Kantor.AI
Там, где люди учились AI, я преподавал. С 18 лет читаю лекции по AI: МФТИ, ВШЭ, МГУ, Coursera, Сколково. Строю AI/ML-команды в компаниях. Пишу про ИИ без хайпа, образование, карьеру и преподавание изнутри. Менеджер: @mariekap РКН: 5140322136
显示更多📈 Telegram 频道 Kantor.AI 的分析概览
频道 Kantor.AI (@kantor_ai) 俄语 语言赛道中的 是活跃参与者。目前社区聚集了 12 246 名订阅者,在 技术与应用 类别中位列第 10 178,并在 俄罗斯 地区排名第 52 589 位。
📊 受众指标与增长动态
自 невідомо 创建以来,项目保持高速增长,吸引了 12 246 名订阅者。
根据 24 十月, 2026 的最新数据,频道保持稳定运转。过去 30 天订阅人数变化为 42,过去 24 小时变化为 2,整体触达仍然可观。
- 认证状态: 未认证
- 互动率 (ER): 平均受众互动率为 37.71%。内容发布后 24 小时内通常能获得 17.07% 的反应,占订阅者总量。
- 帖子覆盖: 每篇帖子平均可获得 4 618 次浏览,首日通常累积 2 091 次浏览。
- 互动与反馈: 受众积极参与,单帖平均反应数为 51。
- 主题关注点: 内容集中在 ssm, контекст, гибрид, llm, слайд 等核心主题上。
📝 描述与内容策略
作者将该频道定位为表达主观观点的平台:
“Там, где люди учились AI, я преподавал.
С 18 лет читаю лекции по AI: МФТИ, ВШЭ, МГУ, Coursera, Сколково. Строю AI/ML-команды в компаниях. Пишу про ИИ без хайпа, образование, карьеру и преподавание изнутри.
Менеджер: @mariekap
РКН: 5140322136”
凭借高频更新(最新数据采集于 25 十月, 2026),频道始终保持新鲜度与高覆盖。分析显示受众积极互动,使其成为 技术与应用 类别中的关键影响点。
正在加载数据
| 日期 | 订阅者增长 | 提及 | 频道 | |
| 25 十月 | 0 | |||
| 24 十月 | +6 | |||
| 23 十月 | +1 | |||
| 22 十月 | +9 | |||
| 21 十月 | +10 | |||
| 20 十月 | +3 | |||
| 19 十月 | +1 | |||
| 18 十月 | +4 | |||
| 17 十月 | +2 | |||
| 16 十月 | +6 | |||
| 15 十月 | +7 | |||
| 14 十月 | +3 | |||
| 13 十月 | +3 | |||
| 12 十月 | +7 | |||
| 11 十月 | +3 | |||
| 10 十月 | +5 | |||
| 09 十月 | +3 | |||
| 08 十月 | +7 | |||
| 07 十月 | +7 | |||
| 06 十月 | +7 | |||
| 05 十月 | +7 | |||
| 04 十月 | +6 | |||
| 03 十月 | +8 | |||
| 02 十月 | +4 | |||
| 01 十月 | +2 |
| 2 | На всякий случай, чтобы уж точно не отвертеться, решил вывесить на всеобщее обозрение список своих долгов в канале:
1) Рассказ про экскурсию в Летово
2) Панель про образование на YaC/e - что интересного там было
3) В чем суть аналогии между рекомендательными системами и задачами анализа текстов (был вопрос в комментариях и мое обещание написать)
Если кто-то вспомнит еще какие-то - дописывайте (по ощущениям долгов в 10 раз больше, но я уже успел их себе простить). Также можете просто накидывать в комментах, про что еще написать. | 1 816 |
| 3 | Мой любимый ответ, что если пи это отношение длины окружности к ее диаметру, то в норме L_1 или в L_бесконечность число пи получится равным 4. Кстати говоря, привычное нам пи - это наименьшее из возможных в L_p нормах на плоскости (общая формула для пи в L_p норме - в аттаче к посту), хотя если круг задается центрально-симметричным выпуклым множеством, то число пи может варьироваться в диапазоне от 3 до 4, причем обе границы достижимы.
