Machine Learning Podcast

В гостях руководитель службы интеллекта и проактивности Яндекс.Алисы - Олег Найдин, с которым мы обсудили то, как сегодня устроены голосовые ассистенты: из каких основных блоков они состоят, какие задачи приходится решать в рамках каждого блока, где брать датасеты для обучения, как сделать помощников по-настоящему персональными, кому приходится слушать все то, что происходит за кадром, когда колонка с Алисой случайно активируется и многое другое интересное! Ссылки выпуска: Доклад Олега в МФТИ для тех, кому мало информации в подкасте (https://youtu.be/1viuYo3BR98) Обзор automatic speech recognition (https://www.researchgate.net/publication/345710977_Automatic_speech_recognition_a_survey) Статья про то, как устроено взаимодействие spotter+asr в Google Assistant (https://static.googleusercontent.com/media/research.google.com/ru//pubs/archive/46554.pdf) Обзор понимания запроса на естественном языке (intent classification и slot filling) (https://www.researchgate.net/publication/348647816_A_survey_of_joint_intent_detection_and_slot-filling_models_in_natural_language_understanding) Обзор text to speech (https://www.researchgate.net/publication/353061423_A_Survey_on_Neural_Speech_Synthesis) За техническими новостями в Алисы можно следить в корпоративном блоге Яндекса (https://habr.com/ru/company/yandex/blog/) А за самой Алисой можно следить в ее инстаграме (https://www.instagram.com/alice.yndx/) Больше информации про стажировки в Яндексе (https://yandex.ru/yaintern/) Буду благодарен за обратную связь! Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :) Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist) Телеграм автора подкаста (https://t.me/kmsint) Со мной также можно связаться по электронной почте: [email protected] Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?) и Яндекс.Музыке (https://music.yandex.ru/album/9781458)А еще я сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике (https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов!Поблагодарить меня можно добрым словом и/или донатом (https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

Беседуем с техническим директором Яндекс.Дзена - Антоном Фроловым о том, как появились и развивались системы машинного перевода. Какие системы использовались раньше и какие применяются сейчас. Почему за последние годы так сильно выросло качество автоматических переводчиков и когда они уже, наконец, достигнут человеческого уровня. Поговорили о том, стоит ли идти специалистам по ML в машинный перевод, остались ли там интересные задачи и какие перспективные подходы еще предстоит опробовать. Ссылки выпуска: LinkedIn Антона (https://ru.linkedin.com/in/anton-frolov-15912047) Книга Statistical Machine Translation (https://www.amazon.com/Statistical-Machine-Translation-Philipp-Koehn/dp/0521874157) Книга Foundations of Statistical Natural Language Processing (https://www.amazon.com/gp/product/B08BT3T4M6/ref=dbs_a_def_rwt_bibl_vppi_i1) Статья на arxiv Neural Machine Translation by Jointly Learning to Align and Translate (https://arxiv.org/abs/1409.0473) Статья на arxiv Sequence to Sequence Learning with Neural Networks (https://arxiv.org/abs/1409.3215) Статья на arxiv Attention Is All You Need (https://arxiv.org/abs/1706.03762) Буду благодарен за обратную связь! Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :) Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist) Телеграм автора подкаста (https://t.me/kmsint) Со мной также можно связаться по электронной почте: [email protected] Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?) и Яндекс.Музыке (https://music.yandex.ru/album/9781458)А еще я сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике (https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов!Поблагодарить меня можно добрым словом и/или донатом (https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

В гостях Максим Купрашевич - руководитель команды машинного обучения в Layer, SberDevices. Максим рассказал о некоторых очень интересных применениях компьютерного зрения в решении как бизнес-задач, так и в общественно-значимых некоммерческих инициативах. Поговорили о том, как искусственный интеллект помогает распознавать интересные пользователю объекты в фильмах и на лету выдает по ним информацию, о том, как дата-сайентисты помогают в сохранении численности популяций вымирающих животных, о том, как стать хорошим уверенным специалистом в компьютерном зрении, о том, как не выгореть, решая задачи машинного обучения и многом другом! Ссылки выпуска: Снова курс Andrew Ng (https://www.coursera.org/learn/machine-learning) Groknet, общая информация в блоге (https://ai.facebook.com/blog/powered-by-ai-advancing-product-understanding-and-bu ilding-new-shopping-experiences/) Groknet, техническая статья (https://ai.facebook.com/research/publications/groknet-unified-computer-vision-model- trunk-and-embeddings-for-commerce/) FaceBook Максима (https://www.facebook.com/WildChlamydia) Сбердевайсы (https://sberdevices.ru/) Буду благодарен за обратную связь! Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :) Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist) Телеграм автора подкаста (https://t.me/kmsint) Со мной также можно связаться по электронной почте: [email protected] Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?) и Яндекс.Музыке (https://music.yandex.ru/album/9781458)А еще я сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике (https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов!Поблагодарить меня можно добрым словом и/или донатом (https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

Всегда полезно иметь доступ к сообществу профессионалов и любителей темы, которая входит в круг ваших интересов. Профессионалы и любители данных, машинного обучения, искусственного интеллекта и так далее в русскоязычном сегменте имеют крутейшее сообщество, известное как Open Data Science или ODS. В этом выпуске поговорили с Петром Ермаковым - основателем школы машинного обучения DataGym и Senior Data Scientist компании lamoda - о том, как появился ODS, как развивался, зачем туда вступать, как там себя вести и какую пользу можно извлечь из участия в сообществе. Также вы узнаете зачем анализировать профили ВКонтакте и PornHub, как заниматься Data Science если вокруг тебя только волки, как "отжать" у мэйла сайт крупного митапа и как понять, что ты деградируешь, анализируя данные с фитнес-браслетов. Ссылки выпуска: ODS (https://ods.ai/) Статья на Хабре "Уроки участия в хакатоне «Dota Science» в рамках «Data Fest 2»" (https://m.habr.com/ru/post/278785/) Школа машинного обучения DataGym (https://datagym.ru/) Телеграм-канал Петра (http://t.me/powerofdata) Буду благодарен за обратную связь! Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :) Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist) Телеграм автора подкаста (https://t.me/kmsint) Со мной также можно связаться по электронной почте: [email protected] Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?) и Яндекс.Музыке (https://music.yandex.ru/album/9781458) Music by Audionautix.comА еще я сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике (https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов!Поблагодарить меня можно добрым словом и/или донатом (https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

