Forwarded from BigData Team (BDT)
🇰🇿 Сделано в Казахстане — для всего мира
BigData Team — это международная команда экспертов, работавших в Amazon AWS, Samsung, Yandex, Ebay.
Мы создаём IT-образование мирового уровня здесь, в Казахстане, с грантовой поддержкой Tech Orda и Astana Hub. История началась шесть лет назад, когда мы начали обучать в Казахстане ведущих специалистов в сфере Big Data и Machine Learning.
🔥А сегодня открываем набор на 36 международных грантов с поддержкой наших партнеров, чтобы к нашим слушателям из Казахстана присоединились коллеги со всего мира.
🇰🇿 Если вы из Казахстана
— гранты Tech Orda покрывают более 50% обучения
— подробности и инструкции, успейте до конца августа!
🌍 Если вы из другой страны
— 32 международных гранта с покрытием 50% (950 $)
— 4 гранта с покрытием 100% (1 900 $)
📚 8 месяцев обучения:
— общая база по Python, промышленной разработке, Big Data и ML
— в конце — твой выбор трека: Big Data Engineer или Machine Learning Engineer
— 10–20 часов в неделю, онлайн, с менторами и проектами
📅 Дедлайны международных грантов:
— I волна — до 24 августа, 23:59
— II волна — до 31 августа, 23:59
— III волна — до 7 сентября, 23:59
🤝 И да, мы ждём участников минимум из 5 стран — так что зовите друзей, коллег и бывших однокурсников.
📌 Как подать заявку на международный грант
1️⃣ Зарегистрируйтесь и пройдите тестирование на платформе Learn BDT💻 :
— откройте разделы grant, grant extended, grant profile и CV
— выполните все тесты и загрузите резюме
2️⃣ Ждите результаты на почту — и подпишитесь на наш Telegram, чтобы не пропустить новости
Заполняйте заявку на грант и подавайтесь до ближайшего дедлайна(вот тут объяснили почему раньше — лучше) .
Удачи! 🍀
BigData Team: the way you learn best
Py4BDA | Python | Machine Learning | Big Data | BD/ML Engineer
#study #BDMLE #BigDataTeam
BigData Team — это международная команда экспертов, работавших в Amazon AWS, Samsung, Yandex, Ebay.
Мы создаём IT-образование мирового уровня здесь, в Казахстане, с грантовой поддержкой Tech Orda и Astana Hub. История началась шесть лет назад, когда мы начали обучать в Казахстане ведущих специалистов в сфере Big Data и Machine Learning.
🔥А сегодня открываем набор на 36 международных грантов с поддержкой наших партнеров, чтобы к нашим слушателям из Казахстана присоединились коллеги со всего мира.
🇰🇿 Если вы из Казахстана
— гранты Tech Orda покрывают более 50% обучения
— подробности и инструкции, успейте до конца августа!
🌍 Если вы из другой страны
— 32 международных гранта с покрытием 50% (950 $)
— 4 гранта с покрытием 100% (1 900 $)
📚 8 месяцев обучения:
— общая база по Python, промышленной разработке, Big Data и ML
— в конце — твой выбор трека: Big Data Engineer или Machine Learning Engineer
— 10–20 часов в неделю, онлайн, с менторами и проектами
📅 Дедлайны международных грантов:
— I волна — до 24 августа, 23:59
— II волна — до 31 августа, 23:59
— III волна — до 7 сентября, 23:59
🤝 И да, мы ждём участников минимум из 5 стран — так что зовите друзей, коллег и бывших однокурсников.
📌 Как подать заявку на международный грант
1️⃣ Зарегистрируйтесь и пройдите тестирование на платформе Learn BDT
— откройте разделы grant, grant extended, grant profile и CV
— выполните все тесты и загрузите резюме
2️⃣ Ждите результаты на почту — и подпишитесь на наш Telegram, чтобы не пропустить новости
Заполняйте заявку на грант и подавайтесь до ближайшего дедлайна
Удачи! 🍀
BigData Team: the way you learn best
Py4BDA | Python | Machine Learning | Big Data | BD/ML Engineer
#study #BDMLE #BigDataTeam
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥12❤10🤣6👍4
Где искать настоящий аплифт от ИИ?
С появлением генеративного ИИ многие испугались: «Всё, он заберёт нашу работу».
И да, это действительно похоже на промышленную революцию — только не на заводах, а в сфере услуг и творческих профессиях. Однако не все так плохо, если вы знакомы с термином - блендинг.
Когда вы используете ИИ, на самом деле вы блендите: 🧠 ваш естественный интеллект и 🤖 искусственный интеллект. Размер аплифта зависит от того, насколько они «ортогональны». Если вы уже пишете отличный код и подключаете ИИ для подсказок — получите прирост скорости и качества. Но это будет скорее «чуть-чуть лучше». ИИ здесь просто закрывает последнюю милю оптимизации — вы пройдете последнюю милю по повышению эффективности подобно тому, как Лаборатория внедрила нейронные сети в кредитный скоринг.
Прорывные продукты появляются тогда, когда удаётся объединить экспертизу из двух (или более) довольно ортогональных сфер. Ваша задача — взять область, где вы сами эксперт, и добавить к ней одну или несколько областей, где роль эксперта может взять на себя ИИ. Такой бленд и даёт дизрапт аплифт, а не косметический апгрейд.
Кажется, мысль простая. Так почему же мы не видим вокруг сплошных сверхрезультатов?
Потому что ЕИ нужно взять на себя роль продакта: решить, как собрать ансамбль, как запустить А/Б-тесты и настроить мониторинг качество. В такой схеме всегда есть риск «переобучения», особенно учитывая сверхожидания у ЕИ относительно возможностей ИИ и незнание ЖЦМ.
Но у меня для вас хорошие новости: у дата-сайентистов самые высокие шансы строить такие ансамбли. Просто потому что у нас уже есть экспертиза в блендинге моделей.
Так что жду от подписчиков не просто pet-проекты, а дизрапт продукты с ИИ 🚀
С появлением генеративного ИИ многие испугались: «Всё, он заберёт нашу работу».
И да, это действительно похоже на промышленную революцию — только не на заводах, а в сфере услуг и творческих профессиях. Однако не все так плохо, если вы знакомы с термином - блендинг.
