В гостях выпуска Алексей Толстиков - кандидат физико-математических наук, руководитель Школы анализа данных Яндекса, эксперт в олимпиадах по программированию. Разговаривать мы, разумеется, будем про ШАД. Зачем когда-то (аж 18 лет назад) появилась Школа Анализа Данных? Как руководить большим направлением в компании, когда хочется писать образовательные программы и код? Зачем ШАДу взаимодействие с ВУЗами? Куда уходят выпускники ШАД? Как работает комьюнити выпускников? Сломаны ли процессы в современном образовании из-за бурного развития LLM? Стоит ли учиться в ШАД только ради "ачивки"? А чему вообще можно научиться в Школе Анализа Данных? Кто такие исследователи-разработчики? Не снижается ли радикально роль живого преподавателя с учётом того, что теперь легко можно взаимодействовать с ChatGPT-like моделями в интерактивном режиме? Можно ли реально "расти" без "боли"? Как поступить в ШАД, если математика была давно? Из каких этапов состоит поступление? Как готовиться к экзаменам? Обо всём этом в выпуске! Ссылки выпуска: ШАД ( https://shad.yandex.ru) Все в ШАД - телеграм-канал с полезными материалами для подготовки к поступлению ( https://t.me/vse_v_shad) Буду благодарен за обратную связь! Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" ( https://t.me/toBeAnMLspecialist) Обо мне ( https://t.me/toBeAnMLspecialist/935) Мой телеграм для связи ( https://t.me/kmsint) Ещё со мной можно связаться по электронной почте: kms101@yandex.ru Я сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике ( https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов и вообще вести проекты на Python! Также в соавторстве с крутыми разработчиками я пишу курс по продвинутой разработке телеграм-ботов с элементами микросервисной архитектуры ( https://stepik.org/a/153850?utm_source=mlpodcast&utm_campaign=ep_76). Выразить благодарность можно добрым словом и/или донатом ( https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

В гостях сегодня уже знакомый вам по прошлым выпускам Евгений Разинков - к.ф.-м.н., преподаватель ML, AI-евангелист и предприниматель, а поразмышляем мы сегодня о том как поменялись требования к специалистам, работающим с искусственным интеллектом и почему творческие и профессиональные кризисы неизбежны. Нужно ли тебе знать нюансы архитектуры больших языковых моделей, чтобы использовать их в своих исследованиях? А надо ли вообще обучать свои модели или этот навык окончательно ушёл в прошлое? Стоит ли идти в ИИ стартап, который не использует большие модели? Что выгоднее - участвовать в хакатонах или спать? Почему стоит развивать стартап, которому требуются самые лучшие модели, которые ещё даже не натренировали? Реально ли вывести фундаментальные законы, на основании которых можно всегда добиваться от LLM желаемого? Как вытаскивать из нейросетей нужные и правильные ответы и причём здесь теория музыки? Когда каждый из нас проиграет битву искусственному интеллекту? Большие языковые модели - это демократизаторы доступа к знаниям или очередные катализаторы расслоения общества? Обо всём этом в выпуске! Ссылки выпуска: YouTube Евгения ( https://youtube.com/@razinkov) AI-школа Евгения ( https://razinkov.ai/school) Телеграм-канал Евгения ( https://t.me/razinkov_ai) Предыдущие выпуски с Евгением: Управление коммерческой разработкой в ML ( https://mlpodcast.mave.digital/ep-7) Дорожная карта погружения в машинное обучение ч.1 ( https://mlpodcast.mave.digital/ep-18) Дорожная карта погружения в машинное обучение ч.2 ( https://mlpodcast.mave.digital/ep-19) Буду благодарен за обратную связь! Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" ( https://t.me/toBeAnMLspecialist) Обо мне ( https://t.me/toBeAnMLspecialist/935) Мой телеграм для связи ( https://t.me/kmsint) Ещё со мной можно связаться по электронной почте: kms101@yandex.ru Я сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике (https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов и вообще вести проекты на Python! Также в соавторстве с крутыми разработчиками я пишу курс по продвинутой разработке телеграм-ботов с элементами микросервисной архитектуры ( https://stepik.org/a/153850?utm_source=mlpodcast&utm_campaign=ep_75). Выразить благодарность можно добрым словом и/или донатом ( https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

