#корпжиза

У подписчиков могло сложиться впечатление что каналья-манагеры сплошь состоят из продактов и вообще «людей бизнеса».
Однако это не так — в конце концов бизнес нам зп платит, в тч и за свои капризы.

Гораздо брутальнее когда канальи пролезают на позиции технических манагеров.

Причем отбор только по техническим знаниям (а-ля leetcode) скорее вредит

Пару мес назад ребята анонимно прислали перлы своего нового AI-лида, прошедшего суровые алгоритмические этапы, наслаждайтесь:

— Какие метрики важны заказчику?
— Хз, не спрашивал

— Что по железу? Какие будут ограничения? Нам надо понимать, с чего начинать
— Хз, не спрашивал

— Наши текущие задачи и KPI как-то учтены в годовых целях?
— Нет
— Ты с руководством согласовал эти цели?
— Ну я им показал, они промолчали, поэтому считаем что да
— ...

— Надо будет сделать инструмент для другого заказчика
— Мы же не продовая команда, мы не занимаемся продуктивизацией MVP
— ...

— Заказчику нужно простое прикладное решение
— У заказчика ресурсов больше чем у нас, если решение простое, он сделает это быстрее нас

здесь перестраховываемся во имя анонимности:

— Заказчику нужен адаптер для XXX
— Что за XXX?
— Ну база эмбеддингов
— А мы тут причем?
— Мы сделаем адаптер
— Что за адаптер?
— Чтобы получить эмбеддинги
— Это картиночная модель чтобы получить эмбеддинги?
— Возможно, я не знаю

— У вас на днях был созвон по этой теме, что выяснил?
— Мы не успели обсудить, разговаривали про XXX
— Это же не наша тема
— Так получилось

В этом году ODS дата-елку 24 января хостит VK, и я уже буду не спикером, а зрителем, что тоже очень приятно)

Темы как всегда следуют за трендами, Елка — это еще и подведение итогов ушедшего года по ключевым направлениям: RecSys, CodeGen, NLP, Open Source, MLOps & DE, PyData и другим.

В Москве:
- Любимые RecSys - расскажет Вова Байкалов из AI VK - интересно, что поменялось (в том году я пропустил елку, а два года назад сам был спикером про RecSys)
- NLP - традиционно Валя Малых об итогах года
- DS/ML Career - не менее традиционно Антон Воронов, Авито
- (!) Robotics от Сбера -- надеюсь тут услышать про успехи RL
- AI4SE / CodeGen - Дима Бабаев, автор CoLES и библиотеки для обучения транзакционных эмбеддингов ptls, он, кстати, когда-то работал у нас в BigData МТС
В Питере будет больше инженерный трэк — MLOps & DE, Open Source, Healthcare, Rust

Обязательно гляну разбор решений соревы VK RecSys Challenge, хоть и не поучаствовал — в отличии от 800 более мотивированных ребят )

Если кто хочет пересечься — буду рад на площадке в Мск, кто не сможет — можно принять участие офлайн в Питере или посмотреть в трансляции (да-да, она будет)

Регистрация до 22 января, увидимся!

Попросили разобрать пост про аренду жилья через одну из популярных площадок с позиций DS/ML — как сделать так, чтобы все были довольны.
Канал ведет Никита -- классный аналитик и не менее классный коллега)

Вкратце, схема оплаты: платишь 1/3 площадку как комиссию а остаток напрямую арендодателю, кинуть арендатора супер-легко: отказать в заселении за час до приезда или подсунуть убитую халупу без wifi и горячей воды и пр.
У автора мелькает что гораздо понятнее и надежнее было бы если бы все «проводилось через Авито», еще и с холлом денег до выселения.