Что интересно, добиться непривычного нам значения пи, просто рассмотрев евклидово пространство с неединичной матрицей Грама, не получится. Казалось бы, неединичная матрица Грама может запросто сделать из окружности эллипс, а там уж число пи точно должно получиться другим. Но увы, длину окружности ведь тоже надо мерять с той же неединичной матрицей Грама, поэтому получится все равно 3.14... По той же причине пи в норме L_1 будет равно 4, а не 2 корня из 2, например.
А вот люди, ностальгирующие по теоретической физике, могут вспомнить про планковские единицы, где 8*pi*G, скорость света и редуцированную постоянную планка полагают равными единице для удобства записи формул, хоть это уже и совсем другая история :) | 2 108 |
| 4 | Если бы вас спросили, может ли число пи равняться не 3.1415926..., как бы вы объяснили, что да? | 2 420 |
| 5 | #ML
Последователи Decision Models, Jev и иже с ними уже обретают черты религиозного культа 😵💫
Особо продвинутые самопровозглашённые пророки уже требуют упразднить скоринговые и NBO/NBA модели — всё же «заменят Decision Models».
Тем, кто изучает ML исключительно по Telegram-каналам и верит в «калиброванные вероятности из коробки», посвящается.
Что такое калиброванная вероятность?
От бинарного классификатора часто хочется получить не метку, а скор от 0 до 1, соответствующий вероятности события. Например, из 1000 заёмщиков со скором 0.6 примерно 600 должны выйти в дефолт, а со скором 0.05 — примерно 50. Если это свойство выполняется на всём диапазоне скоров, модель идеально откалибрована.
На практике скоры разбивают на бины (например, 0–0.05, 0.05–0.1), сравнивая среднюю вероятность дефолта (PD) с фактической долей дефолтов (DR). Так строят калибровочную кривую.
Взвешенное по доле наблюдений в бинах среднее абсолютных разностей PD и DR называется ECE (Expected Calibration Error). Преобразование выходов модели для улучшения соответствия предсказанных вероятностей фактическим частотам называют калибровкой.
Для других задач вместо DR используют ER (Event Rate). Есть и более слабое условие — calibration-in-the-large, когда средний скор совпадает с ER всей выборки.
ER может меняться со временем. В кредитном скоринге различают PIT (Point-in-Time), учитывающий текущие экономические условия, и TTC (Through-the-Cycle), отражающий долгосрочный риск на протяжении экономического цикла.
Но скоры распределены неравномерно, поэтому в разных бинах разное количество наблюдений и разная точность оценки DR. Следовательно, у калибровочных кривых есть доверительные интервалы.
Все еще сложнее
Aleatoric uncertainty — неопределённость самого исхода. Даже зная, что вероятность дефолта 50%, мы не можем уверенно предсказать исход для конкретного заёмщика.
Epistemic uncertainty (EU) — недостаток знаний модели. Например, когда похожих заёмщиков почти не было в обучающей выборке. Два клиента могут получить одинаковый скор 0.5, хотя для одного у нас сотни тысяч похожих наблюдений, а для другого — практически ни одного. EU приближённо оценивают через ансамбли и бутстрап. В CatBoost для этого есть Virtual Ensembles, позволяющие оценивать Data и Knowledge Uncertainty.
Если все модели ансамбля предсказывают около 0.5, это может указывать на высокую неопределённость исхода. Если половина предсказывает 0.1, а половина 0.9 — скорее на недостаток знаний. Хотя ансамбли тоже умеют дружно ошибаться.
Калибровка, Aleatoric и Epistemic uncertainty — разные вещи.
Даже идеально откалиброванная модель может систематически ошибаться на отдельных сегментах или при изменении распределения данных.
Для серьёзных бизнес-кейсов одного калиброванного скора недостаточно. Нужны независимая валидация, проверка калибровки с доверительными интервалами, устойчивости во времени и по сегментам, иногда — отдельная оценка Epistemic uncertainty.
А для NBO/NBA вероятность события вообще не равна полезности действия. Нужны стоимости ошибок, ограничения и оценка влияния действий на результат.
Вернёмся к Jev
Когда заявляют о «калиброванных вероятностях из коробки», хочется спросить:
• На чем калибровали и проверяли?