Давно уже хотелось сделать выпуск про рекомендательные системы и, вот, наконец-то выпала такая возможность. В гостях Виталий Моисеев - руководитель группы качества рекомендаций видео в Яндексе, с которым получился очень интересный диалог о том, как вообще работают автоматизированные рекомендации, скрываются ли за ними нейросети, что такое коллаборативная фильтрация, почему люди "залипают" в TikTok, почему у YouTube такие крутые рекомендательные алгоритмы и о том, делают нас такие системы счастливее или нет. Также ближе к концу выпуска Виталий рассказал о том, каких стажеров он ждет в свою команду и какими задачами им приходится заниматься. Ссылки выпуска: Сервис Яндекс.Толока (https://toloka.yandex.ru/) Дзен-митап: исследования и рекомендательные системы (https://youtu.be/4JhAiJ2W1i4) Телеграм-чат про дзен-митапы (https://t.me/zenmeetup) Крутая книга про рекомендации "Recommender Systems Handbook" (https://g.co/kgs/Gm7i5w) Статья на Хабре "Феерический финал конкурса Netflix" (https://habr.com/ru/post/65476/) Стажировки в Яндексе (https://yandex.ru/yaintern/) Виталий Моисеев в телеграме (@msvvitaly) Буду благодарен за обратную связь! Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :) Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist) Телеграм автора подкаста (https://t.me/kmsint) Со мной также можно связаться по электронной почте: [email protected] Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?) и Яндекс.Музыке (https://music.yandex.ru/album/9781458) Music by Audionautix.comА еще я сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике (https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов!Поблагодарить меня можно добрым словом и/или донатом (https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

Этот выпуск состоит из двух частей. Сначала Алина - руководитель бригады подбора стажеров по направлению машинного обучения - немного расскажет о том, как с помощью оплачиваемых стажировок можно получить свой первый опыт работы в ML, а потом я расскажу о том как связать теоретические знания о моделях машинного обучения с практикой их написания и использования на примере учебного датасета изображений рукописных цифр MNIST. Надеюсь, выпуск будет полезен тем, кто уже имеет небольшую теоретическую базу по тому как работает машинное обучение, но еще не очень понимает как от теории перейти к практике написания моделей. Ссылки выпуска: Стажировки в Яндексе (https://yandex.ru/yaintern/) Статья о том, как из пиарщиков девушка стала тестировщиком Яндекс.Станции (https://academy.yandex.ru/posts/byvshiy-piarschik-rasskazyvaet-kak-stat-testirovschikom-yandeks-stantsii) Выпуск подкаста про линейную регрессию (https://anchor.fm/kmsrus/episodes/016-ML-eo11mr/a-a45vl81) Плей-лист selfedu "Нейронные сети на Python. Уроки" (https://www.youtube.com/watch?v=nV7cI5zgOpk&list=PLA0M1Bcd0w8yv0XGiF1wjerjSZVSrYbjh) Мануал "TensorFlow, Keras and deep learning, without a PhD" (https://codelabs.developers.google.com/codelabs/cloud-tensorflow-mnist#0) Буду благодарен за обратную связь! Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :) Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist) Телеграм автора подкаста (https://t.me/kmsint) Со мной также можно связаться по электронной почте: [email protected] Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?) и Яндекс.Музыке https://music.yandex.ru/album/9781458 Music by Audionautix.comА еще я сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике (https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов!Поблагодарить меня можно добрым словом и/или донатом (https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

В этом выпуске Анатолий Карпов ex-аналитик ВКонтакте, mail.ru, сооснователь karpov.courses дает очень ценные советы для тех, кто хочет связать свою жизнь с аналитикой. Анатолий рассказывает про свой опыт и делится своим видением как сделать так, чтобы на собеседовании вас точно выделили из общей массы претендентов на позиции аналитиков. Поговорили про роль аналитика в компании и его пользу для бизнеса, про его место среди дата-сайентистов и какие вообще перспективы у этой профессии. Классная, на мой взгляд, получилась беседа! Ссылки выпуска: Школа Data Science karpov.courses (https://karpov.courses/) Чем отличаются data analyst, data engineer и data scientist - ролик на YouTube от Алексея Натекина (https://youtu.be/lDkTNURDIaY) Конференция Матемаркетинг на YouTube (https://www.youtube.com/c/%D0%9C%D0%B0%D1%82%D0%B5%D0%BC%D0%B0%D1%80%D0%BA%D0%B5%D1%82%D0%B8%D0%BD%D0%B3/videos) Статья на Хабре о моделировании данных в Авито - Vertica+Anchor Modeling = запусти рост своей грибницы (https://habr.com/ru/company/avito/blog/322510/) Курс Анатолия Карпова на Степике "Основы статистики" (https://stepik.org/course/76/info) Курс Анатолия Карпова на Степике "Основы статистики Часть 2" (https://stepik.org/course/524/info) Курс Анатолия Карпова на Степике "Основы статистики Часть 3" (https://stepik.org/course/2152/info) Курс "Математическая статистика" от Computer Science Center на Степике (https://stepik.org/course/326/info) Курс "Inferential Statistics" на Coursera (https://www.coursera.org/learn/inferential-statistics-intro) Experiment-fest (https://expf.ru/) Интервью Анатолия с Никитой Маршалкиным "Об A/B тестах без A/B тестов" на YouTube (https://youtu.be/NcDcxOqB52k) Курс "Программирование на Python" от Института Биоинформатики на Степике (https://stepik.org/course/67/info) Курс "Python. Основы и применение" от Института Биоинформатики на Степике (https://stepik.org/course/512/info) Курс Анатолия Карпова "Введение в Data Science и машинное обучение" на Степике (https://stepik.org/course/4852/info) Курс Анатолия Карпова "Анализ данных в R" на Степике (https://stepik.org/course/129/promo) Logs API Яндекс.Метрики и ClickHouse: что полезного можно получить из сырых данных - ролик на YouTube (https://www.youtube.com/watch?v=pOHqwTC--vQ) 2017ABTestingTutorial (https://exp-platform.com/2017abtestingtutorial/) Буду благодарен за обратную связь! Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast) Подписывайтесь на телеграм-канал (https://t.me/toBeAnMLspecialist) Телеграм автора подкаста (https://t.me/kmsint) [email protected]