Слышали такую шутку, что самый точный индикатор погоды - это кирпич? Типа, если мокрый, то идёт дождь, если отбрасывает тень, то ясно и т.п. Так вот, оказывается, это шутка лишь отчасти. В этом выпуске разговариваем с Петром Вытовтовым - руководителем ML в Яндекс Погоде о... правильно, погоде! И о том, как машинное обучение помогает её предсказывать. Зачем смотреть прогноз погоды строителям? Почему прогнозы погоды могут радикально меняться в течение дня? Как управлять хаосом? Как связаны задачи предсказания погоды и задачи предсказания следующего кадра в видео? Нужно ли быть метеорологом, чтобы обучать ML-модели, предсказывающие погоду? Что такое климатическая норма и почему отклонения от неё - это тоже норма? Можно ли превратить мобильный телефон в метеорадар? Какие есть готовые датасеты, чтобы натренировать свои погодные модели? Обо всём этом в выпуске! Ссылки выпуска: Курсы по ML в погоде: https://learning.ecmwf.int/course/index.php?categoryid=1 https://www.futurelearn.com/courses/artificial-intelligence-for-earth-monitoring Остальные ссыки (статьи по глобальному прогнозу, статьи по наукасту и статьи Яндекс.Погоды на Хабре) доступны в телеграм-канале в отдельном посте: () Буду благодарен за обратную связь! Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" ( https://t.me/toBeAnMLspecialist) Обо мне ( https://t.me/toBeAnMLspecialist/935) Мой телеграм для связи ( https://t.me/kmsint) Также со мной можно связаться по электронной почте: kms101@yandex.ru Я сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике ( https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов и вообще вести проекты на Python! Также в соавторстве с крутыми разработчиками я пишу курс по продвинутой разработке телеграм-ботов с элементами микросервисной архитектуры ( https://stepik.org/a/153850?utm_source=mlpodcast&utm_campaign=ep_74). Выразить благодарность можно добрым словом и/или донатом ( https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

В гостях Максим Шапошников - инженер и исследователь в области искусственного интеллекта. Последние три года работает Applied Scientist-ом в одной из FAANG-компаний, занимается обучением мультимодальных LLM. Кто такие агенты? При чём здесь Уилл Смитт? Что могут агенты и чего они не могут? Что такое умные конвейеры? Что делать, если LLM зациклило? Кто будет разгребать тонны вайбокода? Почему не только людям проще написать код с нуля, чем поддерживать уже написанный? Кто такие мыслящие агенты? Каким должен быть браузер для агента? Когда всё же агенты начнут заменять людей? Если агенту дать полную свободу действий, не случится ли Скайнет? Почему даже антропик запускает своих агентов в докере на виртуальных машинах? Как завести себе несколько личных полезных агентов? Почему тебе не нужны крутые фреймворки для написания агентов, если ты программист? Обо всём этом в выпуске! Ссылки выпуска: Телеграм-канал Максима ( https://t.me/max_dot_sh) LinkedIn Максима ( https://www.linkedin.com/in/maxshapp/) Буду благодарен за обратную связь! Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" ( https://t.me/toBeAnMLspecialist) Обо мне ( https://t.me/toBeAnMLspecialist/935) Мой телеграм для связи ( https://t.me/kmsint) Также со мной можно связаться по электронной почте: kms101@yandex.ru Я сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике ( https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов и вообще вести проекты на Python! Также в соавторстве с крутыми разработчиками я пишу курс по продвинутой разработке телеграм-ботов с элементами микросервисной архитектуры ( https://stepik.org/a/153850?utm_source=mlpodcast&utm_campaign=ep_73). Выразить благодарность можно добрым словом и/или донатом ( https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

В гостях сегодня Татьяна Шаврина, старший научный сотрудник Института Языкознания РАН. Обсуждаем бенчмарки - стандартизированные наборы тестов, метрик и протоколов оценки, предназначенные для объективного измерения производительности больших языковых моделей. Что произошло в индустрии за последние 4 года с момента записи предыдущего выпуска? Все ли проявления естественного интеллекта можно наблюдать у искусственного? Как автоматизировать науку? Как и для чего автоматически проверять новые архитектуры сетей на разных доменах? Скоро ли агентные системы начнут выигрывать у людей kaggle-соревнования? Как ИИ-учёные ддосят учёных-людей? Зачем большим языковым моделям сдавать выпускные экзамены на бакалавра? Как не допустить того, чтобы разработчики бенчмарков и больших моделей договорились? Какие проблемы существуют у современных решений? Почему к OpenAI всегда так много претензий? Кто и как придумывает бенчмарки? Придумали ли бенчмарк для определения, что AGI уже здесь? Если заработал сто миллиардов долларов, то уже AGI? Где взять бенчмарки, если ты не OpenAI? Почему высокие метрики на бенчмарках могут не являться решающим фактором при выборе модели под свою задачу? Обо всём этом и многом другом в выпуске! Ссылки выпуска: Телеграм-канал Татьяны ( https://t.me/rybolos_channel) Буду благодарен за обратную связь! Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" ( https://t.me/toBeAnMLspecialist) Обо мне ( https://t.me/toBeAnMLspecialist/935) Мой телеграм для связи ( https://t.me/kmsint) Также со мной можно связаться по электронной почте: kms101@yandex.ru Я сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике ( https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов и вообще вести проекты на Python! Также в соавторстве с крутыми разработчиками я пишу курс по продвинутой разработке телеграм-ботов с элементами микросервисной архитектуры ( https://stepik.org/a/153850?utm_source=mlpodcast&utm_campaign=ep_72). Выразить благодарность можно добрым словом и/или донатом ( https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

