Обучаем первую модель машинного обучения за час
Кажется, что машинное обучение – это что-то очень сложное? Множество формул, непонятная математика и тысячи строк кода?
На самом деле начать можно гораздо проще.
В четверг, 9 июля в 19:00 (МСК) приглашаем на вебинар «Обучаем первую модель машинного обучения за час» где спикер – Андрей Жогов, ML-инженер в Сбере и преподаватель Физтеха сделает именно то, что указано в названии.
Андрей не только работает ML-инженером в Сбере, но и имеет большой опыт обучения начинающих специалистов. До Сбера он занимался задачами машинного обучения в МТС, а сегодня ведёт семинары по ML и помогает студентам делать первые шаги в профессии.
На вебинаре вы увидите, как выглядит обучение модели машинного обучения на практике, и поймёте, что первый шаг в ML может оказаться гораздо проще, чем кажется.
Этот вебинар будет особенно полезен, если вы:
▪️хотите войти в ML, но не знаете, с чего начать;
▪️уже изучаете Python и хотите перейти к машинному обучению;
▪️давно откладываете знакомство с ML, потому что кажется, что это слишком сложно.
Участников вебинара ждет небольшой, но приятный бонус, о нем расскажет Андрей на самом вебинаре.
Итак, четверг, 9 июля, 19:00 (МСК), регистрируйтесь заранее: https://t.me/ml_insideBot?start=web090726
Кажется, что машинное обучение – это что-то очень сложное? Множество формул, непонятная математика и тысячи строк кода?
На самом деле начать можно гораздо проще.
В четверг, 9 июля в 19:00 (МСК) приглашаем на вебинар «Обучаем первую модель машинного обучения за час» где спикер – Андрей Жогов, ML-инженер в Сбере и преподаватель Физтеха сделает именно то, что указано в названии.
Андрей не только работает ML-инженером в Сбере, но и имеет большой опыт обучения начинающих специалистов. До Сбера он занимался задачами машинного обучения в МТС, а сегодня ведёт семинары по ML и помогает студентам делать первые шаги в профессии.
На вебинаре вы увидите, как выглядит обучение модели машинного обучения на практике, и поймёте, что первый шаг в ML может оказаться гораздо проще, чем кажется.
Этот вебинар будет особенно полезен, если вы:
▪️хотите войти в ML, но не знаете, с чего начать;
▪️уже изучаете Python и хотите перейти к машинному обучению;
▪️давно откладываете знакомство с ML, потому что кажется, что это слишком сложно.
Участников вебинара ждет небольшой, но приятный бонус, о нем расскажет Андрей на самом вебинаре.
Итак, четверг, 9 июля, 19:00 (МСК), регистрируйтесь заранее: https://t.me/ml_insideBot?start=web090726
🔥3
Прямой эфир с Виктором Кантором и Валерием Бабушкиным уже начался!
Трансляцию перенесли на GetCourse: https://mlinside.getcourse.ru/pl/webinar/show?id=3302131&view=1
Ещё можно присоединиться к эфиру и задать свой вопрос в чате.
Трансляцию перенесли на GetCourse: https://mlinside.getcourse.ru/pl/webinar/show?id=3302131&view=1
Ещё можно присоединиться к эфиру и задать свой вопрос в чате.
❤7
Метрики выросли. Код работает. Можно катить в прод?
Если вы не можете ответить «да» с цифрами в руках – вы не закончили работу. Вы её только начали.
Чтобы отвечать на этот вопрос уверенно, в специализации появился новый блок, посвящённый A/B-тестированию. В нём всё, что нужно, чтобы грамотно проектировать эксперименты, анализировать их результаты и понимать, действительно ли изменения приносят пользу продукту.
Зачем это вам:
Даже если метрики выросли, это ещё не означает, что новая модель лучше. Разница в 0,3% может оказаться обычной случайностью, а команда потратит месяцы на оптимизацию, которая не приносит значимой пользы.
Именно A/B-тестирование помогает отделить реальные улучшения от статистического шума и понять, действительно ли изменения работают.
В новом блоке вас ждут 24 урока и 7 часов практики, на которых разберём:
▪️Основы экспериментов:
— как проектировать A/B-тесты;
— какие статистические критерии выбирать;
— какие ошибки чаще всего допускают и как их избежать.
▪️Продвинутые методы:
— бутстрэп и доверительные интервалы;
— ускорение экспериментов с помощью CUPED;
— последовательный анализ на практике.
▪️Индустриальную практику:
— инструменты продуктовых команд: GrowthBook и аналоги;
— реальные кейсы из индустрии, включая опыт МТС.
Что в итоге:
Это один из тех блоков, после которого меняется сам подход к работе с ML-моделями. Вместо «кажется, стало лучше» вы сможете проектировать эксперименты, выбирать корректные статистические критерии, интерпретировать результаты и принимать решения на основе данных.
