Нескучный Data Science

Оффер на Senior Data Science роль за 1 неделю — реально? 🚀 Да. Авито запускает Fast Track — ускоренный отбор для Senior и Senior+ Data Science специалистов. Одна неделя на все технические этапы и финал → оффер в классифайд №1 в мире по количеству пользователей. 📅 Основные этапы — 20–26 июля. Регистрация по ссылке открыта до 15 июля, 23:59 МСК. Как проходит: 🟣 До 15 июля — заявка + HR-скрининг 🟣 До 24 июля — техническая секция (ML-теория + Python) 🟣 25 июля — ML System Design 🟣 26 июля — финал 🟣 До 28 июля — оффер Преимущества фаст-трека: 🟣 Быстрый отбор и совмещённые этапы 🟣 Все даты известны заранее 🟣 Возможность оценить свои скилы — результат закрепляется на год Кого ждут: 🟣 От 4 лет опыта в крупных российских и международных IT, BigTech и FinTech компаниях 🟣 Полный цикл разработки моделей — от ресёрча до выкатки в прод 🟣 От 1 года самостоятельного лидирования проекта, автономность и инициативность Команды на выбор: антифрод и модерация, монетизация и реклама, поиск и рекомендации, вертикальные DS-команды. ⏳ Регистрация — до 15 июля. Успей оставить заявку. Рекрутеры проведут тебя через все этапы за рекордно быстрые сроки!

🧠 Что интересного было в AI/DS за неделю Сделал обзор топ постов, которые сам прочитал за эту неделю. Буду выпускать такой обзор раз в неделю. На этой неделе лучше всего зацепили темы про AI-инструменты для разработки, роль AI-инженера, ML в реальном бизнесе и выход IT-продуктов на внешние рынки. 🛠 AI coding tools: контекст важнее красивой демки [1], [2] В обсуждении Cursor, Codex и Claude Code главная мысль такая: в длинных задачах решает не только модель, а то, как инструмент держит контекст, переживает сжатие истории и не теряет цель в автономной работе. Это хороший сдвиг в разговоре про AI coding. Уже недостаточно спросить “какая модель умнее”. Нужно смотреть, какая среда лучше помогает довести задачу до конца. 🧑‍💻 Хороший AI-инженер: не тот, кто просто сделал модель [1] Сильный тезис про роль AI-инженера: разработка моделей постепенно становится commodity. Готовых LLM, пайплайнов и туториалов уже много. Настоящая ценность всё чаще в другом: сформулировать гипотезу, выбрать метрики, поставить эксперимент, довести до деплоя и потом следить за качеством. Короче, хороший AI-инженер всё больше похож на владельца результата, а не на человека, который “прикрутил нейронку”. 🏢 ML в бизнесе ломается не только об accuracy [1] Отличный кейс про recommendation/search bias из корпоративной жизни. Самый интересный тип bias там не из учебника, а из реальности: “уважаемый человек попросил”. Даже хорошая модель может начать вредить продукту, если поверх неё начинают вручную проталкивать внутренние приоритеты. Это напоминание, что ML-система в бизнесе живёт не в вакууме. Ей нужны продуктовые границы, доверие пользователей и защита от организационного шума. 🌍 Российские IT-продукты всё активнее смотрят наружу [1], [2], [3] Заметная линия недели: как IT-проектам выходить за пределы локального рынка. Темы очень практичные: платежи, язык, поддержка, SEO, органический трафик, упаковка продукта. Общий вывод простой: иногда следующий рост даёт не новая фича, а способность продать уже работающий продукт на другом рынке. 💭 Мой вывод недели: AI-инструменты становятся мощнее, но выигрывает не тот, кто просто подключил модель. Выигрывает тот, кто умеет держать контекст, формулировать задачу, измерять эффект и доводить систему до результата. 🎯 Теперь хочу расширить список источников. Если читаете адекватные каналы про AI, DS, ML, разработку, продукты или IT-бизнес — скиньте их в комментарии.