Ещё год назад собирались записаться с Тимуром Гуевым (автором самого популярного и, на мой взгляд, самого лучшего курса по Python на русском языке) на тему необходимости математики для современного программиста. Но тогда почему-то не получилось, зато получилось теперь и мы пообщались не только про математику, но и про алгоритмы. Почему если хочется хороших и быстрых денег, то это не про программирование? Бывают ли ненужные знания? Спрашивают ли на собесах про функцию Аккермана? Нужны ли компаниям олимпиадники? Система образования устарела? Нужно ли вместо математики в ВУЗах больше практических дисциплин и проектной работы? Как соревноваться с ChatGPT в решении задач? Смотрят ли работодатели на скор на литкоде? Спасут ли хорошие алгоритмы плохой продукт? Чем плоха преждевременная оптимизация? Обо всём этом и многом другом в выпуске! Ссылки выпуска: Все курсы от Поколения Python ( https://www.pygen.ru/) Телеграм-канал Тимура и его команды ( https://t.me/pygen_ru) Статьи Тимура на Хабре ( https://habr.com/ru/users/tguev/articles/) Буду благодарен за обратную связь! Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" ( https://t.me/toBeAnMLspecialist) Обо мне ( https://t.me/toBeAnMLspecialist/935) Мой телеграм для связи ( https://t.me/kmsint) Также со мной можно связаться по электронной почте: kms101@yandex.ru Я сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике ( https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов! Также в соавторстве с крутыми разработчиками я пишу курс по продвинутой разработке телеграм-ботов с элементами микросервисной архитектуры ( https://stepik.org/a/153850?utm_source=mlpodcast&utm_campaign=ep_71). Выразить благодарность можно добрым словом и/или донатом ( https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

Продолжаем разговор с Александром Резановым про генеративный искусственный интеллект. Александр - ML Engineer, специализирующийся на генеративном компьютерном зрении и сегодня поговорим про видео. Что проще генерировать, картинки или текст? Может ли беговая дорожка обыграть в шахматы чемпиона мира? Почему все модели неверны? Как машины могут ехать, если колёса крутятся в разные стороны? Как померить "волтность" модели и что это вообще такое? Зачем изучать старые архитектуры нейросетей, если сейчас миром правят трансформеры? Как задача генерации видео делает модели умнее? Как индустрия для взрослых в очередной раз двигает прогресс? Когда модели будут генерировать полноценные фильмы? Обо всём этом в выпуске! Ссылки выпуска: Статья про VizDoom ( https://worldmodels.github.io) Genie 2 от Deepmind ( https://deepmind.google/discover/blog/genie-2-a-large-scale-foundation-world-model/) Muse от Microsoft, появилось в феврале 2025 на ту же тему ( https://www.microsoft.com/en-us/research/blog/introducing-muse-our-first-generative-ai-model-designed-for-gameplay-ideation/) Буду благодарен за обратную связь! Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" ( https://t.me/toBeAnMLspecialist) Обо мне ( https://t.me/toBeAnMLspecialist/935) Мой телеграм для связи ( https://t.me/kmsint) Также со мной можно связаться по электронной почте: kms101@yandex.ru Я сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике ( https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов! Также в соавторстве с крутыми разработчиками я пишу курс по продвинутой разработке телеграм-ботов с элементами микросервисной архитектуры ( https://stepik.org/a/153850?utm_source=mlpodcast&utm_campaign=ep_70). Выразить благодарность можно добрым словом и/или донатом ( https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

Встречайте специальный выпуск нового сезона со специальным гостем - Николаем Додоновым. Николай профессиональный психолог, член ассоциации когнитивно-поведенческой психологии, автор популярных книг по психологии, привычкам и эффективности управления делами. В подкасте мы поговорим о том как страхи могут управлять нами и мешать в достижении целей. В том числе финансовых. Обсудим почему одинаковый уровень хард-скиллов не гарантирует одинаковый уровень дохода. Откуда берутся страхи и всегда ли они оправданы. Что такое модель отношений и как она влияет на принятие нами решений. Почему нам может быть тревожно, когда всё хорошо. Как мы сами себе создаём проблемы с заработком. Как разрубить классический гордиев узел отсутствия опыта для работы, без которого не получить работу для опыта. Почему важно не просто писать код, решающий конкретную задачу, но и понимать, как решение этой задачи влияет на общую систему, в целом. Почему мы часто всё понимаем, но ничего не делаем. Почему кажется, что знаний всегда недостаточно. Почему сравнивать себя с другими и даже с самим собой - это не самый эффективный путь понять свою ценность. Поехали! Ссылки выпуска: Телеграм-канал Николая ( https://t.me/n_dodonov) Новая книга Николая "Майндхакинг. Как мозг принимает решения и заставляет нас действовать в режиме НЕ-ТВОЯ-ЖИЗНЬ" ( https://www.labirint.ru/books/918435/) Буду благодарен за обратную связь! Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" ( https://t.me/toBeAnMLspecialist) Мой телеграм для связи ( https://t.me/kmsint) Также со мной можно связаться по электронной почте: kms101@yandex.ru Я сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике ( https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов! Также в соавторстве с крутыми разработчиками я пишу курс по продвинутой разработке телеграм-ботов с элементами микросервисной архитектуры ( https://stepik.org/a/153850?utm_source=mlpodcast&utm_campaign=ep_69). Выразить благодарность можно добрым словом и/или донатом ( https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

