Нескучный Data Science

Позиция: Middle +/ Senior Data Scientist Куда? ID Collect , Департамент аналитики и рисков Формат работы: Гибрид: Москва, м. Фили/Багратионовская/Парк Победы Вилка гросс: 250-500K + годовой бонус до 2,5 окладов Что нужно делать? • Разработка и поддержка скоринговых моделей оценки и переоценки по покупкам на основе статистического анализа. • Разработка и поддержание моделей распознавания документов и речевой аналитики (NLP). • Автоматизация операционных процессов компании за счет внедрения алгоритмов нечеткого поиска, написания скриптов для уменьшения доли ручного труда в компании. • Проведение углубленного статистического анализа данных, включая проверку гипотез и выявление внутренних и внешних факторов, влияющих на взыскание задолженности. • Анализ риск-метрик, включая эффективность сборов, уровень просрочки и другие ключевые показатели. • Взаимодействие с командами разработки и аналитики для интеграции моделей в бизнес-процессы компании. Требования: • Опыт работы от 2-х лет в области анализа данных и машинного обучения. • Глубокое понимание ML-алгоритмов и продвинутые знания Python, включая основные библиотеки для машинного обучения (например, Scikit-learn, TensorFlow, PyTorch). • Хорошие знания SQL (любой из диалектов), умение писать оптимизированные запросы. • Опыт работы с инструментами логирования экспериментов, кода, умение писать читабельный код в Python и его оптимизировать. • Опыт вывода моделей в Production. • Опыт написания базовых микросервисов, работы с большими данными и инструментариями для их анализа будет преимуществом. Ответы на 10 важных вопросов: 1. Данные: DWH на Clickhouse (данные из ПРОД и внешних источников) 2. Железо: 3 терминала 1) Intel(R) Xeon(R) Silver 4314 CPU @ 2.40GHz, 96 GB RAM, NVIDIA RTX A5000 24 GB 2) Intel(R) Xeon(R) W-2255 CPU @ 3.70GHz 3.70 GHz, 220 GB RAM 3) Intel(R) Xeon(R) Silver 4114 CPU @ 2.20GHz 2.19 GHz (процессоров: 10), 140 GB RAM 3. Масштаб влияния: ML-решения напрямую влияют на ключевые метрики бизнеса: инвестиции в портфель просроченной задолженности, эффективность операционных процессов, финансовые показатели компании. 4. Уровень развития DS: 70%классические модели, 30% NLP. 5. Роль DS: Постановка задачи в технических терминах, сбор необходимых данных, разработка модели и мониторинг работы 6. Бэкграунд руководителя: Михаил Пчелинцев, ex-Сбер. 7. Частота встреч: ~ 3 синка в неделю (зависит от проекта). 8. Карьерный рост: ревью каждые 6 месяцев. 9. Prod/Research: 80% prod, 20% research. 10. Функция сервиса/лидера: 70% execution (решение задач), 30% лидерство в рамках проекта. Откликнуться: TG @natashka_olegovna

Data-вызов от Яндекса: обновленные тестовые задания на стажировку для будущих аналитиков Яндекс приглашает на стажировку для начинающих аналитиков в Москве и Санкт-Петербурге! Компания только обновила тестовые задания, чтобы у всех, кто пробовал силы ранее, был шанс попробовать снова. Вы сможете работать над продуктами и решать важные бизнес-задачи: запускать А/В-тесты, собирать датасеты, строить дашборды и анализировать метрики. Стажеров ждёт: ✅ Решение реальных задач для сервисов с миллионной аудиторией ✅ Гибкий график, который удобно совмещать с учёбой ✅ Поддержка ментора ✅ Зарплата на весь срок стажировки ✅ Айтиобщага для участников из других городов ✅ Отложенный офер, если вы ещё учитесь Используйте возможность влиять на ключевые решения и видеть, как ваша работа меняет продукты для миллионов пользователей. Подать заявку, получить советы по подготовке и найти полезные материалы можно на сайте.