Всем привет! 🌇 В эту субботу дата бранч! 📆 Когда: Суббота (27 июня) 🕖 Время: 12:00 📍Место: Mira Bistro (Тверская ул., 16, стр. 1) Вход со стороны м. Тверская/Пушкинская Бронь на имя Александр ODS Ставь 👍 если придешь ODS Moscow

❗️Айтишники испортили клиентский опыт курьера 🤔 Этот заказ во ВкусВилле оказался очень поучительным. 🖍 Первое: секрет успеха ВкусВилла прост — сделай довольными сотрудников, и они уже сделают довольными клиентов. 🖍 Второе: неважно, где именно проблема: в завистливом программисте, который зафродил интеграцию, в завистливом дата-сайентисте, который специально агрессивно отрезал хвосты распределения, или в завистливом дизайнере, который прикинулся, что знает, как выглядит белый цвет, но не знает, как выглядит Bugatti Chiron. Важно другое: один из них, а возможно, все сразу, испортили клиентский опыт и привели к потере клиента, который сам очень успешен в том, чтобы делать клиентов счастливыми, поэтому к такому отношению точно не привык. 🙏 Но, возможно, курьер читал мой предыдущий пост и простит их так же, как я простил таксиста. With great power comes great responsibility. 🙏А банк, надеюсь, читал комментарии к предыдущему посту и не будет списывать комиссию за возвращение реального изображения в приложении.

Как таксист пытался присвоить часы моей жены — и спалился на собственных данных ⌚️📊 Эта история произошла больше года назад. Дату я восстановил, найдя в канале пост о награждении Alfa Awards — после него всё и случилось. 🚕 Мы с женой возвращались домой на «Бизнесе» от Яндекса. Водитель встретил нас у машины и закрыл дверь — всё соответствовало тарифу. Во время поездки жена сняла Garmin. Вспомнили об этом только дома, когда перед сном понадобилось поставить будильник. 🔍 После двадцати минут поисков я проверил квартиру, подъезд, дорогу от машины до дома и даже заглянул под скамейку. Часов нигде не было. Оставался один вариант — такси. 📞 Я нашёл номер водителя, позвонил и включил режим сбора данных. Сначала он сказал, что часов не находил. Затем сообщил, что после нас у него было два заказа: в одном ехали двое пассажиров, в другом — девушка. Круг подозреваемых получался небольшим: водитель и трое пассажиров. 🧩 Я перезвонил и поделился этой мыслью: все поездки зафиксированы, поэтому полиции будет несложно восстановить события и понять, кто присвоил часы. И тут версии начали расходиться. Во втором разговоре изменилось количество пассажиров, а последовательность заказов стала другой. Либо человек плохо помнил события последних часов, либо сознательно менял показания. Мы ещё несколько раз связались с водителем, дособрали факты и повысили вероятность гипотезы о том, что он нас обманывает. В какой-то момент модель, видимо, стала очевидной не только для нас. Водитель сказал, что ещё раз поищет, а затем перезвонил: — Нашёл! Часы лежали в кармане сиденья. Видимо, вы сами их туда положили. 🚘 Через полчаса он приехал и вернул Garmin. Часы почему-то были выключены. Я включил их и увидел другой циферблат и новые настройки. В профиле были указаны дата рождения, пол, рост и вес нового владельца. То есть часы успели сбросить, настроить под другого человека и надеть на руку. И здесь история стала особенно интересной для человека, который занимается данными. ❤️‍🔥 Garmin записывал пульс, вариабельность сердечного ритма и уровень стресса. По данным можно было увидеть не только примерное время сброса настроек, но и всплески стресса во время наших звонков. Корреляция получилась выразительной. Без пароля от нового аккаунта выгрузить данные не удалось. Поэтому график на карточке — реконструкция событий, а не сохранённый экспорт из Garmin. Но главным разочарованием оказался даже не водитель. 💬 После первого обращения поддержка Яндекса фактически ответила: — Водитель сказал, что ничего не находил. Мы ничем не можем помочь. Когда часы вернулись и я рассказал, что их сбросили, настроили под другого человека и носили на руке, позиция почти не изменилась: — Хотите — обращайтесь в полицию. То есть сервис получил историю о попытке присвоить имущество стоимостью около тысячи долларов и не увидел повода разобраться. Никакой проверки водителя. Никакого внутреннего расследования. Отдельный апсет: всё это произошло в «Бизнесе». Выбирая этот тариф, рассчитываешь не только на дорогую машину и открытые двери, но и на другой уровень сервиса и ответственности. При этом я понимаю, насколько сложна работа таксиста: длинные смены, пробки, высокая нагрузка и постоянный стресс. Но это не оправдывает попытку присвоить чужую вещь. В полицию я не обратился. Надеюсь, для водителя эта история стала шансом остановиться и исправиться. Судя по уровню стресса во время наших разговоров, вечер и без полиции оказался для него поучительным. Хочется верить, что он воспринял произошедшее как урок, а не как сигнал о том, что подобное можно повторять без последствий. 💡 Практический вывод Используйте методы анализа данных не только в работе, но и в повседневной жизни. Когда мы строим модели, то собираем факты, сравниваем версии, проверяем гипотезы и восстанавливаем причинно-следственные связи. Практически как детективы 🕵️‍♂️📊 Иногда эти навыки помогают не только продавать кредиты, повышать конверсию и оптимизировать бизнес-процессы, но и проводить вполне реальные расслед