В гостях Дмитрий Берестнев - Chief Data Scientist/Head of ML музыкального сервиса Zvuk.com. Будем разговаривать про музыкальные рекомендации и немного затронем генерацию музыкальных треков. Как понять, что хочет пользователь, если он и сам не знает чего хочет? Как отличить негативный локальный фидбэк от негативного глобального? Какие признаки можно извлечь из музыкальных произведений? Надо ли распознавать тексты песен и что такое смысловой вектор? Как сверточные нейронные сети, которые работают с изображениями, применяют к музыке? Для чего заваривают плейлисты? Существует ли сезонность пользователя? Что произошло такого, что низкокачественный jukebox превратился в достойный suno? Можно ли генерировать музыку на лету, на основании предпочтений пользователей? Когда мы будем слушать полноценные новые альбомы от ушедших исполнителей? Как послушать сказку голосом любого персонажа? Обо всём этом в выпуске! Ссылки выпуска: Курс по обработке звука на huggingface ( https://huggingface.co/learn/audio-course/ru/chapter0/introduction) Курс по рекомендательным системам ( https://ods.ai/tracks/mts-recsys-df2020) и его продолжение ( https://ods.ai/tracks/recsys-course2021?ysclid=m60q0k5fnh456599369) Соревнования по рекомендательным системам: https://www.kaggle.com/competitions/otto-recommender-system/overview https://www.kaggle.com/competitions/h-and-m-personalized-fashion-recommendations https://www.recsyschallenge.com/2023/ Буду благодарен за обратную связь! Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" ( https://t.me/toBeAnMLspecialist) Мой телеграм для связи ( https://t.me/kmsint) Также со мной можно связаться по электронной почте: kms101@yandex.ru Я сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике ( https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов! Также в соавторстве с крутыми разработчиками я пишу курс по продвинутой разработке телеграм-ботов с элементами микросервисной архитектуры ( https://stepik.org/a/153850?utm_source=mlpodcast&utm_campaign=ep_68). Выразить благодарность можно добрым словом и/или донатом ( https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

В гостях выпуска Сергей Николенко - доктор физико-математических наук, старший научный сотрудник ПОМИ РАН, доцент ФМКН СПбГУ, Head of AI компании Synthesis AI, исследователь в области машинного обучения, в частности глубокого обучения, теоретической информатики и анализа алгоритмов, автор более 200 публикаций в этих и других областях информатики и математики, автор нескольких книг, в том числе бестселлера "Глубокое обучение" (Питер, 2018) и монографии "Synthetic Data for Deep Learning" (Springer, 2021). Почему математики в машинном обучении много, а машинное обучение в математике приходится искать? Могут ли программы перебирать другие программы для решения задач перебором? Почему до сих пор не автоматизировали поиск решений для задач тысячелетия? Решают ли большие языковые модели олимпиадные задачи по математике лучше олимпийцев? Как победить LLM на математической олимпиаде, подсунув ей задачи по геометрии? Можно ли автоматизировать учёного? Что лучшие математики современности думают о модели o1? Могут ли нейросети выводить физические законы? Как понять, что AGI уже здесь? А что делать, если уже здесь? Как написать системный промпт к очередной LLM так, чтобы она не захотела уничтожить человечество? На кого учиться, если кругом все делают роботы? Обо всем этом в выпуске! Ссылки выпуска: Страница Сергея, список публикаций и google scholar: https://logic.pdmi.ras.ru/~sergey/ https://logic.pdmi.ras.ru/~sergey/papers.html https://scholar.google.com/citations?user=_lk95cEAAAAJ Курс по машинному обучению 2023-2024 (сейчас последний семестр): https://logic.pdmi.ras.ru/~sergey/teaching/mlspsu2023.html Курс по машинному обучению 2024-2025 (сейчас первый семестр): https://logic.pdmi.ras.ru/~sergey/teaching/mlspsu2024.html Записи семинара, на котором мы с Сергеем познакомились: Мечтаем ли мы об AGI ( https://www.youtube.com/watch?v=6E8JUchlKSg) Что происходит в AI сегодня ( https://www.youtube.com/watch?v=FGNphH7nw9w) Буду благодарен за обратную связь! Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" ( https://t.me/toBeAnMLspecialist) Мой телеграм для связи ( https://t.me/kmsint) Также со мной можно связаться по электронной почте: kms101@yandex.ru Я сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике ( https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов! Также в соавторстве с крутыми разработчиками я пишу курс по продвинутой разработке телеграм-ботов с элементами микросервисной архитектуры ( https://stepik.org/a/153850?utm_source=mlpodcast&utm_campaign=ep_67). Выразить благодарность можно добрым словом и/или донатом ( https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

