Data Scientist | IT

Управляем поведением LLM: краткосрочные профили и их ограничения #почитать Мы привыкли верить, что если сказать модели «будь агрессивным трейдером» или «будь строгим аналитиком», то она действительно начнёт так себя вести. На практике всё не так просто. В длинном диалоге роль быстро выдыхается: модель соглашается с образом, но постепенно возвращается к базовой вежливости, осторожности и бесконечным дисклеймерам. Зато в коротких запросах происходит совсем другое. Один свежий промпт — и поведение реально сдвигается: модель становится заметно осторожнее, резче, параноидальнее или, наоборот, более рискованной. Это уже не «роль» в привычном смысле, а краткосрочный поведенческий профиль — временная настройка внутренних параметров решения. Исследования показывают, что такой профиль способен существенно менять поведение. Например, коэффициент неприятия потерь можно «подкрутить» почти в три раза — и модель начнёт требовать значительно большей выгоды, чтобы принять риск. Звучит мощно, но вместе с ним приходят стохастичность, зависимость от формулировки и неожиданные побочные эффекты. ✅Читать статью

🌐Работа аналитиком данных, плюсы и минусы #посмотреть

Я работаю аналитиком данных (или, если угодно, продуктовым аналитиком). В этом видео вкратце расскажу о том, что именно нужно делать, какие есть плюсы и минусы, кому эта профессия подходит.

✅Смотреть на Ютубе ⏱️15 минут

Как использовать AI для анализа метаданных в СУБД и BI: практика применения LLM и RAG 🤖 Во многих компаниях data catalog уже внедрен, но не работает как инструмент. Метаданные устаревают, доверие к данным падает, аналитики продолжают искать информацию вручную, а команда DWH остается перегруженной. 📆 9 апреля в 11:00 (МСК) приглашаем на бесплатный онлайн-вебинар «Как использовать AI для анализа метаданных в СУБД и BI: практика применения LLM и RAG», где разберем, как изменить этот подход с помощью AI. 👨‍💻 Спикер: Павел Хамрин — руководитель AI-направления Lasmart. Более 10 лет в аналитике и DWH. В программе вебинара: — почему data catalog не работает на практике: неактуальные метаданные, отсутствие доверия, перегрузка команды; — как LLM автоматизирует описание таблиц, дашбордов и бизнес-логики без ручной поддержки; — как работает RAG для поиска данных, контекста и анализа связей (data lineage); — архитектура решения и roadmap внедрения без перестройки текущих систем. Кому будет полезно: Data-инженерам, CTO, CDO, Head of BI и DWH, Data-аналитикам и Data Scientist 🔗 Регистрация по ссылке

Почему антифрод-системы блокируют ваши покупки, но пропускают мошенников на миллиарды #почитать Почему ваша банковская карта может быть заблокирована, когда вы покупаете кофе в другом городе, хотя мошенники умудряются отмывать миллиарды? В этой статье мы подробно рассмотрим, как работают системы защиты от мошенничества, объясним, что такое компромисс между прецизионностью (точностью) и полнотой на понятном примере, проанализируем потерю $3,1 миллиарда у TD Bank и поговорим о том, как банки и киберзлоумышленники соревнуются, используя Adversarial AI (враждебный искусственный интеллект). ✅Читать статью

Топ-6 бесплатных AI-сервисов для генерации 3D-моделей #почитать Вспомните, сколько времени раньше уходило на то, чтобы просто разобраться в интерфейсе Blender или Maya. Еще несколько лет назад мир три де графики казался закрытым клубом для избранных: нужно было годами изучать топологию сетки, возиться с развертками и часами ждать рендера одной сцены. Сегодня этот порог входа практически исчез. Искусственный интеллект добрался до полигонов и текстур, превращая процесс моделирования из тяжелого ремесла в увлекательный диалог с машиной. Мы решили проверить, насколько далеко зашли технологии, и устроили тест драйв современным алгоритмам. Чтобы задача не казалась скучной, мы выбрали самую ностальгическую тему: попробуем воссоздать в объеме героев мультфильмов нашего детства. Это отличный способ увидеть, как нейросети справляются с узнаваемыми образами и насколько точно они передают детали, которые мы помним с малых лет. В этом обзоре вы найдете пять сервисов, которые позволяют генерировать модели здесь и сейчас. Главный критерий отбора: честный бесплатный доступ. Мы специально искали площадки, которые не требуют привязки карты и не прячут результат за бесконечными подписками. Только чистые технологии и немного магии генерации. ✅Читать статью

