В этом году меня позвали в экспертный совет премии RuCode и я сразу согласился, во многом из интереса к тому, какие будут заявки, кто будет подаваться и с какими проектами :)

Оказалось, у премии аж 11 номинаций за популяризацию и использование ИИ. Так что возможностей проявить себя у участников много.

Поучаствовать могут:

образовательные и научные организации

преподаватели школ, СПО и вузов

школьники и студенты

разработчики и исследователи

популяризаторы науки и блогеры


На тему пробовать/не пробовать участвовать: раньше я довольно сдержанно относился ко всякого рода премиям, пока одна из них не дала мне классную карьерную возможность. Также может получиться и у вас: генеральный партнер премии - компания MWS (отвечающая за IT в экосистеме МТС), также в партнерах есть Сбер и Астра, так что есть возможность не только потешить эго и испытать соревновательный азарт, но и засветиться на HR-радарах крупных компаний

Заявку можно заполнить на сайте до 20 октября ⚡️

Возвращаюсь сейчас с data driven top 100 из Черногории (очень необычная конфа для топов аналитики и CDO без заготовленных докладов с максимумом нетворка и обсуждения реально интересных для руководителя тем). Вспомнил, насколько ж это круто три дня подряд плотно пообщаться с умными людьми из твоей сферы и с похожим бэкграундом.

Как отрефлексирую, напишу подробнее, но главное - решил еще больше времени уделять общению с коллегами по цеху, т.к. три дня конфы показали, насколько это дает и много ценных идей, и хорошую такую моральную поддержку :)

Как поступить в ШАД: часть 1

Все знают, что в Школу Анализа Данных Яндекса очень непросто поступить, но многие все равно туда очень хотят. Проблема в чем: желающих так много, что просто поговорить с ними недостаточно, приходится делать вступительные, которые за долгое время стали многоступенчатыми. Вопрос в том, что спрашивать на таких вступительных. Коллеги из Яндекса, когда много лет назад вводили экзамен, поступили просто: начали давать задачки на высшмат и алгоритмы, потому что это вроде как неплохо знать до обучения, и потому что понятно как проверять и дает относительно честный способ для ранжирования.

Отдельный момент, что человек, который разложит функцию в степенной ряд без ошибок, и человек, который где-то налажает в арифметике, не факт что имеют разный потенциал в изучении анализа данных и ML в частности. Но тут логика в другом: поступающих так много, что просто нужна какая-то процедура ранжирования, которая будет более-менее стабильна и к ней можно будет подготовиться.

Раньше подготовка (рассказываю на примере однокурсника с Физтеха) была устроена так: смотришь темы экзамена, обкладываешься учебниками по матану, линалу, теорверу и алгоритмам, и вспоминаешь изученное на Физтехе или в МГУ (сюрприз, после появления письменного экзамена просто того что ты там учился и все расшарил могло не хватить, надо было готовиться). И даже тогда были "залетные" ребята из других вузов, но их было мало и часто готовились они по принципу "иду к преподу с мехмата и прошу подсказать, что читать и что разбирать, чтобы такое решить". Надо заметить, что если препода с условного  мехмата такое спрашивал кто-то из, например, РУДН или МИСиС, препод обычно не отказывал в помощи (в тех историях, которые знаю). Потому что это настолько редкая и уникальная ситуация, что человек тянется к настолько дополнительным знаниям, что помочь такому человеку очень хочется.

Продолжение следует

Как поступить в ШАД часть 2

С тех пор много воды утекло, и теперь есть много всяких материалов в открытом доступе. Это и задания ШАД прошлых лет и инструкции, что нужно ботать и зачем. Так то теперь у гораздо большего числа людей есть возможность поступить, но надо будет ботать и тщательно выбирать, где.

Важная ремарка: понятно, что как и везде в жизни на экзаменах вы можете найти кого-то, кто поможет вам сжульничать. Я призываю вас ни в коем случае так не делать, потому что иначе вы во-первых будете чужим в дружной семье ШАДа, и это будет культурная трещина, которая с годами расползется дальше и вырастет до пропасти, а во-вторых это просто самообман.

Ну и, наконец, в репосте ниже есть несколько ссылок на материалы для подготовки к ШАД в открытом доступе от нашего лектора по математике в MLinside Сергея Жесткова. Кроме того, если вам прям хочется поработать с преподом и поучиться в группе с другими людьми, планирующими поступать в ШАД - у Сергея есть собственный проект где сейчас начинается новый поток.

Продолжение все еще следует, часть 3 будет чуть позже и там поделюсь своими любимыми задачками со вступительных ШАД

Генерируйте видео с Kandinsky 5.0 Video Lite в удобном интерфейсе

Как? Сейчас расскажем.

Kandinsky 5.0 Video Lite — новая open source модель для генерации коротких видео, которая по качеству обгоняет большинство открытых решений.

С помощью гайда от Cloud․ru можно настроить модель в удобном интерфейсе ComfyUI в сервисе Evolution Notebooks на GPU Nvidia V100 и использовать для реальных бизнес-задач.

Так дизайнеры и маркетинговые команды могут быстро создавать видео для презентаций, рекламных кампаний и прототипов, а модель будет всегда готова к работе.

Подробный гайд уже тут

Про конформизм и машинное обучение

Давным-давно я уже будучи преподом делал с командой студентов сервис для автоматического аннотирования текстов. Трансформеров и LLM тогда и в проекте не было, задача аннотирования сводилась к тому, чтобы выделять ключевые предложения, чтения которых достаточно для понимания смысла текста, а лучшими известными подходами были TextRank и LexRank - эдакие аналоги PageRank, но не на сайтах, а на предложениях.

Так вот именно тогда мы усвоили один важный урок: как получить желаемый результат сравнения алгоритмов, если в оценке задействованы асессоры. Для разметки валидационной выборки мы сделали веб-страничку, где асессор должен был сам выбирать ключевые предложения из текста. Задача показалась нам непростой для решения «с чистого листа», поэтому в качестве варианта по умолчанию мы подсвечивали те предложения, которые выбрала бы наша реализация TextRank. Надо ли говорить, какой алгоритм победил в сравнении на этой выборке с большим отрывом?

К сожалению или к счастью, люди обычно довольно легко соглашаются на предложенный им вариант или меняют его не слишком сильно. В частности, поэтому полезнее самому говорить, что вы от них хотите, чем играть с людьми в угадайку и надеяться получить предложение мечты: на работе, в отношениях или договариваясь, как провести время с друзьями. Ну а если вам надо просто собрать выборку для оценки качества - постарайтесь ни к чему не подталкивать ваших асессоров :)