ODS Moscow × Нескучный Data Science: офлайн-бранч в эту субботу ☹️ Последний год посты в «Нескучном Data Science» выходили редко, а последний квартал канал и вовсе провёл в тишине. Всё это время я набирался нового практического опыта, и теперь у меня накопилось достаточно уникального контента, которым действительно хочется с вами поделиться. Впрочем, и старый контент я передал ещё далеко не весь — один незавершённый зарплатный опрос чего стоит 😅 Старые темы останутся, но теперь на некоторые из них я смогу взглянуть под совершенно неожиданным углом: практическое применение AI в бизнесе, подготовка бизнес-процессов к внедрению AI и построение data-driven культуры. 🤖 Отдельный фокус будет на том, как применять этот самый ИИ для себя лично, а не только на работе для других. Обязательно поговорим про ваши любимые игры в стиле @datarascals: как они устроены в data-направлениях и как влияют на работу команд и развитие проектов. Из неожиданного — расскажу, как и зачем совмещать психологию и AI. Мне понадобилось около полугода, чтобы найти в этом практическое зерно. Постараюсь помочь вам сэкономить это время. Кому уже не терпится, смогут получить часть спойлеров на живой встрече. Уже в эту субботу вместе с ODS Moscow собираемся на офлайн-бранч. 📆 Когда: суббота, 13 июня 🕛 Время: 12:00 📍 Место: МИРА бистро, Тверская ул., 16, стр. 1 Вход со стороны метро «Тверская» / «Пушкинская» Бронь на имя Александр ODS. Ставьте 👍, если планируете прийти. Буду рад увидеться!

Открыта регистрация на главную конференцию этой весны по технологиям ИИ и анализу данных — Data Fusion* 2026! 💙 Шестая ежегодная конференция Data Fusion пройдет 8–9 апреля в Москве в инновационном кластере «Ломоносов». 60+ актуальных сессий, докладов, примеров, дискуссий по теме анализа данных/ науки о данных/ машинного обучения. Среди тем – ИИ-агенты, «обучение с подкреплением», компьютерное зрение, обработка естественного языка, открытый исходный код, воплощенный ИИ и робототехника, рекомендательные системы, применение ИИ в кибербезопасности, ИИ+ естественные науки, AgentOps и многое другое! Всю программу ищите на сайте. Конференция объединит лидеров команд по машинному обучению, специалистов по обработке данных, молодых ученых, инженеров, аналитиков и руководителей, принимающих решения о внедрении технологий в бизнес и государственные сервисы. Среди спикеров конференции: Суржко Денис (ВТБ), Оселедец Иван (AIRI), Райгородский Андрей (МФТИ), Бурнаев Евгений (Сколтех,AIRI), Саркисов Тигран (Х5), Крайнов Александр (Яндекс), Зима Андрей (Ростелеком) и другие эксперты из науки и индустрии. Все мы любим конференции не только ради знаний, но и, конечно, ради живого общения и новых знакомств, а это важная часть Data Fusion! ➡ Не пропустите, регистрируйтесь. *Интеграция данных Информация о рекламодателе

