🚀 Подкаст Data Breakfast с Анастасией Никулиной. Часть вторая — Курсы в Data Science

🎙 О чём спросили?
▫️ Как создать курс, который меняет карьеру?
▫️ Платные vs бесплатные курсы: когда и зачем платить?
▫️ Почему YouTube-лекции — не всегда достаточно?
▫️ Как не стать «инфоцыганом» и заслужить доверие аудитории?
▫️ Pet-проекты: как превратить их в козырь для резюме?
▫️ Университет vs онлайн: что выбрать новичку?

🎧 Слушайте там, где удобно:
▫️ Telegram-плеер
▫️ Яндекс.Музыка
▫️ Страница выпуска

➡️ Первый выпуск можно посмотреть в группе ODS Piter, для этого необходимо добавиться туда и зайти на этот пост 😉

Собираемся на Data Fusion! 🚀

16-17 апреля в Москве в кластере Ломоносов пройдет крупнейшая конференция Data Fusion по BigDate и AI. Программа конференции каждый год достаточно насыщенная, и этот год не исключение: в расписании как бизнес-, так и технические треки. В этом году будут выступления ведущих ученых, разбор кейсов ML в различных отраслях, дебаты «наука vs бизнес», а также узкопрофильные сессии по DataOps, CV, RAG и нейротехнологиям.

В прошлом году я лично была на площадке, мне конференция очень понравилась: организация, интересные доклады, сессии. А ещё была супер возможность поддержать коллегу, который рассказывал о рекомендательных системах в маркетплейсе 🌿

В этом году, к сожалению, не смогу присутствовать лично, поэтому буду следить за трансляцией. Но если у вас есть возможность прийти и послушать доклады вживую — очень рекомендую! Это отличный шанс пообщаться с коллегами, которых давно не видели, и задать спикерам вопросы напрямую.

Кстати, как вам идея выпустить новый ролик на ютубе с разбором докладов и статей из конференции с моими комментариями? В том числе как такие технологии работают на практике) Если ждешь, то ставь 🔥

Ссылка на регистрацию: https://data-fusion.reg.events/guest/?&erid=2VtzqvwUtXT

➡️Обзор докладов по рекомендательным системам

Недавно завершилась ежегодная конференция Data Fusion. В этом году она особенно порадовала разнообразием секций, однако ключевое внимание было уделено теме данных — важнейшему компоненту любой модели, который, к сожалению, часто остаётся в тени.

Я решила попробовать новый формат и подготовила обзор на часть докладов из секции, посвящённой рекомендательным системам. На самом деле интересных выступлений было гораздо больше, и многие из них заслуживают отдельного внимания.

Что из этого получилось — смотрите в новом ролике! 😉

https://youtu.be/0S3e1iXR9Vs?si=eNxMR40cQ08n3pi9

➡️Обучение Data Science для начинающих 3.0

Друзья, мы запустили новую версию курса по машинному обучению! Теперь вы можете проходить материалы в удобное для вас время и в собственном темпе — независимо от графика других студентов.

❗️Мы снизили стоимость курса, поскольку формат стал ориентированным на самообучение. Тем не менее, у вас будет доступ к чату студентов, где можно общаться, обмениваться мнениями и задавать вопросы другим студентам!

Что вы изучите:
➖Математику для Data Science
➖Как проводить АБ-тестирование
➖Классические ML-алгоритмы с полным разбором архитектуры и применения алгоритмов на практике: от линейных моделей до бустингов
➖NLP: от TF-IDF до LLM
➖Deep Learning: основные тренды, база по нейросетям
➖Computer Vision: примеры из области
➖MLOps: production code, FastAPI, Streamlit, линтеры
➖Дополнительно: Airflow, MLFlow, многопоточность, мультипроцессинг, временные ряды, Superset и пр.

В расширенном тарифе Grandmaster доступно 2 больших продвинутых блока:

➡️NLP — от базовой обработки текста (токенизация, лемматизация, regex и др.) до LLM. Научитесь дообучать модели с Hugging Face и применять их для анализа тональности, диалогов и кода (GraphCodeBERT, CodeT5 и др.)

➡️Рекомендательные системы — коллаборативная, контентная и гибридная фильтрация. Изучите ключевые алгоритмы (User/ItemKNN, ALS, NCF, SVD++), метрики (включая beyond accuracy) и продвинутые методы: нейросети, автоэнкодеры, графовые и контекстно-адаптивные рекомендации.

📎 Всю актуальную информацию можно найти на сайте PyMagic

Рады приветствовать всех новых участников!

Здесь мы обсуждаем машинное обучение: алгоритмы, новинки из мира ML, а также делимся реальным опытом, который редко можно встретить в учебниках. Кроме того, на канале появляются анонсы образовательных курсов, которые уже завершили более 2000 студентов.

➡️Что почитать?