Когда вы используете ИИ, на самом деле вы блендите: 🧠 ваш естественный интеллект и 🤖 искусственный интеллект. Размер аплифта зависит от того, насколько они «ортогональны». Если вы уже пишете отличный код и подключаете ИИ для подсказок — получите прирост скорости и качества. Но это будет скорее «чуть-чуть лучше». ИИ здесь просто закрывает последнюю милю оптимизации — вы пройдете последнюю милю по повышению эффективности подобно тому, как Лаборатория внедрила нейронные сети в кредитный скоринг.
Прорывные продукты появляются тогда, когда удаётся объединить экспертизу из двух (или более) довольно ортогональных сфер. Ваша задача — взять область, где вы сами эксперт, и добавить к ней одну или несколько областей, где роль эксперта может взять на себя ИИ. Такой бленд и даёт дизрапт аплифт, а не косметический апгрейд.
Кажется, мысль простая. Так почему же мы не видим вокруг сплошных сверхрезультатов?
Потому что ЕИ нужно взять на себя роль продакта: решить, как собрать ансамбль, как запустить А/Б-тесты и настроить мониторинг качество. В такой схеме всегда есть риск «переобучения», особенно учитывая сверхожидания у ЕИ относительно возможностей ИИ и незнание ЖЦМ.
Но у меня для вас хорошие новости: у дата-сайентистов самые высокие шансы строить такие ансамбли. Просто потому что у нас уже есть экспертиза в блендинге моделей.
Так что жду от подписчиков не просто pet-проекты, а дизрапт продукты с ИИ 🚀
🔥26👍7❤5❤🔥1
Когда я приходил в Альфу шесть лет назад, у меня была простая цель — делать крутые вещи с топ-технологиями в реальной, прагматичной среде. В итоге, мы внедрили кучу фундаментальных изменений, их признали не только внутри компании, но и за её пределами (часть из них вы уже видели в этом канале). Однако, этот пост не про самолюбование.
Подобные истории без описания трудностей не только скучные, но и неправдоподобные, поэтому расскажу с чего мы начинали и какие трудности встречали на пути:
– слабый HR-бренд;
– нет бюджета на перекупку «звёздной» команды;
– политика «берём только синьоров по стажу»;
– купленные у вендоров решения мешают растить компетенции;
– инфраструктура для внедрения нейронок отсутствует;
– формальные процессы, которые замедляют работу;
- саботаж на протяжении нескольких лет к внедрению эффективных решений;
- карьерный рост за лакейство, вместо результатов.
К сожалению, не все удалось решить, но разруливание и существование в режиме ограничений стало значимым фактором роста всех членов команды.
С козырями все могут играть, а вы попробуйте играть теми картами, что на руках.
Выплыть помогли правильный майндсет и культура, впитанная на заре становления Тинькофф. С их помощью родилась и была реализована стратегия из трёх частей: продукт, HR и PR — все они связаны.
В следующих постах я расскажу, как это работало и что из этого может пригодиться вам.
Подобные истории без описания трудностей не только скучные, но и неправдоподобные, поэтому расскажу с чего мы начинали и какие трудности встречали на пути:
– слабый HR-бренд;
– нет бюджета на перекупку «звёздной» команды;
– политика «берём только синьоров по стажу»;
– купленные у вендоров решения мешают растить компетенции;
– инфраструктура для внедрения нейронок отсутствует;
– формальные процессы, которые замедляют работу;
- саботаж на протяжении нескольких лет к внедрению эффективных решений;
- карьерный рост за лакейство, вместо результатов.
К сожалению, не все удалось решить, но разруливание и существование в режиме ограничений стало значимым фактором роста всех членов команды.
Выплыть помогли правильный майндсет и культура, впитанная на заре становления Тинькофф. С их помощью родилась и была реализована стратегия из трёх частей: продукт, HR и PR — все они связаны.
В следующих постах я расскажу, как это работало и что из этого может пригодиться вам.
🔥61❤17👍14👎5🤣5😱3😁2
Продуктовая стратегия Лаборатории
1️⃣ Решаем только те задачи, которые приносят реальный профит компании.
У коммерческой компании, в отличие от исследовательского института, есть акционеры. И эти акционеры ждут возврата инвестиций — в том числе на твою зарплату — в кратном размере. Если ROI нет, ресурсы уходят в другие направления, а в сложные времена — просто сокращаются. Поэтому команда должна решать не те задачи, которые “интересные” или “хочет компания”, а те, которые максимизируют матожидание измеримого результата. И уметь отбиваться от идей, которые точно не дадут эффекта — это тоже часть профессионализма.
2️⃣ Находим и продаём бизнесу задачи, а потом быстро внедряем их в прод.
Если менеджеры не знают, как монетизировать данные — ничего страшного, это нормально. Нужно идти к ним самим: изучать процессы, искать, где ML реально может помочь. Дальше — быстрый пилот, простая метрика, и объяснение результата в понятных терминах, чаще всего — через финансовый эффект. После этого важно не терять момент и как можно скорее внедриться в прод. Если инфраструктура не готова — поддерживать процесс на своей стороне, пока не появится возможность перенести. Иногда внедрение приходится буквально продавить — но если есть измеримый эффект, у бизнеса просто не останется аргументов.
3️⃣ Масштабируем решения и переиспользуем накопленную экспертизу.
Каждый бизнес-сегмент уникален, но типовые задачи везде примерно одни и те же. Большинство монетизируемых кейсов — это просто классификация: бинарная или многоклассовая. Решил задачу для одной бизнес-линии — почти наверняка сможешь применить решение в другой. Сделал PD-модель — построишь и склонность, и отток. Научился классифицировать тексты трансформером — сможешь классифицировать и транзакции. Главное — не начинать каждый проект с нуля, а превращать опыт в масштабируемую экспертизу.
4️⃣ Используем новые подходы для работы с моделями и данными.
Когда ML уже встроен в ключевые процессы, ценность приносит не “ещё одна модель”, а новые подходы:новые источники данных, более продвинутые методы, автоматизация пайплайнов. С таким подходом рост идёт за счёт эффективности — быстрее, дешевле, надёжнее.
В итоге 95% моделей, которые мы разрабатывали, были внедрены в бизнес-процессы. Почти все задачи — сгенерированы внутри команды и “проданы” бизнесу, что отображало нашу функцию лидера, а не сервиса. Иногда приходилось ждать по два года, иногда — буквально заставлять внедрять. Нейронные сети в кредитном скоринге мы вывели в прод первыми в России, потом перенесли на другие бизнес-линии, а позже автоматизировали их разработку в сервисе ANNA. Из этого опыта вырос центр компетенций по NLP.
