ШВМ - Программы по AI

Сильная математика — это не про экзамены, а про скорость в реальной работе. Теория вероятностей, линейная алгебра, асимптотика — фундамент DS, ML и AI Engineering. Кто свободно ими владеет, быстрее раскладывает задачу на части, видит, где модель «врёт», и не застревает на ровном месте. В новой статье на Хабре мы разобрали 6 непростых задач — марковские цепи, теория восстановления, метод Лапласа, симплектическая алгебра, комбинаторика — и заодно проверили, как с ними справляются 8 frontier-моделей. Спойлер: даже сильнейшие LLM спотыкаются там, где человек с крепкой базой не ошибётся. Читать 👉 по ссылке

⚡️ Завтра закрываем донабор в текущий поток курса «Оценка AI-агентов». После этого попасть в группу уже не получится. Если вы откладывали решение, есть способ не покупать вслепую: мы открыли доступ к первому вводному занятию. Можно посмотреть, как устроен курс, какие кейсы разбираются и как мы подходим к оценке качества AI-систем. На вводном занятии: - рассказываем, как будет устроено обучение, практика и домашние задания; - разбираем, зачем нужны evals и почему AI-системы нельзя оценивать “на глаз”; - смотрим несколько кейсов: где модель ошибается, как это заметить и как превратить ошибки в критерии качества. Если после просмотра поймёте, что формат вам подходит, можно успеть зайти в текущий поток до закрытия донабора. 👉 Получить доступ к вводному занятию можно по ссылке

Курс «Оценка AI-агентов» уже стартовал - но до воскресенья включительно ещё можно попасть в текущий поток. Мы открыли доступ к первому вводному занятию, чтобы вы могли посмотреть, как устроен курс, оценить формат и понять, подходит ли вам такой подход. На вводном занятии: - рассказываем, как будет устроено обучение, практика и домашние задания; - разбираем, зачем нужны evals и почему AI-системы нельзя оценивать “на глаз”; - смотрим несколько кейсов: где модель ошибается, как это заметить и как превратить ошибки в критерии качества. Если вы думали о курсе, но не успели принять решение - сейчас хороший момент посмотреть вводное и понять, стоит ли заходить в поток. До воскресенья включительно можно записаться в текущую группу. 👉 Получите доступ к вводному занятию по ссылке

🎓 Реально ли подготовиться к ШАД за год, если сейчас вы на начальном уровне? 30 июня проведём открытый семинар по подготовке к ШАД. Разберём задачи, которые встречались на экзаменах, олимпиадах и собеседованиях в ШАД. Но главное - не просто покажем решение, а разберём, как вообще подступиться к задаче, если в первые минуты непонятно, с чего начать. На семинаре: - разберём задачи разного уровня: от понятных без специальной подготовки до задач с идеями из линейной алгебры, анализа и теории вероятностей; - покажем, какие подходы и идеи регулярно повторяются на экзаменах; - обсудим, как готовиться самостоятельно и не утонуть в материалах; - разберём, сколько времени реально закладывать на подготовку, если совмещаете её с работой или учёбой; - честно поговорим, кому подготовка за год по силам, а кому лучше сначала закрыть базу. Ведёт Андрей Канунников, к.ф.-м.н., преподаватель ShadHelper. Семинар подойдёт тем, кто хочет поступать в ШАД, AI Masters или сильную ML-магистратуру, но пока не понимает, с чего начинать математику и как выстроить подготовку на год. 📅 30 июня, 19:00 МСК Онлайн 👉 Записывайся: по ссылке

Если вы делаете AI-агентов, рано или поздно возникает один и тот же вопрос: новая версия действительно стала лучше - или просто кажется лучше на демо и зелёных тестах? Сегодня стартует первый поток курса «Оценки AI-агентов» - и это последний шанс зайти со скидкой −15%. На курсе за 5 недель вы соберёте eval-процесс на реальных прод-кейсах: научитесь находить регрессии до прода, сравнивать версии агентов и доказывать улучшения метриками. 🚀 Первое занятие начнётся уже через 3 часа. Ведёт Андрей Киселёв — Head of Product, ex-Revolut, ex-Yandex. Строил AI-продукты с миллионами вызовов агентов в день. Без теории ради теории — цифры, ошибки, рабочие плейбуки. 💸 Промокод START15 даёт −15% только сегодня: 79 999₽ → 67 999₽ 👉 Записаться по ссылке

🎓Послезавтра — бесплатный вебинар о поступлении в ШАД Наша выпускница ShadHelper — Елена записала для вас кружок и уже вышла на этап собеседования в ШАД — расскажет на вебинаре, как шла подготовка с нуля. На вебинаре: — живые истории выпускников: ШАД, AI Masters, магистратура МФТИ/МГУ/ИТМО/ВШЭ — как выбрать формат подготовки под свою цель — вопросы спикерам вживую Ведёт Александр Лыков, к.ф.-м.н., академический руководитель Школы Высшей Математики и ShadHelper. 📅 17 июня, 18:30 (мск) 👉 Записывайтесь: по ссылке

18 июня стартует курс по оценке AI-агентов. Пока большинство команд смотрят на примеры и надеются, что «стало лучше», другие знают это точно — с метриками, воспроизводимыми тестами и системным ростом. Мест мало. До старта — несколько дней. Записывайтесь 👉 shvm.xyz/ai-evals

