В среду 29 апреля (уже на этой неделе) провожу прямой эфир от MLinside

В далеком 2016 году мы с коллегами запустили специализацию «Машинное обучение и анализ данных» от МФТИ и Яндекса на Coursera, которую с 2016 года по 2022 прошли более 200 000 человек. Та специализация перестала функционировать 4 года назад, поэтому мы в MLinside запустили новую версию - специализацию «Искусственный интеллект и анализ данных». В нее, конечно же, добавили современный deep learning и, в частности, знакомство с LLM и AI-агентами. Про эту специализацию я и расскажу в эфире, а также поотвечаю на вопросы.

А сейчас можно:

1. Задать вопросы для эфира.

2. Зарегистрироваться на трансляцию, чтобы не пропустить начало

P.S.: кот для привлечения внимания, ему полтора года, зовут Джем :)

Напоминаю, что среда уже сегодня, вечером в 19:00 будет эфир про специализацию и для ответов на вопросы :) Приходите, кто еще не зарегистрировался или не задал вопрос, ссылки те же:

1. Задать вопросы для эфира.

2. Зарегистрироваться на трансляцию, чтобы не пропустить начало

Друзья, рад сообщить, что у нас в в BIOPTIC, появились инженерные вакансии в европейской таймзоне:

Senior Agentic Engineer
Главная задача — развивать нашего агента для биофармы. Мы стремимся к построению self-evolving системы: главный фокус на evals, много внимания к traceability. Вызов в том, что система не имеет права галлюцинировать и должна работать очень стабильно, решая при этом широкий спектр задач.
Форма тут

Lead Backend Engineer (Python)
Задача — строить backend между платформой и интерфейсом, чтобы агенты работали в нём бесшовно, а пользователи получали лучший опыт.
Форма тут

О нас:
BIOPTIC— это команда уникальных людей: top-tier AI researchers, AI-native life scientists и ex-Google leadership. Офисы — в Сан-Франциско и Дубае. Наша цель — сделать биофарму более эффективной, а человечество здоровее.

За два года мы построили несколько wetlab-validated моделей по поиску новых молекул, взяли золото на крупных biotech-кагглах (1, 2), написали несколько peer-reviewed статей по Drug Discovery, а так же получили награды на престижных конференциях за статьи по Agentic (1,2). Сейчас мы сфокусированы на создании агентов, позволяющих решать задачи биофармы на новом уровне.

Вот видео про наш путь, если вы хотите узнать подробнее про наш vision и куда мы идем

До встречи!

p.s. Отдельное спасибо за репосты

Раз уж выходные, то вот вам видео с просторов ютьюба для тех, кто в детстве играл в Age of Empires 2 (а может и не только в детстве, несколько лет назад же был ремастер :) и не прочь поностальгировать. Разбор игры, потрясающей своей абсурдностью, зрелищностью и невозможностью оторваться от просмотра: https://www.youtube.com/watch?v=KHrYgkKdetQ

Чем больше цитирований и репостов вы хотите, тем больше кринжа и кликбейта вам придется наваливать

Раньше не понимал, почему виральные в соцсетях люди даже будучи образованными периодически говорят ну очень кринжовые вещи. Поработав топом заметил: чем корректнее, точнее и со всеми оговорками формулируете мысль, тем меньше ваша мысль кому-то вообще интересна. Что СМИ, что подписчикам, что коллегам. А кликбейт всегда кликбейт :)

Секрет успеха - самому себя оценивать

Помните в школе иногда учитель говорил «а теперь поменялись тетрадками, проверили друг-друга и поставили оценки»? Вот бывает еще лучше, ловите историю в духе дата каналий

Был у меня на работе один заказчик Х, для которого настраивали ML-модельку, строящую эмбеддинги.

Приходит и говорит:
-Вот твой сотрудник слабенький какой-то, не смог сделать хорошую модельку, а я сам параметры покрутил и смог
-А как оценивали результат?
-Ну что значит как, понравились мне эмбеддинги или нет.

Никогда у человека не было проблем с самооценкой, а синдром самозванца его боялся. Стоит ли говорить, что вскоре на уровне топ-менеджмента компании это рапортовалось в виде «Х самолично построил модель, которая капец как полезна для бизнеса» 😂 Пользу, конечно же, измеряли также.

Мира Мурати в суде обвинила Сэма Альтмана в обмане

Цитата:

Сэм говорил одно одному человеку и совершенно противоположное — другому

Офигеть, CEO сказал одному ОДНО, а другому ДРУГОЕ! Шок-контент 😂

Костя Пчелин из AIRI выложил новую версию своей книги по RL. Я бегло посмотрел часть про PPO, DPO, KTO, GRPO в современных языковых моделях и мне понравилось. На предмет мелких огрехов честно скажу, что еще не присматривался, но видно, что сделано с душой, а это важно. Так что рекомендую :)

Обновленная исправленная версия перевода книги на русском языке, скоро будет в печати

🏔 Сообщество ML-энтузиастов и AI в горах
Телеграм: @mountainai_info
Сайт: https://mountainai.tech

Про математику AI

У меня в MLinside таки настал момент, когда к курсам по ML потребовалось запустить дополнительно курс по высшей математике. Связано это с тем, что учимся мы по-разному и кому-то вводного модуля курса ML (в котором тоже есть напоминание высшмата) хватает, а кому-то нужно разобраться подробнее.