Когда я приходил в Альфу шесть лет назад, у меня была простая цель — делать крутые вещи с топ-технологиями в реальной, прагматичной среде. В итоге, мы внедрили кучу фундаментальных изменений, их признали не только внутри компании и за её пределами (часть из них вы уже видели в этом канале), но этот пост не про самолюбование. Подобные истории без описания трудностей не только скучные, но и неправдоподобные, поэтому расскажу с чего мы начинали и какие трудности встречали на пути: – слабый HR-бренд; – нет бюджета на перекупку «звёздной» команды; – политика «берём только синьоров по стажу»; – купленные у вендоров решения мешают растить компетенции; – инфраструктура для внедрения нейронок отсутствует; – формальные процессы, которые замедляют работу; - саботаж на протяжении нескольких лет к внедрению эффективных решений; - карьерный рост за лакейство, вместо результатов. К сожалению, не все удалось решить, но разруливание и существование в режиме ограничений стало существенным фактором роста всех членов команды. С козырями все могут играть, а вы попробуйте играть теми картами, что на руках. Выплыть помогли правильный майндсет и культура, впитанная на заре становления Тинькофф. С их помощью родилась и была реализована стратегия из трёх частей: продукт, HR и PR — все они связаны. В следующих постах я расскажу, как это работало и что из этого может пригодиться вам.

The Experts: School of Analytics продлевает дедлайн подачи заявок на годовую программу по треку Top Talents! ✋ Кто такие The Experts? Это сообщество подтверждённых профессионалов в сферах финансов, аналитики и консалтинга. Мы делаем ставку на прикладное образование и запускаем программы, которые помогают начать карьеру и развиваться в выбранной индустрии. School of Analytics - одна из образовательных вертикалей проекта The Experts. 👉 О годовой программе Программа сочетает: - Удобный формат: онлайн-лекции и воркшопы, обучение легко совмещать с вузом или работой; - Менторство и карьерную поддержку: выпускники School of Analytics востребованы на рынке; - Сообщество профессионалов: нетворкинг со спикерами и выпускниками, мастер-классы с представителями компаний-партнёров (Яндекс, OZON, VK, Т-Банк, Avito и др.). - Вас ждут еженедельные лекции и практические занятия от дата- и бизнес-аналитиков. Темы курса: - SQL и управление базами данных, - визуализация в PowerBI и DataLens, - проведение А/В тестирований и проверка гипотез, - юнит-экономика и работа с метриками, - моделирование данных в Python и многое другое. 📎 Что даёт трек Top Talents? До 94% покрытия стоимости обучения при успешном прохождении всех этапов отбора: - онлайн-тестирование; - решение кейса; - интервью в Zoom. Кто может подать заявку? - студенты российских и зарубежных вузов (бакалавриат, специалитет, магистратура), получающие первое высшее образование; - выпускники этих программ 2025 года. 👉 Подробности и регистрация У вас есть все шансы пройти на программу, не упустите возможность! Также открыт набор на трек EXPERT — это полный доступ ко всем возможностям программы и дополнительные преимущества. Подать заявку может любой желающий!

Как «задебажить» реальную жизнь? 😏 Шаг №1 — написать идеальный код. Шаг №2 — найти правильную команду. И то и другое вы сможете сделать в Сбере. Здесь — открытые вакансии, а здесь ( 👉) поздравление от ваших будущих коллег: team.congratulate("С Днём программиста! 💚”)