Новый блок по A/B-тестированию уже доступен в специализации «AI и анализ данных».
Переходите по ссылке, чтобы посмотреть полную программу, сравнить варианты подписки и выбрать подходящий формат обучения: https://mlinside.ru/specializaciya/?utm_source=telegram&utm_medium=social&utm_campaign=post_anons-blok-5
Если вы не можете ответить «да» с цифрами в руках – вы не закончили работу. Вы её только начали.
Чтобы отвечать на этот вопрос уверенно, в специализации появился новый блок, посвящённый A/B-тестированию. В нём всё, что нужно, чтобы грамотно проектировать эксперименты, анализировать их результаты и понимать, действительно ли изменения приносят пользу продукту.
Зачем это вам:
Даже если метрики выросли, это ещё не означает, что новая модель лучше. Разница в 0,3% может оказаться обычной случайностью, а команда потратит месяцы на оптимизацию, которая не приносит значимой пользы.
Именно A/B-тестирование помогает отделить реальные улучшения от статистического шума и понять, действительно ли изменения работают.
В новом блоке вас ждут 24 урока и 7 часов практики, на которых разберём:
▪️Основы экспериментов:
— как проектировать A/B-тесты;
— какие статистические критерии выбирать;
— какие ошибки чаще всего допускают и как их избежать.
▪️Продвинутые методы:
— бутстрэп и доверительные интервалы;
— ускорение экспериментов с помощью CUPED;
— последовательный анализ на практике.
▪️Индустриальную практику:
— инструменты продуктовых команд: GrowthBook и аналоги;
— реальные кейсы из индустрии, включая опыт МТС.
Что в итоге:
Это один из тех блоков, после которого меняется сам подход к работе с ML-моделями. Вместо «кажется, стало лучше» вы сможете проектировать эксперименты, выбирать корректные статистические критерии, интерпретировать результаты и принимать решения на основе данных.
Новый блок по A/B-тестированию уже доступен в специализации «AI и анализ данных».
Переходите по ссылке, чтобы посмотреть полную программу, сравнить варианты подписки и выбрать подходящий формат обучения: https://mlinside.ru/specializaciya/?utm_source=telegram&utm_medium=social&utm_campaign=post_anons-blok-5
❤6🔥3
MLinside - школа ML
Метрики выросли. Код работает. Можно катить в прод? Если вы не можете ответить «да» с цифрами в руках – вы не закончили работу. Вы её только начали. Чтобы отвечать на этот вопрос уверенно, в специализации появился новый блок, посвящённый A/B-тестированию.…
This media is not supported in your browser
VIEW IN TELEGRAM
❤5🔥3
Ищем участника для открытого ML-собеседования
Если вы уже изучаете машинное обучение, но пока не работаете ML-инженером, приглашаем подать заявку.
Ищем человека с базовыми знаниями ML – не новичка с нуля, но и не действующего ML-инженера. Главное – желание получить честную обратную связь и не бояться разбирать свои ответы публично.
Если готовы поучаствовать, заполните форму: https://forms.yandex.ru/cloud/6a4b8211d04688001e046a73
Из всех заявок выберем одного участника и свяжемся с ним.
Если вы уже изучаете машинное обучение, но пока не работаете ML-инженером, приглашаем подать заявку.
Ищем человека с базовыми знаниями ML – не новичка с нуля, но и не действующего ML-инженера. Главное – желание получить честную обратную связь и не бояться разбирать свои ответы публично.
Если готовы поучаствовать, заполните форму: https://forms.yandex.ru/cloud/6a4b8211d04688001e046a73
Из всех заявок выберем одного участника и свяжемся с ним.
🔥4❤3
Как проходят собеседования на ML-позиции?
В следующий четверг приглашаем на открытое мок-собеседование с Александром Дубейковским.
В прямом эфире Александр проведет интервью с одним из участников нашего сообщества так, как это происходит на реальном собеседовании. Вместе разберем ответы кандидата, обсудим сильные стороны, типичные ошибки и то, на что действительно обращают внимание интервьюеры.
Этот вебинар будет полезен, если вы:
▪️готовитесь искать первую работу в ML;
▪️хотите понять, как проходят технические собеседования;
▪️интересуетесь тем, какие знания и навыки сегодня ожидают от ML-специалистов.
Когда: 16 июля в 19:00 МСК
Регистрация по ссылке: https://t.me/ml_insideBot?start=web160726
Даже если вы не будете проходить собеседование сами, такой формат позволяет увидеть процесс глазами кандидата и лучше подготовиться к собственным интервью.
В следующий четверг приглашаем на открытое мок-собеседование с Александром Дубейковским.