Первый поток мы уже провели, преподавателем был несравненный Сергей Жестков - очень харизматичный и понятно объясняющий математику лектор, отзывы очень хорошие.

Сейчас мы запускаем второй поток курса по математике для AI и завтра в 19:00 у нас с Сергеем будет вебинар на эту тему. На вебинаре я расскажу, как матан, линал, теорвер и матстат используются в ML, а Сергей расскажет про одну из популярных тем на собеседованиях и в целом очень важную для понимания работы ML концепцию - теорему Байеса. Хорошая возможность задать нам любые вопросы, особенно по математике, а также присмотреться к преподавательскому стилю Сергея и, возможно, решиться залететь к нам в следующий поток курса :)

Независимо от ваших планов на курсы регистрируйтесь к нам на вебинар, он бесплатный и должно быть интересно :)
Ссылка для регистрации: https://tg-me.sbs/ml_insideBot?start=web140526

Вебинар завтра (в четверг) в 19:00, а курс стартует уже 18 мая

По мотивам всех постов о высшем образовании

В ФКН НИУ ВШЭ и ФПМИ МФТИ открывается набор на магистратуры «Аппаратная разработка умных устройств»

Это совместные с Яндексом двухлетние программы. От преподавателей вузов — фундаментальная теория, от Яндекса — постоянная практика и преподаватели-инженеры из команды Алисы и Умных устройств. Студенты будут разрабатывать ПО под ограниченные ресурсы, интегрировать ML, проектировать умные устройства.

Рекомендую всем выпускникам технических специальностей, которые смотрят в сторону робототехники.

Узнать детали поступления можно здесь.

Пока все говорят в основном об LLMках, ребята из VisionLabs продолжают поддерживать тему компьютерного зрения на своих митапах, за что им большое человеческое спасибо :)

Очень хороший набор тем и спикеров, если где и слушать про CV, то лучше всего тут ❤️

Не забудьте зарегистрироваться по ссылке в конце поста

Про пиратство курсов

Сегодня написали, что нашли в интернете сливы курсов MLinside и предложили «помощь» с удалением и судами.

Я рос в 90е, когда от нищеты (а часто и отсутствия локализаций) пиратили всё, поэтому честно ответил, что совсем не против, если тот, кто не может себе позволить купить курс ни за кэш, ни в рассрочку, скачает слив.

Помогатор пока не ответил 😁

Тезисы с панельки часть 1: про профессию аналитика

Как изменились требования к аналитикам в связи с развитием LLM
Во-первых, быстро и свободно использовать Python и SQL теперь не достижение, только если уметь написать сложный запрос, где пока и нейронка путается. Больше теперь запрос на умение думать и делать выводы. Во-вторых сам навык кодинга с AI тоже стал базой, иногда даже отдельно проверяется на собеседовании.

Чего хочется от тех, кто уже использует на работе AI
Часто люди приходят на рабочую встречу с презентацией и искренне верят, что остальные участники не знают, как выглядит презентация, сделанная ИИ. Минусов в том, чтобы положить свои мысли на слайды нейронкой, нет, но вот проблема в том что и мыслей часто не оказывается. Очень хочется все-таки, чтобы в основе результата лежал какой-то свой вариант, пусть даже текстом и тезисно, а не все от мыслей до слайдов генерировалось нейронкой.

Нужно ли аналитику развивать технические скиллы, если теперь все умеют нейронки
Нужно, потому что валидировать результат все равно надо, а валидировать то, что знаешь, получается лучше :) И в целом лучше всего сетками получается решать задачи, которые можешь решить и самостоятельно.

В чем секрет трудоустройства (и, в частности, прохождения дальше рекрутера) в 2026 году
Как и в 2025 в нетворкинге. Ходить на митапы, знакомиться, задавать там вопросы уже работающим где-то людям, ходить попить кофе или пиво. В общем всячески социализироваться и узнавать о существующих возможностях.

Нужно ли нанимать джунов или их работу теперь сделают нейросетки?
Нужно. Мы живем в странном мире: мы успели задуматься об углеродном следе и обязать компании что-то с этим делать в рамках ESG политик, но часто не думаем о кадровом следе - о том, что компания дает среде кроме своих успешных финансовых показателей. Те, кто сегодня говорят, что им хватает нанимать уже опытных с рынка и не инвестируют в джунов, завтра будут плакаться, что не могут нанять мидла/синьора, потому что просто на всех не хватит. Джуну на смену приходит не сетка, а джун с сетками.