🤔 Каждый пункт стратегии — это ответ на три простых вопроса: что мы делаем, чего не делаем сейчас, как и куда двигаемся дальше.
У коммерческой компании, в отличие от исследовательского института, есть акционеры. И эти акционеры ждут возврата инвестиций — в том числе на твою зарплату — в кратном размере. Если ROI нет, ресурсы уходят в другие направления, а в сложные времена — просто сокращаются. Поэтому команда должна решать не те задачи, которые “интересные” или “хочет компания”, а те, которые максимизируют матожидание измеримого результата. И уметь отбиваться от идей, которые точно не дадут эффекта — это тоже часть профессионализма.
Если менеджеры не знают, как монетизировать данные — ничего страшного, это нормально. Нужно идти к ним самим: изучать процессы, искать, где ML реально может помочь. Дальше — быстрый пилот, простая метрика, и объяснение результата в понятных терминах, чаще всего — через финансовый эффект. После этого важно не терять момент и как можно скорее внедриться в прод. Если инфраструктура не готова — поддерживать процесс на своей стороне, пока не появится возможность перенести. Иногда внедрение приходится буквально продавить — но если есть измеримый эффект, у бизнеса просто не останется аргументов.
Каждый бизнес-сегмент уникален, но типовые задачи везде примерно одни и те же. Большинство монетизируемых кейсов — это просто классификация: бинарная или многоклассовая. Решил задачу для одной бизнес-линии — почти наверняка сможешь применить решение в другой. Сделал PD-модель — построишь и склонность, и отток. Научился классифицировать тексты трансформером — сможешь классифицировать и транзакции. Главное — не начинать каждый проект с нуля, а превращать опыт в масштабируемую экспертизу.
Когда ML уже встроен в ключевые процессы, ценность приносит не “ещё одна модель”, а новые подходы:новые источники данных, более продвинутые методы, автоматизация пайплайнов. С таким подходом рост идёт за счёт эффективности — быстрее, дешевле, надёжнее.
В итоге 95% моделей, которые мы разрабатывали, были внедрены в бизнес-процессы. Почти все задачи — сгенерированы внутри команды и “проданы” бизнесу, что отображало нашу функцию лидера, а не сервиса. Иногда приходилось ждать по два года, иногда — буквально заставлять внедрять. Нейронные сети в кредитном скоринге мы вывели в прод первыми в России, потом перенесли на другие бизнес-линии, а позже автоматизировали их разработку в сервисе ANNA. Из этого опыта вырос центр компетенций по NLP.
🤔 Каждый пункт стратегии — это ответ на три простых вопроса: что мы делаем, чего не делаем сейчас, как и куда двигаемся дальше.
Please open Telegram to view this post
VIEW IN TELEGRAM
👍41❤6🔥3
HR-стратегия Лаборатории
Ключевая проблема найма опытного топ-специалиста заключается в том, что он уже нашёл себе отличное место работы, и вы вряд ли сможете его перекупить. В таком случае отличная стратегия — растить мат. ожидание за счёт числа попыток, надеясь на то, что вы сможете заинтересовать его задачей или его ровно сейчас отпугнули на текущем месте работы.
1️⃣ Нанимаем по хардам — софты растим внутри. Применение софтов на линейных позициях необходимо на порядок в меньший промежуток времени, и поэтому их недостаток проще закрыть руководителю, чем отсутствие хардов. Как показала практика моей команды, софты можно успешно развивать у любого технаря. Именно по этой причине я всегда отдам предпочтение джуну с прокаченным хардам, а не «синьору» с умением складно оправдываться за отсутствие результата.
2️⃣ Найм — задача руководителя, а не HR. Ответственность за качество и укомплектованность команды нужно брать на себя. Любая ошибка найма перекроет время, потраченное на проактивный поиск с необходимым CIR.
3️⃣ Нанимаем только тех, кто хочет приносить пользу компании, а не удовлетворять свой научный интерес. Наша профессия содержит много пространства для исследований, но большая часть из них не приносит практического результата и оптимизирует сотые доли процента на синтетических датасетах. Многие эксперименты не нужно проводить, если у вас есть теоретическая база, которая может оценить масштаб ожидаемого эффекта. Нередко желание проводить такие эскперименты, говорит о недостаточном количестве практики на этапе обучения и для этого являения у меня даже есть целый термин.
Нейросетевой недотрах — огромное желание обучить нейроночку, которая не нужна или избыточна для решения бизнес-задачи.
4️⃣ Не ограничиваем скорость роста формальными временными рамками. Если вы вкладываетесь в рост софт-навыков, то ваша команда становится очень конкурентной на открытом рынке, и джун сможет продать себя за синьора и даже CDSа (знаю такой случай). В таком случае важно вовремя проводить апгрейд грейда согласно скорости достижения определённого уровня, а не за выслугу лет. В противном случае вы повысите мат. ожидание поиска топ-специалиста у конкурентов.
5️⃣ Привлекаем таланты за счет HR-бренда и сарафанного радио. Время потраченное на выступления на конференциях, запущенные курсы, ведение личного блога и другие публичные активности существенно окупается скоростью найма за счет улучшения релевантности входного потока. Повышенная удовлетворенность команды включает сарафанное радио и приводит к аналогичному результату.
6️⃣ Работаем со студентами и стажерами. Большинство топ-специалистов, которых вы хотите сейчас нанять были когда-то студентами технических вузов. Сейчас вы смотрите на них и мечтаете чтобы они стали членами вашей команды, но вы упускаете большой поток студентов, которые еще не стали звездами и вам не поздно вырастить их внутри, если вы сами когда-то были настоящими синьорами.
📸 Глава Лаборатории машинного обучения в окружении джунов и миддлов, май 2022.
Ключевая проблема найма опытного топ-специалиста заключается в том, что он уже нашёл себе отличное место работы, и вы вряд ли сможете его перекупить. В таком случае отличная стратегия — растить мат. ожидание за счёт числа попыток, надеясь на то, что вы сможете заинтересовать его задачей или его ровно сейчас отпугнули на текущем месте работы.
📸 Глава Лаборатории машинного обучения в окружении джунов и миддлов, май 2022.
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥41❤17👍9👎2🤔1🙈1
PR-стратегия Лаборатории
В этом посте расскажу о ключевых элементах стратегии, которые помогли построить бренд команды — как внутри компании, так и за ее пределами.