В гостях Лекс Кравецкий - популяризатор науки в области математики и Computer Science, исследователь искусственного интеллекта и его влияния на общество. Выпуск у нас сегодня больше философский, чем технологический, потому что иногда стоит делать остановки и рефлексировать по поводу места человека среди технологий. Можно ли сказать, что искусственный интеллект человеческого уровня достигнут? А что если нейросети "чувствуют"? Какого цвета стоп-кран в самолете? Можно ли приготовить свиные крылышки по рецепту, написанному ChatGPT? Как построить коллегию искусственных интеллектов, принимающих решение путем дебатов и голосования? Как научить нейросеть ругаться матом? Будет ли ИИ конкурировать с человеком за ресурсы и чем нам это грозит? Захочет ли ИИ нас уничтожить или решит, что сотрудничать выгоднее? Почему мы до сих пор не доверяем беспилотным транспортным средствам, хотя статистика требует уже давно начать доверять? Как тестировать свои идеи с помощью ИИ? Надо ли становиться архитектором промптов? Куда деться человеку от нашествия роботов? Возможны ли фейковые профессии? Как начать получать удовольствие от процесса с помощью фармакологии? Обо всем этом в выпуске! Ссылки выпуска: YouTube-канал Лекса ( https://www.youtube.com/@KravetskiLex) Плейлист про ИИ ( https://www.youtube.com/playlist?list=PLkitAWWhaFc6RIf11hLDJpBbbtMWXPRbd) Мысли Лекса в ЖЖ ( https://lex-kravetski.livejournal.com/) Телеграм-канал Лекса ( https://t.me/lexkravetski) Буду благодарен за обратную связь! Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" ( https://t.me/toBeAnMLspecialist) Мой телеграм для связи (https://t.me/kmsint) Также со мной можно связаться по электронной почте: kms101@yandex.ru Я сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике ( https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов! Также в соавторстве с крутыми разработчиками я пишу курс по продвинутой разработке телеграм-ботов с элементами микросервисной архитектуры ( https://stepik.org/a/153850?utm_source=mlpodcast&utm_campaign=ep_66). Выразить благодарность можно добрым словом и/или донатом ( https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

Сегодня в гостях сразу 3 гостя - это авторы и преподаватели курса "Нейронные сети и их применение в научных исследованиях" в МГУ им. В.М. Ломоносова - Виктор Немченко, Сергей Колпинский и Артём Васильев. Ребята участвуют в крутейшей, на мой взгляд, инициативе - созданию учебных материалов по ML и преподаванию машинного обучения студентам, аспирантам и научным сотрудникам, чтобы помогать им внедрять методы ML в свои научные исследования. А говорим мы о том как и зачем вообще родилась такая инициатива, почему сейчас сложно представить учёного, который не пользуется методами машинного обучения, почему все материалы курса в открытом доступе для всех желающих. Также обсуждаем умер или продолжает жить и развиваться научпоп, заменит ли ИИ учёных в ближайшее время, где взять мотивацию на изучение нового и как среди этого "нового" не потеряться, почему учёные не ищут легких путей и что за датасеты на салфетках, нужен ли ML юристам, как посчитать сколько съели голодные жуки, как читать научные статьи, если ничего непонятно, почему Нобелевскую премию за машинное обучение дали по физике и почему важно считать протеины. Интересного и полезного прослушивания! Ссылки выпуска: Сайт msu.ai, где есть вся информация о курсе. YouTube канал с видеоматериалами ( https://youtube.com/@msu_ai). Резервная площадка с видеоматериалами ( https://rutube.ru/channel/41484206/) Телеграм-канал с новостями курса и полезными сслыками по теме ( https://t.me/msu_ai_channel). Репозиторий с материалами лекций ( https://github.com/EPC-MSU/EduNet-lectures/tree/dev-2.2). Ссылки на кейсы, о которых шла речь, есть в телеграм-канале, потому что здесь уже не помещается ( https://t.me/toBeAnMLspecialist/903). Буду благодарен за обратную связь! Мой телеграм для связи ( https://t.me/kmsint) Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" ( https://t.me/toBeAnMLspecialist) Я сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике ( https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов! Также в соавторстве с крутыми разработчиками я пишу курс по продвинутой разработке телеграм-ботов с элементами микросервисной архитектуры ( https://stepik.org/a/153850?utm_source=mlpodcast&utm_campaign=ep_65). Выразить благодарность можно добрым словом и/или донатом ( https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

В гостях этого выпуска Екатерина Кондратьева — специалист по анализу медицинских изображений с более чем 7-летним опытом. Екатерина закончила аспирантуру в Сколтехе и работала в Институте AIRI. Последние два года она возглавляла команду по машинному зрению в израильском healthech стартапе LiteBC. В этом выпуске Екатерина расскажет о текущем состоянии Medical GPT, где применяются модели для медицинских задач и как они трансформируют анализ данных в здравоохранении. Какие вызовы стоят перед командами разработчиков медицинских AI-моделей? Что можно сделать, имея свои данные на руках? Легко ли стать радиологом? Будут ли у нас MedChatGPT? Заменят ли ML-модели врачей? Как диффузионные модели генерируют снимки с болезнями для обучения других моделей? Что вообще сейчас с телемедициной? Как стать тимлидом в зарубежной компании сразу после универа? Почему лето, не потраченное на стажировку - это лето, потраченное впустую? Как выбрать карьерный трек по МЛ в медицине (индустрия или наука)? Обо всем этом и многом другом в новом выпуске! Ссылки выпуска: Канал Екатерины про науку и данные мозга ( https://t.me/i_am_boiled) Выступление Екатерины на Яндекс PMLConf2024 и полезные странички из выпуска ( https://insidekatesbrain.ru/) Подкаст об информационной безопасности "Смени пароль" ( https://pc.st/1570896327) Буду благодарен за обратную связь! Мой телеграм для связи ( https://t.me/kmsint) Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" ( https://t.me/toBeAnMLspecialist) Я сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике ( https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов! Также в соавторстве с крутыми разработчиками я пишу курс по продвинутой разработке телеграм-ботов с элементами микросервисной архитектуры ( https://stepik.org/a/153850?utm_source=mlpodcast&utm_campaign=ep_6 4). Выразить благодарность можно добрым словом и/или донатом ( https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