Когда встречаются люди, которые «делают продукты», всегда происходит что-то большее, чем просто лекции или митап. Это про обмен опытом, энергию идей и ощущение, что ты находишься в правильном месте, среди своих. 27 сентября именно так и будет: в московском пространстве «Суперметалл» пройдёт событие Продукты 24 × ffdd2d. В этом году впервые объединили две большие конференции, чтобы собрать продактов, дизайнеров и аналитиков на одной площадке. Что ждёт гостей: — вдохновляющие доклады от экспертов из разных сфер; — обсуждения метрик, данных и креативов без рутины; — активности: вайбкодинг, карьерные консультации, «своп-таск» с возможностью попробовать себя в новой роли; — афтепати с DJ-сетом и общением без галстуков. 📍 Можно быть офлайн в Москве (2-я Бауманская ул., 9/23с3) или присоединиться онлайн. 💡 Участие бесплатное, но количество мест ограничено — заявки модерируются. Чтобы попасть, нужно зарегистрироваться на сайте по ссылке Если вы продакт, аналитик, дизайнер или просто человек, которому интересно будущее цифровых продуктов — это событие нельзя пропустить. Реклама. АО «ТБанк», ИНН 7710140679, лицензия ЦБ РФ № 2673, Erid: 2W5zFJLTeqE

⚡️ИМБА-новость для инженеров, разработчиков и тестировщиков. ⌚️📱💻⌨️🖥🖨🕹 📡🔋💡⚙️🎁🎊 ✉️📨🗒📈📕 На Yandex Neuro Scale 2025 соберутся лучшие разрабы, тимлиды и архитекторы, чтобы обсудить главные тренды и вызовы IT-индустрии. В этом году: 🔅 7 треков; 🔅 50+ выступлений; 🔅 10+ интерактивных зон; 🔅 главные анонсы: в ИИ, инфраструктуре, работе с данными, безопасности и DevOps. Регистрируемся и запоминаем дату и адрес: 24 сентября, Москва, бизнес-центр «Амальтея», Большой бульвар, 40.

Последний шанс забрать себе кусочек от 1,5 млн рублей 💸 ВТБ зовёт всех айтишников на хакатон MORE.Tech 2025. Если ты ещё не собрал команду для участия (2–5 человек) — сейчас самое время, иначе дверь скоро захлопнется. 🗓 Когда: 27 августа — 20 сентября 🏆 Призовой фонд: 1 500 000 ₽\ 📍 Формат: гибридный (решение задач — онлайн, финал — офлайн в Москве) Кейсы: — Инструмент анализа SQL-запросов — Приложение для планирования посещения офиса командой на low-code/no-code — ИИ-ассистент в помощь HR 📌 Успей зарегистрироваться до 3 сентября: ссылка.

🚀 Как с помощью аналитики влиять на бизнес: опыт и практика на Data Driven 20 сентября в Москве пройдёт Data Driven — конференция для тех, кто хочет не просто строить дашборды, а реально двигать метрики и влиять на решения. Что будет: - два трека: для продуктовых и DS, а также для инженеров и BI – доклады про то, как с помощью аналитики искать точки роста – дискуссии и прямое общение с экспертами, включая C-level – карьерные консультации для тех, кто думает про следующий шаг А ещё 🎲 квизы, квесты с реальными кейсами и розыгрыш ценных призов, среди которых станция с Алисой и радиоуправляемый робот. Ну и, конечно, 🎉 афтепати: фуршет, музыка и разговоры «без графиков и p-value». 📍 Оффлайн в Москве + онлайн-трансляция для тех, кто далеко. 👉 Регистрация тут

Неформально про реком Глитч нейросети — это база, а ивент AI VK & Pro в «оригинале» — повод собраться и узнать, как меняются рекомендательные системы. 27 августа VK проводит AI VK & Pro — закрытый митап про RecSys и ML. Где соберутся крутые ML-инженеры, исследователи и разработчики. В программе доклады от ML-лидов VK. Поговорим про Discovery Platform, продовые трансформеры и мультимодальные модели. Приходите задать вопросы, поделиться опытом и поглитчевать среди своих в неформальной обстановке. А после — афтепати: винил, сигары, вино и покер. 📍 Москва, только офлайн 📅 27 августа, сбор с 18:00 🎟 Вход по регистрации

