MLinside - школа ML
前往频道在 Telegram
Предзапись на курс "ML System Design с Валерием Бабушкиным": https://forms.yandex.ru/u/6a0436bd90290214acb9d542/ Наши курсы: https://taplink.cc/mlinside Чат коммьюнити: @ml_insidechat По вопросам: @marinagartm
显示更多4 018
订阅者
+424 小时
+57 天
+7530 天
数据加载中...
相似频道
标签云
进出提及
---
---
---
---
---
---
吸引订阅者
七月 '26
七月 '26
+120
在2个频道中
六月 '26
+269
在2个频道中
Get PRO
五月 '26
+140
在1个频道中
Get PRO
四月 '26
+139
在1个频道中
Get PRO
三月 '26
+102
在0个频道中
Get PRO
二月 '26
+97
在0个频道中
Get PRO
一月 '26
+144
在0个频道中
Get PRO
十二月 '25
+130
在0个频道中
Get PRO
十一月 '25
+140
在0个频道中
Get PRO
十月 '25
+162
在0个频道中
Get PRO
九月 '25
+235
在1个频道中
Get PRO
八月 '25
+219
在0个频道中
Get PRO
七月 '25
+234
在0个频道中
Get PRO
六月 '25
+250
在2个频道中
Get PRO
五月 '25
+263
在1个频道中
Get PRO
四月 '25
+190
在0个频道中
Get PRO
三月 '25
+112
在0个频道中
Get PRO
二月 '25
+100
在0个频道中
Get PRO
一月 '25
+93
在0个频道中
Get PRO
十二月 '24
+188
在3个频道中
Get PRO
十一月 '24
+95
在1个频道中
Get PRO
十月 '24
+136
在3个频道中
Get PRO
九月 '24
+96
在2个频道中
Get PRO
八月 '24
+1 446
在2个频道中
| 日期 | 订阅者增长 | 提及 | 频道 | |
| 27 七月 | +5 | |||
| 26 七月 | +1 | |||
| 25 七月 | +3 | |||
| 24 七月 | +2 | |||
| 23 七月 | +3 | |||
| 22 七月 | +2 | |||
| 21 七月 | +1 | |||
| 20 七月 | +3 | |||
| 19 七月 | +13 | |||
| 18 七月 | +1 | |||
| 17 七月 | +6 | |||
| 16 七月 | +2 | |||
| 15 七月 | +2 | |||
| 14 七月 | +2 | |||
| 13 七月 | +3 | |||
| 12 七月 | +4 | |||
| 11 七月 | +2 | |||
| 10 七月 | +3 | |||
| 09 七月 | +8 | |||
| 08 七月 | +7 | |||
| 07 七月 | +5 | |||
| 06 七月 | +8 | |||
| 05 七月 | +4 | |||
| 04 七月 | +6 | |||
| 03 七月 | +2 | |||
| 02 七月 | +6 | |||
| 01 七月 | +16 |
频道帖子
| 2 |  Внимание-внимание, это рубрика «ML в реальной жизни» и у нас чевертая задача
Мы продолжаем нашу рубрику, где задаем ситуации, с которыми сталкиваются ML/DS-команды в продакшене. В этой рубрике нет единственно правильных ответов. Её цель – научиться рассуждать, обсуждать подходы и смотреть на проблемы с разных сторон.
Поэтому, если хотите, чтобы рубрика была вам максимально полезна, в комментариях важно не просто выбрать вариант, а объяснить:
— почему выбрали именно его
— что бы вы проверяли
— какие риски вы бы учитывали
Сегодня у нас ситуация №4:
Ситуация: Срочный запрос: модель нужна еще вчера
Контекст:
Бизнес просит запустить модель для прогноза спроса на новый товар. Данные есть, но их мало, размечены частично, а дедлайн – 3 дня. Вы понимаете, что за это время можно сделать либо простую эвристику, либо "костыльную" ML-модель без нормальной валидации.
Варианты действий:
Что будете делать в первую очередь?
Все посты этой рубрики можно будет посмотреть по тэгу: #риллайф_MLinside | 627 |
| 3 |  Это никакие не байки, это реальные истории
У нас на YouTube, ВКонтакте и Дзен вышел новый выпуск подкаста с Никитой Зелинским (Head of Data Science в МТС). На этот раз мы решили ненадолго отойти от привычного формата интервью и просто рассказать истории из мира Data Science. Некоторые из них звучат настолько невероятно, что в них сложно поверить. Но все они произошли на самом деле.
