#079 Николай Полярный. Про компьютерное зрение, оптимизацию вычислений и преподавание лучшим школьникам

В гостях этого выпуска Николай Полярный - технический директор Agisoft: разрабатывает алгоритмы компьютерного зрения для Metashape - программы, которая строит 3D-модель объекта или даже целого города по фотографиям. Автор курса по фотограмметрии и курса по вычислениям на GPU. Преподаёт программирование в школе. Что такое фотограмметрия? Зачем нужны цифровые двойники деревьев? Используют ли до сих пор классические ML-алгоритмы в CV или всё захватили нейросети? Зачем алгоритмам машинного обучения нужен зазеркальный мир? Почему в научных статьях критически важен буквально каждый абзац и как это связано с проблемой воспроизводимости исследований? Как стать экспертом по профилированию? Как спидранят разработчики? Как не потеряться в бесконечном бэклоге? Как LLM-ки помогают готовить учебные материалы в Сириусе? Много ли бюрократии в современных школах? Какие есть сложности с проектными подходами в обучении? Обо всём этом в выпуске!Ссылки выпуска:Курс Николая по вычислениям на видеокартах (https://www.youtube.com/playlist?list=PL5p-5hHpsHBoIL4WI6OaPdWpCTkr774zN)Курс Николая по фотограмметрии (https://www.youtube.com/playlist?list=PL5p-5hHpsHBp4yTpeZJ_QMSmJPAuov-VF)Телеграм-канал Николая (https://t.me/UnicornGlade)Буду благодарен за обратную связь!Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)Мой телеграм для связи (https://t.me/kmsint)Также со мной можно связаться по электронной почте: [email protected]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!Также в соавторстве с крутыми разработчиками я пишу курс по продвинутой разработке телеграм-ботов с элементами микросервисной архитектуры (https://stepik.org/a/153850?utm_source=mlpodcast&utm_campaign=ep_79).Выразить благодарность можно добрым словом и/или донатом (https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

В гостях выпуска Станислав Петров - Senior Data Scientist в Capital.com, международной финтех-компании, занимающейся развитием высокотехнологичной торговой платформы. Чем маркетинг отличается от пиара? Что такое рекламные сети? Как работают автоматические аукционы? Актуальны ли марковские цепи для современных практических задач? Почему классический ML ещё не скоро вымрет? Что делать, когда нет возможности провести A/B-тестирование, но принять решение надо? Далеко ли мы от нативной рекламы в генерации ответов ChatGPT-like моделями? Будет ли условный adblock резать такую рекламу? Стоит ли продолжать писать тексты самостоятельно или уже можно 100% работы сгрузить на LLM? Почему МММ - это не только про финансовые пирамиды? Обо всём этом в выпуске!Ссылки выпуска:Станислав Петров в LinkedIn (https://id.linkedin.com/in/stanislav-petrov-bba1799a)Телеграм-канал Евгения Мунина про ML advertising (https://t.me/dsinsights) Крутой блог для всякой байесовщины (juanitorduz.github.io) применительно не только к маркетингу, но и для многого другогоСтатьи Станислава на Хабре:- Введение в МММ. Часть 1 (https://habr.com/ru/articles/803359/)- Введение в МММ. Часть 2 (https://habr.com/ru/articles/803687/)Буду благодарен за обратную связь!Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)Мой телеграм для связи (https://t.me/kmsint)Также со мной можно связаться по электронной почте: [email protected]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!Также в соавторстве с крутыми разработчиками я пишу курс по продвинутой разработке телеграм-ботов с элементами микросервисной архитектуры (https://stepik.org/a/153850?utm_source=mlpodcast&utm_campaign=ep_78).Выразить благодарность можно добрым словом и/или донатом (https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

В гостях Лекс Кравецкий - популяризатор науки в области математики и Computer Science, исследователь искусственного интеллекта и его влияния на общество. Поговорим про образование. Извечный вопрос: что не так с образованием? Почему так сложно, когда можно намного проще? Большие языковые модели - это причина необходимости изменения подходов к образованию или лишь катализатор давно назревшей необходимости? Почему в школе учат тому, что легко проверить, а не тому, что было бы, действительно, полезно? Нужно ли начинать изучать программирование с абстракций низкого уровня? Нужно ли всем уметь программировать? Интерес - главный стимулятор образования в любой области, но как понять, что тебе, возможно, станет интересным, если пока совсем неинтересно? Учат ли в школах и ВУЗах учиться? А, может, в школах нужно перестать детям вдалбливать знания, а просто дать возможность играть в компьютерные игры сколько хочется? Почему при устройстве на работу больше смотрят на предыдущий опыт работы, чем на оценки в ВУЗе, но в ВУЗе студенты зарабатывают оценки, а не опыт? А нужно вообще получать диплом в современном мире? Обо всём этом в выпуске!Ссылки выпуска:YouTube-канал Лекса (https://www.youtube.com/@KravetskiLex)Мысли Лекса в ЖЖ (https://lex-kravetski.livejournal.com/)Телеграм-канал Лекса (https://t.me/lexkravetski)Буду благодарен за обратную связь!Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)Мой телеграм для связи (https://t.me/kmsint)Также со мной можно связаться по электронной почте: [email protected]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!Также в соавторстве с крутыми разработчиками я пишу курс по продвинутой разработке телеграм-ботов с элементами микросервисной архитектуры (https://stepik.org/a/153850?utm_source=mlpodcast&utm_campaign=ep_77).Выразить благодарность можно добрым словом и/или донатом (https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