В очередном выпуске беседа с Ольгой Перепелкиной Deep Learning Product Manager компании Intel. Для того, чтобы машинное обучение было эффективным - ему нужны данные и чем больше, тем лучше. Но чем быстрее развивается искусственный интеллект, тем жестче становятся законы о защите персональных данных. Проблема? Да, проблема. Но где есть проблема, там находятся и решения и федеративное обучение - одно из таких, позволяющих и приватность сохранить и модели обучить. Об этом, а также о подходах к распознаванию эмоций и карьерном пути в ML слушайте в выпуске! Ссылки выпуска: OpenFL - опенсорс библиотека для федеративного обучения (Federated Learning) (https://github.com/intel/openfl) Вакансия Deep Learning RnD Intern (Federated Learning) в Нижнем Новгороде, работа в компании Intel Corporation (https://nn.hh.ru/vacancy/41942809) Буду благодарен за обратную связь! Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :) Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast) Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist) Телеграм автора подкаста (https://t.me/kmsint) Со мной также можно связаться по электронной почте: [email protected] Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?) и Яндекс.Музыке https://music.yandex.ru/album/9781458

Сегодня в гостях Татьяна Шаврина - тимлид команды AGI NLP, главный эксперт по технологиям, SberDevices, аспирант НИУ ВШЭ и просто очень приятный и интересный собеседник. Обсудили то, как с течением времени менялись подходы к обработке естественного языка, какие оказались революционными для области, а какие были частью закономерного развития. Word2vec, Seq2seq, Transformer, GPT, BERT - если эти названия вам говорят мало, но вы хотите узнать больше - выпуск вам будет интересен. И даже если вы уже все это хорошо знаете, слушать Татьяну очень интересно! Ссылки выпуска: Методология тестирования моделей, основанная на тестах для сильного ИИ - https://russiansuperglue.com/ Книга "Введение в информационный поиск" Маннинг Кристофер д. - https://www.ozon.ru/product/vvedenie-v-informatsionnyy-poisk-168021950/?utm_source=google&utm_medium=cpc&utm_campaign=RF_Product_Shopping_Books_newclients_super&gclid=CjwKCAiA9vOABhBfEiwATCi7GOdEOcDm_r9sxEWggOaUhpGnDaflijxaYDEXAjIsGpCKD1pAubW2exoCrf8QAvD_BwE MIT course "Advanced Natural Language Processing" https://ocw.mit.edu/courses/electrical-engineering-and-computer-science/6-864-advanced-natural-language-processing-fall-2005/ Cambridge NLP course - https://www.cl.cam.ac.uk/teaching/1718/NLP/ Буду благодарен за обратную связь! Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :) Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast) Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist) Телеграм автора подкаста (https://t.me/kmsint) Со мной также можно связаться по электронной почте: [email protected] Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?) и Яндекс.Музыке https://music.yandex.ru/album/9781458

Победа AlphaGo над чемпионом мира по игре го Ли Седолем в 2016 году стала поистине знаковым событием в мире машинного обучения. Ведь большинство экспертов сходились во мнении, что до победы компьютера над человеком в го еще лет десять. Это первый выпуск, посвященный игре го, в котором я беседую с профессиональным преподавателем го Алексеем Нечаевым. Алексей рассказал про правила и философию игры, про то, почему компьютеры до 2016 года плохо играли в го и не могли составить конкуренцию игрокам-людям, про то, как повлияла на игру победа AlphaGo и про многое-многое другое. Ссылки выпуска: Фильм "AlphaGo" - https://youtu.be/WXuK6gekU1Y Фильм "AlphaGo" (русский перевод) - https://youtu.be/HqaYiMMUc44 Школа Го Алексея Нечаева ВКонтакте - https://vk.com/weiqi_school Сайт Алексея Нечаева - http://igo.mya5.ru/ YouTube-канал Алексея Нечаева - https://www.youtube.com/channel/UCopu-zXy2k9zMwTalWFEskQ Алексей Нечаев на твиче - https://www.twitch.tv/alone_go Книга "Го и восточная бизнес-стратегия" - https://nikoraido.ru/files/Miura-YAsuyuki-Go-i-vostochnaya-biznes-strategiya.pdf Российская федерация го - https://gofederation.ru/ Статья в Википедии про го - https://ru.wikipedia.org/wiki/%D0%93%D0%BE Хикару и го - https://www.youtube.com/watch?v=oTIrluqSac4&list=PLj-9n6opiLUFZLXpRyWQP4k80EQAjViMl KGS Go Server - http://www.gokgs.com/ Online Go Server - https://online-go.com/ Буду благодарен за обратную связь! Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :) Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast) Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist) Телеграм автора подкаста (https://t.me/kmsint) Со мной также можно связаться по электронной почте: [email protected] Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?)