Где искать настоящий аплифт от ИИ? С появлением генеративного ИИ многие испугались: «Всё, он заберёт нашу работу». И да, это действительно похоже на промышленную революцию — только не на заводах, а в сфере услуг и творческих профессиях. Однако не все так плохо, если вы знакомы с термином - блендинг. Когда вы используете ИИ, на самом деле вы блендите: 🧠 ваш естественный интеллект и 🤖 искусственный интеллект. Размер аплифта зависит от того, насколько они «ортогональны». Если вы уже пишете отличный код и подключаете ИИ для подсказок — получите прирост скорости и качества. Но это будет скорее «чуть-чуть лучше». ИИ здесь просто закрывает последнюю милю оптимизации — вы пройдете последнюю милю по повышению эффективности подобно тому, как Лаборатория внедрила нейронные сети в кредитный скоринг. Прорывные продукты появляются тогда, когда удаётся объединить экспертизу из двух (или более) довольно ортогональных сфер. Ваша задача — взять область, где вы сами эксперт, и добавить к ней одну или несколько областей, где роль эксперта может взять на себя ИИ. Такой бленд и даёт дизрапт аплифт, а не косметический апгрейд. Кажется, мысль простая. Так почему же мы не видим вокруг сплошных сверхрезультатов? Потому что ЕИ нужно взять на себя роль продакта: решить, как собрать ансамбль, как запустить А/Б-тесты и настроить мониторинг качество. В такой схеме всегда есть риск «переобучения», особенно учитывая сверхожидания у ЕИ относительно возможностей ИИ и незнание ЖЦМ. Но у меня для вас хорошие новости: у дата-сайентистов самые высокие шансы строить такие ансамбли. Просто потому что у нас уже есть экспертиза в блендинге моделей. Так что жду от подписчиков не просто pet-проекты, а дизрапт продукты с ИИ 🚀

🇰🇿 Сделано в Казахстане — для всего мира BigData Team — это международная команда экспертов, работавших в Amazon AWS, Samsung, Yandex, Ebay. Мы создаём IT-образование мирового уровня здесь, в Казахстане, с грантовой поддержкой Tech Orda и Astana Hub. История началась шесть лет назад, когда мы начали обучать в Казахстане ведущих специалистов в сфере Big Data и Machine Learning. 🔥А сегодня открываем набор на 36 международных грантов с поддержкой наших партнеров, чтобы к нашим слушателям из Казахстана присоединились коллеги со всего мира. 🇰🇿 Если вы из Казахстана — гранты Tech Orda покрывают более 50% обучения — подробности и инструкции, успейте до конца августа! 🌍 Если вы из другой страны — 32 международных гранта с покрытием 50% (950 $) — 4 гранта с покрытием 100% (1 900 $) 📚 8 месяцев обучения: — общая база по Python, промышленной разработке, Big Data и ML — в конце — твой выбор трека: Big Data Engineer или Machine Learning Engineer — 10–20 часов в неделю, онлайн, с менторами и проектами 📅 Дедлайны международных грантов: — I волна — до 24 августа, 23:59 — II волна — до 31 августа, 23:59 — III волна — до 7 сентября, 23:59 🤝 И да, мы ждём участников минимум из 5 стран — так что зовите друзей, коллег и бывших однокурсников. 📌 Как подать заявку на международный грант 1️⃣ Зарегистрируйтесь и пройдите тестирование на платформе Learn BDT💻: — откройте разделы grant, grant extended, grant profile и CV  — выполните все тесты и загрузите резюме 2️⃣ Ждите результаты на почту — и подпишитесь на наш Telegram, чтобы не пропустить новости Заполняйте заявку на грант и подавайтесь до ближайшего дедлайна (вот тут объяснили почему раньше — лучше). Удачи! 🍀 BigData Team: the way you learn best Py4BDA | Python | Machine Learning | Big Data | BD/ML Engineer #study #BDMLE #BigDataTeam

📊 Датасеты для студентов и исследователей 🤓 Скоро начнётся новый учебный год. Это значит, что всё больше студентов будут осваивать анализ данных. Одна из самых частых проблем на старте — банально нет данных для практики. Об этом мне не раз жаловались преподаватели курсов по Data Science.