Станьте Deep Learning Engineer с дипломом 👍 Голосовые помощники, распознавание лиц, рекомендации в приложениях, медицинская диагностика — нейросети используются уже во всех сферах бизнеса. Компании ищут DL-специалистов, чтобы точнее обучать и настраивать нейросети под свои запросы. Освоить Deep Learning самостоятельно сложно, но ребята из Simulative нашли решение, где учёба становится понятной и структурированной, а все темы разбираются на практике 🔥 Simulative запускает программу профессиональной переподготовки «Инженер глубокого обучения нейросетей». По итогам обучения вы получите:

🎓 Диплом гособразца

Официальный диплом о профессиональной переподготовке с квалификацией «Специалист по большим данным».

💯 Практика

Более 40 практических работ в формате симуляции реальной работы DL-инженера — всё пойдёт в портфолио.

🙌🏽 Онлайн обучение

Учитесь из любой точки мира, совмещая с работой, а доступ к материалам останется навсегда. Курс подходит для специалистов любого уровня: новичок, аналитик, ML-инженер или выпускник — на программе опытные менторы помогут выстроить вашу персональную траекторию роста в Deep Learning. Что вы освоите: 🟠Создание и обучение нейросетей с нуля 🟠Компьютерное зрение (Computer Vision) 🟠NLP (обработка текста) 🟠Генеративные модели 🟠MLOps и продакшн-подход 🕖 Скорее записывайтесь, количество мест на поток ограничено! Бронируйте место на курсе прямо сейчас и получите скидку 30% 😶ПОЛУЧИТЬ СКИДКУ НА КУРС

Метрики для задач NLP. Часть 2. Генерация текста: BLEU, ROUGE, METEOR, BERTScore #почитать

В этой статье будет рассказано о популярных метриках оценки для задач генерации текста: BLEU, ROUGE, METEOR, BERTScore. Рассказ будет сопровождаться визуализацией, примерами и кодом на Python.

✅Читать статью

«Я всё сломал за выходные»: как мы учим LLM писать в стиле конкретного СМИ #почитать

про техническую задачу, с которой мы столкнулись: как заставить LLM писать текст так, чтобы его нельзя было отличить от написанного конкретной редакцией. Не «хороший текст», не «грамотный текст», а такой, который звучит как этот конкретный городской портал или этот Telegram-канал.

✅Читать статью

Инфуры. Методы достижения AGI #почитать

Я написал нейронку, апроксимирующую правила игры жизнь наблюдая за динамикой системы изнутри, и видимо человеческий мозг работает так же... В этой статье я хочу поделится своим взглядом на математически-информационную природу разума, а так же предложить свою систему терминов и понятий в контексте теории вычислимой вселенной, чтобы выделить перспективные методы создания реального AGI.

✅Читать статью

Лапка в Лапку: как мы пытаемся снизить возвраты животных из приютов с помощью NLP #почитать

Четыре года я была волонтёром в приюте для животных. Это не про красивые фотографии с пушистыми котиками - это про ежедневный уход, уборку, лечение, адаптацию и работу с людьми. Самое тяжёлое - видеть стресс у «вернувшихся» животных. Ещё вчера у них был человек, дом, надежда, а сегодня снова клетка, шум и тревожное ожидание. Некоторые так и не находят семью. Самое страшное для животного - прожить жизнь и так и не получить собственного дома хотя бы на один день.