Сегодня выпуск необычный. В подкасте о машинном обучении выпуск без машинного обучения. Зато с личными историями и моим личным опытом на пути приобретения важного инструмента современного мира - английского языка. Его значимость для изучения машинного обучения очень сложно переоценить и я расскажу какие походы для меня сработали, какие практически нет. Как прокачать чтение и восприятие на слух, чтобы, не напрягаясь потреблять качественный контент на английском языке, которого на порядок больше, чем на русском. Классные книги, подкасты, обучающие видео, курсы - все это лежит и просто ждет, когда вы придете и возьмете. Также расскажу в выпуске о планах на ближайший год! Спасибо, что остаетесь со мной! Ссылки выпуска: Книга "The Immortalists" на amazon - https://www.amazon.com/Immortalists-Charles-Lindbergh-Alexis-Forever/dp/0060528168 Проект Эйлера с математическими задачами на программирование - https://projecteuler.net/ Перевод задач Проекта Эйлера - https://euler.jakumo.org/ Выпуск Полиглота с таблицей простых времен английского языка - https://youtu.be/LrhyihlqB-U Приложение Duo Lingo для прокачки английского - https://ru.duolingo.com/ Приложение Quizlet для набора лексики с помощью карточек - https://quizlet.com/ru Приложение Luke's ENGLISH Podcast для осознанного аудирования - https://teacherluke.co.uk/ Lex Fridman Podcast - https://lexfridman.com/podcast/ Буду благодарен за обратную связь! Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :) Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast) Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist) Телеграм автора подкаста (https://t.me/kmsint) Со мной также можно связаться по электронной почте: [email protected] Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?)

Продолжаем рисование дорожной карты погружения в машинное обучение, начатое в прошлом выпуске, вместе с кандидатом физико-математических наук, профессиональным преподавателем машинного обучения кафедры системного анализа и информационных технологий института ВМиИТ Казанского Федерального Университета, Евгением Разинковым. На мой взгляд, ценность того, что рассказывает Евгений обусловлена также и тем, что он не просто преподаватель-теоретик, он еще и востребованный действующий специалист в индустрии. Евгений руководит отделом машинного обучения и компьютерного зрения Группы компаний FIX, а также является директором по науке в компании Pr3vision Technologies Inc. В выпуске Евгений рассказал какие есть направления в машинном обучении и в какой последовательности имеет смысл их изучать, поделился своим видением какая математика нужна в изучении ML, почему недооценено обучение с подкреплением и есть ли перспективы у GANов. А также детально обосновал свой выбор между TenzorFlow и PyTorch. Было интересно и полезно! Предыдущие выпуски подкаста с Евгением Разинковым: 1. #007 ML Евгений Разинков. Управление коммерческой разработкой в ML - https://anchor.fm/kmsrus/episodes/007-ML--------ML-ekd6bu 2. #018 ML Евгений Разинков. Дорожная карта погружения в машинное обучение ч.1 - https://anchor.fm/kmsrus/episodes/018-ML-----------1-eoftu6 Напоминаю, что Евгений ведет свой YouTube-канал, на котором можно найти отличные лекции по машинному обучению (http://video.razinkov.ai/), телеграм-канал с анонсами лекций, видео, материалами по AI (https://t.me/razinkov_ai), паблик в ВК (http://vk.com/razinkov_ai), а также веб-сайт, на котором можно найти интересующую информацию о Евгении и его деятельности (http://razinkov.ai/) Буду благодарен за обратную связь! Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :) Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast) Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist) Телеграм автора подкаста (https://t.me/kmsint) Со мной также можно связаться по электронной почте: [email protected] Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?) Music by Audionautix.com

Когда как не в новогодние праздники ставить цели на год? В этом и следующем выпусках мы решили с Евгением Разинковым нарисовать дорожную карту изучения машинного обучения, тем более, что Евгений профессиональный преподаватель машинного обучения кафедры системного анализа и информационных технологий института ВМиИТ Казанского Федерального Университета, да еще и в индустрии работает, являясь руководителем отдела машинного обучения и компьютерного зрения Группы компаний FIX, а также директором по науке компании Pr3vision Technologies Inc. Евгений очень подробно рассказал кому и зачем стоило бы изучать машинное обучение, какие для этого нужны входные навыки и на чем сосредоточить внимание при подготовке к затяжному прыжку в интересный и увлекательный мир искусственного интеллекта. А также о том, как изучить английский, играя в настольные игры. Ссылки выпуска: Предыдущий выпуск подкаста с Евгением Разинковым - https://anchor.fm/kmsrus/episodes/007-ML--------ML-ekd6bu Напоминаю, что Евгений ведет свой YouTube-канал, на котором можно найти отличные лекции по машинному обучению (http://video.razinkov.ai/), телеграм-канал с анонсами лекций, видео, материалами по AI (https://t.me/razinkov_ai), паблик в ВК (http://vk.com/razinkov_ai), а также веб-сайт, на котором можно найти интересующую информацию о Евгении и его деятельности (http://razinkov.ai/) Буду благодарен за обратную связь! Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :) Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast) Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist) Телеграм автора подкаста (https://t.me/kmsint) Со мной также можно связаться по электронной почте: [email protected] Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?) Music by Audionautix.com

