MLinside - школа ML
4.08K subscribers
341 photos
31 videos
286 links
Запись на 1 поток курса по NLP: https://nlp.mlinside.ru/?utm_source=telegram&utm_medium=social&utm_campaign=tg_main
Наши курсы: https://taplink.cc/mlinside
Чат коммьюнити: @ml_insidechat
По вопросам: @marinagartm
Download Telegram
Добавили в специализацию новый блок про Production ML

Обучить ML-модель — только половина дела. Дальше её нужно превратить в работающий сервис, наладить обработку данных, автоматизировать процессы и обеспечить стабильную работу в продакшене.

В новом блоке специализации «Искусственный интеллект и анализ данных» разбираем весь этот путь.

Начинаем с разработки ML-сервисов на FastAPI и Docker, потоковой обработки данных через Kafka и работы с ClickHouse. Затем переходим к построению витрин с dbt и оркестрации пайплайнов через Airflow и Dagster. На практике объединяем инструменты и настраиваем автоматические запуски.

Отдельно изучаем специализированный ML-стек:
▪️ DVC — версионирование данных и пайплайнов.
▪️ Feast — работа с feature store.
▪️ MLflow — эксперименты и управление моделями.

В финале разбираем CI/CD, автоматизацию деплоя и переобучения, мониторинг через Prometheus и Grafana, а также отслеживание дрейфа данных.

Авторы блока:
— Владислав Бояджи — CDO МТС Scoring, ранее Head of ML в Ozon Банке и «Мокка», ML Team Lead в Сбере и МТС Банке. Преподаватель НИУ ВШЭ.
— Николай Крупий — Data Engineer, автор канала Data & IT Career.

Присоединяйтесь к специализации
❤8🔥5🏆3
Media is too big
VIEW IN TELEGRAM
Модель выкатили на всех, а через месяц метрики упали

И не понятно, что именно пошло не так: плохая модель, сезонность или случайный шум. Чтобы избежать такой ситуации, вам нужен правильно спроектированный A/B-тест. На YouTube, в ВК и Дзен у нас вышло видео, где Даниил Потапов (руководитель бизнесовых решений на данных в Т-Банке, ex-Head of DS & Analytics в МТС и преподаватель Специализации) разбирает, как на самом деле устроены A/B-тесты в ML: от дизайна эксперимента и выбора метрик до статистической значимости и типичных ошибок.

Смотрите видео полностью:
На YouTube
В ВК
На Дзен

Или изучайте весь блок по A/B тестам в специализации AI и анализ данных
❤9
MLinside - школа ML
AI-агент экономит деньги или создаёт ещё одну статью расходов? Расходы на AI-агента не ограничиваются подпиской или оплатой API. К ним добавляются время на настройку, проверку результатов и исправление ошибок. И чем чаще человеку приходится вмешиваться в…
Сегодня в 19:30 МСК встречаемся на вебинаре про экономику AI-агентов!

Будет много практики: возьмём реальный кейс, пройдёмся по расходам и попробуем ответить на главный вопрос: сколько должна стоить задача, чтобы её действительно имело смысл поручать AI-агенту?

Вебинар проведёт Максим Шаланкин, ML Team Lead Big Data MWS (МТС).

Если планируете внедрять AI-агентов в работу или уже экспериментируете с ними, присоединяйтесь.

Начало сегодня в 19:30 МСК.

Подключайтесь к вебинару, чтобы вместе с нами разобраться в цифрах и оценить, насколько выгодны AI-агенты на практике
👍3🔥3❤2🙏1
Live stream started
Live stream finished (42 minutes)
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥7❤2
Media is too big
VIEW IN TELEGRAM
Есть момент, когда привычного использования нейросетей для отдельных задач становится мало — хочется встроить их в работу так, чтобы они действительно снимали часть нагрузки, а результат при этом оставался управляемым.

На курсе «AI-агенты для продактов» как раз будем разбирать, как выстраивать такие процессы: что можно делегировать агенту, где нужны ограничения и как проверять результат до того, как он попадёт в работу.

Курс стартует 27 октября. Посмотрите программу и оставьте заявку, если хотите собрать собственные рабочие сценарии с AI-агентами
❤5🔥3
Поиск информации, рекомендации в приложениях и распознавание речи — каждый день мы пользуемся сервисами, в основе которых лежит машинное обучение. При этом ещё 15 лет назад многие из этих задач решались совсем другими способами.

В новом видео у нас на YouTube, в ВК и Дзен Александр Дубейковский (ML Engineer в Авито, эксперт MLinside, ex-Яндекс) на конкретных примерах показывает, как развивались алгоритмы, чему модели научились благодаря данным и почему ML стал настолько востребован в современных цифровых продуктах.

Видео подойдёт тем, кто только знакомится с машинным обучением или хочет лучше понять принципы его работы.

Выбирайте удобную площадку для просмотра:
▪️ YouTube: https://youtu.be/oDi7WTHdCIU
▪️ ВКонтакте: https://vkvideo.ru/video-228219607_456239345
▪️ Дзен: https://dzen.ru/video/watch/6ad1e9d12cdfb474e8fb9f4b
❤3
Внимание-внимание!

Спасибо за внимание, на связи наша регулярная рубрика «ML в реальной жизни» и мы продолжаем задавать ситуации, с которыми сталкиваются ML/DS-команды в продакшене. В этой рубрике нет единственно правильных ответов. Её цель – научиться рассуждать, обсуждать подходы и смотреть на проблемы с разных сторон.

Поэтому, если хотите, чтобы рубрика была вам максимально полезна, важно не просто выбрать вариант, а объяснить в комментариях:
— почему выбрали именно его
— что бы вы проверяли
— какие риски вы бы учитывали

Сегодня у нас ситуация №7

Ситуация: Данные есть, но они грязные

Контекст:
Вам дали датасет для новой задачи. 30% пропусков в ключевых признаках, выбросы, несогласованные форматы. Очистка займет 2–3 недели. Дедлайн — через 5 дней. Бизнес ждет "хоть какую-то модель".

Что будете делать в первую очередь?

Все посты этой рубрики можно будет посмотреть по тэгу: #риллайф_MLinside
❤4
Please open Telegram to view this post
VIEW IN TELEGRAM
Необязательно изучать все направления машинного обучения одинаково глубоко

Аналитику может быть важнее статистика и A/B-тестирование, AI Engineer — работа с LLM и развёртывание моделей, а продуктовому менеджеру — оценка возможностей и стоимости AI-решений.

В специализации «Искусственный интеллект и анализ данных» собраны модули для разных профессиональных задач. В карточках показали на четырёх примерах, какие разделы программы стоит изучить в зависимости от вашей работы.

А посмотреть содержание всех доступных модулей можно на сайте
❤5
Please open Telegram to view this post
VIEW IN TELEGRAM
❤3
Cтоит ли сегодня тратить годы на изучение программирования, если значительную часть работы уже можно поручить ИИ?

На YouTube, в ВК и Дзен у нас вышло видео, где Александр Дубейковский (ML Engineer в Авито, эксперт MLinside, ex-Яндекс) делится своим опытом работы с AI-агентами и рассказывает, чему он учился бы сегодня, если бы только начинал карьеру в IT.

А еще, мы тестируем новые форматы видео, будем благодарны, если вы поделитесь своим мнением в комментариях тут или под видео.

Смотрите на удобной для вас площадке:
YouTube: https://youtu.be/b8Nwiasef50
ВК: https://vkvideo.ru/video-228219607_456239347?list=1f138720fc68ec6ccf
Дзен: https://dzen.ru/video/watch/6adb5dd2e6b18e075b59ae55
❤4