Помню, как в студенчестве я анализировал гигабайты данных одной крупной компании с помощью BigARTM, а мой однокурсник — коллекцию из десятка русских сказок. Как думаете, чей опыт оказался более релевантным для работы в бигтехе? 😉

Мы решили помочь студентам и преподавателям: собрали в одном месте наши открытые анонимизированные датасеты из соревнований по анализу данных. Их можно использовать в курсовых, дипломах, научных статьях или просто для оттачивания навыков, например, после курса DL in Finance. 💪 Уверен, что умение работать с реальными (пусть и обфусцированными) гигабайтами данных во время учёбы — это конкурентное преимущество, которое оценят работодатели в вашем резюме.

D >< Vision — митап по Computer Vision 🤔 Чувствуете, что крутые разработки в Computer Vision остаются в тени других популярных тем в ИИ? Что на многих конференциях CV-секции зачастую не соответствуют вашим интересам и возникающим на работе задачам? Мы — тоже. 💪 MWS AI (МТС) и VisionLabs проведут митап, цель которого – объединить и поддержать сообщество, глубоко увлечённое Computer Vision. Мы сознательно делаем фокус на CV, чтобы подчеркнуть его непреходящую важность и уникальные исследовательские задачи. И рассматриваем Computer Vision во всей его широте — и discriminative, и generative, и multimodal подходы. 👉 Регистрируйтесь на митап и участвуйте очно или подключайтесь в формате онлайн.

Как выделить свое cv среди остальных? ⚠️ Attention is all you need, чтобы попасть на желанный собес. Но как его получить у перегруженного HR или нанимающего менеджера? Ранее я уже писал про «гигиенический минимум» при оформлении резюме — открывающийся pdf-файл с четкой структурой и релевантным опытом. Но надо помнить: нанимающая сторона тоже оптимизирует процесс найма. Если этого мало, можно пойти по пути Олега Седухина — добавить креатив в оформление. Но есть ещё один способ, которым со мной поделился коллега в 2018-м. Он устроился в Тинькофф… без лютых достижений в бэкграунде. 💡 Вам нужно помнить, что вы являетесь объектом в задаче матчинга. Следовательно, вам нужно дать максимум признаков «человеку-фильтру» говорящих, что именно вы — ответ на запрос вакансии. Что делает большинство? — Рассылает всем одно и то же резюме. Что делал мой коллега? — Под каждую вакансию точечно менял резюме, делая акцент на тех навыках и проектах, которые важны были конкретному работодателю. Да, это требовало больше времени. Но результат? Его звали практически на каждую вакансию, на которую он откликался. 🧠 Personalization is all you need. 😁 Надеюсь, что этот пост повысит колличество офферов у Олега.