В гостях ведущая подкаста о мозге и нейронауках "Нейрочай", специалист по машинному обучению в области NLP, ученая в области нейронаук, Виктория Земляк. Получился очень насыщенный и интересный выпуск, в котором мы обсудили применение машинного обучения в научных исследованиях, айтрекинг (отслеживание взгляда), психолингвистику, ложную слепоту (явление и книгу), различия в связности английских и русских текстов у больных шизофренией, подкастинг, статью Франсуа Шолле про концептуальный подход к созданию сильного ИИ, интеллект воронов и даже нейроинтерфейсы. Однозначно было не скучно! Ссылки выпуска: Подкаст "Нейрочай" - https://anchor.fm/neurotea Телеграм-канал подкаста "Нейрочай" - https://t.me/neurotea Паблик подкаста "Нейрочай" в ВК - https://vk.com/neurotea Мои любимые выпуски подкаста "Нейрочай": 1. Как компьютер понимает речь? (Иван Ямщиков) #14 - https://anchor.fm/neurotea/episodes/14-eabs5f/a-a1bi28p 2. Атака ботов и технооптимизм (Иван Ямщиков) #15 - https://anchor.fm/neurotea/episodes/15-ean6np/a-a1e3iei 3. Как мы помним и забываем (Полина Кривых) #11 - https://anchor.fm/neurotea/episodes/11-e9a1t9/a-a13jocj Выпуск подкаста "Сельхозка" про искусственный интеллект в сельском хозяйстве - https://anchor.fm/selhozka/episodes/005-enpehl/a-a44cnoa Перевод статьи Франсуа Шолле "Как оценивать интеллект? Подход Google" - https://habr.com/ru/company/sberbank/blog/493952/ Оригинал статьи Франсуа Шолле на Архиве - https://arxiv.org/abs/1911.01547 Статья на Хабре "Почему меня разочаровали результаты Kaggle ARC Challenge" - https://habr.com/ru/company/sberbank/blog/507852/ ARC Challenge на Kaggle - https://www.kaggle.com/c/abstraction-and-reasoning-challenge/overview/code-requirements Статья про интеллект у воронов - https://science.sciencemag.org/content/369/6511/1626 Подкаст "Терминальное чтиво" - https://ru.player.fm/series/2395016 Курс по Reinforcement Learning - https://www.coursera.org/specializations/reinforcement-learning Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :) Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast) Подписывайтесь на телеграм-канал (https://t.me/toBeAnMLspecialist) Телеграм автора подкаста (https://t.me/kmsint) Со мной также можно связаться по электронной почте: [email protected] Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?)

С этого метода машинного обучения стоило бы начать сразу, ведь линейная регрессия - это своего рода "Hello world" машинного обучения. В выпуске я рассказываю про разные подходы к описанию данных (интерполяция, аппроксимация и регрессия) и подробно останавливаюсь на линейной регрессии - как самом простом и наглядном методе обучения с учителем. Также про функцию потерь - среднеквадратичную ошибку, наиболее часто используемую в линейной регрессии, про градиентный спуск в рамках линейной регрессии и про место линейной регрессии среди методов машинного обучения. Казалось бы, причем здесь Марк Твен? Полезного вам прослушивания! Ссылки выпуска: Курс Andrew Ng на coursera (про линейную регрессию, функцию потерь и градиентный спуск - первая неделя курса) - https://www.coursera.org/learn/machine-learning Выпуск подкаста #003 ML Методы машинного обучения - https://anchor.fm/kmsrus/episodes/003-ML-eb2mei Выпуск подкаста #006 ML Основы нейросетей ч.1 - https://anchor.fm/kmsrus/episodes/006-ML----1-ejthqa Выпуск подкаста #015 ML Основы нейросетей ч.2 Градиентный спуск - https://anchor.fm/kmsrus/episodes/015-ML----2-enljpl Буду благодарен за обратную связь! Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :) Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast) Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist) Телеграм автора подкаста (https://t.me/kmsint) Со мной также можно связаться по электронной почте: [email protected] Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?) Music by Audionautix.com

Продолжаем разговор об основах нейросетей. В этот раз я рассказываю как сеть из простых нейронов может решать сложные задачи. О том, какая математика за всем этим стоит, как строятся сложные многомерные разделяющие поверхности, как обучаются нейросети, что такое градиентный спуск и функция ошибки. Немного затронул темы переобучения и визуализации того, что у нейросетей происходит внутри. Ссылки выпуска: Выпуск "Основы нейросетей ч.1", на котором основывается данный - https://anchor.fm/kmsrus/episodes/006-ML----1-ejthqa YouTube канал 3Blue1Brown - https://www.youtube.com/channel/UCYO_jab_esuFRV4b17AJtAw 3Blue1Brown на русском - https://www.youtube.com/channel/UCCbgOIWdmYncvYMbl3LjvBQ Нейронные сети на Python на канале selfedu - https://www.youtube.com/watch?v=nV7cI5zgOpk&list=PLA0M1Bcd0w8yv0XGiF1wjerjSZVSrYbjh Отдельно благодарю за помощь в подготовке выпуска Николая Иванова - гостя 5-го выпуска подкаста за факт-чекинг и разъяснение некоторых нюансов Выпуск с Николаем Ивановым - https://anchor.fm/kmsrus/episodes/005-ML----NLP--GPT-3--Replika-eiibus Facebook Николая - https://www.facebook.com/nickolas.ivanov Буду благодарен за обратную связь! Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :) Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast) Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist) Телеграм автора подкаста (https://t.me/kmsint) Со мной также можно связаться по электронной почте: [email protected] Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?)