Тезисы с панельки часть 2: про образование

Что изменилось в образовании с появлением нейронок
Меняется понимание о базовых курсах. Например у нас в MLinside сейчас рефакторится курс базы ML и в него приезжают сильно более синьорные темы - как строить рекомендательные системы, прайсинг, лидогенерацию, автоматизировать поддержку. Казалось бы: зачем так грузить новичков? Но сейчас сетки существенно повышают производительность в написании кода, и с того, чтобы только набить руки, фокус смещается на понимание прикладных задач.

Самое главное заблуждение у тех, кто сейчас занимается своим собственным образованием
Во-первых, игнорирование нетворкинга. Только шарить недостаточно, надо, чтобы кто-то, у кого есть подходящая для вас вакансия, об этом еще и знал. Во-вторых, какой-то тотальный отказ верить в возможности. Когда в соцсетях MLinside какие-то видео с нарезками из интервью залетают, в комментариях сильно заметно, что люди просто не верят в то, как быстро можно строить карьеру, в те числа, которые называют гости, хотя там нет ничего сверхъестественного. Просто в публичном поле до нас было настолько много инфоцыганства и скам-курсов про «стать кем-то за три месяца», что, как показывают наши кастдевы, люди теперь в качестве обратной реакции на это считают, что учиться надо год, два, обязательно пойти в какую-нибудь магистратуру, а то все места займут выпускники топ ВУЗов. Это отчасти правда, но нужно учитывать, что все зависит и от уровня слушателя, и от уровня курса. Есть те, кто правда может попасть в профессию за 3-6 месяцев, есть те, кому правда нужно два года, все индивидуально. Опять же, есть курсы от среднего миддла/синьора из средней компании, а есть курсы, идентичные тому, что происходит в топ-вузах, когда у авторов большой опыт и в индустрии и в преподавании. Разница колоссальна и это примерно как с нейронками: кто-то попробовал два раза бесплатную версию ChatGPT и плюется, а кто-то во всю использует максимальную версию Claude, делает какие-то задачи на 20 часов за полчаса-час и очень доволен.

Есть ли ощущение инфляции вузовского образования из-за LLM: что 5 лет назад выпускники МФТИ, например, делали домашки без сеток и потому были сильнее, чем сейчас?
Ощущения, что стало хуже, нет. Если кажется, что пять лет назад МФТИ (как и ВШЭ, МГУ или любой другой ВУЗ) заканчивало меньше никчемных - это не так. Особой разницы, катать домашки у соседа или у LLM, если честно, нет, а те, кто скатал все или почти все, всегда были и есть. Ну и вообще говоря даже спихнуть экзамен в МФТИ требует быть хотя бы не дураком, известное «методичка есть - докурим и пойдем сдавать» абсолютная правда. Поэтому именно с появлением LLM качество выпускников не понизилось, а ценность высшего образования осталось той же - в первую очередь научиться учиться, причем в сжатые сроки.

Есть какие-то красные флаги для курсов, на которые нужно обращать внимание?
Самый главный красный флаг - обещание трудоустройства. Никогда не верьте тем, кто обещает трудоустройство, это мошенники. Как они могут обещать, не видя слушателя? А если курс купит кто-то реально тупой? Ну бывают же люди, которым ничего не поможет. А еще есть талант, а еще есть интерес, а еще предрасположенность. Обещать трудоустройство или говорить «каждый может стать» - это обман. Я вообще отвратительный продавец курсов, когда я прихожу на вебинар и говорю, что надо будет много работать, желавшие купить курс в основном разбегаются. Но, увы, это правда. Нужно и самому быть неглупым, и много работать, и изначальный какой-то интерес иметь, а уж если курс хороший, он этот интерес поможет развить, необходимой базой тоже снабдит, и, если не забивать на нетворкинг, есть шанс, что что-то получится. Но точно никаких «каждый может стать». Стать аналитиком или DS - это не ваше базовое право, это то, к чему все-таки надо еще прийти, и придут не все. И это нормально, трагедии в этом никакой нет.

Про теплые камерные форматы мероприятий

Вчера был на Yet Another Insight, очень камерном митапе для CDO в Яндексе, организованном командой аналитики поисковых сервисов и ИИ. Вместо целого экстрополиса - зал для небольших презентаций и 20-30 гостей. С многими так или иначе пересекался или работал, в каких-то случаях уже много лет. Вместо фальшивых докладов про стахановские подвиги и успешно покоренный рынок нормальные адекватные люди искренне рассказывают и показывают, что сделали, что взлетело, что не взлетело, а что пока пылится в бэклоге. А еще с самого начала аудиторию неплохо раскачали вопросами, так что пришлось отложить телефон и вовлечься.

В общем, было очень душевно и вызвало теплые ассоциации с Data Driven Top 100 похожего формата (только там не на вечер, а на несколько дней в какой-нибудь теплой стране). Есть подозрение, что в ближайшие несколько лет запрос на камерность мероприятий будет расти и мы увидим много вариаций на эту тему.

Ушел думать, как поддерживать этот тренд в образовании. Похожие примеры знаю, но не в обучении техническим дисциплинам, а в языках. Кидайте идеи в комментарии :)