А в конце - отвечаем на комментарии под Reels, который уже собрал более 1 млн просмотров. Смотрите на любой удобной для вас платформе:
https://youtu.be/8S1WTfniYfg
https://vkvideo.ru/video-228219607_456239275
https://dzen.ru/video/watch/6a6370fe5055ec5396758195 | 779 |
| 4 |  Тизерим новый подкаст с Никитой Зелинским и напоминаем, что курс по ML System Design уже стартовал, можете успеть запрыгнуть в самый последний вагон | 1 299 |
| 5 |  Если вы давно присматривались к курсу ML System Design, но откладывали решение – сейчас тот самый момент
Уже в понедельник стартуют занятия, и до начала обучения ещё можно успеть присоединиться к группе. Курс ведёт Валерий Бабушкин – Senior Director по Data & AI в BP, грандмастер Kaggle, автор книги Machine Learning System Design и специалист, который много лет строит ML-продукты в крупных международных компаниях.
На курсе Валерий разбирает то, как проектируются ML-системы, которые работают в production. Вы научитесь переводить бизнес-задачи в ML-решения, проектировать архитектуру, выстраивать пайплайны обучения, внедрять модели в продукт, организовывать мониторинг и оптимизировать инференс. Отдельный блок посвящён современным AI-системам и интеграции LLM в production-инфраструктуру.
За 4 месяца вас ждут 60 занятий, работа с реальными кейсами, разбор дизайн-документов, архитектурных решений из production и живые обсуждения ваших вопросов.
Курс подойдёт ML-инженерам, Data Scientists, тимлидам и руководителям AI-направлений, а также тем, кто хочет выйти за рамки обучения моделей и научиться создавать полноценные ML-системы.
Если вы уже не раз открывали страницу курса, читали программу и думали: «Запишусь позже», – позже уже почти наступило и сейчас лучшее время, чтобы оставить заявку: https://mlinside.ru/system-design/?utm_source=telegram&utm_medium=social&utm_campaign=post-last_17_07_2026 | 1 304 |
| 6 | Мы начинаем вебинар, подключайтесь: https://mlinside.getcourse.ru/pl/webinar/show?id=3304004&view=1 | 1 073 |
| 7 |  视频消息 | 4 699 |
| 8 |  Помните про мок-собеседование в этот четверг?
На прошлой неделе мы открыли набор кандидатов и получили много заявок. Спасибо всем, кто откликнулся и заполнил анкету!
Все заявки мы передали Александру Дубейковскому. Выбрать одного участника оказалось непросто – сильных кандидатов было действительно много. В итоге на мок-собеседование мы пригласили Глеба и сегодня мы хотим познакомить вас с ним.
Глеб учится на 3 курсе направления «Фундаментальная информатика и информационные технологии», проходит стажировку продуктовым аналитиком в ecom.tech и готовится перейти в Data Science.
Интерес к машинному обучению у Глеба появился еще во время учебы в университете. С тех пор он успел пройти курс по кредитному скорингу, поработать над несколькими учебными проектами и сейчас готовится к переходу в Data Science. А еще – проходит отбор в одну из крупных технологических компаний.
Вот как сам Глеб рассказывает о своем знакомстве с машинным обучением:
«ML начал изучать пару лет назад, и в этом мне помог YouTube-канал MLinside. А сейчас мне выпала возможность самому пройти mock-собеседование, на которое я вас приглашаю!»
МОК-собес пройдёт 16 июля в 19:00 МСК, Александр Дубейковский проведет с Глебом полноценное техническое интервью, а после разберет ответы, ошибки и расскажет, на что обращают внимание интервьюеры.
Регистрируйтесь по ссылке: https://t.me/ml_insideBot?start=web160726 | 4 827 |
| 9 |  Если будет драка между Data Scientist и ML-инженером, кто победит?
А главное, как вы поймете, кто из них кто? У нас на YouTube, в ВК и Дзен вышло новое видео с Александром Дубейковским (ML Engineer в Авито, ex-Яндекс), где он рассказывает, чем отличается работа Data Scientist от работы ML Engineer, какие задачи решает каждый специалист и какие навыки действительно важны для этих ролей.
