MLinside - школа ML

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

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

Тизерим новый подкаст с Никитой Зелинским и напоминаем, что курс по ML System Design уже стартовал, можете успеть запрыгнуть в самый последний вагон

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

Мы начинаем вебинар, подключайтесь: https://mlinside.getcourse.ru/pl/webinar/show?id=3304004&view=1

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

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

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.

Вебинар уже начался, подключайтесь! https://mlinside.getcourse.ru/pl/webinar/show?id=3302056&view=1

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.

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

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.

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.

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

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

«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.

«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.