1️⃣ Каждый член команды может стать ее амбассадором. Замыкание публичных активностей на руководителе приводит, во-первых, к неэффективному использованию его времени, а во-вторых, к потере качества — вряд ли кто-то расскажет лучше ключевого разработчика.
Отдельно горжусь тем, что удалось сменить парадигму, по которой выступать на внутренних и внешних мероприятиях могли только сотрудники нужного грейда. Самый яркий пример — выступление стажера перед коллегой на девять грейдов выше, которое стало пререквизитом для появления новой функции.
2️⃣ Подготовка к выступлениям нативно встроена в процесс работы команды. Очень сложно заставить себя и команду подготовить презентацию на двадцать слайдов на конференцию по неизвестной теме. Сильно проще — взять рабочие презентации, вычистить из них конфиденциальную информацию и обкатать на внутренней аудитории.
Эти сценарии отделяет регулярная работа: регулярные презентации бизнес-заказчикам, питчинг на внутренних синках и доработка материалов по обратной связи.
На самом деле выступление на внешней конференции не сильно отличается от внутренней презентации, и работа над обоими направлениями усиливает каждое из них.
3️⃣ Мотивируем и помогаем развивать скиллы у каждого члена команды. Чтобы из «нулевого рассказчика» сделать «опытного спикера», нужно просто вместе с ним прогнать презентацию пять раз. Побеждать в соревнованиях вдвойне приятно, если компания при этом платит премию в размере месячного оклада.
4️⃣ Распространяем контент во всех каналах коммуникации. Бизнес работает с клиентами через все возможные каналы, чтобы увеличить число касаний и охватить разные сегменты аудитории. В развитии HR-бренда нужно использовать те же принципы: адаптировать контент под конференции, статьи, подкасты, обучающие курсы и посты в телеграме.
Один директор по маркетингу сказал, что хорошая реклама должназаебать . В этом есть доля правды — ведь вы выберете известный бренд, если не разбираетесь в качестве товара.
📖 Хотите прокачаться в написании ёмких и понятных текстов?
Рекомендую книгу «Пиши, сокращай 2025: как создавать сильный текст» — Максим Ильяхов и Людмила Сарычева.
В этом посте расскажу о ключевых элементах стратегии, которые помогли построить бренд команды — как внутри компании, так и за ее пределами.
Отдельно горжусь тем, что удалось сменить парадигму, по которой выступать на внутренних и внешних мероприятиях могли только сотрудники нужного грейда. Самый яркий пример — выступление стажера перед коллегой на девять грейдов выше, которое стало пререквизитом для появления новой функции.
Эти сценарии отделяет регулярная работа: регулярные презентации бизнес-заказчикам, питчинг на внутренних синках и доработка материалов по обратной связи.
На самом деле выступление на внешней конференции не сильно отличается от внутренней презентации, и работа над обоими направлениями усиливает каждое из них.
Один директор по маркетингу сказал, что хорошая реклама должна
📖 Хотите прокачаться в написании ёмких и понятных текстов?
Рекомендую книгу «Пиши, сокращай 2025: как создавать сильный текст» — Максим Ильяхов и Людмила Сарычева.
Please open Telegram to view this post
VIEW IN TELEGRAM
👍18❤8🔥6
Как связаны продуктовая, HR и PR стратегии?
Стратегия отвечает на вопросы — что мы делаем и что не делаем. Если её элементы противоречат друг другу, стратегия, скорее всего, не работает: становится непонятно, как двигаться и к чему стремиться.
В Лаборатории стратегия строилась на культурном базисе, поэтому все её элементы были взаимосвязаны. Посмотрим на это на примерах.
Продукт ↔ HR
1. Когда вы нанимаете сильную команду, ориентированную на исследования и научный интерес, — фокус только на бизнес-вэлью приводит к внутреннему конфликту.
2. Если в команде не развиты софт-скиллы и навык презентации, то продвигать бизнес-задачи и «продавать» правильные решения становится затруднительно.
3. Когда вы нанимаете людей с сильными софтами, но без хардов, — использовать продвинутые методы моделирования не получится.
4. Если команда не видит личной выгоды и карьерного роста, бизнес-ориентация воспринимается формально и не закрепляется в поведении.
5. Быстрый карьерный рост в коммерческой компании возможен только тогда, когда продвинутые решения из теоретических рассуждений доезжают в прод.
HR ↔ PR
1. Слабый HR-бренд ведёт к трудностям с наймом топ-команды, особенно если вы не можете конкурировать зарплатами.
2. Если профессиональное сообщество не уважает хард-скиллы вашей команды, то и сильный HR-бренд построить не выйдет.
PR ↔ Продукт
1. Внутренние выступления теряют смысл, если команда не участвует в развитии продукта.
2. Курсы, конференции и другие активности вызывают интерес у аудитории лишь тогда, когда за ними стоят реальные выдающиеся достижения — научные или бизнесовые.
Продукт ↔ HR ↔ PR
С возрастом у специалистов становится меньше времени и энергии для прорывных проектов и публичных выступлений, тогда как у студентов и стажёров, стремящихся к карьере, эти ресурсы есть. Поэтому именно они становятся естественным драйвером развития продукта, бренда и культуры компании.
🔜 В следующем посте поговорим про личные стратегии
Стратегия отвечает на вопросы — что мы делаем и что не делаем. Если её элементы противоречат друг другу, стратегия, скорее всего, не работает: становится непонятно, как двигаться и к чему стремиться.
В Лаборатории стратегия строилась на культурном базисе, поэтому все её элементы были взаимосвязаны. Посмотрим на это на примерах.
Продукт ↔ HR
1. Когда вы нанимаете сильную команду, ориентированную на исследования и научный интерес, — фокус только на бизнес-вэлью приводит к внутреннему конфликту.
2. Если в команде не развиты софт-скиллы и навык презентации, то продвигать бизнес-задачи и «продавать» правильные решения становится затруднительно.
3. Когда вы нанимаете людей с сильными софтами, но без хардов, — использовать продвинутые методы моделирования не получится.
4. Если команда не видит личной выгоды и карьерного роста, бизнес-ориентация воспринимается формально и не закрепляется в поведении.
5. Быстрый карьерный рост в коммерческой компании возможен только тогда, когда продвинутые решения из теоретических рассуждений доезжают в прод.
HR ↔ PR
1. Слабый HR-бренд ведёт к трудностям с наймом топ-команды, особенно если вы не можете конкурировать зарплатами.