Гостья сегодняшнего выпуска - Анастасия Никулина - Senior Data Scientist Росбанка. Поговорили про путь дата-сайентиста - от джуниора до синьора - какие требования к специалисту предъявляет бизнес, какие знания нужны, какие социальные навыки, какое имеет смысл получать образование. Нужна ли математика и английский. Чего ждать от этих позиций в плане заработной платы и ответственности. Также не обошли стороной и тему - как в дата сайнс живется девушкам. Было интересно! Ссылки выпуска: Настя в Linkedin: https://www.linkedin.com/in/anastasia-nikulina-7b274668/ Ютуб-канал Насти: https://www.youtube.com/c/miracl6 Топ 3-видео на канале Насти: Матан для Data Science https://youtu.be/EHVmseAhkx0 Линал для Data Science https://youtu.be/cGxK2-_0x40 Резюме IT-специалиста https://youtu.be/-ymFHZumoko Книга "Python и машинное обучение" Себастьян Рашка: https://pythonworld.ru/bookshop/60.html Буду благодарен за обратную связь! Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :) Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast) Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist) Телеграм автора подкаста (https://t.me/kmsint) Со мной также можно связаться по электронной почте: [email protected] Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?) Music by Audionautix.com

Очередной выпуск подкаста посвящен смене карьеры. В гостях бывший специалист по контекстной рекламе, маркетолог, сооснователь рекламного агентства и сертифицированный тренер по рекламным продуктам Google, а теперь - инженер по машинному обучению, который заканчивает MADE, Алексей Ярошенко. Мы поговорили о том, что заставляет человека менять одну успешную карьеру, на другую, успех в которой не гарантирован, от том как не поступить в ШАД, но поступить в MADE и как там потом учиться. Как совмещать учебу с работой и семьей с маленьким ребенком и где взять на все это время. Алексей заканчивает MADE и ему есть чем поделиться. Встречайте! Ссылки выпуска: FaceBook Алексея (https://www.facebook.com/alexey.yaroshenko) Telegram Алексея (https://t.me/yaroshenko) Блог Алексея, на котором можно найти интересные статьи, в том числе и про поступление/обучение в MADE (https://yaroshenko.by) Академия Больших Данных MADE (https://data.mail.ru/) Курс "Специализация Машинное обучение и анализ данных" (https://www.coursera.org/specializations/machine-learning-data-analysis) Буду благодарен за обратную связь! Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :) Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast) Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist) Телеграм автора подкаста (https://t.me/kmsint) Со мной также можно связаться по электронной почте: [email protected] Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?) Music by Audionautix.com

Гость выпуска - Юрий Яровиков - исследователь Лаборатории искусственного интеллекта Сбера, руководитель Школы глубокого обучения. Поговорили о том, как поступить в Школу Анализа Данных Яндекса, чтобы потом было стыдно (спойлер: надо заниматься олимпиадной математикой), как уйти из Huawei в Сбер, чтобы заниматься Искусственным Интеллектом общего назначения, как отобрать лучших школьников для ФизТеха через Школу глубокого обучения и как и, главное, зачем оставаться жить и работать в России. Приятного прослушивания! Ссылки выпуска: Школа Глубокого Обучения (DLS) (https://www.dlschool.org/) Сообщество в ВК, посвященное Школе Глубокого Обучения (https://vk.com/dlschool_mipt) Физтех-школа прикладной математики и информатики (https://mipt.ru/education/departments/fpmi/) Буду благодарен за обратную связь! Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :) Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast) Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist) Телеграм автора подкаста (https://t.me/kmsint) Со мной также можно связаться по электронной почте: [email protected] Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?) Music by Audionautix.com

И снова интереснейший собеседник в эфире подкаста, посвященного машинному обучению! Юрий Окуловский - Senior Data Scientist в Берлине, кандидат физико-математических наук, ранее руководитель лаборатории искусственного интеллекта и робототехники УрФУ и автор нескольких видеокурсов. Поговорили с Юрием про то как алгоритмы постепенно отбирают работу у стилистов, подбирая людям костюмы и аксессуары, про не совсем радужные перспективы человеческого интеллекта, про то захочет ли ИИ осваивать космос и колонизировать экзопланеты, про неизбежность технологической сингулярности и о том, можно ли и нужно ли к ней готовиться. Как всегда - лайк, репост, подписка :) Ссылки выпуска: Телеграм-канал Юрия "Свидетели сингулярности" (https://t.me/witnessesofsingularity) Курс по научному мышлению на Степике (https://stepik.org/course/578/syllabus) Курсы по программированию (Юрия и не только) (https://ulearn.me/) Курсы "Специализация Машинное обучение и анализ данных" (https://www.coursera.org/specializations/machine-learning-data-analysis) Статьи Юрия на Медиуме (https://witness-of-singularity.medium.com/) Буду благодарен за обратную связь! Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :) Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast) Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist) Телеграм автора подкаста (https://t.me/kmsint) Со мной также можно связаться по электронной почте: [email protected] Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?) Music by Audionautix.com

В 10-м, юбилейном, выпуске подкаста общаемся с Андреем Клименко (Красный Дошик) - автором телеграм-канала Neural Shit. Нейроновости от нейромедузы, нейростатьи нейроуголовного кодекса, нейрогороскопы, нейросимпсонов, нейроволков и весь остальной зоопарк нейромемов обсуждаем с Андреем. Интересно и местами весело! Ссылки выпуска: Телеграм-канал Андрея Neural Shit (https://t.me/NeuralShit) Твиттер с нейроновостями Neural Meduza (https://twitter.com/neural_meduza) Инстаграм neural_tp (https://www.instagram.com/neural_tp/?hl=ru) Клип Neuralklaani -- Vodka (https://youtu.be/fMDIT6lykpQ) Буду благодарен за обратную связь! Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :) Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast) Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist) Телеграм автора подкаста (https://t.me/kmsint) Со мной также можно связаться по электронной почте: [email protected]