Senior DL Engineer в 🏦, Лаборатория Машинного обучения, Москва Отзывов из интересных мест в отечественных компаниях на канале пока мало. Пополняем копилку рассказом про Лабораторию Машинного обучения. В 2020 году я сам приходил сюда работать, в тот момент нас всего было 5 человек. Но мы успели сделать очень-очень много, поэтому воспоминания самые теплые. Свои впечатления расскажу в отдельном посте. Авторская орфография сохранена ➡Ник автора в тг - @maksimallist ➡ Название компании - Alfabank ➡Расскажите про свой бэкграунд - Senior DL researcher/engineer. Основная область экспертизы - NLP. Но есть опыт так же и в CV, в основном в области генерации изображений. Старт карьеры пришелся на научную сферу, работал в лаборатории глубокого обучения и нейронных сетей на физтехе. Есть статьи в рецензируемых научных журналах, и победы в соревнованиях. После чего ушел в бизнес, большую часть карьеры провел в Сбере и AIRI. Пытался замутить свой стартап, но безуспешно. ➡Как подались на вакансию - Нашел объявление в сингулярисе, отправил на почту свое резюме. 🔥 Субъективно Сложность процесса по 10 бальной шкале - 5 ➡Когда начали процесс - январь 2025 ➡Когда закончили процесс - Прошел весь процесс за неделю, может чуть больше ➡ Позиция, на которую собеседовались - Senior NLP engineer ➡Грейд на который собеседовались (если известно) - Старший разработчик нейронных сетей. Численного грейда нет. ➡Локация вакансии - Москва 🔥 Расскажите про этапы собеседований - Техническое собеседование 1) Первое знакомство + техническое собеседование 2) При знакомстве спрашивали про образование и профессиональный опыт. Далее шло техническое собеседование где, для начала предложили в блонкноте написать по тз простенькую нейронную сеть (подразумевалось что можно использовать pytorch), а потом был ряд вопросов на понимание механизмов обработки текста, устройства больших языковых моделей (разумеется глубже чем устройство attention mechanism). После еще немного поговорили про историю развития NLP. 3) Интервью проводил непосредственно мой потенциальный начальник. Длилось оно полтора часа, может чуть больше. - Собеседование с руководителем подразделения 1) Собеседование с руководителем. 2) Снова быстро прошлись по профессиональному опыту. После был ряд вопросов, касающихся в основном личных качеств. Например: "Что раздражает в работе?", "Что мотивирует.", "Как снимаешь стресс?", "Чем больше нравится заниматься: разработкой или руководством". Просили назвать минусы предыдущих мест работы, а потом плюсы. Озвучить амбиции, и описать как я вижу свою работу у них в команде. Ну и после я задал интересующие меня вопросы. Там же обсудили мои ожидания по зп и режиме работы. 3) Отдельных наблюдений я наверное не выделю. ⏺ Что понравилось: Полный ответ автора слишком длинный, чтобы влезть в пост, поэтому в тексте отзыва используется саммари от o3, а оригинальный текст в комментариях 💬: 1. Нашёл вакансию сам, резюме кинул прямо будущему руководителю ― никаких HR, анкет и «этапов для галочки». 2. Техсобес проводил тот же руководитель: кто, если не он, знает, какие навыки нужны. Никаких посторонних интервьюеров и алгоритмических секций. 3. Вопросы ― в основном на способность рассуждать в NLP и чуть-чуть system design. Созвон затянулся, но мы оба чётко поняли: он — мой уровень, я — свои задачи. 4. Второй звонок с главой подразделения: логичные вопросы, сверка ожиданий и вайба, без корпоративной мишуры. 5. Вся история — два созвона за неделю, потом быстрая проверка СБ и сразу договор. Соискатель счастлив, начальник тоже: Win-Win. 6. Нет «пяти этапов на полтора месяца», нет бессмысленных звонков с людьми, которых больше не увижу. Такой процесс редок, но окупается для всех. Итог простой: лучший найм, через который я проходил. ⏺Что не понравилось: Все понравилось ➡Итоги собеседования: Принял оффер. 💸Информация про Total Compensation: Не обидели) От автора канала: Вилки в команду хорошие, на сеньор грейд 400-570K + 15% ежеквартальная премия. Инфу взял из Нескучный Data Science Jobs, тут. #интервью @max_dot_sh