Результаты карьерного опроса 🐌 На этой неделе исполнился год с запуска нашего карьерного опроса — время подвести итоги. За это время абсолютные значения, скорее всего, уже изменились. Но опрос проводился не ради них — актуальные вилки можно итак посмотреть в канале @not_boring_ds_jobs. Гораздо интереснее было разобраться глубже и попробовать ответить на следующие вопросы: 1. Как связан возраст и опыт с грейдом? Как он меняется в зависимости от отрасли? 2. Платят ли мужщинам больше, чем женщинам и получают они ли выше грейды? 3. Как образование влияет на карьеру? 4. Как хард скиллы влияют на доход? 5. Как отличается уровень дохода в регионах и Москве? 6. Как уровень дохода зависит от компании и сферы? 7. Как уровень дохода зависит от того, с какими данным работаешь? 8. Как долго задерживаются в одной компании в зависимости от грейда? 9. Как зависит число встреч от дохода и грейда? 10. Как меняется премиальная часть с ростом дохода? 11. Как переработки влиют на доход и скорость карьерного роста? правда ли что с ростом грейда нужно перерабатыать больше? 12. Как влияет тех бэкграунд вашего руководителя на удовлетворенность работой и доходом? 13. Какие факторы влияют на удовлетворенность работой? 14. Как влияет развитие ценных навыков на удовлетворенность? а как сюда примешивается уровень дохода? правда ли что можно доход в момент можно заменить развитием скиллов? 15. Как связаны удовлетворенность и уровень дохода с желанием сменить работу? 16. Сколько нужно доплатить в процентом соотношении чтобы перекупить дата сайнтиста? Какая этот процент зависит от удовлетворенности? 17. Кто готов терять в доходе при смене работы на более интересную? 18. Как связаны планы на смену работы с продолжительностью работы на текущем месте? 19. Как относятся к head of ds: Позитивно, негативно, конструктивно? 20. Как ** связана с уровнем дохода и удовлетворенностью? 21. Интересные но не стат значимые результаты по head of ds и выше Сегодня мы посмотрели на EDA и ответили на первый вопрос. 🔜 продолжение в следующих постах 🙏 @Aleksandr_Vav1 за аналитику

Как перестать залипать в социальных сетях? Многие знают, что фастфуд вреден, но не могут от него отказаться — дофаминовая зависимость сильнее, и вес продолжает расти. С социальными сетями всё то же самое. Только вместо лишних килограммов вы набираете потерянные часы. Полностью отказаться не получается — там друзья, общение, иногда действительно полезный контент. Да и мы живём в эпоху рекомендательных систем, а не бумажных газет. Но как настроить баланс? Можно прокачивать осознанность и включать «вторую систему» мышления по Даниэлю Канеману — более медленную и рациональную. Проблема в том, что соцсети чаще всего захватывают нас в момент усталости. Когда мы уже выгорели, не хотим думать и подменяем ими сон. Жертвуем долгосрочными целями ради короткого дофаминового укола. Тем самым временем, которое потом «не хватило» на спорт, книгу, проект или запуск собственной идеи. Что с этим делать? Нужно дать рекомендательной системе достаточное количество явного негативного фидбэка, который только возможен. Недостаточно нажать «не интересно». Нужно заблокировать аккаунт, который поставляет бесполезный, но залипательный контент. Из моего опыта — несколько десятков жёстких блокировок и жалоб существенно меняют ленту. Осталось собраться и применить два навыка: 1️⃣ Распознавать залипательный контент. 2️⃣ Найти силы его заблокировать. Лучше всего делать это утром, когда у вас есть ресурс и работает рациональная часть мозга. Поэтому рекомендация простая: 👉сделайте это прямо сейчас, пока вы проснулись и полны сил. Надеюсь, никто не залипает в «Нескучном Data Science».