Вы узнаете:
▪️почему Data Scientist и ML Engineer часто выполняют разные задачи под одинаковыми названиями вакансий;
▪️кто отвечает за качество модели, а кто – за её работу в продакшене;
▪️чем отличаются задачи Data Scientist и ML Engineer на одном проекте;
▪️какие знания нужны для каждой профессии;
▪️кому больше подойдёт путь Data Scientist, а кому – ML Engineer.
Если вы только выбираете направление в Machine Learning, готовитесь к собеседованиям или хотите лучше понимать устройство ML-команд в современных IT-компаниях, это видео поможет разобраться в ролях и сделать более осознанный выбор карьерного пути.
Ссылки на видео:
https://youtu.be/Px_8Pp7wW3g
https://vkvideo.ru/video-228219607_456239257
https://dzen.ru/video/watch/6a50df39a0fe1a0e44e36678 | 1 607 |
| 10 |  Как проходят собеседования на ML-позиции?
В следующий четверг приглашаем на открытое мок-собеседование с Александром Дубейковским.
В прямом эфире Александр проведет интервью с одним из участников нашего сообщества так, как это происходит на реальном собеседовании. Вместе разберем ответы кандидата, обсудим сильные стороны, типичные ошибки и то, на что действительно обращают внимание интервьюеры.
Этот вебинар будет полезен, если вы:
▪️готовитесь искать первую работу в ML;
▪️хотите понять, как проходят технические собеседования;
▪️интересуетесь тем, какие знания и навыки сегодня ожидают от ML-специалистов.
Когда: 16 июля в 19:00 МСК
Регистрация по ссылке: https://t.me/ml_insideBot?start=web160726
Даже если вы не будете проходить собеседование сами, такой формат позволяет увидеть процесс глазами кандидата и лучше подготовиться к собственным интервью. | 1 367 |
| 11 | Вебинар уже начался, подключайтесь!
https://mlinside.getcourse.ru/pl/webinar/show?id=3302056&view=1 | 1 207 |
| 12 |  Ищем участника для открытого ML-собеседования
Если вы уже изучаете машинное обучение, но пока не работаете ML-инженером, приглашаем подать заявку.
Ищем человека с базовыми знаниями ML – не новичка с нуля, но и не действующего ML-инженера. Главное – желание получить честную обратную связь и не бояться разбирать свои ответы публично.
Если готовы поучаствовать, заполните форму: https://forms.yandex.ru/cloud/6a4b8211d04688001e046a73
Из всех заявок выберем одного участника и свяжемся с ним. | 1 710 |
| 13 |  没有文字... | 1 465 |
| 14 |  Метрики выросли. Код работает. Можно катить в прод?
Если вы не можете ответить «да» с цифрами в руках – вы не закончили работу. Вы её только начали.
Чтобы отвечать на этот вопрос уверенно, в специализации появился новый блок, посвящённый A/B-тестированию. В нём всё, что нужно, чтобы грамотно проектировать эксперименты, анализировать их результаты и понимать, действительно ли изменения приносят пользу продукту.
Зачем это вам:
Даже если метрики выросли, это ещё не означает, что новая модель лучше. Разница в 0,3% может оказаться обычной случайностью, а команда потратит месяцы на оптимизацию, которая не приносит значимой пользы.
Именно A/B-тестирование помогает отделить реальные улучшения от статистического шума и понять, действительно ли изменения работают.
В новом блоке вас ждут 24 урока и 7 часов практики, на которых разберём:
▪️Основы экспериментов:
— как проектировать A/B-тесты;
— какие статистические критерии выбирать;
— какие ошибки чаще всего допускают и как их избежать.
▪️Продвинутые методы:
— бутстрэп и доверительные интервалы;
— ускорение экспериментов с помощью CUPED;
— последовательный анализ на практике.
▪️Индустриальную практику:
— инструменты продуктовых команд: GrowthBook и аналоги;
— реальные кейсы из индустрии, включая опыт МТС.