В этом выпуске общаемся с Сергеем Марковым - специалистом по машинному обучению - Управляющим директором, начальником Управления экспериментальных систем машинного обучения, департамента SberDevices, Сбербанка. Команда Сергея не так давно выложила в открытый доступ языковую модель GPT-3, обученную на русском языке, что стало громким событием среди специалистов, интересующихся и сочувствующих из области искусственного интеллекта. Помимо обсуждения ruGPT-3, мы поговорили про применение машинного обучения в банковской сфере - роботов-помощников и роботов-коллекторов, про перспективы доступа к GPT-3 всех желающих, про то скоро ли наступит очередная "зима искусственного интеллекта", про закон Мура и почему он все еще работает, и многое другое интересное! Ссылки выпуска: Статья на Хабре "Сбер выложил русскоязычную модель GPT-3 Large с 760 миллионами параметров в открытый доступ" (https://habr.com/ru/company/sberbank/blog/524522/) Сергей Марков - специалист по ИИ (https://markoff.science/?fbclid=IwAR0g-yMzuHrOs_XgG5N8wKiBmJcGSbB3xp2Zti_gUAFXux1jbuQ3viWMHw8) Профиль Сергея в FB (https://www.facebook.com/sergei.markoff/) Научно-популярный проект Сергея и его друзей 22century.ru (https://22century.ru/) Блог подразделения SberDevices на Хабре (https://habr.com/ru/company/sberdevices/) Буду благодарен за обратную связь! Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :) Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast) Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist) Телеграм автора подкаста (https://t.me/kmsint) Со мной также можно связаться по электронной почте: [email protected] Music by Audionautix.com

В гостях Григорий Сапунов - кандидат технических наук, CTO компании Intento, а в прошлом - руководитель команды разработки Яндекс-новостей. Обсудили с Григорием возможные направления, из которых может (или не может) возникнуть искусственный интеллект общего назначения. Поговорили про эволюционный подход, про развитие капсульных сетей, авто-ML, проблемы софта и железа в современном машинном обучении. Получилось насыщенно и интересно! Ссылки выпуска: Компания intento, в которой Григорий является со-основателем и техническим директором (https://inten.to/) Сайт компании Numenta, занимающейся машинным интеллектом (https://numenta.com/) Небольшая статья на Хабре про капсульные нейронные сети Хинтона (https://habr.com/ru/post/417223/) Статья "The Hardware Lottery", рекомендованная Григорием к прочтению (https://arxiv.org/pdf/2009.06489.pdf) Группа CyberBiology, посвященная эволюционным вычислениям (https://vk.com/cyberbiology) Канал Григория в телеграме "gonzo-обзоры ML статей" (https://t.me/gonzo_ML) Буду благодарен за обратную связь! Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :) Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast) Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist) Телеграм автора подкаста (https://t.me/kmsint) Со мной также можно связаться по электронной почте: [email protected] Music by Audionautix.com

В этом выпуске в гостях у меня Евгений Разинков - кандидат физико-математических наук, руководитель отдела машинного обучения и компьютерного зрения Группы компаний FIX, директор по науке компании Pr3vision Technologies Inc., старший преподаватель кафедры системного анализа и информационных технологий института ВМиИТ Казанского Федерального Университета. Поговорили про управление командой в коммерческой разработке, обсудили этапы разработки в области машинного обучения, плюсы и минусы профессии дата-сайентиста, перспективы машинного обучения и проблемы, которые сулят нам корпорации, занимающиеся исследованиями и разработками в области машинного обучения и многое другое интересное! Ссылки выпуска: Курс Стэнфордского университета по сверточным нейронным сетям и распознаванию образов cs231n (http://cs231n.stanford.edu/) Курс Стэнфордского университета по обучению с подкреплением cs234 (http://web.stanford.edu/class/cs234/index.html) Евгений ведет свой YouTube-канал, на котором можно найти отличные лекции по машинному обучению (http://video.razinkov.ai/), телеграм-канал с анонсами лекций, видео, материалами по AI (https://t.me/razinkov_ai), паблик в ВК (http://vk.com/razinkov_ai), а также веб-сайт, на котором можно найти интересующую информацию о Евгении и его деятельности (http://razinkov.ai/) Буду благодарен за обратную связь! Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :) Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast) Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist) Телеграм автора подкаста (https://t.me/kmsint) Со мной также можно связаться по электронной почте: [email protected] Music by Audionautix.com

В 6-м выпуске рассказываю о том, как устроен отдельный нейрон - основной строительный кирпичик нейросетей. Какие задачи он решать может, а какие не может. О том, почему именно нейросети сейчас испытывают такой подъем, среди методов машинного обучения. Как простейший нейрон может выступать в роли логических гейтов и можно ли собрать компьютер полностью на нейросетевой архитектуре. Приятного прослушивания! Ссылки выпуска: Статья на Хабре "7 лет хайпа нейросетей в графиках и вдохновляющие перспективы Deep Learning 2020-х" (https://habr.com/ru/articles/481844/) Статья "Нейронные сети. Основы" с хорошими иллюстрациями (http://synset.com/ai/ru/nn/NeuralNet_01_Intro.html) Отзыв на книгу Петцольда "Код. Тайный язык информатики" на Хабре (https://habr.com/ru/post/68365/) Курс на Coursera "From NAND to Tetris" (https://www.coursera.org/learn/build-a-computer/home/welcome) Буду благодарен за обратную связь! Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, ну, и вообще в какую сторону катить этот подкаст :) Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast) Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist) Телеграм автора подкаста (https://t.me/kmsint) Со мной также можно связаться по электронной почте: [email protected]А еще я сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике (https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов!Выразить благодарность можно добрым словом и/или донатом (https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/) Music by Audionautix.com