Почему специалисту по ИИ нужно понимать, как работает мозг? 👼 В «Нескучном Data Science» стало тихо. Это не потому, что закончились идеи — закончилось свободное время с появлением долгосрочного R&D-проекта. У меня родился сын. Теперь я занимаюсь не только обучением искусственного интеллекта, но и обучением естественного. Если раньше я строил иссключительно ML-системы, которые оптимизируют бизнес-метрики, то теперь строю систему, которая учится держать голову, различать эмоции и смотреть на мир с интересом. 📙 Чтобы делать это не только «по наитию», взялся за книгу Мозг и его потребности автора — Вячеслав Дубынин. С Вячеславом мы раньше пересекались на двух воркшопах: я рассказывал бизнесу, как внедрять искусственный интеллект, он — как работает естественный интеллект. Как раз после них поя Чем мне была полезна книга? – Расширила понимание, как обучается человек и как на это влияет страх; – Подсказала как развивать любопытство у детей; – Восполнила часть пробелов по биологии школьной программы; – Позволила расширить представление о том с каким сложностями люди сталкиваются на различных этапах своей жизни; – Подарила кучу аналогий из животного мира, я стал их чаще видеть в поведении людей и использовать в принятии решений. Как бы нам это не нравилось, но у нас очень много общего с крысами, на которыхученые ставят эксперименты Но зачем это нужно дата сайентистам? 1️⃣ Ваши модели взаимодействуют не с абстрактными ID, а с людьми. Людьми, которые: переживают кризисы, становятся родителями, боятся перемен, ищут признание, хотят принадлежности. Понимание жизненных этапов и когнитивных паттернов позволяет генерировать лучшие признаки на основе имеющухся у вас поведенческих данных, глубже сегментировать аудиторию и строить более человечные взаимодействия. 2️⃣ Большие языковые модели учатся размышлять и принимать решения за счет анализа естесетвенного языка и анализа принятых решений естественным интеллектом. Неплохо бы разобраться в том, как учитель ИИ принимает решения. Если вы еще не вписались в R&D-проект, то рекомендую начать с теоретической базы 👇 ✈️ Дубынин о мозге 🧠 И да, буду по-тихоньку возвращаться, теперь с двумя направлениями исследований 🙂

30 ноября участвую как эксперт на карьерном митапе от self, сообщества для поддержки айтишников. Будет доклад от CEO self о том, как выжить на рынке труда в нынешних условиях. А я, вместе с остальными экспертами, буду в качестве ментора отвечать на вопросы участников о том, как строить карьеру. Можно спрашивать и про харды, про софты. И в целом задавать вопросы на любую карьерную тему. Помимо доклада и общения с менторами вас ждет организованный нетворкинг, где вы сможете познакомиться с интересными людьми. Время и место 🔴30 ноября, с 15:00 до 21:00 🔴Poklonka Place, корпус Е1 Поклонная ул. 3 Подробности и билеты на лендинге!