Что в итоге:
Это один из тех блоков, после которого меняется сам подход к работе с ML-моделями. Вместо «кажется, стало лучше» вы сможете проектировать эксперименты, выбирать корректные статистические критерии, интерпретировать результаты и принимать решения на основе данных.
Новый блок по A/B-тестированию уже доступен в специализации «AI и анализ данных».
Переходите по ссылке, чтобы посмотреть полную программу, сравнить варианты подписки и выбрать подходящий формат обучения: https://mlinside.ru/specializaciya/?utm_source=telegram&utm_medium=social&utm_campaign=post_anons-blok-5 | 1 295 |
| 15 | Прямой эфир с Виктором Кантором и Валерием Бабушкиным уже начался!
Трансляцию перенесли на GetCourse: https://mlinside.getcourse.ru/pl/webinar/show?id=3302131&view=1
Ещё можно присоединиться к эфиру и задать свой вопрос в чате. | 1 202 |
| 16 |  Нашли программу, которая может быть интересна тем, кто хочет развиваться в Data Science
Сейчас в Авито открыт набор в Data Science Bootcamp – годовую программу для тех, кто хочет развиваться в ML и получать опыт на реальных продуктовых задачах.
Что ждёт участников:
• два трека: классический ML или NLP/LLM;
• работа с настоящими данными и ML-моделями;
• наставники из команды, зарплата, корпоративная техника и гибридный или удалённый формат.
Подать заявку могут студенты технических специальностей и выпускники, которые уже уверенно владеют Python, SQL и основами машинного обучения.
Заявки принимаются до 9 июля
Если планировали начать карьеру в Data Science или перейти от учебных проектов к работе над реальными продуктами – обратите внимание. | 890 |
| 17 |  Обучаем первую модель машинного обучения за час
Кажется, что машинное обучение – это что-то очень сложное? Множество формул, непонятная математика и тысячи строк кода?
На самом деле начать можно гораздо проще.
В четверг, 9 июля в 19:00 (МСК) приглашаем на вебинар «Обучаем первую модель машинного обучения за час» где спикер – Андрей Жогов, ML-инженер в Сбере и преподаватель Физтеха сделает именно то, что указано в названии.
Андрей не только работает ML-инженером в Сбере, но и имеет большой опыт обучения начинающих специалистов. До Сбера он занимался задачами машинного обучения в МТС, а сегодня ведёт семинары по ML и помогает студентам делать первые шаги в профессии.
На вебинаре вы увидите, как выглядит обучение модели машинного обучения на практике, и поймёте, что первый шаг в ML может оказаться гораздо проще, чем кажется.
Этот вебинар будет особенно полезен, если вы:
▪️хотите войти в ML, но не знаете, с чего начать;
▪️уже изучаете Python и хотите перейти к машинному обучению;
▪️давно откладываете знакомство с ML, потому что кажется, что это слишком сложно.
Участников вебинара ждет небольшой, но приятный бонус, о нем расскажет Андрей на самом вебинаре.
Итак, четверг, 9 июля, 19:00 (МСК), регистрируйтесь заранее: https://t.me/ml_insideBot?start=web090726 | 1 929 |
| 18 |  Перенос старта курса и прямой эфир с Виктором Кантором и Валерием Бабушкиным
Старт курса ML System Design переносится на 17 июля. Если вы планировали присоединиться, у вас появилось ещё немного времени, чтобы принять решение и подготовиться к обучению.
В следующий понедельник, 6 июля проведем на YouTube прямой эфир. Виктор задаст Валерию вопросы о ML System Design, а Валерий ответит на них и поделится своим опытом в проектировании ML-систем. Плюс, ответим на ваши вопросы.
О чем еще поговорим на эфире:
▪️зачем ML-инженеру вообще нужен System Design;
▪️как меняются требования к специалистам с развитием LLM и AI-агентов;
▪️как проектировать системы, а не только модели;
▪️какие навыки действительно востребованы в индустрии;
Если у вас есть вопросы про ML System Design, архитектуру ML-систем, production ML, карьеру, собеседования, LLM или обучение – оставляйте их в комментариях.
Не упустите возможность задать свои вопросы топам ML-индустрии!
Ссылку на прямой эфир опубликуем в понедельник | 20 329 |
| 19 |  «Кажется, я слишком поздно начал изучать ML»
Это одна из самых частых фраз, которые мы слышим от новых студентов.