В прямом эфире Александр проведет интервью с одним из участников нашего сообщества так, как это происходит на реальном собеседовании. Вместе разберем ответы кандидата, обсудим сильные стороны, типичные ошибки и то, на что действительно обращают внимание интервьюеры.
Этот вебинар будет полезен, если вы:
▪️готовитесь искать первую работу в ML;
▪️хотите понять, как проходят технические собеседования;
▪️интересуетесь тем, какие знания и навыки сегодня ожидают от ML-специалистов.
Когда: 16 июля в 19:00 МСК
Регистрация по ссылке: https://t.me/ml_insideBot?start=web160726
Даже если вы не будете проходить собеседование сами, такой формат позволяет увидеть процесс глазами кандидата и лучше подготовиться к собственным интервью.
❤5
Если будет драка между Data Scientist и ML-инженером, кто победит?
А главное, как вы поймете, кто из них кто? У нас на YouTube, в ВК и Дзен вышло новое видео с Александром Дубейковским (ML Engineer в Авито, ex-Яндекс), где он рассказывает, чем отличается работа Data Scientist от работы ML Engineer, какие задачи решает каждый специалист и какие навыки действительно важны для этих ролей.
Вы узнаете:
▪️почему Data Scientist и ML Engineer часто выполняют разные задачи под одинаковыми названиями вакансий;
▪️кто отвечает за качество модели, а кто – за её работу в продакшене;
▪️чем отличаются задачи Data Scientist и ML Engineer на одном проекте;
▪️какие знания нужны для каждой профессии;
▪️кому больше подойдёт путь Data Scientist, а кому – ML Engineer.
Если вы только выбираете направление в Machine Learning, готовитесь к собеседованиям или хотите лучше понимать устройство ML-команд в современных IT-компаниях, это видео поможет разобраться в ролях и сделать более осознанный выбор карьерного пути.
Ссылки на видео:
https://youtu.be/Px_8Pp7wW3g
https://vkvideo.ru/video-228219607_456239257
https://dzen.ru/video/watch/6a50df39a0fe1a0e44e36678
А главное, как вы поймете, кто из них кто? У нас на YouTube, в ВК и Дзен вышло новое видео с Александром Дубейковским (ML Engineer в Авито, ex-Яндекс), где он рассказывает, чем отличается работа Data Scientist от работы ML Engineer, какие задачи решает каждый специалист и какие навыки действительно важны для этих ролей.
Вы узнаете:
▪️почему Data Scientist и ML Engineer часто выполняют разные задачи под одинаковыми названиями вакансий;
▪️кто отвечает за качество модели, а кто – за её работу в продакшене;
▪️чем отличаются задачи Data Scientist и ML Engineer на одном проекте;
▪️какие знания нужны для каждой профессии;
▪️кому больше подойдёт путь Data Scientist, а кому – ML Engineer.
Если вы только выбираете направление в Machine Learning, готовитесь к собеседованиям или хотите лучше понимать устройство ML-команд в современных IT-компаниях, это видео поможет разобраться в ролях и сделать более осознанный выбор карьерного пути.
Ссылки на видео:
https://youtu.be/Px_8Pp7wW3g
https://vkvideo.ru/video-228219607_456239257
https://dzen.ru/video/watch/6a50df39a0fe1a0e44e36678
🔥7❤5😁5
Помните про мок-собеседование в этот четверг?
На прошлой неделе мы открыли набор кандидатов и получили много заявок. Спасибо всем, кто откликнулся и заполнил анкету!
Все заявки мы передали Александру Дубейковскому. Выбрать одного участника оказалось непросто – сильных кандидатов было действительно много. В итоге на мок-собеседование мы пригласили Глеба и сегодня мы хотим познакомить вас с ним.
Глеб учится на 3 курсе направления «Фундаментальная информатика и информационные технологии», проходит стажировку продуктовым аналитиком в ecom.tech и готовится перейти в Data Science.
Интерес к машинному обучению у Глеба появился еще во время учебы в университете. С тех пор он успел пройти курс по кредитному скорингу, поработать над несколькими учебными проектами и сейчас готовится к переходу в Data Science. А еще – проходит отбор в одну из крупных технологических компаний.
Вот как сам Глеб рассказывает о своем знакомстве с машинным обучением:
МОК-собес пройдёт 16 июля в 19:00 МСК, Александр Дубейковский проведет с Глебом полноценное техническое интервью, а после разберет ответы, ошибки и расскажет, на что обращают внимание интервьюеры.
Регистрируйтесь по ссылке: https://t.me/ml_insideBot?start=web160726
На прошлой неделе мы открыли набор кандидатов и получили много заявок. Спасибо всем, кто откликнулся и заполнил анкету!
