SenatorovAI | Школа Data Science Руслана Сенаторова
404 subscribers
125 photos
60 videos
141 links
Написать в личные сообщения @SenatorovLive

Школа DATA SCIENCE для любого уровня https://senatorovai.com

Курсы t.me/RuslanSenatorov/2463

DS проекты @SenatorovFreelance

Основной канал @RuslanSenatorov

Ютуб youtube.com/SENATOROV
Download Telegram
#freelance
Выполнил ВТОРОЙ коммерческий проект в организации SENATOROVAI

Требовалось численно решить обобщённое алгебраическое уравнение Риккати для сингулярной линейной системы с использованием нейросетевого метода MADALINE

Выполнено:
Файл madaline_riccati.py предназначен для обучения нейросети MADALINE, которая подбирает матрицу
P так, чтобы уравнение Риккати выполнялось как можно точнее. В результате работы алгоритма ошибка уравнения уменьшается, что подтверждает корректность найденного решения

Посмотреть можно ТУТ 👇
https://github.com/SENATOROVAI/madaline_riccati

Предыдущий проект https://t.me/SENATOROVAI/122
🎉51
#group_2_scrum
Созвон второй группы на следующей неделе в четверг (29.01) - 20:00

2 группа https://cr2nsocc.ktalk.ru/sw1tpl3toeyl
1
Как называется изолированная папка, содержащая отдельную установку Python и набор библиотек для конкретного проекта?
Anonymous Quiz
11%
корневая папка проекта
75%
виртуальное окружение
7%
пакет
7%
директория
Пакетный менеджер Python, популярный в Data Science - это ...
Anonymous Quiz
44%
pip
6%
uv
9%
poetry
41%
conda
1
Современный стандартный конфигурационный файл для Python-проектов (согласно PEP 518), предназначенный для хранения метаданных, зависимостей и настроек инструментов.
Anonymous Quiz
39%
pyproject.toml
38%
requirements.txt
9%
setup.cfg
👍2
Разработчик одновременно работает над двумя проектами. Первый он выполняет самостоятельно, второй - в команде, поэтому ему нужно установить те же версии Python и библиотек, что и у других членов команды. Как при этом избежать конфликтов версий?
Anonymous Quiz
3%
Установить самые последние версии Python и библиотек
3%
Работать на разных ПК
93%
Использовать виртуальные окружения
#group_3_scrum
Созвон 3 группы - 29.01.2026 Четверг 19-00

3 группа: https://g2rnrwqk.ktalk.ru/e2combx4mhhy
👍2
#group_1_scrum

Созвон первой группы.
31.01.2025г. в 17:00 (GMT+3)

Повестка дня:
1. Знакомство с новыми участниками.
2. Обсуждение организационных вопросов.
2. Обсуждение вопросов в процессе обучения.

1 группа https://9dsqs1ue.ktalk.ru/brtrtbqod7o1
Jupyter Notebook — это почти стандарт в DS.
Им пользуются не только новички, но и Google, Netflix, Meta — потому что удобно думать и показывать результат.

Ютуб | Школа SenatorovAI | Live
🔥6
📚Для входа в Data Science не нужно быть гением математики
На старте достаточно базовой статистики и понимания логики. Глубокую математику используют далеко не каждый день, а многие специалисты доучивают её уже в процессе работы.💻

Ютуб | Школа SenatorovAI | Live
8🔥4
🧠 Что такое Git простыми словами
Git — это система контроля версий.
Представь, что ты сохраняешь файл как:
final.ipynb, final_final.ipynb
Git делает это умно и автоматически, сохраняя историю всех изменений.

⚡️ Почему Git важен именно для Data Science
— можно вернуться к старым версиям модели
— видно, как проект развивался
— удобно хранить ноутбуки, данные, эксперименты
— это часть профессионального мышления

💬 Главный момент
Git — это не про команды, а про привычку сохранять прогресс.
Не нужно знать всё сразу. Достаточно начать с:
init → add → commit → push

Ютуб | Школа SenatorovAI | Live
8
🧠 Что такое GitHub
GitHub — это место, где хранится твой Git-проект в интернете.
Он нужен, чтобы:
— хранить код в облаке
— работать в команде
— показывать проекты работодателям
— не бояться сломать ноутбук

GitHub — это не просто хранилище кода. Для новичка в Data Science это онлайн-дневник твоего роста. Даже простые проекты на GitHub показывают, что ты реально учишься, а не просто смотришь курсы.