⚡️Всем привет! 28 ноября в 10:00 приходите на конференцию AI Driver & RecSys! На ней соберутся эксперты топовых российских IT-компаний (Сбер, T-банк, Яндекс, VK, MTS, Lamoda и др.) и вузов, чтобы обсудить будущее рекомендаций. Что ждёт участников: 🔘Обсудим актуальные тренды и развитие рекомендательных систем 🔘Новейшие исследования в области RecSys 🔘Практические кейсы 🔘Доклады про новые открытые рекомендательные датасеты 🔘 Живое общение с профессиональным сообществом ➡️Блок Индустриальные доклады и тренды в RecSys: Тренды RecSys 🔘Быстрый и надежный онлайн-инференс в проде: практические советы 🔘Эволюция similar-рекомендаций: как мы переосмыслили ленту похожих товаров 🔘Эволюция контентного трансформера для рекомендаций в E-com 🔘Доклад по статье SIGIR 2025 “SMMR: sampling-based MMR reranking for faster, more diverse and balanced recommendations and retrieval” 🔘Как мы улучшили музыкальные рекомендации с помощью многоруких бандитов ➡️Блок Рекомендации на последовательностях 🔘Доклад по статье ACM RecSys 2025 “Let it go? Not quite: addressing item cold start in sequential reccomendations with content-based initialization” 🔘Доклад по статье ACM RecSys 2025 “Correcting the LogQ correction: revisiting sampled softmax for large-scale retrieval” 🔘Доклад по статье ACM RecSys 2025 “Time to split: exploring data splitting strategies for offline evaluation of sequential reccomendations” 🔘eSASRec: улучшаем бейзлайн трансформенных рекомендаций ➡️Блок Эмбеддинги и векторные представления 🔘О том, как просто учитывать и немного сложнее изучать геометрию, в том числе в рекомендательных системах 🔘LM4ES: Обучение представлений пользователей из последовательностей событий с помощью LLM 🔘Быстрый инференс в графовых рекомендательных системах 🔘RecSys Challenge 2025: Обзор соревнования и наше решение ➡️Блок Open Source Датасеты 🔘Доклад о новом датасете “Yambda-5B – A large scale multi-modal dataset for ranking and retrieval” 🔘Доклад о новом датасете T-ECD (T-Tech E-commerce cross-domain dataset) 🔘Доклад о новом датасете VK-LSVD 🔘Доклад о датасете MBD 📆 28 ноября, 10:00 📍Сбер, Кутузовский пр-т, 32 ➡️Регистрация по ссылке

Мы опубликовали стабильный, быстрый, качественный и доступный синтез для 20 языков России и СНГ 0️⃣ Популярные языки из 🇷🇺🇺🇦🇺🇿🇰🇿🇦🇿🇹🇯🇧🇾🇬🇪🇰🇬🇦🇲; 1️⃣ Всего 20 языков России и стран СНГ, всего 95 голосов; 2️⃣ Модели компактные и быстрые, как наши прошлые релизы; 3️⃣ Поддержка SSML, генерация аудио с SR 8000, 24000, 48000; 4️⃣ Два типа моделей - base под лицензией MIT на наших данных и ext на данных сообщества; 5️⃣ Остались непокрытыми языки Дагестана и ЧР, если хотите помочь с добавлением этих языков пишите на @silero_job. ⭐️Репозиторий - github.com/snakers4/silero-models ⬆️Статья на Хабре - habr.com/ru/articles/968988/

Для многих разработчиков моменты, когда они пишут код не по работе, а для профессионального вызова, становятся ключевыми в их росте. Именно таким вызовом может стать Yandex Cup 2025 — чемпионат, где встречаются сильнейшие разработчики, и один из треков которого посвящён машинному обучению. Здесь реальные задачи, близкие к тому, с чем сталкиваются инженеры в продакшне: ограничения по ресурсам, шумные данные, необходимость найти баланс между скоростью и качеством.Участие — способ не просто проверить свои навыки, но и заявить о себе в профессиональном сообществе. Лучшие участники получают приглашения на упрощённый отбор в команды Яндекса. Финал пройдёт в Стамбуле, призовой фонд — 12 млн ₽. Регистрация заканчивается совсем скоро. Если вы чувствуете, что готовы выйти за пределы привычных задач — самое время. 💡 yandex.ru/cup/2025