➖Многорукие бандиты в музыкальных рекомендациях
➖Почему лосс не падает, и модель не обучается?
➖Оптимизируем размер памяти DataFrame в 3 раза
➖В каких случаях использовать деревья решений?
➖Ключевые научные работы по NLP
➖Что такое контрастирование обучение?
➖Полезные книги по ML

Первый день на Data Fusion 2026

Сегодня, 8 апреля, я побывала на первом дне конференции Data Fusion 2026 в технологическом кластере «Ломоносов».

Data Fusion – крупнейшая экспертная конференция по работе с данными и технологиями ИИ. Здесь собираются те, кто создает наше технологическое будущее.

➡️На конференции было очень много докладов и обсуждений про AI-агентов — это стало популярной темой первого дня. Разбирали, как агенты меняют корпоративные системы, AgentOps, вопросы безопасности и внедрение в высоконагруженные продукты.

➡️Было интересно послушать мнения коллег из крупных компаний на дебатах «Да или нет вайб-кодингу?». Обсуждали, как такой подход незаметно вошел в повседневную работу, и как его используют в реальных проектах.

➡️Дополнительно хотела отметить сессию Explainable AI, где выступали коллеги из Китая и говорили о том, как делать модели искусственного интеллекта понятными и прозрачными для бизнеса и регуляторов.

Завтра, 9 апреля, продолжение программы: международный трек, дополнительные сессии по агентам, рекомендательным системам, AI в медицине и другим направлениям.

Смотрите в ролике мой небольшой обзор первого дня 😉

data-fusion.ru

Разбор докладов с конференции

И вот подошел к концу второй день конференции Data Fusion, на котором было множество различных секций, дискуссий и кейс-сессий. Я решила написать о парочке докладов, которые мне больше всего понравились.

➡️Первый доклад «Ключевые проблемы рекомендаций на последовательностях и варианты их решения». Посвящен проблемам в Sequential рекомендациях. В первой части рассматривалась проблема разделения данных: популярный leave-one-out допускает temporal leakage и формирует нереалистичный горизонт предсказания, что может негативно влиять на ранжирование и выводы о моделях. В качестве альтернативы предложен global temporal split с выбором целевых взаимодействий Last / Random / Successive - такие схемы лучше соответствуют задаче next-item prediction, уменьшают утечки и дают более стабильные результаты, хотя и сокращают число тестовых пользователей.

⭐️В целом, проблема LOO очень понятна, особенно для последовательных данных, и было интересно услышать об обоснованности сочетания GTS с разными способами выбора целевых взаимодействий.

➡️Во второй части освещена проблема Item Cold start: в sequential моделях новые объекты не имеют обученных эмбеддингов. Frozen content embeddings оказываются негибкими, а полный fine-tuning приводит к drift представлений и ухудшает cold-start. В качестве trade off использовался frozen content-based embedding + маленький обучаемый delta-вектор с ограниченной нормой, который позволяет модели аккуратно адаптироваться под взаимодействия, сохраняя семантику контентных признаков.

➡️Еще понравился доклад про победившее решение на соревновании Data Fusion «Страж» (задача классификации неподтвержденных операций клиентов банка). Построено чисто на нейронных сетях: данные формировались окнами (~3 месяца транзакций или 512 токенов), для каждого пользователя создавали 5–10 окон, чтобы покрыть повторяющиеся паттерны. Модель - стандартный Encoder трансформер: блок трансформера включал 2 ModernBERT (для глобальных паттернов) + 2 CNN (для локальных).

⭐️Думаю, что в ближайшем будущем многие табличные задачи будут решаться с помощью трансформеров, но при этом остается важной проблема инференса в продакшене (latency и ресурсы).

Посмотреть доклады с конференции можно уже на официальном сайте https://data-fusion.ru

Как кластеризовать миллионы объектов с высокой размерностью и сложной структурой данных?

Когда мы работаем с эмбеддингами (например, BERT4Rec), то сталкиваемся с тремя проблемами: миллионы объектов, высокая размерность и невыпуклые формы кластеров. При снижении размеренности мы теряем часть информации. Тут возникает дилемма: при снижении размерности мы неизбежно теряем часть информации. Если оставляем в исходном виде, то для большинства методов возникают проблемы с вычислительной сложностью и масштабируемостью.

О том, как мы повысили качество предсказания CTR за счет кластеризации миллионов товаров, я расскажу на конференции Data Fest 2026, на которой также буду модерировать секцию ML in Advertising.

Что обсудим:
🔹Какой метод выбрать, когда объектов миллионы, а кластеры имеют сложную форму
🔹Как мы внедрили это в предсказание CTR
🔹Кейсы за пределами рекламы: как вычислять сопокупки и строить кластерные рекомендации

Следующие посты будут анонсу выступлений других докладчиков нашей секции!

⏰ Когда: 24 мая с 11.00 и до вечера
📍Где: ул. Ленинская Слобода, 26, стр. 15 (Loft Hall, зал Ratusha)
📌 Регистрация

Подробнее о спикерах и докладах будет обновляться информация на странице мероприятия.