Machine Learning Podcast

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: [email protected]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: [email protected]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=1https://www.futurelearn.com/courses/artificial-intelligence-for-earth-monitoringОстальные ссыки (статьи по глобальному прогнозу, статьи по наукасту и статьи Яндекс.Погоды на Хабре) доступны в телеграм-канале в отдельном посте: (https://t.me/toBeAnMLspecialist/1017)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: [email protected]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: [email protected]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: [email protected]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/)