Про корпоративные конфликты Жили-были два соседних и близких по функционалу департамента. Назовем их А и Б. Был у департаментов курирующий топ, назовем его «ПетрПетрович». В департаменте Б есть управления Ба и Бб И тут начальника департамента Б увольняют. Кем заменить? Три кандидата: ◦ Зам начальника департамента А ◦ Начальник управления Ба ◦ Начальник управления Бб Вы в камень-ножницы-бумага играли? 🙌 Вот также и эта троица — каждый против двух других и никто не может одержать верх. 🦢🦞🦈 (кэп: акула изображает щуку) В такой ситуации «ПетрПетрович» принимает решение нанять кого-то, кто вроде бы немного со всеми тремя по чуть-чуть работал и ни с кем не поругался 😅. Назовем нового руководителя Новорук. В итоге департамент Б «пропал с радаров» — амбициозных инициатив, которые бы дисраптили бизнес-модель или хотя бы были достойны обсуждения на борде — нет, зато со всеми смежниками мир 🕊 С этими словами Новорука и уволили спустя пару лет. Итого, случилась корпоративная классика: наняли за бесконфликтность — уволили за бесхребетность🤷‍♂️ PS: В личку пришло несколько знакомых из разных организаций с вопросом "не их ли конторы я описал?" -- значит, ситуация не такая уж и редкая

Привет! На связи команда МТС True Tech Talents. Мы запускаем набор на 4 поток Школы аналитиков данных🥚 Обучение проходит в онлайн-формате и длится 10 месяцев. Преподаватели — эксперты нашего центра Big Data. Вы научитесь писать на Python, прокачаетесь в математике, основах машинного обучения, ML Ops, Spark и прочих вещах, без которых не выйдет работать в Data Science. Также у студентов будет возможность попасть на стажировку в МТС Web Services. Обучение бесплатное, но места ограничены - чтобы попасть, необходимо подать заявку до 30 октября и выполнить вступительное задание. Старт обучения - 10 ноября! Регистрируйся по ссылке, ждём тебя!

Быстрее, умнее, точнее VK запустил RecSys Challenge — соревнование по разработке алгоритмов рекомендаций. Участникам предстоит решить одну из самых сложных проблем рекомендательных систем: предсказать, кому зайдёт ролик, который никто ещё не видел. В основе датасет VK-LSVD: 40 млрд взаимодействий 20 млн роликов Формат: Студенты, исследователи, ML-инженеры — welcome Призовой фонд — 2 500 000 рублей 💸 Читайте подробнее и регистрируйтесь до 15 декабря на сайте соревнования.

🚀 Data Driven 2025: четыре доклада, которые стоит посмотреть По мере распространения генеративного ИИ производить новые продукты становится всё проще и проще, но, как вы помните, малая часть ИИ-проектов заканчивается успехом. А всё почему? Потому что для производства качественного продукта нужно уметь оптимизировать правильные метрики — от бизнесовых, продуктовых и технических до модельных и клиентских. Рекомендую вам посмотреть доклады с конференции Data Driven 2025, чтобы прокачаться в этом направлении. Вот те, что особенно запомнились 👇 1️⃣ End-to-end качество Алисы как универсального AI-ассистента — как переосмыслить офлайн-оценку качества и внедрить гибридную разметку с помощью языковых моделей. 2️⃣ Рободоставка: аналитика как двигатель эффективности — разбор того, как аналитика помогает соединить технологии, операции и метрики в единую систему, влияющую на бизнес-результат. 3️⃣ Яндекс Поиск в Межнаре: масштабирование аналитики на новые рынки — опыт построения аналитики полного цикла для международных продуктов в условиях высокой неопределённости. 4️⃣ Датакаталог: инфраструктура или продукт? — история о том, как превратить инфраструктурный инструмент в полноценный продукт, который действительно помогает командам работать с данными. 📹 Смотреть на YouTube [часть 1, часть 2] 💬 Cмотреть на VK [часть 1, часть 2]