2. Если профессиональное сообщество не уважает хард-скиллы вашей команды, то и сильный HR-бренд построить не выйдет.
PR ↔ Продукт
1. Внутренние выступления теряют смысл, если команда не участвует в развитии продукта.
2. Курсы, конференции и другие активности вызывают интерес у аудитории лишь тогда, когда за ними стоят реальные выдающиеся достижения — научные или бизнесовые.
Продукт ↔ HR ↔ PR
С возрастом у специалистов становится меньше времени и энергии для прорывных проектов и публичных выступлений, тогда как у студентов и стажёров, стремящихся к карьере, эти ресурсы есть. Поэтому именно они становятся естественным драйвером развития продукта, бренда и культуры компании.
🔜 В следующем посте поговорим про личные стратегии
🔥17👍10❤9
Farewell, Альфа-Банк ❤️
Настало время поговорить о личных стратегиях — теперь это гораздо проще, ведь вы уже немного лучше понимаете стратегию и культуру, на основе которых строилась Лаборатория. Я убеждён, что в профессиональном плане важно всегда находиться там, где твои сильные стороны используются на максимум. Как вы, наверное, уже поняли, настал момент и для меня двигаться к новым вызовам — о которых расскажу в следующих постах. А пока — время подвести итоги и искренне пожелать удачи Альфа-Банку.
Начну с последнего. Альфа-Банк за последние 6 лет достиг весомых результатов, закрыл многие гэпы — и, как бывшему фанату Тинькофф, мне приходится это признавать даже в личных разговорах с близкими. Я искренне рад за Альфу и желаю не сбавлять оборотов.
Мы прошли с Альфой долгий путь. За это время удалось многое изменить и заложить крепкий фундамент для будущих поколений.
Лаборатория выросла — от одного дата-сайентиста до управления порядка сорока талантливых специалистов. Каждый появился не случайно: мы находили точки роста бизнеса, убеждали стейкхолдеров и успешно защищали ресурсы. Можно с уверенностью сказать, что все амбициозные и успешные внутренние проекты по применению нейронных сетей были придуманы внутри Лаборатории.
Особенно приятно, что наши достижения отмечены пятью внутренними «Оскарами» — и каждый из них стал возможен благодаря нейронным сетям и нашей проактивной позиции. Сегодня Лаборатория машинного обучения — это бренд в сообществе дата-сайентистов, сопоставимый с Яндексом, Тинькофф и другими компаниями, куда стремятся попасть специалисты. Молодые таланты идут туда за культурой и ценностями, которые мы транслируем внутри и вовне.
Хочу сказать огромное спасибо каждому члену нашей команды — за ваш выбор и вклад. Ведь перед каждым из вас открыты двери практически любой компании. Отдельное спасибо маркетингу, рискам, финансам и всем, кто был с нами первопроходцем на пути внедрения прорывных решений.
Закончу этот блок следующим напоминанием:
Мой последний рабочий день в Альфе был чуть больше двух месяцев назад.
👉 Я уже освоился на новом месте, и начинаю активный найм в новую команду - налетайте на вакансию.
P.S. Элементы стратегии и культуры на новом месте практически не изменятся 😉
Настало время поговорить о личных стратегиях — теперь это гораздо проще, ведь вы уже немного лучше понимаете стратегию и культуру, на основе которых строилась Лаборатория. Я убеждён, что в профессиональном плане важно всегда находиться там, где твои сильные стороны используются на максимум. Как вы, наверное, уже поняли, настал момент и для меня двигаться к новым вызовам — о которых расскажу в следующих постах. А пока — время подвести итоги и искренне пожелать удачи Альфа-Банку.
Начну с последнего. Альфа-Банк за последние 6 лет достиг весомых результатов, закрыл многие гэпы — и, как бывшему фанату Тинькофф, мне приходится это признавать даже в личных разговорах с близкими. Я искренне рад за Альфу и желаю не сбавлять оборотов.
Мы прошли с Альфой долгий путь. За это время удалось многое изменить и заложить крепкий фундамент для будущих поколений.
Лаборатория выросла — от одного дата-сайентиста до управления порядка сорока талантливых специалистов. Каждый появился не случайно: мы находили точки роста бизнеса, убеждали стейкхолдеров и успешно защищали ресурсы. Можно с уверенностью сказать, что все амбициозные и успешные внутренние проекты по применению нейронных сетей были придуманы внутри Лаборатории.
Особенно приятно, что наши достижения отмечены пятью внутренними «Оскарами» — и каждый из них стал возможен благодаря нейронным сетям и нашей проактивной позиции. Сегодня Лаборатория машинного обучения — это бренд в сообществе дата-сайентистов, сопоставимый с Яндексом, Тинькофф и другими компаниями, куда стремятся попасть специалисты. Молодые таланты идут туда за культурой и ценностями, которые мы транслируем внутри и вовне.
И всё это получилось, потому что мы любой ценой отстаивали интересы Акционеров, Клиентов и Команды. Вот этим я по-настоящему буду гордиться.
Хочу сказать огромное спасибо каждому члену нашей команды — за ваш выбор и вклад. Ведь перед каждым из вас открыты двери практически любой компании. Отдельное спасибо маркетингу, рискам, финансам и всем, кто был с нами первопроходцем на пути внедрения прорывных решений.
Закончу этот блок следующим напоминанием:
Тяжёлые времена рождают сильных людей, сильные люди создают лёгкие времена. Лёгкие времена рождают слабых людей. Слабые люди создают тяжёлые времена.
Мой последний рабочий день в Альфе был чуть больше двух месяцев назад.
👉 Я уже освоился на новом месте, и начинаю активный найм в новую команду - налетайте на вакансию.
P.S. Элементы стратегии и культуры на новом месте практически не изменятся 😉
❤43👍18😱12🔥11❤🔥4
Forwarded from Дата канальи — про «специалистов» в данных / ML / AI
Про корпоративные конфликты
Жили-были два соседних и близких по функционалу департамента. Назовем их А и Б.
Был у департаментов курирующий топ, назовем его «ПетрПетрович».
В департаменте Б есть управления Ба и Бб
И тут начальника департамента Б увольняют.