Открытый вебинар: ШАД, магистратура МФТИ/МГУ/ИТМО, AI Masters: куда ведёт сильная математика Сильная математика — это не только про ШАД. Это про магистратуру топ вузов, AI Masters и реальный рост в Data Science и ML. На вебинаре разберём, как выстроить траекторию под вашу цель и уровень — и как держаться её, совмещая с работой. Что будет: — как выбрать формат под цель: курс, практикум или задачник; — путь к сильной программе из первых уст — выпускники расскажут, с чего начинали; — ответы на ваши вопросы вживую. Ведёт Александр Лыков, к.ф.-м.н., академический руководитель ШВМ. К нам приходят и новички, и практикующие инженеры — подтянуть математический фундамент. 📅 Когда: 17 июня, 18:30 (мск) 👉 Записывайся: по ссылке

Наш новый продукт — курс по AI Evals 🧪 Создание LLM-систем отличается от традиционной разработки. Недетерминистические системы требуют особого подхода в оценке их качества. Большинство AI-продуктов ломаются не из-за плохих моделей — а из-за отсутствия понимания, что вообще считать хорошим результатом. На курсе разбираем: — как строить eval-пайплайны с нуля — error analysis и трейсинг реальных систем — LLM-as-a-judge: создание и калибровка — оценка агентов, RAG и multi-turn диалогов — работа без размеченных данных 5 недель, реальные кейсы, максимум практики Старт: 18 июня Записаться

В новом видео разибраем как обучить свою LoRA и не сломать модель Полное переобучение весов нейросети — это не только огромные затраты на VRAM, но и высокий риск безвозвратно испортить базовую модель. Вы получаете нужный стиль, но модель внезапно «забывает» как рисовать обычные объекты или лица. LoRA (Low-Rank Adaptation) решает эту проблему, предлагая профессиональный подход к персонализации: Сохранность базовых знаний: исходные веса остаются замороженными, поэтому модель физически не может «сломаться». Экономия ресурсов: возможность обучать кастомные стили и персонажей на консьюмерском железе (уровня RTX 3090 или даже в Colab) за считанные минуты. Производственная гибкость: адаптеры весят мало и переключаются в коде буквально одной строчкой, позволяя использовать один пайплайн для множества разных задач и персонажей. Это необходимый инструмент для тех, кому важна предсказуемость результата и эффективное использование вычислительных мощностей при работе с генеративными моделями.

🔴 Мы в эфире! Подключиться на воркшоп

Ждем вас сегодня на воркшопе в 19.30 мск по AI Evals Записывайтесь здесь

Коллеги, вопрос к командам, которые занимаются внедрением LLM-решений и AI-агентов в продакшен.

Через 3 дня проведём воркшоп о том, как системно измерять качество работы AI-приложений. Андрей Киселёв, ex-AI Product Owner в Revolut, расскажет, как это делать на масштабе миллионов пользователей. Записывайтесь здесь

Простые цепочки (Chains) и базовый RAG ломаются на нетривиальных задачах. Индустрия уже давно перешла к агентам, которые сами принимают решения и исправляют свои ошибки. В видео: LangChain vs LangGraph: четкие критерии, когда достаточно пайплайна, а когда необходим граф с узлами, ребрами и общим State. Паттерны: от ReAct и Tool Calling до Reflection (когда агент сам критикует и рефакторит свой код). Архитектура: как реализовать долгосрочную эпизодическую память и оркестровать мультиагентные системы без жестких галлюцинаций. Практическая часть: с нуля пишем агента для поиска по каталогу техники на обеих библиотеках. Смотреть здесь: https://www.youtube.com/watch?v=fCxgeF4cOuw

Используете ли вы оценку качества при разработке AI-продуктов? Если вы до сих пор не внедрили систему Evals - вы теряете очень много часов на ручной отсмотр всех логов или просто полагаетесь на удачу и застреваете в бесконечном цикле "тушения новых пожаров". Почему без оценки качества ваш AI-продукт стоит на месте и как внедрить системный процесс улучшений, который не даст вашему продукту деградировать — читайте в новой статье: https://habr.com/ru/articles/1037874/

90% AI-продуктов проваливаются из-за отсутствия методологии системной оценки и улучшения качества. В условиях непредсказуемой природы LLM невозможно эффективно развивать продукт, не имея объективных инструментов измерения результатов. Об этом говорят и лидеры индустрии: "Writing evals is going to become a core skill for product managers." — Kevin Weil (OpenAI CPO) "If there is one thing we can teach people, it's that writing evals is probably the most important thing." — Mike Krieger (Anthropic CPO) "Evals are surprisingly often all you need." — Greg Brockman (OpenAI President) Объективная и системная оценка — фундамент успеха любого AI-решения. 🗓 28 мая в 19:30 на прямом эфире с Андреем Киселевым — Head of Product в AI-компании (ex-Revolut, ex-Яндекс) вы узнаете, как правильно подходить к измерению качества и улучшению AI-продуктов. Мы покажем полный цикл оценки на реальных примерах. Самое важное — сразу после эфира вы сможете использовать полученные знания в своих проектах. 👉 Записывайтесь по ссылке

Text2Image → Image2Video полный пайплайн генерации видео В новом видео разбираем подход к созданию видеоконтента с помощью ИИ: Text2Image → Image2Video. Этот метод позволяет избежать артефактов прямой генерации и обеспечивает максимальный контроль над финальным результатом. Вы узнаете почему работа через изображение эффективнее прямой генерации из текста. Разберем технический стек и механику процесса. В конце - пошаговая реализация пайплайна на Python с использованием библиотеки Diffusers которую вы сможете забрать в свои проекты. Смотреть: https://youtu.be/PKu1REFu6WE