• Что происходит при смещении данных и на новых доменах?
• Как оценивается Epistemic uncertainty?
Пока ответов нет, число 0.97 на выходе Decision Model — просто выход модели, вероятностную интерпретацию которого ещё нужно подтвердить.
И тут бы мне продемонстрировать калибровку Jev на каком-нибудь датасете, но мне лень, поскольку это сделали вскоре после её выхода на двух задачах классификации текстов.
А чуть позже — на задаче обнаружения prompt injection.
Результаты ожидаемо показали, что калибровки на произвольной новой задаче из коробки нет.
Итого: чтобы использовать Jev в проде, её придётся долго и упорно тестировать на вашем рейсе — с выдумкой и смекалкой.
А если нужно классифицировать тексты и есть разметка, разумнее взять предобученный BERT, дообучить классификационную голову (при необходимости — и энкодер), откалибровать и провалидировать. | 2 432 |
| 6 | Сидел общался с другом, по профессии искушенным в сфере отношений с широкой публикой. Спрашиваю его: «дай совет, как мне дальше канал растить?». А он, имея некоторую предысторию диалога за вечер, и говорит: «вот ты почему Jev в своем канале не обосрал?». Я честно ответил, что стараюсь никого не обсирать, потому что не хочу устраивать никаким своим подписчикам инсульт жопы, и вообще самый оскорбительный и вызывавший хейт пост в истории моего канала - это поздравление с 8 марта (кто помнит, тот помнит)). А вот Никита @datarascals не стал скромничать и прошелся по адептам трансформерных decision models, за что ему большое человеческое спасибо. Причем написал без демагогии и эмоций, а четко и по делу. Рекомендую во-первых к прочтению, а во-вторых тем кто не сможет дочитать не пытаться интерпретировать вероятности от decision models. | 2 318 |
| 7 | Нейрояз продолжает захват интернета
То и дело люди с серьезным лицом в своих шортсах и рилсах вещают: "и вот тут начинается самое интересное". Плохо ли, что они используют ИИ для подготовки? Нет. А что же тогда не так? Да то, что одни и те же штапмы очень быстро начинают бесить. Вообще не важно, кто там текст написал, хочется, чтобы от него не горело так сильно 🤬
Базовая стратегия - системный промпт про то, как избегать нейрояза, с подробным перечислением, что такое хорошо и что такое плохо. Другая базовая стратегия - использование всяких скиллов про хьюманизацию текста.
Мой лучший метод делать текст более человеческим, это не делегировать нейронке само сочинение текста, а хотя бы уж надиктовать (лучше написать) фактуру самостоятельно сплошным потоком мыслей, а сетку использовать уже для структурирования получившегося текста, сбора дополнительной фактуры, проверки логики и анализа противоречий в своих рассуждениях. В итоге сгенерированный нейросетью текст почти полностью опирается на мои же слова, но экономит часть времени на переписывании и приведении в какую-то структуру, а также позволяет за счет дополнительного анализа выдать более качественный материал.
А как спасаетесь от нейрояза вы? 🤔 | 3 497 |
| 8 | Фан-факт: в статье про AlexNet есть обрезанное изображение сети AlexNet. По одной из версий, Алекс Крижевский обрезал изображение, чтобы итоговая статья уместилась в жесткое ограничение NIPS на длину статьи в 8 страниц. | 3 490 |
| 9 | Причем из-за того что картинка была обрезанная в оригинальной статье, во все презентации в мире она попала в таком же обрезанном виде :) Так что если хотите прославиться в AI - дорисуйте картинку и запостите на реддит 😁😁😁 Кстати, дорисованные версии в интернете иногда и правда встречаются | 3 421 |
| 10 | Есть кстати один человек, сильно преуспевший в работе в IT, который говорил: «я не читаю бизнес-литературу, потому что все знания человечества есть в художественной». Продолжая тему предыдущего поста: какие художественные книги вы бы советовали прочитать вместо чтения бизнес-литературы и книжек по саморазвитию? :) | 3 655 |
| 11 | А посоветуйте хороший курс по чему-то про саморазвитие (ну там тайм-менеджмент, масштабирование бизнеса, управление стрессом и тревожностью, что угодно подойдет), который ведут люди, которые чего-то в жизни и карьере достигли. Интересно посмотреть, как такое выстраивается методически, когда лектор вроде не воздухан, но и предмет не наука. | 3 902 |
| 12 | У нас в MLinside завтра небольшой дебют: первый открытый вебинар нашего первого курса для продактов. До этого мы учили инженеров, и я ждал, что продакты будут спрашивать про промпты и инструменты. Но пока собирал программу, самый частый вопрос был про деньги: «А агенты вообще окупаются? Может выйти, что руками дешевле?»