На GitHub можно:
— хранить код и ноутбуки
— возвращаться к старым версиям
— делиться проектами
— смотреть, как пишут код другие

Ютуб | Школа SenatorovAI | Live
3
🧠 Неочевидный факт про Big Tech

В Netflix долгое время вообще не было Data Science-команды в привычном смысле.

Почему?
Потому что каждый инженер обязан был уметь анализировать данные сам.

💡 Внутренняя логика Netflix была такая:

«Если ты не понимаешь данные, ты не понимаешь продукт».

Поэтому:
• инженеры сами строили метрики
• сами проверяли гипотезы
• сами принимали решения на основе цифр

Data Science там — это не «отдельный отдел»,
а часть инженерного мышления.

📌 Отсюда важный вывод, который часто ломает ожидания новичков:
Big Tech не делит людей на
«кодер», «аналитик», «дата-сайентист».

Они делят на:
• тех, кто думает системно
• и тех, кто просто знает инструменты

Инструменты можно выучить за месяцы.
Мышление — формируется годами.

Ютуб | Школа SenatorovAI | Live
6
Почему AI Optimization Engineer — профессия будущего

Мир уже научился создавать модели.
Настоящий дефицит сегодня — в людях, которые умеют заставить их работать максимально эффективно.

Оптимизатор моделей — это специалист, который понимает не только как обучить модель, но и как сделать её быстрее, точнее, дешевле и стабильнее. Это работа на стыке математики, алгоритмов оптимизации, машинного обучения и инженерии. Именно здесь рождается реальная ценность для бизнеса.

Почему эта профессия востребована по всему миру

Любая крупная компания — от финтеха и медицины до BigTech — сталкивается с одними и теми же проблемами:

модели слишком дорогие в обучении и инференсе
обучение нестабильно или медленно сходится
небольшие улучшения дают огромный экономический эффект

Оптимизатор моделей решает эти задачи.
Он экономит миллионы долларов вычислительных ресурсов, ускоряет вывод продукта на рынок и напрямую влияет на прибыль.

Почему особенно США и Кремниевая долина

В Кремниевой долине:

модели обучаются на кластерах стоимостью десятки и сотни миллионов долларов
даже 1–2% улучшения в оптимизации — это колоссальные деньги
ценятся специалисты, которые понимают градиенты, сходимость, кривизну, численные методы, а не только вызывают `.fit()`

Поэтому лучшие оптимизаторы работают в Google, OpenAI, Meta, Apple, NVIDIA, стартапах с миллиардными оценками — и получают очень высокие компенсации, включая опционы и бонусы. Для топ-уровня счёт действительно идёт на миллионы в год.

Почему этому не учат массово

Большинство курсов по ML:

поверхностны
не дают математического фундамента
не учат почему алгоритм работает или ломается

А оптимизация — это глубокая, сложная область. Здесь нужны:

выпуклый анализ
численные методы
SGD, SAG, SAGA, LBFGS, Newton, trust-region
понимание геометрии пространства параметров

Именно поэтому специалистов так мало.

Почему SenatorovAI

Моя школа SenatorovAI обучает не «пользователей библиотек», а инженеров оптимизации:

с нуля и до реального продакшн-уровня
с разбором алгоритмов изнутри, а не по слайдам
с математикой, интуицией и практикой на реальных задачах

Мы готовим людей к профессии, которая:

глобально востребована
плохо автоматизируется
и будет только расти по мере усложнения моделей

Оптимизатор моделей — это не тренд.
Это ключевая роль в экономике ИИ ближайших десятилетий.


https://www.ultralytics.com/ru/blog/what-is-model-optimization-a-quick-guide

Ютуб | Школа SenatorovAI | Live
Please open Telegram to view this post
VIEW IN TELEGRAM
4
#group_2_scrum

Сегодня состоится созвон 2 группы в 18:00 по МСК
Ссылка: https://cr2nsocc.ktalk.ru/sw1tpl3toeyl

Обсудим проблемы и дальнейшие планы в школе

Ютуб | Школа SenatorovAI | Live
🔥1