Кем заменить? Три кандидата:
◦ Зам начальника департамента А
◦ Начальник управления Ба
◦ Начальник управления Бб
Вы в камень-ножницы-бумага играли? 🙌
Вот также и эта троица — каждый против двух других и никто не может одержать верх. 🦢🦞🦈(кэп: акула изображает щуку)
В такой ситуации «ПетрПетрович» принимает решение нанять кого-то, кто вроде бы немного со всеми тремя по чуть-чуть работал и ни с кем не поругался 😅. Назовем нового руководителя Новорук.
В итоге департамент Б «пропал с радаров» — амбициозных инициатив, которые бы дисраптили бизнес-модель или хотя бы были достойны обсуждения на борде — нет, зато со всеми смежниками мир 🕊
С этими словами Новорука и уволили спустя пару лет.
Итого, случилась корпоративная классика: наняли за бесконфликтность — уволили за бесхребетность🤷♂️
PS: В личку пришло несколько знакомых из разных организаций с вопросом "не их ли конторы я описал?" -- значит, ситуация не такая уж и редкая
Жили-были два соседних и близких по функционалу департамента. Назовем их А и Б.
Был у департаментов курирующий топ, назовем его «ПетрПетрович».
В департаменте Б есть управления Ба и Бб
И тут начальника департамента Б увольняют.
Кем заменить? Три кандидата:
◦ Зам начальника департамента А
◦ Начальник управления Ба
◦ Начальник управления Бб
Вы в камень-ножницы-бумага играли? 🙌
Вот также и эта троица — каждый против двух других и никто не может одержать верх. 🦢🦞🦈
В такой ситуации «ПетрПетрович» принимает решение нанять кого-то, кто вроде бы немного со всеми тремя по чуть-чуть работал и ни с кем не поругался 😅. Назовем нового руководителя Новорук.
В итоге департамент Б «пропал с радаров» — амбициозных инициатив, которые бы дисраптили бизнес-модель или хотя бы были достойны обсуждения на борде — нет, зато со всеми смежниками мир 🕊
С этими словами Новорука и уволили спустя пару лет.
Итого, случилась корпоративная классика: наняли за бесконфликтность — уволили за бесхребетность🤷♂️
😁34👍12❤7🤔3💯2😎1
Forwarded from Silero News
Мы опубликовали стабильный, быстрый, качественный и доступный синтез для 20 языков России и СНГ
0️⃣ Популярные языки из 🇷🇺🇺🇦🇺🇿🇰🇿🇦🇿🇹🇯🇧🇾 🇬🇪🇰🇬🇦🇲;
1️⃣ Всего 20 языков России и стран СНГ, всего 95 голосов;
2️⃣ Модели компактные и быстрые, как наши прошлые релизы;
3️⃣ Поддержка SSML, генерация аудио с SR
4️⃣ Два типа моделей -
5️⃣ Остались непокрытыми языки Дагестана и ЧР, если хотите помочь с добавлением этих языков пишите на @silero_job.
⭐️Репозиторий - github.com/snakers4/silero-models
⬆️ Статья на Хабре - habr.com/ru/articles/968988/
0️⃣ Популярные языки из 🇷🇺🇺🇦🇺🇿🇰🇿🇦🇿🇹🇯
1️⃣ Всего 20 языков России и стран СНГ, всего 95 голосов;
2️⃣ Модели компактные и быстрые, как наши прошлые релизы;
3️⃣ Поддержка SSML, генерация аудио с SR
8000, 24000, 48000;4️⃣ Два типа моделей -
base под лицензией MIT на наших данных и ext на данных сообщества;5️⃣ Остались непокрытыми языки Дагестана и ЧР, если хотите помочь с добавлением этих языков пишите на @silero_job.
⭐️Репозиторий - github.com/snakers4/silero-models
Please open Telegram to view this post
VIEW IN TELEGRAM
❤15👍6🔥4👎2
30 ноября участвую как эксперт на карьерном митапе от self, сообщества для поддержки айтишников.
Будет доклад от CEO self о том, как выжить на рынке труда в нынешних условиях.
А я, вместе с остальными экспертами, буду в качестве ментора отвечать на вопросы участников о том, как строить карьеру.
Можно спрашивать и про харды, про софты. И в целом задавать вопросы на любую карьерную тему.
Помимо доклада и общения с менторами вас ждет организованный нетворкинг, где вы сможете познакомиться с интересными людьми.
Время и место
🔴 30 ноября, с 15:00 до 21:00
🔴 Poklonka Place, корпус Е1 Поклонная ул. 3
Подробности и билеты на лендинге!
Будет доклад от CEO self о том, как выжить на рынке труда в нынешних условиях.
А я, вместе с остальными экспертами, буду в качестве ментора отвечать на вопросы участников о том, как строить карьеру.
Можно спрашивать и про харды, про софты. И в целом задавать вопросы на любую карьерную тему.
Помимо доклада и общения с менторами вас ждет организованный нетворкинг, где вы сможете познакомиться с интересными людьми.
Время и место
Подробности и билеты на лендинге!
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥23👍10❤7😁1
Почему специалисту по ИИ нужно понимать, как работает мозг?
👼 В «Нескучном Data Science» стало тихо. Это не потому, что закончились идеи — закончилось свободное время с появлением долгосрочного R&D-проекта. У меня родился сын.
Теперь я занимаюсь не только обучением искусственного интеллекта, но и обучением естественного. Если раньше я строил иссключительно ML-системы, которые оптимизируют бизнес-метрики, то теперь строю систему, которая учится держать голову, различать эмоции и смотреть на мир с интересом.
📙 Чтобы делать это не только «по наитию», взялся за книгу Мозг и его потребности автора — Вячеслав Дубынин. С Вячеславом мы раньше пересекались на двух воркшопах: я рассказывал бизнесу, как внедрять искусственный интеллект, он — как работает естественный интеллект. Как раз после них появилось желание разобраться как работает естественный интеллект.
Чем мне была полезна книга?
– Расширила понимание, как обучается человек и как на это влияет страх;
– Подсказала как развивать любопытство у детей;
– Восполнила часть пробелов по биологии школьной программы;
– Позволила расширить представление о том с каким сложностями люди сталкиваются на различных этапах своей жизни;
– Подарила кучу аналогий из животного мира, я стал их чаще видеть в поведении людей и использовать в принятии решений.
Как бы нам это не нравилось, но у нас очень много общего с крысами, на которыхученые ставят эксперименты
Но зачем это нужно дата сайентистам?
1️⃣ Ваши модели взаимодействуют не с абстрактными ID, а с людьми.
