновой вариант. А теперь полноценная книга, а точнее даже две, размещены в свободном доступе на сайте Сергея. Я начал читать и хочу поделиться первыми впечатлениями. Во-первых, это серьезный проработанный материал. На заре выхода подкаста я сам готовил выпуск по истории ИИ и перечитал множество источников, чтобы собрать больше фактов и постараться избежать транслирования мифов. Получилось только частично и сейчас я не назову тот выпуск достаточно достоверным. А, вот, о книге Сергея я, пожалуй, так сказать смогу. Видно, что перелопачено огромное количество источников, чтобы максимально правдиво рассказать о пути развития вычислительных наук, да и не только вычислительных.

Я читаю книгу и понимаю, что по духу она очень близка книге "Инноваторы", о которой я как-то рассказывал в одном из постов, и которую я считаю, наверное, лучшей книгой про технологии и людей, дающей более менее полную картину развития компьютерной техники через раскрытие личностей инженеров и предпринимателей, напрямую в этом участвовавших. И при этом в книге Сергея Маркова гораздо больше строгости, свойственной ученым, хотя не обходится и без эмоциональных историй, а также юмора. Думаю, что книга формирует правильное отношение к ИИ, в целом, хотя сам я еще и не дочитал до глав, посвященных безопасности и этичности ИИ-технологий. Я могу ее порекомендовать очень широкому кругу читателей, и в первую очередь, лицам, принимающим решения, чтобы быть в одном контексте с теми, кто двигает это направление. Возможно, тогда и решения будут гораздо более взвешенными и основанными на хорошей исторической базе, а не мифах, транслируемых СМИ уже многими десятилетиями. Это как раз о важности понимания контекста, если кто не понял :)

1. Ссылка на страницу сайта Сергея Маркова, с которой можно скачать книги в электронном виде (или даже заказать бумажные экземпляры)
2. Выпуск Machine Learning Podcast с Сергеем "Русская GPT-3 и роботы-коллекторы от Сбера"
3. Выпуск Machine Learning Podcast с Сергеем "ruDALL-E. Генерация картинок по текстовому описанию"
4. Пост про книгу "Инноваторы"

Стать специалистом по машинному обучению

16 Jun 2024 16:04

Кажется, я довольно часто повторяю мысль, что любые технологии, практики их применения и названия важно изучать не сами по себе, а в рамках исторического контекста. Тогда, во-первых, будет понятнее, какие задачи призвана решать та или иная технология, во-вторых, легче будет запомнить, чтобы лишний раз в гугл не бегать, а в-третьих, будет меньше недоумевания по поводу того, почему это работает так, и почему это казалось, а, возможно, и оказалось, хорошим решением.

Поэтому, я всегда стараюсь перед изучением чего-то нового погрузиться в исторический контекст. Это позволяет и саму технологию лучше понять, и мотивацию ее создателей, что, в конечном итоге, мне верится, приводит к более эффективному ее использованию.

А записать эту мысль ещё раз меня сподвигло очередное открытие в рамках нейминга команд Linux. Все знают команду cat для быстрого просмотра содержимого файла, но оказывается, ее предназначение не столько в этом, сколько в том, чтобы объединять несколько файлов в один поток вывода, потому и называется она как сокращение от "concatenate". А я все время думал, ну причем здесь какой-то кот, когда надо файл быстро посмотреть 🤷

Такие открытия случаются постоянно и позволяют посмотреть на очень привычные вещи по-новому, и в дальнейшем, более полно использовать их функционал.

Стать специалистом по машинному обучению

13 Sep 2024 15:07

🚀 Яндекс разработал AI-ассистента для работы с кодом

С помощью сервиса разработчики смогут по фрагменту кода сгенерировать наиболее вероятное его продолжение. Это поможет упростить написание и редактирование кода и ускорить продуктовую разработку в компаниях. Ассистент протестировали тысячи разработчиков Яндекса, 60% из которых стали постоянными пользователями сервиса.
Использование Yandex Code Assistant помогает повысить эффективность работы: доверьте рутинные операции AI и сосредоточьтесь на решении более сложных задач, чтобы ускорить разработку и сократить Time to market. Да и просто делает жизнь разработчиков проще и счастливее.

⚙️ Для кого
Инструмент полезен разработчикам любого уровня, а также техническим руководителям, которые хотят оптимизировать процессы и повысить продуктивность своих команд.