В гостях выпуска Виталий Кулиев - разработчик ИИ-проектов и автор YouTube-канала, который так и называется "Виталий Кулиев". С Виталием сначала я познакомился заочно через просмотр его роликов по ML и компьютерному железу, которое требуется для локального запуска опенсорсных моделей машинного обучения, а теперь и лично. Разговариваем о том, какие есть возможности у разработчиков и экспериментаторов ИИ нашего времени для работы на своих компьютерах. 3090, 3090 ti или 4090? Какие LLM можно запустить локально? В какие ограничения упираются локальные эксперименты с большими моделями? Можно ли и имеет ли смысл строить распределенную систему обучения больших моделей, по примеру распределенного майнинга криптовалют? Почему две видеокарты лучше, чем три? Обо всем этом в выпуске! Ссылки выпуска: YouTube канал Виталия ( https://www.youtube.com/@kuliev.vitaly) Телеграм-канал Виталия ( https://t.me/vitaly_kuliev_it) GPU сервера компании immers cloud. По реферальной ссылке доступен бонус 20% к первому пополнению ( https://immers.cloud/signup/r/20240522-6407208-835/) Альфа версия проекта Виталия для доступа к нейросетям по API ( https://rus-gpt.com/) Буду благодарен за обратную связь! Мой телеграм для связи ( https://t.me/kmsint) Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" ( https://t.me/toBeAnMLspecialist) Я сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике ( https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов! Также в соавторстве с крутыми разработчиками я пишу курс по продвинутой разработке телеграм-ботов с элементами микросервисной архитектуры ( https://stepik.org/a/153850?utm_source=mlpodcast&utm_campaign=ep_63). Выразить благодарность можно добрым словом и/или донатом ( https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

В гостях выпуска Александр Резанов - ML Engineer в Higgsfield AI, специалист по генеративному компьютерному зрению, о котором мы и будем говорить. Как развивалась область генеративного AI, какие подходы к генерации картинок применялись тогда и какие применяются сейчас. Нормализующие потоки, состязательные сети и диффузионные модели. Что с генерацией видео? Можно ли уже сейчас генерировать качественные видеоролики по текстовому описанию? Имеет ли смысл тягаться с корпорациями, вваливающими миллиарды долларов в вычислительные мощности, если у тебя одна не самая мощная видеокарточка? Где происходит все самое интересное по теме для обычного пользователя? Как учатся GAN'ы и как из шума получать фотореалистичные изображения? Reddit как источник идей и вдохновения для современных исследователей. Обо всем этом, и даже немного про сверхпроводимость в условиях комнатных температур, в выпуске! Ссылки выпуска: Статья на arxiv про вариационные автоэнкодеры ( https://arxiv.org/abs/1312.6114) Статья на arxiv про генеративно-состязательные сети ( https://arxiv.org/abs/1406.2661) Сайт с фотографиями несуществующих людей ( https://thispersondoesnotexist.com/) Статья на arxiv про Latent Diffusion Model ( https://arxiv.org/abs/2112.10752) OpenSource интерфейсы для диффузионных сетей: 1. AUTOMATIC1111 ( https://github.com/AUTOMATIC1111/stable-diffusion-webui) 2. ComfyUI ( https://github.com/comfyanonymous/ComfyUI) Буду благодарен за обратную связь! Мой телеграм для связи ( https://t.me/kmsint) Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" ( https://t.me/toBeAnMLspecialist) Я сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике ( https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов! Также в соавторстве с крутыми разработчиками я пишу курс по продвинутой разработке телеграм-ботов с элементами микросервисной архитектуры ( https://stepik.org/a/153850?utm_source=mlpodcast&utm_campaign=ep_62). Выразить благодарность можно добрым словом и/или донатом ( https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