Людьми, которые: переживают кризисы, становятся родителями, боятся перемен, ищут признание, хотят принадлежности. Понимание жизненных этапов и когнитивных паттернов позволяет генерировать лучшие признаки на основе имеющухся у вас поведенческих данных, глубже сегментировать аудиторию и строить более человечные взаимодействия.
2️⃣ Большие языковые модели учатся размышлять и принимать решения за счет анализа естесетвенного языка и анализа принятых решений естественным интеллектом. Неплохо бы разобраться в том, как учитель ИИ принимает решения.
Если вы еще не вписались в R&D-проект, то рекомендую начать с теоретической базы 👇
✈️ Дубынин о мозге 🧠
И да, буду по-тихоньку возвращаться, теперь с двумя направлениями исследований 🙂
👼 В «Нескучном Data Science» стало тихо. Это не потому, что закончились идеи — закончилось свободное время с появлением долгосрочного R&D-проекта. У меня родился сын.
Теперь я занимаюсь не только обучением искусственного интеллекта, но и обучением естественного. Если раньше я строил иссключительно ML-системы, которые оптимизируют бизнес-метрики, то теперь строю систему, которая учится держать голову, различать эмоции и смотреть на мир с интересом.
📙 Чтобы делать это не только «по наитию», взялся за книгу Мозг и его потребности автора — Вячеслав Дубынин. С Вячеславом мы раньше пересекались на двух воркшопах: я рассказывал бизнесу, как внедрять искусственный интеллект, он — как работает естественный интеллект. Как раз после них появилось желание разобраться как работает естественный интеллект.
Чем мне была полезна книга?
– Расширила понимание, как обучается человек и как на это влияет страх;
– Подсказала как развивать любопытство у детей;
– Восполнила часть пробелов по биологии школьной программы;
– Позволила расширить представление о том с каким сложностями люди сталкиваются на различных этапах своей жизни;
– Подарила кучу аналогий из животного мира, я стал их чаще видеть в поведении людей и использовать в принятии решений.
Как бы нам это не нравилось, но у нас очень много общего с крысами, на которыхученые ставят эксперименты
Но зачем это нужно дата сайентистам?
Людьми, которые: переживают кризисы, становятся родителями, боятся перемен, ищут признание, хотят принадлежности. Понимание жизненных этапов и когнитивных паттернов позволяет генерировать лучшие признаки на основе имеющухся у вас поведенческих данных, глубже сегментировать аудиторию и строить более человечные взаимодействия.
Если вы еще не вписались в R&D-проект, то рекомендую начать с теоретической базы 👇
✈️ Дубынин о мозге 🧠
И да, буду по-тихоньку возвращаться, теперь с двумя направлениями исследований 🙂
Please open Telegram to view this post
VIEW IN TELEGRAM
1🔥43❤27👍10🎉7🤣4
Как перестать залипать в социальных сетях?
Многие знают, что фастфуд вреден, но не могут от него отказаться — дофаминовая зависимость сильнее, и вес продолжает расти.
С социальными сетями всё то же самое.
Только вместо лишних килограммов вы набираете потерянные часы.
Полностью отказаться не получается — там друзья, общение, иногда действительно полезный контент. Да и мы живём в эпоху рекомендательных систем, а не бумажных газет.
Но как настроить баланс?
Можно прокачивать осознанность и включать «вторую систему» мышления по Даниэлю Канеману — более медленную и рациональную.
Проблема в том, что соцсети чаще всего захватывают нас в момент усталости. Когда мы уже выгорели, не хотим думать и подменяем ими сон. Жертвуем долгосрочными целями ради короткого дофаминового укола. Тем самым временем, которое потом «не хватило» на спорт, книгу, проект или запуск собственной идеи.
Что с этим делать?
Нужно дать рекомендательной системе достаточное количество явного негативного фидбэка, который только возможен. Недостаточно нажать «не интересно». Нужно заблокировать аккаунт, который поставляет бесполезный, но залипательный контент.
Из моего опыта — несколько десятков жёстких блокировок и жалоб существенно меняют ленту.
Осталось собраться и применить два навыка:
1️⃣ Распознавать залипательный контент.
2️⃣ Найти силы его заблокировать.
Лучше всего делать это утром, когда у вас есть ресурс и работает рациональная часть мозга.
Поэтому рекомендация простая:
👉сделайте это прямо сейчас, пока вы проснулись и полны сил.
Надеюсь, никто не залипает в «Нескучном Data Science».
Многие знают, что фастфуд вреден, но не могут от него отказаться — дофаминовая зависимость сильнее, и вес продолжает расти.
С социальными сетями всё то же самое.
Только вместо лишних килограммов вы набираете потерянные часы.
Полностью отказаться не получается — там друзья, общение, иногда действительно полезный контент. Да и мы живём в эпоху рекомендательных систем, а не бумажных газет.
Но как настроить баланс?
Можно прокачивать осознанность и включать «вторую систему» мышления по Даниэлю Канеману — более медленную и рациональную.
Проблема в том, что соцсети чаще всего захватывают нас в момент усталости. Когда мы уже выгорели, не хотим думать и подменяем ими сон. Жертвуем долгосрочными целями ради короткого дофаминового укола. Тем самым временем, которое потом «не хватило» на спорт, книгу, проект или запуск собственной идеи.
Что с этим делать?
Нужно дать рекомендательной системе достаточное количество явного негативного фидбэка, который только возможен. Недостаточно нажать «не интересно». Нужно заблокировать аккаунт, который поставляет бесполезный, но залипательный контент.
Из моего опыта — несколько десятков жёстких блокировок и жалоб существенно меняют ленту.
Осталось собраться и применить два навыка:
Лучше всего делать это утром, когда у вас есть ресурс и работает рациональная часть мозга.
Поэтому рекомендация простая:
👉сделайте это прямо сейчас, пока вы проснулись и полны сил.
Please open Telegram to view this post
VIEW IN TELEGRAM
👍36🤣15❤10🗿5🔥4
Результаты карьерного опроса
🐌 На этой неделе исполнился год с запуска нашего карьерного опроса — время подвести итоги. За это время абсолютные значения, скорее всего, уже изменились. Но опрос проводился не ради них — актуальные вилки можно итак посмотреть в канале @not_boring_ds_jobs.
Гораздо интереснее было разобраться глубже и попробовать ответить на следующие вопросы:
1. Как связан возраст и опыт с грейдом? Как он меняется в зависимости от отрасли?
2. Платят ли мужчинам больше, чем женщинам и получают они ли выше грейды?
