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
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
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
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
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
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
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.
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
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
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
Что нужно знать о специализации «Искусственный интеллект и анализ данных»?
Мы собрали самые частые вопросы и ответили на них в карточках. А если вы давно хотели разобраться в ML и AI, сейчас – самое время, чтобы начать. Выбирайте интересующие модули, учитесь в своём темпе и закрепляйте знания на практике.
Мы собрали самые частые вопросы и ответили на них в карточках. А если вы давно хотели разобраться в ML и AI, сейчас – самое время, чтобы начать. Выбирайте интересующие модули, учитесь в своём темпе и закрепляйте знания на практике.
❤5