🆒 Как не стать победителем Forbes 30 under 30? Сегодня расчехлим ещё одну неудачу из моей коллекции. Уверен, она стоила мне части медийного охвата — сейчас бы я выбрал другую стратегию. Но история не терпит сослагательного наклонения. Зачем я вообще туда решил попасть? Одна из причин, по которой я завёл этот канал — мне не нравилось, что видимость даёт преимущества. Это казалось несправедливым. Но раз отменить это невозможно — я решил попробовать возглавить. В 2020-м победителем стал @kantor_ai — слушал его допкурс Data Mining in Action на Физтехе еще в 2017-м году. В 2021 году я увидел состав списка номинантов, сильно удивилился и слегка расстроился одновременно, так как забыл подать заявку. Решил, что упустить второй раз — будет ошибкой. Поставил себе напоминание через год. Прошёл год — напоминание сработало. Еле нашёл форму для подачи (она не гуглилась, пришлось искать в одной из соцсетей). Заполнил заявку в свободной форме за 5 минут. Сделал акцент на фин. эффект — благо уже тогда был 1 млрд+. Как я узнал что попал в рейтинг? 🎬 Ответ пришёл в абсолютно перегруженный день. Функции дипломатии и эмпатии на тот момент были недоступны. Мы снимали Deep Learning in Finance — 5 часов в офисе. Репетировали и готовились несколько выходных. Параллельно штурмовали мир чат-ботов — в день было по 10 встреч. После съёмок планировался слёт амбассадоров HR-бренда. Еду в метро. Звонок с неизвестного номера. Мне говорят, что я стал номинантом этого самого рейтинга. 🙅‍♂️ Пару слов про контекст моего отношение к медиа на тот момент Да, я решил «возглавить», но это не значит, что мне вдруг понравился сверхпиар невеликих достижений. Особенно если эти достижения описываются журналистами без техбэкграунда. Тогда ещё не было инфошума с нейросеточками и «секретными промптами» от инфоцыган — снобствовать было проще.

Я как-то выступал на форуме ФРАНКЕНШТЕЙН в 2020 году. Получил статуэтку за лучший доклад. После него ведущий сказал, что мой доклад был «слишком техническим». На что я ответил в микрофон примерно следующее — «мне пришлось слушать ваши фантазии, как устроен анализ данных, так что зря вы не проявили вежливость и внимание к единственному техническому докладу».

🤬 Теперь зная контекст, вы лучше поймете что было дальше. Помимо «поздравляю», меня пригласили на торжественное мероприятие, которое планировалось на завтрашний день. Я отказался и довольно в резкой форме, потому что о таких вещах необходимо предупреждать заранее. Дело в том, что мы уже забронировали на эту дату и время зал для игры в волейбол. В тот момент состав команды численно стал достаточным чтобы можно было сыграть шесть на шесть и я уже предвкушал этот формат тимбилдинга. Более того, @Aleksey_Firstov прилетел из Питера на съемки DL in Finance и было непонятно, когда представится следующий такой удачный шанс. 👩‍🍳 Дальше был слёт амбассадоров Альфы. Кулинарный мастер-класс, который высосал оставшийся запас энергии. На обратном пути в такси в 11 вечера мне написали — «пришли краткое описание себя». Накидал черновик за пару минут и отправил, надеясь на редакторов рейтинга. Ровно его, без редактуры, опубликовали на сайте. Да ещё и с фото другого Евгения Смирнова (их, к счастью, много).

Эта фотография до сих пор используется в качестве логотипа внутренних чатов команды.

Поменять текст я потом пытался, но, судя по всему, организаторы ушли в глубокую обиду. Как вы уже знаете я победителем рейтинга не стал, а теперь знаете две ошибки, которые к этому привели.

«Может, просто не хватило голосов?» — вряд ли. CEO Альфы призвал голосовать за меня, плюс у курирующего нас члена правления банка была в подчинении целая сеть отделений. Так что голосов точно хватило.

👉 Безусловно из-за этих ошибок я проиграл в плане медийного охвата, но остался в консистентности со своими приоритетами, где команда стоит выше личных интересов. Сейчас я бы, конечно, действовал более дипломатично и менее резко благодаря этому семплу в моем датасете из неудач, но история не терпит сослагательного наклонения.