Кто-то откладывал обучение несколько лет. Кто-то думал, что без сильной математики в машинном обучении делать нечего. Кто-то смотрел на вакансии и был уверен, что индустрия уже переполнена специалистами.
Но каждый новый поток показывает одно и то же: в ML приходят люди с очень разным опытом и стартовыми знаниями. Аналитики, разработчики, инженеры, менеджеры и даже те, кто раньше вообще не работал с данными.
Главное не то, когда вы начали, а то насколько системно вы учитесь. И мы рады сообщить, что открываем набор на 5 поток курса «База ML».
Это курс для тех, кто хочет разобраться в машинном обучении последовательно и без бесконечных пробелов в знаниях. От основ Python и математики до построения собственных моделей и понимания того, как ML применяется в реальных продуктах.
За время обучения вы:
▪️освоите ключевые алгоритмы машинного обучения;
▪️научитесь работать с данными и строить модели на Python;
▪️разберетесь в метриках и оценке качества моделей;
▪️познакомитесь с нейронными сетями;
▪️поймете, как устроены современные ML-системы;
▪️выполните практические задания и соберете проект для портфолио.
В 5 потоке мы также усилили программу темами, которые сегодня активно используются в индустрии:
-применение AI-инструментов в работе ML-специалиста;
-основы ML System Design;
-разбор реальных бизнес-кейсов;
-больше практики и поддержки от кураторов.
Мы не обещаем, что путь будет простым. Машинное обучение требует времени, практики и настойчивости. Но если вы давно хотели разобраться в ML и не знали, с чего начать, сейчас хороший момент сделать первый шаг.
Набор на 5 поток уже открыт, заполните форму для предзаписи: https://forms.yandex.ru/cloud/6a4275fe505690a71a0fead6
Подробности о программе, формате обучения и тарифах на сайте: https://mlinside.ru/?utm_source=telegram&utm_medium=social&utm_campaign=anons_29_06_2026
А если у вас есть вопросы о курсе, задавайте их в комментариях. Постараемся ответить на каждый. | 1 689 |
| 20 | «Кажется, я слишком поздно начал изучать ML»
Это одна из самых частых фраз, которые мы слышим от новых студентов.
Кто-то откладывал обучение несколько лет. Кто-то думал, что без сильной математики в машинном обучении делать нечего. Кто-то смотрел на вакансии и был уверен, что индустрия уже переполнена специалистами.
Но каждый новый поток показывает одно и то же: в ML приходят люди с очень разным опытом и стартовыми знаниями. Аналитики, разработчики, инженеры, менеджеры и даже те, кто раньше вообще не работал с данными.
Главное не то, когда вы начали, а то насколько системно вы учитесь. И мы рады сообщить, что открываем набор на 5 поток курса «База ML».
Это курс для тех, кто хочет разобраться в машинном обучении последовательно и без бесконечных пробелов в знаниях. От основ Python и математики до построения собственных моделей и понимания того, как ML применяется в реальных продуктах.
За время обучения вы:
▪️освоите ключевые алгоритмы машинного обучения;
▪️научитесь работать с данными и строить модели на Python;
▪️разберетесь в метриках и оценке качества моделей;
▪️познакомитесь с нейронными сетями;
▪️поймете, как устроены современные ML-системы;
▪️выполните практические задания и соберете проект для портфолио.
В 5 потоке мы также усилили программу темами, которые сегодня активно используются в индустрии:
-применение AI-инструментов в работе ML-специалиста;
-основы ML System Design;
-разбор реальных бизнес-кейсов;
-больше практики и поддержки от кураторов.
Мы не обещаем, что путь будет простым. Машинное обучение требует времени, практики и настойчивости. Но если вы давно хотели разобраться в ML и не знали, с чего начать, сейчас хороший момент сделать первый шаг.
Набор на 5 поток уже открыт, заполните форму для предзаписи: https://forms.yandex.ru/cloud/6a4275fe505690a71a0fead6
Подробности о программе, формате обучения и тарифах на сайте: https://mlinside.ru/?utm_source=telegram&utm_medium=social&utm_campaign=anons_29_06_2026
А если у вас есть вопросы о курсе, задавайте их в комментариях. Постараемся ответить на каждый. | 1 |