3. Как образование влияет на карьеру?
4. Как хард скиллы влияют на доход?
5. Как отличается уровень дохода в регионах и Москве?
6. Как уровень дохода зависит от компании и сферы?
7. Как уровень дохода зависит от того, с какими данным работаешь?
8. Как долго задерживаются в одной компании в зависимости от грейда?
9. Как зависит число встреч от дохода и грейда?
10. Как меняется премиальная часть с ростом дохода?
11. Как переработки влиют на доход и скорость карьерного роста? правда ли что с ростом грейда нужно перерабатыать больше?
12. Как влияет тех бэкграунд вашего руководителя на удовлетворенность работой и доходом?
13. Какие факторы влияют на удовлетворенность работой?
14. Как влияет развитие ценных навыков на удовлетворенность? а как сюда примешивается уровень дохода? правда ли что можно доход в момент можно заменить развитием скиллов?
15. Как связаны удовлетворенность и уровень дохода с желанием сменить работу?
16. Сколько нужно доплатить в процентом соотношении чтобы перекупить дата сайнтиста? Какая этот процент зависит от удовлетворенности?
17. Кто готов терять в доходе при смене работы на более интересную?
18. Как связаны планы на смену работы с продолжительностью работы на текущем месте?
19. Как относятся к head of ds: Позитивно, негативно, конструктивно?
20. Как ** связана с уровнем дохода и удовлетворенностью?
21. Интересные но не стат значимые результаты по head of ds и выше
Сегодня мы посмотрели на EDA и ответили на первый вопрос.
🔜 продолжение в следующих постах
🙏 @Aleksandr_Vav1 за аналитику
Гораздо интереснее было разобраться глубже и попробовать ответить на следующие вопросы:
1. Как связан возраст и опыт с грейдом? Как он меняется в зависимости от отрасли?
2. Платят ли мужчинам больше, чем женщинам и получают они ли выше грейды?
3. Как образование влияет на карьеру?
4. Как хард скиллы влияют на доход?
5. Как отличается уровень дохода в регионах и Москве?
6. Как уровень дохода зависит от компании и сферы?
7. Как уровень дохода зависит от того, с какими данным работаешь?
8. Как долго задерживаются в одной компании в зависимости от грейда?
9. Как зависит число встреч от дохода и грейда?
10. Как меняется премиальная часть с ростом дохода?
11. Как переработки влиют на доход и скорость карьерного роста? правда ли что с ростом грейда нужно перерабатыать больше?
12. Как влияет тех бэкграунд вашего руководителя на удовлетворенность работой и доходом?
13. Какие факторы влияют на удовлетворенность работой?
14. Как влияет развитие ценных навыков на удовлетворенность? а как сюда примешивается уровень дохода? правда ли что можно доход в момент можно заменить развитием скиллов?
15. Как связаны удовлетворенность и уровень дохода с желанием сменить работу?
16. Сколько нужно доплатить в процентом соотношении чтобы перекупить дата сайнтиста? Какая этот процент зависит от удовлетворенности?
17. Кто готов терять в доходе при смене работы на более интересную?
18. Как связаны планы на смену работы с продолжительностью работы на текущем месте?
19. Как относятся к head of ds: Позитивно, негативно, конструктивно?
20. Как ** связана с уровнем дохода и удовлетворенностью?
21. Интересные но не стат значимые результаты по head of ds и выше
Сегодня мы посмотрели на EDA и ответили на первый вопрос.
🔜 продолжение в следующих постах
🙏 @Aleksandr_Vav1 за аналитику
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
⚡21🔥15❤13👍1
Открыта регистрация на главную конференцию этой весны по технологиям ИИ и анализу данных — Data Fusion* 2026! 💙
Шестая ежегодная конференция Data Fusion пройдет 8–9 апреля в Москве в инновационном кластере «Ломоносов».
60+ актуальных сессий, докладов, примеров, дискуссий по теме анализа данных/ науки о данных/ машинного обучения. Среди тем – ИИ-агенты, «обучение с подкреплением», компьютерное зрение, обработка естественного языка, открытый исходный код, воплощенный ИИ и робототехника, рекомендательные системы, применение ИИ в кибербезопасности, ИИ+ естественные науки, AgentOps и многое другое! Всю программу ищите на сайте.
Конференция объединит лидеров команд по машинному обучению, специалистов по обработке данных, молодых ученых, инженеров, аналитиков и руководителей, принимающих решения о внедрении технологий в бизнес и государственные сервисы.
Среди спикеров конференции: Суржко Денис (ВТБ), Оселедец Иван (AIRI), Райгородский Андрей (МФТИ), Бурнаев Евгений (Сколтех,AIRI), Саркисов Тигран (Х5), Крайнов Александр (Яндекс), Зима Андрей (Ростелеком) и другие эксперты из науки и индустрии.
Все мы любим конференции не только ради знаний, но и, конечно, ради живого общения и новых знакомств, а это важная часть Data Fusion!
➡ Не пропустите, регистрируйтесь.
*Интеграция данных
Информация о рекламодателе
Шестая ежегодная конференция Data Fusion пройдет 8–9 апреля в Москве в инновационном кластере «Ломоносов».
60+ актуальных сессий, докладов, примеров, дискуссий по теме анализа данных/ науки о данных/ машинного обучения. Среди тем – ИИ-агенты, «обучение с подкреплением», компьютерное зрение, обработка естественного языка, открытый исходный код, воплощенный ИИ и робототехника, рекомендательные системы, применение ИИ в кибербезопасности, ИИ+ естественные науки, AgentOps и многое другое! Всю программу ищите на сайте.
Конференция объединит лидеров команд по машинному обучению, специалистов по обработке данных, молодых ученых, инженеров, аналитиков и руководителей, принимающих решения о внедрении технологий в бизнес и государственные сервисы.
Среди спикеров конференции: Суржко Денис (ВТБ), Оселедец Иван (AIRI), Райгородский Андрей (МФТИ), Бурнаев Евгений (Сколтех,AIRI), Саркисов Тигран (Х5), Крайнов Александр (Яндекс), Зима Андрей (Ростелеком) и другие эксперты из науки и индустрии.
Все мы любим конференции не только ради знаний, но и, конечно, ради живого общения и новых знакомств, а это важная часть Data Fusion!
*Интеграция данных
Информация о рекламодателе
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥9🎉4💯4❤2👎2🤣2🤷1