E-CUP возвращается. Реальные данные. Масштабные проекты. Большие призы Решайте ML-задачи в стиле Ozon Tech. Девять победителей разделят призовой фонд соревнования — 7 200 000 рублей 🔥 Тест-драйв работы в e-com бигтехе стартует здесь. 🗓 Регистрация: https://cnrlink.com/ecup25notboringds 💻 Формат участия: онлайн 👥 Команда: от 1 до 5 человек 🎯 Для кого: Data Scientists, ML-специалисты, аналитики данных, дата-инженеры, специалисты Big Data и разработчики, которые интересуются ML/DS. Что вас ждёт: 🔹 Работа над проектом для миллионов пользователей на основе данных от ведущего e-com в России. 🔹 Обмен опытом с экспертами Ozon Tech. 🔹 Эксклюзивный мерч для победителей и подарки для самых активных участников. 🔹 Питчинг — 13 сентября на конференции E-CODE. Ozon Tech предоставит финалистам билеты и оплатит поездку. Три трека E-CUP: 1️⃣ Рекомендации: предсказание следующей покупки пользователя 2️⃣ Логистика: автопланирование курьеров 3️⃣ Контроль качества: автоматическое выявление поддельных товаров Регистрация на платформе Codenrock

😁 Как приготовить RAG для работы с вашей базой знаний? Retrieval Augmented Generation соединяет языковую модель с внешней базой знаний, что позволяет AI-помощнику находить релевантные документы и генерировать ответы на основе актуальных данных. Успех RAG-пайплайна зависит от качества и полноты информации в базе знаний, точности поискового движка и качество LLM. Ранее, делился практическими советы по внедрению LLM, сейчас приглашаю вас на вэбинар от Яндекса, где сфокусируемся на приготовлении RAG: — Интеграция LangChain — Вычисление эмбеддингов — Хранение векторов в YDB — Поиск по смыслу, а не по точному совпадению Подключайтесь 14 августа. Будет максимум практики, минимум отвлечённой теории. Только то, что работает.

🔋 Бесплатный курс "Ресурс" для подписчиков "Нескучный Data Science" Вам нужна энергия. Чтобы принимать повседневные качественные решения. Чтобы поддерживать себя в форме. Даже чтобы проявить эмпатию — да, да — вам всё равно нужна энергия. Токсичность? Часто это просто следствие перегруза. 🤔 А теперь внимание: чем выше ваш менеджерский грейд, тем больше энергии вам будет нужно. Потому что придётся чаще говорить «нет», быстрее приоритизировать, быть гибким, дипломатичным и при этом не выгорать. Я уже писал, что текущий уровень энергии — это главная метрика, за которой стоит следить. Но задумывались ли вы, что у всех людей он разный? Что делать, если у вас энергии — вагон, а вы попали в команду, где у большинства ее представителей низкий заряд батареи? Сможете ли вы ужиться с начальником, которому ничего не надо, кроме пледа и сна? А наоборот — если вы на нуле, а вокруг вас команда из бодрых стартаперов?Я бы с удовольствием продолжил писать посты на эту тему (и, наверное, еще буду), но всё-таки у нас канал про Data Science. К счастью, нашёлся отдельный курс именно об этом — про энергию, ресурс и внутреннее топливо. И честно, вряд ли я смогу рассказать вам этот материал лучше. Я его посмотрел, словил катарсис и договорился с авторами: для подписчиков канала он стал бесплатным. Вот что внутри: 1️⃣ Что такое ресурс и как он влияет на вашу жизнь и окружение? 2️⃣ Что именно снижает уровень энергии и что с этим делать? 3️⃣ Как поднять свою энергию (и не только с помощью сна)? 4️⃣ Как подойти к управлению ресурсом системно? 🎁 Бонус: вы узнаете, как трекать уровень своей энергии, не покупая Garmin за $1000. После курса я понял, почему в моей команде средний возраст — 24 года. Но об этом — в отдельной серии постов. Он будет про построение дизрапт-команды в консервативном банковском секторе. Курс вам особенно подойдет если вы не знаете что делать с активными **********, которые мешают жить приличным людям. P.S. если не открывается ссылка на курс, воспользуетесь VPN.