Общаемся с Александром (Алероном) Миленькиным - ML лидером в Dodo Brands, IT-предпринимателем, Kaggle-экспертом, преподавателем. Обсуждаем то, как можно использовать современные ИИ-технологии, чтобы иметь конкурентное преимущество. Почему лучше строить ML вокруг бизнеса, а не бизнес вокруг ML. Нужны ли в современных реалиях свои большие ML-модели или достаточно пользоваться сторонними сервисами с внешним API. Что такое и как устроены RAG-системы. Кто такие агенты и как заставить их работать на себя. Можно ли подкупить языковые модели, чтобы они выдавали полезную для тебя информацию. Почему надо качать насмотренность и как это может помочь находить лучшие бизнес-идеи. Почему даже только знание о том, что существует ChatGPT может быть тем самым конкурентным преимуществом. Долго ли ждать нашествия тьюторов в виртуальной реальности. Когда уже, наконец, языковые модели заменят программистов. Обо всем этом в выпуске! Ссылки выпуска: Телеграм-канал Александра Data Feeling ( https://t.me/datafeeling) Телеграм-бот на базе AI для изучения английского Speakadora AI ( https://t.me/Speakadora_bot) Курс Александра "Введение в соревновательный Data Science" ( https://stepik.org/a/108888) Буду благодарен за обратную связь! Мой телеграм для связи ( https://t.me/kmsint) Я сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике ( https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов! Также в соавторстве с крутыми разработчиками я пишу курс по продвинутой разработке телеграм-ботов с элементами микросервисной архитектуры ( https://stepik.org/a/153850?utm_source=mlpodcast&utm_campaign=ep_61). Выразить благодарность можно добрым словом и/или донатом ( https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

В гостях выпуска Егор Самосват - руководитель юнита эффективности монетизации Авито. Разговариваем о том, что такое монетизация и как машинное обучение позволяет находить оптимальный баланс между "заработать побольше" и "принести пользу". Почему долгосрочные стратегии выгоднее. Почему бесплатно - далеко не всегда хорошо. Что такое теория аукционов и при чем здесь Англия. Как искусственный интеллект определяет какому объявлению быть в топе. Как сейчас устроена контекстная реклама. Почему даже хорошие модели иногда ошибаются. Как определить недобросовестных участников сделок. А также почему здоровая жадность может приносить пользу всем игрокам. Обо всем этом в выпуске! Ссылки выпуска: 1. Practical ML Conf - конференция по машинному обучению для опытных ML-специалистов. На мероприятии ведущие инженеры поделятся своими знаниями о практическом применении ML. Если вы хотите стать слушателем, оставляйте заявку на сайте. Участвовать в конференции можно очно в Москве или онлайн из любой точки мира. 2. Лекции по Алгоритмической теории игр ( https://www.youtube.com/playlist?list=PLEGCF-WLh2RJBqmxvZ0_ie-mleCFhi2N4) 3. Доклады по монетизации на Авито ( https://youtu.be/0eYjmKyqyjk?t=6670) Буду благодарен за обратную связь! MLBookClub (https://t.me/+HIXnIwXIIFAyYzYy). Условия участия (https://t.me/toBeAnMLspecialist/750) Мой телеграм для связи (https://t.me/kmsint) Я сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике ( https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов! Также в соавторстве с крутыми разработчиками я пишу курс по продвинутой разработке телеграм-ботов с элементами микросервисной архитектуры ( https://stepik.org/a/153850?utm_source=mlpodcast&utm_campaign=ep_60). Выразить благодарность можно добрым словом и/или донатом ( https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/) Реклама. ООО "Яндекс"; ИНН 7736207543, Erid: 2VSb5ymiNq6

В гостях Лаида Кушнарева - Старший Академический Консультант, Huawei, которую в мире Data Science больше знают как Техножрицу. Общаемся про то, как обстоят дела в мире исследований вокруг машинного обучения. Как поменять математику на программирование, но продолжить заниматься математикой. Почему вычисления квадратного корня на калькуляторе необратимы и причем здесь головастики. Плюсы и минусы в работе современного ученого. Как проходит день исследователя. Докатился ли кризис воспроизводимости научных исследований до DS. Почему культура проведения эксперимента не менее важна, чем математическая обоснованность его предпосылок. Обо всем этом и многом другом в эпизоде! Ссылки выпуска: Паблик Лаиды "Техножрица" ( https://t.me/tech_priestess) Упомянутое в выпуске видео 3blue1brown про фрактальную размерность ( https://youtu.be/zUZw6l2IPRk) Статья на NeurIPS, написанная Лаидой и её коллегами (см. список авторов), про применение фрактальной размерности для детекции текстов, сгенерированных chatGPT ( https://neurips.cc/virtual/2023/poster/72624) Другие научные статьи гостьи выпуска ( https://scholar.google.com/citations?user=rsTb_hYAAAAJ&hl=en) Одна из статей про обнаружение галлюцинаций модели LLAMA 2 ( https://arxiv.org/abs/2312.17249) Книга "Математика в машинном обучении" ( https://mml-book.github.io/) Пост с подборкой бесплатных учебных материалов по математике и machine learning, которыми можно пользоваться, чтобы вникать в эту область ( https://habr.com/ru/articles/774844/) Обсуждение статьи gzip с некорректно поставленным экспериментом (пример того, как иногда бывает) ( https://t.me/tech_priestess/841) Еще одно обсуждение статьи gzip с некоторым троллингом ( https://t.me/tech_priestess/847) Буду благодарен за обратную связь! Вступайте в книжный ML-клуб, где мы читаем книги по машинному обучению и смежным темам! MLBookClub ( https://t.me/+HIXnIwXIIFAyYzYy). Условия участия ( https://t.me/toBeAnMLspecialist/750) Мой телеграм для связи ( https://t.me/kmsint) Я сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике ( https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов! И буквально пару месяцев назад я открыл доступ к пре-релизу нового курса по продвинутой разработке телеграм-ботов с элементами микросервисной архитектуры ( https://stepik.org/a/153850?utm_source=mlpodcast&utm_campaign=ep_59), который пишу в соавторстве с крутыми разработчиками. Выразить благодарность можно добрым словом и/или донатом ( https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