→ Как попробовать
Yandex Code Assistant доступен бесплатно на облачной платформе Yandex Cloud в режиме Preview. Для тестирования оставьте заявку.

Стать специалистом по машинному обучению

12 Sep 2024 08:45

Приветствую, друзья!

Как договаривались, сегодня состоится первый стрим. Начало в 19:00 по MSK. Жду тех, кому интересно пообщаться в прямом эфире, тех, кому интересно как настраивать доступ по SSH к удаленным машинам, какие вообще требуются предварительные настройки сервера. Поделюсь своими мыслями о том, почему имеет смысл уметь все это делать руками. Вероятнее всего, буду тупить с настройками стрима из-за отсутствия опыта, ну, и постараюсь максимально подробно комментировать все то, что буду делать, чтобы упростить понимание даже для тех, кто никогда еще с подобным не сталкивался.

Ссылка на стрим: https://www.youtube.com/live/3pJsgMwAXd0?si=uicttDR5i_DR4rXx
Примерный план стрима: /channel/toBeAnMLspecialist/853

Стать специалистом по машинному обучению

08 Sep 2024 19:00

Юрий Окуловский, которого, помимо прочих его заслуг, вы можете помнить как неоднократного гостя подкаста, начал выкладывать курс по генеративному искусственному интеллекту. С удовольствием посмотрел первую лекцию (ссылка). Пост, посвященный курсу, со ссылками на дополнительные материалы здесь. Очень много практических вопросов будет рассмотрено в рамках работы с моделями в условиях ограниченных вычислительных ресурсов с упором на open source!

Стать специалистом по машинному обучению

04 Sep 2024 11:47

Появилась мысль провести стрим по настройке подключения к локальному компьютеру без публичного IP-адреса, на котором установлена графическая карта так, чтобы можно было на этом компьютере запускать jupyter notebook, а доступ к нему иметь с любого другого компьютера.

То есть если у вас есть дома мощный локальный компьютер, но у него нет публичного IP-адреса и вообще он находится за NAT провайдера, но вы хотели бы проводить вычисления на нем, а результаты видеть с любого другого компьютера.

Был бы вам интересен такой стрим живой создания подобного сетапа?

Стать специалистом по машинному обучению

27 Aug 2024 10:22

Встречаемся 14 сентября на Practical ML Conf в Москве и
онлайн!

Machine learning, проверенный практикой*
* Сгенерировано YandexGPT

Главная конференция Яндекса по ML для экспертов: качественные технические доклады от ключевых инженеров, максимум пользы и знаний о практическом применении.

Ключевые темы конференции:
CV / NLP / Speech / RecSys / MLOps / Data science

В числе спикеров:
– Степан Комков — Яндекс Поиск, старший разработчик службы синтеза речи;
– Дмитрий Антипов — Сбер, АБТ, тимлид разработки;
– Виктор Плошихин — Yandex Cloud, руководитель ML-лаборатории в Yandex Platform Engineering.

Во вдохновляющем футуристичном пространстве «Суперметалл» мы поговорим о кейсах, которые не найти в научных статьях, ведь когда они появятся — вы уже не сможете оказаться в числе визионеров.

Ждём вас, чтобы заглянуть в будущее вместе — офлайн и онлайн.

Реклама. ООО "Яндекс", ИНН 7736207543

Стать специалистом по машинному обучению

26 Aug 2024 12:43

Привет, друзья! Свежий выпуск подкаста подоспел!

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!

https://mlpodcast.mave.digital/ep-61

Стать специалистом по машинному обучению

19 Aug 2024 11:09

Давно такого не было и вот опять :) После некоторого перерыва снова возвращаюсь к публикации выпусков Machine Learning Podcast!

В гостях нового 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!

https://mlpodcast.mave.digital/ep-60

Стать специалистом по машинному обучению

12 Aug 2024 12:04

🔥 Прикладная независимая конференция по ML (от организаторов HighLoad++)

26 и 27 сентября в Москве пройдет одна из главных конференций по ML - AiConf 2024! Это крупнейшее офлайн-событие для Data Scientist, ML инженеров.

И это не просто конференция, а площадка для обмена опытом, общения и профессионального роста.