В 5-м выпуске я общался со специалистом в области NLP (Natural Language Processing) Николаем Ивановым. Николай рассказал про то, как устроена обработка естественного языка, чем хороши модели GPT от OpenAI и как GPT-3 ведет себя в проекте Replika - виртуальном друге довольно хорошего качества. Отдельного внимания заслуживает история появления проекта Replika, от которой у меня появилось ощущение, что именно с нее вдохновлялись авторы одной из серий "Черного зеркала". Приятного прослушивания! Ссылки выпуска: Выпуск подкаста "Подлодка" - интервью с коллегой Николая (https://podlodka.io/176) Как работает GPT-3 (на английском) (https://jalammar.github.io/how-gpt3-works-visualizations-animations/) Виртуальный друг - Replika (https://replika.ai/) Тот самый курс от Andrew Ng (https://www.coursera.org/learn/machine-learning) Буду благодарен за обратную связь! Оставляйте ваши комментарии. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, ну, и вообще в какую сторону катить этот подкаст :) Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast) Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist) Со мной можно связаться по электронной почте: [email protected]

Это 4-й выпуск подкаста, посвященного машинному обучению. И в этот раз я записывался не один, а с Иваном Ямщиковым - специалистом, в отличие от меня, по машинному обучению, реализовавшим многие интересные проекты в этой области и продолжающим развивать эту область. Иван работал аналитиком в Яндексе, занимается наукой в области NLP (Natural Language Processing) и является евангелистом компании Abbey. В подкасте мы сначала немного поговорили на отвлеченные темы: про роботов, продление жизни и трансгуманизм, а потом Иван довольно подробно и простым языком рассказал про нейросети и про отдельный их класс - автоэнкодеры. По мне, выпуск получился интересным! Ссылки выпуска: Послушать Нейронную оборону (https://music.yandex.ru/artist/4445922) Открытие YaC 2017, на которой оркестр исполнял музыку в стиле Скрябина, сгенерированную нейросетью (https://youtu.be/5bfI3bhiRa4) Книги, рекомендованные Иваном: 1. Глубокое обучение. Погружение в мир нейронных сетей (Николенко, Кадурин, Архангельская) 2. Глубокое обучение на Python (Ф.Шолле) 3. Глубокое обучение (Ян Гудфеллоу, Бенджио Иошуа) https://towardsdatascience.com/ - блог с большим количеством примеров и туториалов Курс "Введение в машинное обучение" от ВШЭ и Яндекса (https://ru.coursera.org/learn/vvedenie-mashinnoe-obuchenie) Курс "Специализация Машинное обучение и анализ данных" (https://ru.coursera.org/specializations/machine-learning-data-analysis) Статья на медиуме про лучшие бесплатные курсы по машинному обучению (https://medium.com/nuances-of-programming/%D1%82%D0%BE%D0%BF-10-%D0%BA%D1%83%D1%80%D1%81%D0%BE%D0%B2-%D0%BF%D0%BE-%D0%BC%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%BC%D1%83-%D0%B8-%D0%B3%D0%BB%D1%83%D0%B1%D0%BE%D0%BA%D0%BE%D0%BC%D1%83-%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D1%8E-%D0%B2-2020-1e1d870a24b7) Курс fast.ai (https://www.fast.ai/) Буду благодарен за обратную связь! Оставляйте ваши комментарии. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, ну, и вообще в какую сторону катить этот подкаст :) Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)А еще я сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике (https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов!Выразить благодарность можно добрым словом и/или донатом (https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)Со мной можно связаться по электронной почте: [email protected]

В 3-м выпуске подкаста мы поговорим об основных методах машинного обучения. Если вы только начинаете свой путь в этой интереснейшей области искусственного интеллекта, выпуск может показаться вам несколько перегруженным новой терминологией, но не стоит этого пугаться. Чем чаще вы будете встречаться с новыми терминами, тем быстрее они станут понятными и привычными. И вы с легкостью начнете отличать классификацию и регрессию, будете понимать сильные и слабые стороны машины опорных векторов, деревьев решений, нейросетей и других страшных слов :) Интересного вам прослушивания! Буду благодарен за обратную связь! Оставляйте ваши комментарии. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, ну, и вообще в какую сторону катить этот подкаст :) Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist) Со мной можно связаться по электронной почте: [email protected]А еще я сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике (https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов!Выразить благодарность можно добрым словом и/или донатом (https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/) Music by Audionautix.com

Приветствую вас во втором выпуске подкаста, посвященного машинному обучению от неспециалиста для неспециалистов! Предлагаю совершить увлекательное путешествие по основным вехам развития дисциплины Искусственный интеллект. Почему полные романтики и ожиданий периоды бурного развития искусственного интеллекта сменялись затяжными "зимами" околонулевого интереса ивесторов, общества и даже самих ученых? Давайте разберемся Буду благодарен за обратную связь! Оставляйте ваши комментарии. Они помогут сделать подкаст лучше! Подписывайтесь на телеграм-канал "Стать специалистом по ML" Со мной можно связаться по электронной почте: [email protected]А еще я сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике (https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов!Выразить благодарность можно добрым словом и/или донатом (https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/) Music by Audionautix.com

Это первый (пилотный) выпуск подкаста, посвященного машинному обучению, от неспециалиста для неспециалистов. Рассказываю о своей мотивации начать делать подкаст по теме Machine Learning, о том кому и для чего имеет смысл его слушать и о разнице в терминах искусственный интеллект, машинное обучение, глубокое обучение и нейросети. Буду благодарен за обратную связь! Оставляйте ваши комментарии. Они помогут сделать подкаст лучше! Подписывайтесь на телеграм-канал "Стать специалистом по ML" Со мной можно связаться по электронной почте: [email protected] by Audionautix.comА еще я сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике (https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов!Поблагодарить меня можно добрым словом и/или донатом (https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)