Вопрос настолько хороший, что мы вынесли его в отдельный вебинар.
15 октября в 19:30 по МСК - «Когда AI-агент окупается: считаем экономику на живом кейсе». Ведет Максим Шаланкин, ML Team Lead в Big Data МТС Web Services и один из авторов курса. Берет реальную задачу и раскладывает по цифрам: во что обходится агент, с какого момента отбивается и когда проще заплатить человеку.
Зарегистрироваться на вебинар: https://live.mlinside.ru/
Приходите. Пропаганды «AI изменит всё» не будет, задолбавших лозунгов в духе "AI убил ютьюб/маркетинговые агенства/дизайнеров/разработчиков" - тоже. Трезво, взвешенно, без буллшита - все, что мы ценим в MLinside. | 6 679 |
| 13 | Каждый раз, когда человек из службы поддержки, доставки, такси или чего бы то ни было еще из сферы услуг говорит мне "хорошего вечера", а отвечаю "и вам тоже". Сначала я немного смущался, что это как официанту сказать "и вам тоже" в ответ на "приятного аппетита". Ну серьезно, люди на смене, какой еще нафиг хороший вечер. Но со временем я понял: всегда может быть хуже. Поэтому теперь желаю всем хорошего вечера :) | 4 595 |
| 14 | Кому приписывают авторство метода градиентного спуска? | 4 462 |
| 15 | 没有文字... | 4 237 |
| 16 | Составляю сейчас план лекции, которую очень давно хотел сделать: про то как математика проложила нам путь к искусственному интеллекту, который мы знаем сейчас, какие рубежи мы начали преодолевать только что, и чего ожидать дальше. В процессе выясняется много интересного, поэтому запилю несколько опросов по теме :) | 3 751 |
| 17 | Сегодня списывался с другом из Яндекса и вместо обычного «работы много» он честно сказал: «соррян, пока недоступен, моя команда за последние трое суток поспала вот сегодня часов пять».
Был такой анекдот: «Хорошо работать пожарным: сидим с мужиками байки травим, в домино играем, но как пожар - так хоть сразу увольняйся». И ведь при всех моральных вопросах просто уволиться в трудный момент это тоже выбор, технически он возможен.
Спасибо ребятам, что они такой выбор не делают. И вообще всем тем, кто не бежит от трудностей и превозмогает. Не только в Яндексе, разумеется. | 4 881 |
| 18 | Вчера закончил запись первой части курса «AI для топов» :) Скоро в MLinside | 4 505 |
| 19 | Так началось мое утро субботы :) На правах блохера был на экскурсии | 4 741 |
| 20 | Барашек в ящике
10 октября выступаю... нет, не на митапе по ML, а на Фандом Фесте! :)
На мероприятии попробуем заглянуть в недалёкое будущее вместе с кинопрокатной компанией «Русский Репортаж». Сначала поговорим о том, как людям разделить мир с ИИ, а затем посмотрим премьеру с Каннского кинофестиваля — фильм «Барашек в ящике» (кто сразу вспомнил про "Маленького принца" - вы вспомнили абсолютно правильно).
По сюжету фильма семья усыновляет человекоподобного робота. Но сможет ли андроид заменить им настоящего сына и можно ли полюбить машину как близкого человека? И где проходит граница между нашими проекциями и настоящими чувствами? (это кстати небольшой спойлер к названию) 🤖
Обсуждать фильм будут:
💫 Андрей Чувагин — кинокритик, автор телеграм-канала и подкаста Fat Cinema
💫 Виктор Кантор — ваш покорный слуга, автор канала Kantor AI :)
Билеты брать здесь: https://fandomvk.com | 4 751 |