➡️ Среди тем конференции:
- Работа со звуком
- Компьютерное зрение и генерация изображений
- Обработка естественного языка
- Рекомендательные системы и поиск
- Умные механизмы
- Разработка агентов
- Дискуссии на тему "ML будущего"
- Оптимизация использования железа

➡️ На AiConf 2024 вас ждут:
— Более 700 участников
— Доклады от Эмели Драль, Олега Бартунова, Алексея Голомедова
— Свежие доклады от лидеров рынка Ozon, Яндекса, Huawei, а также из реального сектора экономики
— Рассказы о кейсах и технологиях, которые можно сразу применить в своих проектах. Всё свежее, из первых рук
— Неформальное общение на afterparty в конце первого дня

❗️Кстати, ребята в своем телеграм-канале делают розыгрыш офлайн-билета, приглашаю поучаствовать (/channel/UseDataConfChannel)

Узнать больше о программе можно на сайте https://aiconf.ru/2024

Реклама ООО «Конференции Олега Бунина», ИНН: 7733863233, erid: LjN8Jx11K

Стать специалистом по машинному обучению

02 Aug 2024 11:27

Я давно наблюдаю за развитием всевозможных AI-тьюторов и, вот, наткнулся в одном чате на приложение для подготовки к собеседованиям. У меня случился вау-эффект! Не смотря на некоторые задержки в обработке и немного дерганый аватар интервьюера, приложение выглядит очень достойно! Прям, рекомендую попробовать пособеситься :)

Познакомился с автором приложения и самое интересное, что он не является специалистом в ML, то есть это отличный пример того, что уже можно брать готовые AI-сервисы и конструировать из них решения для своих задач. И это даже будет выглядеть вполне хорошо.

Ставь 🔥 если интересно было бы послушать подкаст с автором!

Стать специалистом по машинному обучению

28 Jul 2024 17:22

Чуть не забыл :) Хорошо, что напомнили в комментариях. У selfedu (Сергея Балакирева) вышел курс по машинному обучению на Степике. Как всегда на старте курса, у данного преподавателя, можно получить доступ бесплатно. Го!
https://stepik.org/course/209247/syllabus

Стать специалистом по машинному обучению

05 Jul 2024 11:14

Я сейчас много времени посвящаю изучению распределенных высоконагруженных систем. Все эти брокеры, балансировщики, реплики, шарды, мап-редьюсы и прочее. И поэтому с большим интересом прочитал статью на Хабре Как устроен рекомендательный сервис, который выдерживает 700 тысяч запросов в секунду. Это стенограмма доклада Артёма Ваншулина из Яндекса. В статье показан весь пайплайн с кратким разбором оптимизаций на каждом этапе.

Когда сам в своей работе сталкиваешься с задержками на сериализацию/десериализацию объектов, задержками передачи объектов по сети, неоптимальными алгоритмами обработки и т.п. очень задумываешься о нормальных мониторингах и профилировщиках. Узнал из статьи о том, что такое флеймограммы и профайлер бедного человека.

Но самые тяжелые вычисления, это конечно же ML. Ты можешь хоть обоптимизироваться на этапах запросов к БД или взять самый быстрый брокер, но если у тебя не оптимизирована работа с моделями, ни о какой скорости говорить смысла нет, поэтому бОльшая часть статьи посвящена оптимизации ML части пайплайна. Очень много вспомогательных вычислений происходит заранее и результаты кешируются для мгновенного доступа, а скалярное произведение просто какая-то панацея.

Каких-то хардовых технических деталей в статье нет, но проникнуться сложностью решаемой инженерной задачи можно.

Стать специалистом по машинному обучению

01 Jul 2024 13:55

Самые большие бусты в моей жизни случались тогда, когда мне удавалось попадать в близкий круг людей, которые сильнее меня разбираются в той области, которую я хотел прокачать. Ты как-будто сразу получаешь четкое видение как делать надо и как не надо, чтобы получать результат, близкий к желаемому. И хотя это может звучать как инфоцыганское клише, я продолжаю применять такой подход. Например, курс, который я пишу с соавторами по телеграм-ботам, получается намного лучше, чем если бы я писал его сам, просто потому что мои соавторы значительно опытнее меня в разработке. Но сейчас не про курс, это просто текущее подтверждение мысли, которую я хочу выразить этим постом прежде, чем предлагать вам поучаствовать в Kaggle-соревнованиях с крутой командой.