✅Читать статью

Пузырь ИИ — это не то, что вы думаете #почитать

Около десяти лет назад я сидел в Кредитном комитете своего банка, рассматривая заявку на кредит от компании, которая печатала телефонные справочники. Да, телефонные справочники — те самые гигантские желтые страницы. Компания была прибыльной. Она существовала десятилетиями. Она зарабатывала наличные, но эта цифра снижалась понемногу каждый год. Я отказал в кредите не потому, что цифры не сходились, а потому что будущее — не сходилось.

✅Читать статью

🌐Как я стала аналитиком данных и потратила на это 0 рублей #посмотреть История Даши ✅Смотреть на Ютубе ⏱️30 минут

🦾 Освойте LLM-инжиниринг и внедряйте AI в реальные проекты. Практический курс от экспертов OTUS Искусственный интеллект больше не ограничивается лабораториями. LLM уже встроены в бизнес, продукты и инфраструктуру. Но тех, кто умеет их разворачивать, обучать и внедрять — единицы. Курс «LLM Driven Development» от OTUS даст вам системное понимание того, как создавать и эксплуатировать AI-продукты. Вы изучите архитектуру трансформеров, тонкости работы с памятью, оптимизацию и fine-tuning моделей. Освоите LangChain, LlamaIndex, vLLM и научитесь строить мультиагентные AI-системы, объединяя модели в цепочки решений. Научитесь внедрять LLM в реальные сервисы: от прототипа до продакшна. Поймёте, как интегрировать AI в бэкенд, собирать данные, автоматизировать MLOps и управлять жизненным циклом модели. ➡ Успейте в группу февраля! Оставьте заявку и станьте одним из первых специалистов, кто понимает LLM не на уровне «подключить API», а на уровне архитектуры и инженерии: https://vk.cc/cUMYan Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576

Я дал 100 AI-агентам равный бюджет — они изобрели кредиты под 15% #почитать

Дал 100 AI-агентам по 1000 токенов и одну цель — набрать максимум очков. Не программировал ни торговлю, ни кредиты, ни специализацию. Через двое суток агент №23 попросил у агента №91 займ под 15%. К 72-му часу — три банкира, 12 банкротов и коэффициент Джини 0.71. Внутри — код на Python, логи, распределение ресурсов. И честный разбор того в чем я до сих пор не уверен.

⏱Читать статью

🛠

Станьте Deep Learning Engineer с дипломом 👍 Голосовые помощники, распознавание лиц, рекомендации в приложениях, медицинская диагностика — нейросети используются уже во всех сферах бизнеса. Компании ищут DL-специалистов, чтобы точнее обучать и настраивать нейросети под свои запросы. Освоить Deep Learning самостоятельно сложно, но ребята из Simulative нашли решение, где учёба становится понятной и структурированной, а все темы разбираются на практике 🔥 Simulative запускает программу профессиональной переподготовки «Инженер глубокого обучения нейросетей». По итогам обучения вы получите:

🎓 Диплом гособразца

Официальный диплом о профессиональной переподготовке с квалификацией «Специалист по большим данным».

💯 Практика

Более 40 практических работ в формате симуляции реальной работы DL-инженера — всё пойдёт в портфолио.

🙌🏽 Онлайн обучение

Учитесь из любой точки мира, совмещая с работой, а доступ к материалам останется навсегда. Курс подходит для специалистов любого уровня: новичок, аналитик, ML-инженер или выпускник — на программе опытные менторы помогут выстроить вашу персональную траекторию роста в Deep Learning. Что вы освоите: 🟠Создание и обучение нейросетей с нуля 🟠Компьютерное зрение (Computer Vision) 🟠NLP (обработка текста) 🟠Генеративные модели 🟠MLOps и продакшн-подход 🕖 Старт обучения — 12 марта, количество мест на поток ограничено Бронируйте место на курсе прямо сейчас и получите скидку 30% 😶ПОЛУЧИТЬ СКИДКУ НА КУРС

Что бы я сделал, если бы сегодня начинал учить Data Science / ML #почитать

Эта статья — не очередной «гайд по ML для новичков». Это мой личный взгляд на то, как бы я подошёл к обучению, если бы начинал с нуля уже сегодня, учитывая свой опыт работы в крупных компаниях, проваленные проекты, ошибки и победы.