Прежде чем начать делать модели, DS немного вникнет в домен:

Если принимать такие предложения в лоб, в идеальном мире автора площадка должна:
⁃ Создать продукт который по сути является покрытым аккредитивом
⁃ Но для него нужна банковская лицензий
⁃ Площадка получает банковскую лицензию (от 1 млрд рублей, бюрократически проще — купить какой-н мелкий банк — см график числа неотозванных лицензий)
⁃ Площадка заводит отделы KYC (и теперь паспорт нужно получать, хранить и обрабатывать площадке объявлений а не только арендодателю), комплаенс, рисков, взаимодействия с регулятором (как минимум, обязательной отчетности)
⁃ Чтобы разбирать обращения клиентов, которые теперь, в случае недовольства, могут обращаться с жалобой в ЦБ, нужно нанимать поддержку и юристов, чтобы не получить оборотный штраф
⁃ ….

Итого, «проводить через площадку» — это несколько млрд затрат при непонятном векторе движения прибыли — действительно, аккредитив еще же и на съемщиков накладывает обязательства — мб число заказов вообще упадет.

Все бы ничего, но у той площадки с 2025 таки есть финтех!
Это, конечно, не банк — а «финансовый маркетплейс» — то есть можно легально заворачивать продукты партнеров.

То есть площадка могла бы предоставить аккредитивы от банков-партнеров

Итого, в съем «квартирки в Питере» была бы вшита

⁃ Комиссия агента (самой площадки обявлений) — и здесь бы лежали косты
⁃ Налоги
⁃ Комиссия банка-партнера за аккредитив
⁃ Выручка арендодателя

Какой порядок комиссии аккредитивов для юрлиц?
Ну вот, например, в Сбере для мелких сделок — от 0.3% суммы сделки, но не менее 15 000 рублей

Повлияло бы на цены аренды, как думаете?

Вообще забавно, как бы решали дорогие юристы крупных организаций спор съемщика и арендодателя насчет сломанной полки / неработающего wifi / горячей воды — раскрывать аккредитив частично или вообще не раскрывать.
Или привлекали компанию-оценщика для определения степени ущерба обоям // разбитую тарелку по остаточной стоимости.

К чему это все
Это тот случай когда корректная юридическая обвязка фин инструментами будет слишком дорогой и накладной бюрократически для всех сторон — площадки (Авито), арендодателя, съемщика.

Чтобы я сделал?
Сделал бы модели, конечно:
⁃ Конфликтности арендрдателя
⁃ Конфликтности съемщика
⁃ Проблем этого конкретного съемщика с этим конкретным арендрдателем

Кстати, многие площадки такие модели закупают, например у нас

Собственно, в таких кейсах ML и работает лучше всего — если сравнивать затраты / результат на ML и на 100% надежное юридическое решение

PS: График построил ChatGPT по источнику

PPS: Вот еще пару прикольных постов у Никиты о том что творится на рынке:
- собес в магнит
- собес в Узум

#корпжиза

На вопрос «почему вы ушли из компании?» этот кандидат ответил подробно:

У меня в xxx был руководитель Негоро Себастьян Перейра, торговец черным деревом.
Бывший IT-директор yyy. Легенда. Человек, который “очень успешно внедрил SAP”.
Настолько успешно, что по итогам внедрения его оттуда попросили.
Но это мелочи.
Говорят, за откат с SAP он купил остров в Карибском море, яхту и рок-группу с набором солисток, с которыми одновременно поддерживал “нескучные взаимоотношения”. Причем это не корпоративный фольклор уровня “знакомый знакомого”.
У Негоро реально есть клипы на YouTube.
Плюс параллельно он еще успевал заниматься гастродеятельностью. Короче, нормальный такой руководитель: и SAP, и остров, и творческая самореализация.

Но вот наступил кризисный год.
Дружественная верхушка компании отчалила, и Себастьян Перейра решил производить впечатление на оставшихся уважаемых людей презентациями. И тут я впервые увидел идеальную модель корпоративной эффективности: 20% времени — что-то реально делаем, 80% времени — рисуем слайды и занимаемся креативом, чтобы это выглядело как “стратегическая инициатива”. Половина команды начинает жить в PowerPoint, как в основной системе учета реальности.

Ну и, разумеется, при таком руководстве к нам подтянулись очень интересные люди.
Например, глава разработки. Чем он занимался по работе — я так и не понял.
Но у него был побочный бизнес:
• гештальт-терапевт
• коуч ICF
• плюс подработка тамадой на свадьбах и ведущим корпоративов
То есть человек буквально мог:
• утром “закрыть гештальт”
• днем “проработать границы”
• вечером “ДЕВОЧКИ, ДАВАЙТЕ ПООРЕМ ГОРЬКО”
Универсальный сотрудник, мечта HR.