Где-то неделю назад в клубе один из участников, которого зовут Александр, рассказал, что они собрали команду из 5 человек и участвуют в соревнованиях по ML, а периодически еще успевают решать коммерческие задачи. И сейчас ищут себе еще одного начинающего специалиста, которому хотелось бы прокачаться в крутой команде, среди медалистов Kaggle. Мне история очень понравилась и я предложил Александру опубликовать информацию об этом в канале, возможно, кому-то из вас это покажется интересным. Честно говоря, я бы и сам попросился к ним, но текущие проекты бросить мне никак. В общем, если хотите быстрого профессионального роста, мне кажется, это, прям, хороший способ.

Вот само объявление:

ML-команда ищет разработчика для участия в kaggle соревновании

Мы опытная IT-команда, которая последние два года активно занимается ml-проектами (как коммерческими так и kaggle соревнованиями).
Наш основной фокус - это computer vision, federated learning, medical research. Для работы мы выбираем сложные задачи с социальным импактом, где использование ML действительно уместно.

Сейчас мы участвуем в соревновании RSNA-2024 вместе с многократным призером кегла и хотим усилить команду еще одним разработчиком.

Необходимые/желательные навыки и опыт:
- опыт участия в реальных проектах в качестве ds или ml разработчика
- опыт работы со стеком Python/numpy/pandas/scikit-learn/pytorch
- опыт участия в кегл соревнованиях (не обязательно, но будет плюсом)
- наличие свободного времени (минимум 20 часов в неделю)
- желание по-харду учиться и развиваться
- желание работать в команде

По итогам совместной работы будет обсуждаться возможность присоединиться к нашей команде на постоянной основе для участия в коммерческих проектах.

Если тебе интересна работа с нами, то напиши мне в личку или на почту lvov@horaizon27.com:
- пару слов о себе
- где учишься и/или работаешь
- над какими интересными проектами работал(а) и в чем был твой вклад
- чем тебя заинтересовало участие в RSNA-2024 вместе с нашей командой

Стать специалистом по машинному обучению

20 Jun 2024 20:26

Если у вас есть желание проникнуться нагромождением абстракций и в очередной раз осознать какие комплексные инженерные решения нас окружают в повседневной жизни, а также если вы хотите немного лучше понимать подкапотные процессы Linux - могу порекомендовать лекцию, где стеснительная девушка очень подробно рассказывает про процесс загрузки операционной системы. Я, конечно, примерно все это представлял, но вот это мое "примерно" было настолько примерно, что смотрю и тихо офигеваю.
https://www.youtube.com/live/RanCaFrPYrs?si=RcGMChY7Joy5Y03J

Стать специалистом по машинному обучению

17 Jun 2024 09:33

Как разобраться в вышмате за 1 вечер? 😨

Да никак. Но можно научиться понимать математику. И сберечь месяцы жизни, кучу нервов и сил.

В помощь вам - полезный канал о высшей математике. Его автор - выпускник СПБГУ, а ныне — преподаватель предмета.

На простом языке объясняет сложные вещи, даёт шпаргалки и проводит эфиры с решением задач 📈

Находка для всех, кому нужен вышмат по жизни. От полезных материалов и разборов до ответов на любые вопросы и живых дискуссий в комментариях.

Посмотрите сами 👉 @lav_math

Стать специалистом по машинному обучению

12 Jun 2024 10:45

Яндекс запустил Lite-версию генеративной текстовой модели YandexGPT 3

YandexGPT 3 Lite — это облегчённая версия генеративной модели Яндекса нового поколения. Особенность таких Lite-моделей заключается в более высокой скорости ответов, что позволяет решать простые задачи бизнеса буквально в режиме реального времени. Поэтому нейросеть хорошо показывает себя в сценариях, где важны время реакции и оптимизация затрат: например, бот-консультант на сайте, система подсказок для операторов колл-центров или суммаризатор результатов деловых встреч.

✈️ По данным замеров, YandexGPT 3 Lite стала ещё быстрее и точнее — и она уже доступна в режиме release candidate на облачной платформе Yandex Cloud. То есть клиенты могут протестировать её и плавно внедрить в свои продукты через API уже в ближайшее время.

Одним из ключевых этапов обучения модели стало выравнивание (Alignment), включающее в том числе стадию обучения с подкреплением (RL). В статье на Хабре - детали реализации Alignment и RL.