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
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
Учимся на практике: решаем реальные ML-задачки

Это рубрика #петпроект_MLinside и тут мы публикуем задачи из реальных (ну или почти реальных) проектов, чтобы лучше запомнить теорию. Плюс, упоминание об этом можно включить в портфолио, что определенно поможет вам на собеседованиях.

Двадцатая задача

Что нужно сделать:
Определить динамику роста цены на разные виды авокадо

Что можно сделать:
▪️Для каждого из 3-ех видов авокадо построить график роста цены одной штуки
▪️Определить штаты в которых рост цен был максимальным для каждого из видов авокадо
▪️определить в каких штатах больше рос спрос на обычные авокадо, а в каких на органик (переменная type)

Данные можно взять на Kaggle

Пример ноутбука (с случайными пропусками строк)

Готовы попробовать? Делитесь своими результатами в комментариях. А другие посты этой рубрики можно посмотреть по тэгу: #петпроект_MLinside
❤4
Anthropic советует сворачивать субагентов в один цикл работы агента

Команда прикладного ИИ Anthropic объяснила, когда вместо оркестратора с субагентами лучше один агент с навыками и инструментами, подключаемыми по мере необходимости. У крупных клиентов единый цикл часто выигрывал по качеству, а стоимость и время ответа были ниже.

Именно поэтому там, где лишние звенья только добавляют задержку, Anthropic советует начинать с одного понятного системного промпта, четырёх-пяти простых инструментов доступа к данным и жёстких ограничений на выходные ответы. Качество всего сценария контролирует одна небольшая команда.

Отказываться от субагентов не обязательно: они нужны, когда контекст раздувается и качество падает, задачи надо выполнять параллельно в отдельных контекстах или модель путается в выборе инструментов из-за противоречащих инструкций.
❤5🔥1😁1
Сегодня стартовал курс «AI-агенты для продактов»

27 октября начался первый поток нашего нового курса! Если вы хотели присоединиться, но не успели записаться до старта, ещё есть возможность попасть на обучение — набор открыт до 1 ноября.

За 9 недель участники научатся собирать AI-агентов под реальные продуктовые задачи:
▪️Подготовку PRD, бизнес-требований и user stories.
▪️Исследование рынка, конкурентов и целевой аудитории.
▪️Анализ продуктовых метрик, воронок и обратной связи.
▪️Проверку гипотез и проработку продуктовой стратегии.
▪️Подготовку презентаций и защиту решений перед стейкхолдерами.

В программе — 7 онлайн-занятий по 1,5 часа и бонусный вебинар. Преподаватели — практикующие специалисты из МТС, Avito, Typeform, Beeline Cloud и других компаний.

На занятиях участники будут собирать рабочие AI-сценарии, а к концу курса объединят их в собственную систему агентов для продуктовой работы.

Хотите делегировать рутину AI-агентам и освободить время для продуктовых решений? Оставьте заявку на участие до 1 ноября
❤3
Как выстроить работу с AI-агентами в разработке?

Мы готовим практический курс для разработчиков и техлидов, которые используют Claude Code, Cursor, Codex и другие инструменты. В программе — постановка задач, тестирование, безопасность, ревью и организация работы с агентами в команде. На практике участники соберут собственный harness на Python для запуска агента и проверки его работы.

Преподаватели курса:
▪️ Дмитрий Полищук — руководитель отдела разработки WB Taxi, ранее делал СберАвтоТех и создавал Яндекс Go
▪️ Геннадий Евстратов — участник команды AI Marvel в Яндексе, занимается AI-assisted Software Development, более 30 лет в разработке.

Запуск курса планируем через 2–3 месяца. До этого хотим собрать реальные кейсы для практических занятий. Расскажите, какие задачи поручаете AI-агентам, с какими проблемами сталкиваетесь и какие ситуации хотели бы разобрать на курсе. Всем, кто заполнит анкету, подарим промокод на скидку.

Заполнить анкету и предложить свой кейс для разбора
❤7