Farewell, Альфа-Банк ❤️ Настало время поговорить о личных стратегиях — теперь это гораздо проще, ведь вы уже немного лучше понимаете стратегию и культуру, на основе которых строилась Лаборатория. Я убеждён, что в профессиональном плане важно всегда находиться там, где твои сильные стороны используются на максимум. Как вы, наверное, уже поняли, настал момент и для меня двигаться к новым вызовам — о которых расскажу в следующих постах. А пока — время подвести итоги и искренне пожелать удачи Альфа-Банку. Начну с последнего. Альфа-Банк за последние 6 лет достиг весомых результатов, закрыл многие гэпы — и, как бывшему фанату Тинькофф, мне приходится это признавать даже в личных разговорах с близкими. Я искренне рад за Альфу и желаю не сбавлять оборотов. Мы прошли с Альфой долгий путь. За это время удалось многое изменить и заложить крепкий фундамент для будущих поколений. Лаборатория выросла — от одного дата-сайентиста до управления порядка сорока талантливых специалистов. Каждый появился не случайно: мы находили точки роста бизнеса, убеждали стейкхолдеров и успешно защищали ресурсы. Можно с уверенностью сказать, что все амбициозные и успешные внутренние проекты по применению нейронных сетей были придуманы внутри Лаборатории. Особенно приятно, что наши достижения отмечены пятью внутренними «Оскарами» — и каждый из них стал возможен благодаря нейронным сетям и нашей проактивной позиции. Сегодня Лаборатория машинного обучения — это бренд в сообществе дата-сайентистов, сопоставимый с Яндексом, Тинькофф и другими компаниями, куда стремятся попасть специалисты. Молодые таланты идут туда за культурой и ценностями, которые мы транслируем внутри и вовне.

И всё это получилось, потому что мы любой ценой отстаивали интересы Акционеров, Клиентов и Команды. Вот этим я по-настоящему буду гордиться.

Хочу сказать огромное спасибо каждому члену нашей команды — за ваш выбор и вклад. Ведь перед каждым из вас открыты двери практически любой компании. Отдельное спасибо маркетингу, рискам, финансам и всем, кто был с нами первопроходцем на пути внедрения прорывных решений. Закончу это блок следующим напоминанием:

Тяжёлые времена рождают сильных людей, сильные люди создают лёгкие времена. Лёгкие времена рождают слабых людей. Слабые люди создают тяжёлые времена.

Мой последний рабочий день в Альфе был чуть больше двух месяцев назад. 👉 Я уже освоился на новом месте, и начинаю активный найм в новую команду - налетайте на вакансию. P.S. Элементы стратегии и культуры на новом месте практически не изменятся 😉

Как связаны продуктовая, HR и PR стратегии? Стратегия отвечает на вопросы — что мы делаем и что не делаем. Если её элементы противоречат друг другу, стратегия, скорее всего, не работает: становится непонятно, как двигаться и к чему стремиться. В Лаборатории стратегия строилась на культурном базисе, поэтому все её элементы были взаимосвязаны. Посмотрим на это на примерах. Продукт ↔ HR 1. Когда вы нанимаете сильную команду, ориентированную на исследования и научный интерес, — фокус только на бизнес-вэлью приводит к внутреннему конфликту. 2. Если в команде не развиты софт-скиллы и навык презентации, то продвигать бизнес-задачи и «продавать» правильные решения становится затруднительно. 3. Когда вы нанимаете людей с сильными софтами, но без хардов, — использовать продвинутые методы моделирования не получится. 4. Если команда не видит личной выгоды и карьерного роста, бизнес-ориентация воспринимается формально и не закрепляется в поведении. 5. Быстрый карьерный рост в коммерческой компании возможен только тогда, когда продвинутые решения из теоретических рассуждений доезжают в прод. HR ↔ PR 1. Слабый HR-бренд ведёт к трудностям с наймом топ-команды, особенно если вы не можете конкурировать зарплатами. 2. Если профессиональное сообщество не уважает хард-скиллы вашей команды, то и сильный HR-бренд построить не выйдет. PR ↔ Продукт 1. Внутренние выступления теряют смысл, если команда не участвует в развитии продукта. 2. Курсы, конференции и другие активности вызывают интерес у аудитории лишь тогда, когда за ними стоят реальные выдающиеся достижения — научные или бизнесовые. Продукт ↔ HR ↔ PR С возрастом у специалистов становится меньше времени и энергии для прорывных проектов и публичных выступлений, тогда как у студентов и стажёров, стремящихся к карьере, эти ресурсы есть. Поэтому именно они становятся естественным драйвером развития продукта, бренда и культуры компании. 🔜 В следующий посте поговорим про личные стратегии