Но это все еще не топ.
Самый топ я увидел, когда по контракту был “директором по чему-то там” в одном большом облаке.
Формально не CTO, но задачи выполнял примерно CTO. Пару месяцев.
И вот у них генеральным был… финалист Битвы экстрасенсов на ТНТ.
Без шуток. Я даже интервью смотрел.
Дипломированный телепат. Астролог. Таролог (и, конечно же, “эксперт по энергиям бизнеса”)
Лучшее — он мог разговаривать с животными.
На съемках у него на плече висел здоровенный ворон, и этим вороном он “допрашивал” кота в музее Булгакова. И ты сидишь такой, обсуждаешь облачную стратегию, SLA и CAPEX…
а рядом реальность, где CEO разговаривает с вороном, чтобы принимать управленческие решения.

Подписчик мем собрал, жиза или токсик?

#корпжиза

Эталонный каналья-манагер на собесе

Один из самых драматичных жанров для обеих сторон — собеседования, есть и у меня десяток постов про них:

Раз
Два
Три
Четыре
Пять
Шесть
Семь
Восемь
Девять
Десять
И бонус


И они все блекнут в свете цитат c собеседования эталонного канальи на роль СТО:

Я драйвлю экзекьюшен

— А какой ваш план работы на 3 месяца?
— <долго думает> За три месяца планирую понять в чем суть работы.

Я хочу привести company_name в эффективный вид для трамплина company_name в сторону инноваций для синергий по всем направлениям

Я могу прийти в любое подразделение и указать своим приходом где можно найти эффект

Бизнес-модель Москвы отличается от мира

У меня есть документ с сигналами для трансформации

— С какими командами работаете?
— Я предпочитаю keep in touch с людьми кто кует железо

— Назови артефакт, который ты сделал руками?
— Половцы-печенеги … <80 слов с корнем «трансформ»>

#ML

Про анализ важности фичей

В очередной модели, которую попросили «посмотреть», обнаружил сразу три графика по важности фичей в бустинге:

— По числу сплитов по фиче (дефолтный feature_importances_)
— По gain
— По tree shap

Пропустим пока вопрос о дрифте фич (а они бывают разные с разными эффектами) — про них отдельно стоит написать.

Дальше я наивно ждал интерпретации — но увы.
Когда я об этом спросил услышал две версии от двух тимлидов:
Астерикс— «где gain выше та фича и сильнее»,
Обеликс — «где shap выше та фича и сильнее».

Поскольку галлы строят модели под влиянием волшебного друидского зелья и не знакомы с латинским, немного навайбкодил примеров чтобы показать что для анализа фичей нужны все три важности (это еще не считая анализа стабильности этой важности во времени / по фолдам).

Ключевое в них — кросс-плоты feature_importance по cплитам vs по gain и по shap vs по gain.
Это два графика, которые нужно обязательно смотреть в бустингах.

Если вкратце:

1. Важность по gain сильно завышает редкие бинарные фичи с резким эффектом (в тетрадке это x_strong_rare). Модель редко использует их (малый SHAP), но когда использует — один сплит даёт огромный выигрыш.

Что с такими фичами делать?
Если они сами по себе интерпретируемы и срабатывают редко —

их нужно выносить в сигналы до модели!

Иначе будут проблемы и с обучением (понадобится больше деревьев и стабильность пострадает) и с интерпретируемостью — такая фича забьет рабочие лошадки по важности + начнет ломать интерпретируемость shap (либо придется считать отдельно для x_strong_rare = 1 или x_strong_rare = 0).
Смотрят либо фичи вылетевшие вверх на графике shap vs gain либо проверяют фичи которые в топе по gain но не в топе по shap.
Бонусом к отдельному сигналу — частота у такой фичи может сильно скакать во времени что еще больше нарушит стабильность модели.
Так что вынос такой фичи в отдельный сигнал — это еще и интерпретабельность PSI модели.
Как это повлияет на калибровку?
Ухудшит “глобальную” калибровку, но улучшает там, где модель реально работает (при x_strong_rare = 0).