Все заявки мы передали Александру Дубейковскому. Выбрать одного участника оказалось непросто – сильных кандидатов было действительно много. В итоге на мок-собеседование мы пригласили Глеба и сегодня мы хотим познакомить вас с ним.
Глеб учится на 3 курсе направления «Фундаментальная информатика и информационные технологии», проходит стажировку продуктовым аналитиком в ecom.tech и готовится перейти в Data Science.
Интерес к машинному обучению у Глеба появился еще во время учебы в университете. С тех пор он успел пройти курс по кредитному скорингу, поработать над несколькими учебными проектами и сейчас готовится к переходу в Data Science. А еще – проходит отбор в одну из крупных технологических компаний.
Вот как сам Глеб рассказывает о своем знакомстве с машинным обучением:
«ML начал изучать пару лет назад, и в этом мне помог YouTube-канал MLinside. А сейчас мне выпала возможность самому пройти mock-собеседование, на которое я вас приглашаю!»
МОК-собес пройдёт 16 июля в 19:00 МСК, Александр Дубейковский проведет с Глебом полноценное техническое интервью, а после разберет ответы, ошибки и расскажет, на что обращают внимание интервьюеры.
Регистрируйтесь по ссылке: https://t.me/ml_insideBot?start=web160726
❤5👍2🔥2
Мы начинаем вебинар, подключайтесь: https://mlinside.getcourse.ru/pl/webinar/show?id=3304004&view=1
🔥3
Если вы давно присматривались к курсу ML System Design, но откладывали решение – сейчас тот самый момент
Уже в воскресенье стартуют занятия, и до начала обучения ещё можно успеть присоединиться к группе. Курс ведёт Валерий Бабушкин – Senior Director по Data & AI в BP, грандмастер Kaggle, автор книги Machine Learning System Design и специалист, который много лет строит ML-продукты в крупных международных компаниях.
На курсе Валерий разбирает то, как проектируются ML-системы, которые работают в production. Вы научитесь переводить бизнес-задачи в ML-решения, проектировать архитектуру, выстраивать пайплайны обучения, внедрять модели в продукт, организовывать мониторинг и оптимизировать инференс. Отдельный блок посвящён современным AI-системам и интеграции LLM в production-инфраструктуру.
За 4 месяца вас ждут 60 занятий, работа с реальными кейсами, разбор дизайн-документов, архитектурных решений из production и живые обсуждения ваших вопросов.
Курс подойдёт ML-инженерам, Data Scientists, тимлидам и руководителям AI-направлений, а также тем, кто хочет выйти за рамки обучения моделей и научиться создавать полноценные ML-системы.
Если вы уже не раз открывали страницу курса, читали программу и думали: «Запишусь позже», – позже уже почти наступило и сейчас лучшее время, чтобы оставить заявку: https://mlinside.ru/system-design/?utm_source=telegram&utm_medium=social&utm_campaign=post-last_17_07_2026
Уже в воскресенье стартуют занятия, и до начала обучения ещё можно успеть присоединиться к группе. Курс ведёт Валерий Бабушкин – Senior Director по Data & AI в BP, грандмастер Kaggle, автор книги Machine Learning System Design и специалист, который много лет строит ML-продукты в крупных международных компаниях.
На курсе Валерий разбирает то, как проектируются ML-системы, которые работают в production. Вы научитесь переводить бизнес-задачи в ML-решения, проектировать архитектуру, выстраивать пайплайны обучения, внедрять модели в продукт, организовывать мониторинг и оптимизировать инференс. Отдельный блок посвящён современным AI-системам и интеграции LLM в production-инфраструктуру.
За 4 месяца вас ждут 60 занятий, работа с реальными кейсами, разбор дизайн-документов, архитектурных решений из production и живые обсуждения ваших вопросов.
Курс подойдёт ML-инженерам, Data Scientists, тимлидам и руководителям AI-направлений, а также тем, кто хочет выйти за рамки обучения моделей и научиться создавать полноценные ML-системы.
Если вы уже не раз открывали страницу курса, читали программу и думали: «Запишусь позже», – позже уже почти наступило и сейчас лучшее время, чтобы оставить заявку: https://mlinside.ru/system-design/?utm_source=telegram&utm_medium=social&utm_campaign=post-last_17_07_2026
❤4
MLinside - школа ML
Если вы давно присматривались к курсу ML System Design, но откладывали решение – сейчас тот самый момент Уже в воскресенье стартуют занятия, и до начала обучения ещё можно успеть присоединиться к группе. Курс ведёт Валерий Бабушкин – Senior Director по Data…
Media is too big
VIEW IN TELEGRAM
Тизерим новый подкаст с Никитой Зелинским и напоминаем, что курс по ML System Design уже стартовал, можете успеть запрыгнуть в самый последний вагон
❤6