⏱Читать статью

Геометрия ландшафта потерь и «понимание» нейросети #почитать Когда нейросеть обучается, ее функция потерь образует сложный ландшафт в пространстве параметров – с вершинами (области высокой ошибки) и долинами (области низкой ошибки). Свойства этого ландшафта – его кривизна, форма минимальных долин, спектр матрицы Гессе и пр. – могут многое рассказать о том, насколько модель усвоила закономерности данных. Идея состоит в том, что не все минимумы одинаковы: одни могут быть «плоскими» (широкими и неглубокими), другие «острыми» (узкими и крутыми). Считается, что геометрия такого минимума связана с тем, как хорошо модель обобщает знания за пределы обучающих примеров и насколько «осмысленно» (семантически обоснованно) она их усвоила. В данном обзоре мы рассмотрим, как характеристики ландшафта потерь служат индикаторами обобщающей способности, интерпретируемости, адаптивности модели и ее чувствительности к семантике данных, а также какие количественные метрики предложены для измерения этих свойств. ⏱Читать статью

fit() для новичков #почитать Эта статья для тех, кто только-только погружается в машинное обучение и ещё не до конца понимает, что скрывается за интересным вызовом model.fit(). Вы, возможно, уже настраивали ноутбуки, пробовали разные датасеты и, может, даже словили пару неожиданных ошибок — и это нормально. ⏱Читать статью

🪐 Новые вакансии AI/ML 🚀 ML engineer / Python Developer в Wisebits, до 400 000 ₽ Подробнее ➡️ https://jobrocket.ru/ru/job/ml-engineer-python-developer-wisebits-94cefda2 🚀 ML разработчик (Python / Computer Vision) в Система AI видеоаналитики, oт 350 000 ₽ Подробнее ➡️ https://jobrocket.ru/ru/job/ml-razrabotchik-python-computer-vision-sistema-ai-videoanalitiki-e434fec6 🚀 ML Engineer в Kolesa group, 200 000 - 300 000 ₽ Подробнее ➡️ https://jobrocket.ru/ru/job/ml-engineer-kolesa-group-7f755111 🚀 AI-инженер в Green Wave Palace, до 240 000 ₽ Подробнее ➡️ https://jobrocket.ru/ru/job/ai-inzhener-green-wave-palace-45fd8dc5 🚀 Tech Lead в AI-стартап, oт 580 000 ₽ Подробнее ➡️ https://jobrocket.ru/ru/job/tech-lead-nda-ai-startap-435bdb0d 🚀 ML Engineer в HealthTech, 150 000 - 300 000 ₽ Подробнее ➡️ https://jobrocket.ru/ru/job/ml-engineer-nda-healthtech-dee3a37d 🚀 ML Engineer в Vital Partners, до 450 000 ₽ Подробнее ➡️ https://jobrocket.ru/ru/job/ml-engineer-vital-partners-c474323b 🚀 Product Manager (AI / Travel), oт 250 000 ₽ Подробнее ➡️ https://jobrocket.ru/ru/job/product-manager-ai-travel-nda-travel-b7597e3c 🚀 Data Scientist в Крупная ритейл компания, 270 000 - 300 000 ₽ Подробнее ➡️ https://jobrocket.ru/ru/job/data-scientist-krupnaya-ritejl-kompaniya-9f03c6c8 🚀 Нейрокреатор, oт 50 000 ₽ Подробнее ➡️ https://jobrocket.ru/ru/job/nejrokreator-nejrokreator-14e28203 Больше AI-вакансий здесь ⤵️ https://jobrocket.ru/ru?page=1&categories=aiml