2. Есть фичи вроде x_weak_often — с высоким сплитом, но низким shap и gain.

Здесь может быть несколько вариантов:

— +/- симметрично распределенный непрерывный шум
— фича костыль: есть небольшая коррекции с таргетом, но в модель ничего не добавляет
— фича по построения состоит из нескольких бакетов

В любом случае если зажали max_depth / n_estimators чтобы «регуляризоваться» то модель потратит кучу деревьев и сплитов на такие шумные и удобные для сплита фичи вместо того чтобы поймать реальный сигнал.

Еще она может массировать другие проблемы вроде мультиколлинеарности или ликов.

Не выбросить такую фичу — ошибка!

Как еще их можно отловить?

Строить feature_importance по месяцам/фолдам и проверять стабильность важности фичи.
Следить за дисперсией метрики (ex: Gini) на CV.

3. Есть фичи с низким split и не самым высоким gain, но с высоким SHAP.

То есть модель редко по ним сплитится, но почти в каждом объекте они двигают prediction.

Выбрасывать такие фичи — тоже ошибка!

Итого:

1. Строим:
- split vs gain
- shap vs gain

2. Если фича:
- top gain, но не top shap → кандидат в сигнал
- top split, но низко по shap и gain → кандидат на выброс
- low split, not high gain, high shap → не трогать, это рабочая фича (пока мы не исследовали ее стабильность по времени)

3. Проверяем:
- стабильность importance по фолдам / времени
- Дисперсию метрики по фолдам кросс-валидации
- PSI условно (x_strong_rare=0)

4. Только после этого:
- feature selection
- регуляризация

Те кто внезапно дочитал до этого момента могут заключить что второй тимлид был прав и надо смотреть только на shap.

Но

высокий shap ничего не гарантирует!

.
Особенно, если:

⁃ Он высокий только на трейне
⁃ Нестабилен по фолдам / или времени
⁃ Фича сама по себе нестабильна
⁃ Модель деградирует на OOT

PS.
низкий SHAP не значит что фича плохая.

Например:
— фича-разделитель (регион),
— стабилизирует модель,
— работает только в хвостах,
часто имеют низкий SHAP, но без них качество и стабильность падают.

#ML

Повезет ли мне?

DS и карьерным стратегиям в целом и по фильмам научиться можно.

Вот например, некогда популярная задача на собеседованиях по статистике (мне вот задавали году в 17м):

Вы вдвоем играете в русскую рулетку, в револьвере ровна два вставленных подряд патрона..⁠
Оппонент крутит барабан, стреляет — и остается жив. Ваша очередь: будете крутить барабан или сразу стреляться? Почему?

PS: Конечно я не столь узнаваем как молодой Клинт Иствуд на картинке выше, но мини-интервью N прекрасным айтишницам таки дал, будем знакомы!

PPS: Сам фильм с точной фразой

PPPS: в игре в русскую рулетку используетс один шестизардный револьвер

#корпжиза
Почта
Приятно работать с коллегами у которых есть чувство юмора )

Не двигайтесь: вы в ИИ-кадре

Этот бот создает фото для соцсетей в футуристичном стиле. Его можно поставить на аватарку, особенно если идете на t-sync conf. Конференция от Группы «Т-Технологии» для опытных инженеров впервые пройдет в Москве 7 февраля.

Попробовать бота можно здесь. А узнать больше о t-sync conf и зарегистрироваться — здесь

#ML

В этом семестре ведем c Максом курс по ИИ-агентам во ВШЭ и ВШПИ МФТИ, и на специализации по ML у Вити.

Вокруг темы сейчас много хайпа и поделий вроде написать промпт + накинуть StructuredOutputParser + завернуть в langchain / crewai / qwen-agent etc., поэтому делюсь своим видением об этом всем рассказывать — во вложении одна лекция курса — по RAG.

Что скажете?
Буду благодарен за любой фидбек, в тч и неконструктивный