В гостях выпуска Дмитрий Матвейчев - Deep Learning Researcher, PhD кандидат, занимающийся разработкой нейронных сетей для решения задач компьютерного зрения с использованием mmwave FMCW радаров. Разговариваем о том, зачем компьютерное зрение нужно в радиосвязи на примере микроволновых радаров. Как совместить классическую цифровую обработку сигналов с современными подходами из области машинного обучения, что такое радары и какие у них есть применения в гражданской промышленности, заменят ли радары камеры и лидары в беспилотных автомобилях, сколько стоит вставить радар в ухо и зачем потом махать руками, почему большой брат теперь не только смотрит за тобой, но и чувствует чем ты занимаешься, а также многое другое в выпуске. Ссылки выпуска: google soli - проект распознавания жестов от гугл (использовался в google pixel) ( https://github.com/simonwsw/deep-soli) Ramp-CNN - датасет + статья и код по обнаружению людей и машин ( https://github.com/Xiangyu-Gao/Radar-multiple-perspective-object-detection?utm_source=catalyzex.com) Курируемый лист датасетов и проектов использующих FMCW радары ( https://github.com/ZHOUYI1023/awesome-radar-perception/blob/main/README.md) SincNet - параметризация свертки как частотного фильтра ( https://github.com/mravanelli/SincNet) Еще больше ссылок по теме в телеграм-канале Стать специалистом по машинному обучению ( https://t.me/toBeAnMLspecialist) Буду благодарен за обратную связь! Вступайте в книжный ML-клуб, где мы читаем книги по машинному обучению и смежным темам! MLBookClub ( https://t.me/+HIXnIwXIIFAyYzYy). Условия участия ( https://t.me/toBeAnMLspecialist/750) Мой телеграм для связи (https://t.me/kmsint) Также со мной можно связаться по электронной почте: kms101@yandex.ru Я сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике ( https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов! И буквально пару месяцев назад я открыл доступ к пре-релизу нового курса по продвинутой разработке телеграм-ботов с элементами микросервисной архитектуры ( https://stepik.org/a/153850?utm_source=mlpodcast&utm_campaign=ep_58), который пишу в соавторстве с крутыми разработчиками. Выразить благодарность можно добрым словом и/или донатом ( https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

В гостях Антонина Горячева - Head of ML в СберМаркете. Разговариваем о том, как устроен ML в онлайн-сервисе доставки продуктов и товаров с полок магазинов, начиная от того, зачем вообще машинное обучение в таких компаниях и заканчивая рассмотрением некоторых конкретных инструментов для решения ML-задач. Бывает ли такое, что заказов настолько много, что от них приходится отказываться. Как понять какую скидку нужно сделать, чтобы заработать больше, чем потерять. Как облегчить работу ретушерам фото для карточек товаров. Часто ли приходится пилить фичи, которые никому не нужны. Кого сейчас нанимают в ML-команды и как повысить свои шансы на трудоустройство. Чему можно научиться в процессе работы в такой команде. Какие качества нужно развивать, чтобы ИИ заменил тебя не сразу. Обо всем этом в выпуске. Ссылки выпуска: Канал в Телеграм про AI "Сиолошная" ( https://t.me/seeallochnaya) Телеграм-канал Оли Соколовой (СЕО Скандинавии). Тоня пишет, что Оля ее очень вдохновляет как женщина лидер и у нее можно многому научиться в смысле менеджмента) ( https://t.me/naiznankuo) Телеграм-канал SberMarket Tech, где Тоня и ее команда периодически делятся историями про то, как они развивают ML в СберМаркете ( https://t.me/sbermarket_tech) Выступление Тони на DS Meetup в СберМаркете ( https://www.youtube.com/watch?v=WQ34cu51VTs) Подкаст Для tech и этих: выпуск, в котором Тоня принимала участие ( https://podcast.ru/e/5RmwiScWNDS) Буду благодарен за обратную связь! Вступайте в книжный ML-клуб, где мы читаем книги по машинному обучению и смежным темам! MLBookClub ( https://t.me/+HIXnIwXIIFAyYzYy). Условия участия ( https://t.me/toBeAnMLspecialist/750) Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" ( https://t.me/toBeAnMLspecialist) Мой телеграм для связи ( https://t.me/kmsint) Также со мной можно связаться по электронной почте: kms101@yandex.ru Я сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике ( https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов! И буквально месяц назад я открыл доступ к пре-релизу нового курса по продвинутой разработке телеграм-ботов с элементами микросервисной архитектуры ( https://stepik.org/a/153850?utm_source=mlpodcast&utm_campaign=ep_57), который пишу в соавторстве с крутыми разработчиками.