В гостях выпуска Алексей Толстиков - кандидат физико-математических наук, руководитель Школы анализа данных Яндекса, эксперт в олимпиадах по программированию. Разговаривать мы, разумеется, будем про ШАД. Зачем когда-то (аж 18 лет назад) появилась Школа Анализа Данных? Как руководить большим направлением в компании, когда хочется писать образовательные программы и код? Зачем ШАДу взаимодействие с ВУЗами? Куда уходят выпускники ШАД? Как работает комьюнити выпускников? Сломаны ли процессы в современном образовании из-за бурного развития LLM? Стоит ли учиться в ШАД только ради "ачивки"? А чему вообще можно научиться в Школе Анализа Данных? Кто такие исследователи-разработчики? Не снижается ли радикально роль живого преподавателя с учётом того, что теперь легко можно взаимодействовать с ChatGPT-like моделями в интерактивном режиме? Можно ли реально "расти" без "боли"? Как поступить в ШАД, если математика была давно? Из каких этапов состоит поступление? Как готовиться к экзаменам? Обо всём этом в выпуске!Ссылки выпуска:ШАД (https://shad.yandex.ru)Все в ШАД - телеграм-канал с полезными материалами для подготовки к поступлению (https://t.me/vse_v_shad)Буду благодарен за обратную связь!Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)Обо мне (https://t.me/toBeAnMLspecialist/935)Мой телеграм для связи (https://t.me/kmsint)Ещё со мной можно связаться по электронной почте: [email protected]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 и вообще вести проекты на Python!Также в соавторстве с крутыми разработчиками я пишу курс по продвинутой разработке телеграм-ботов с элементами микросервисной архитектуры (https://stepik.org/a/153850?utm_source=mlpodcast&utm_campaign=ep_76).Выразить благодарность можно добрым словом и/или донатом (https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

В гостях сегодня уже знакомый вам по прошлым выпускам Евгений Разинков - к.ф.-м.н., преподаватель ML, AI-евангелист и предприниматель, а поразмышляем мы сегодня о том как поменялись требования к специалистам, работающим с искусственным интеллектом и почему творческие и профессиональные кризисы неизбежны. Нужно ли тебе знать нюансы архитектуры больших языковых моделей, чтобы использовать их в своих исследованиях? А надо ли вообще обучать свои модели или этот навык окончательно ушёл в прошлое? Стоит ли идти в ИИ стартап, который не использует большие модели? Что выгоднее - участвовать в хакатонах или спать? Почему стоит развивать стартап, которому требуются самые лучшие модели, которые ещё даже не натренировали? Реально ли вывести фундаментальные законы, на основании которых можно всегда добиваться от LLM желаемого? Как вытаскивать из нейросетей нужные и правильные ответы и причём здесь теория музыки? Когда каждый из нас проиграет битву искусственному интеллекту? Большие языковые модели - это демократизаторы доступа к знаниям или очередные катализаторы расслоения общества? Обо всём этом в выпуске!Ссылки выпуска:YouTube Евгения (https://youtube.com/@razinkov)AI-школа Евгения (https://razinkov.ai/school)Телеграм-канал Евгения (https://t.me/razinkov_ai)Предыдущие выпуски с Евгением:Управление коммерческой разработкой в ML (https://mlpodcast.mave.digital/ep-7)Дорожная карта погружения в машинное обучение ч.1 (https://mlpodcast.mave.digital/ep-18)Дорожная карта погружения в машинное обучение ч.2 (https://mlpodcast.mave.digital/ep-19)Буду благодарен за обратную связь!Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)Обо мне (https://t.me/toBeAnMLspecialist/935)Мой телеграм для связи (https://t.me/kmsint)Ещё со мной можно связаться по электронной почте: [email protected]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 и вообще вести проекты на Python!Также в соавторстве с крутыми разработчиками я пишу курс по продвинутой разработке телеграм-ботов с элементами микросервисной архитектуры (https://stepik.org/a/153850?utm_source=mlpodcast&utm_campaign=ep_75).Выразить благодарность можно добрым словом и/или донатом (https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

Слышали такую шутку, что самый точный индикатор погоды - это кирпич? Типа, если мокрый, то идёт дождь, если отбрасывает тень, то ясно и т.п. Так вот, оказывается, это шутка лишь отчасти. В этом выпуске разговариваем с Петром Вытовтовым - руководителем ML в Яндекс Погоде о... правильно, погоде! И о том, как машинное обучение помогает её предсказывать. Зачем смотреть прогноз погоды строителям? Почему прогнозы погоды могут радикально меняться в течение дня? Как управлять хаосом? Как связаны задачи предсказания погоды и задачи предсказания следующего кадра в видео? Нужно ли быть метеорологом, чтобы обучать ML-модели, предсказывающие погоду? Что такое климатическая норма и почему отклонения от неё - это тоже норма? Можно ли превратить мобильный телефон в метеорадар? Какие есть готовые датасеты, чтобы натренировать свои погодные модели? Обо всём этом в выпуске!Ссылки выпуска:Курсы по ML в погоде:https://learning.ecmwf.int/course/index.php?categoryid=1https://www.futurelearn.com/courses/artificial-intelligence-for-earth-monitoringОстальные ссыки (статьи по глобальному прогнозу, статьи по наукасту и статьи Яндекс.Погоды на Хабре) доступны в телеграм-канале в отдельном посте: (https://t.me/toBeAnMLspecialist/1017)Буду благодарен за обратную связь!Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)Обо мне (https://t.me/toBeAnMLspecialist/935)Мой телеграм для связи (https://t.me/kmsint)Также со мной можно связаться по электронной почте: [email protected]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 и вообще вести проекты на Python!Также в соавторстве с крутыми разработчиками я пишу курс по продвинутой разработке телеграм-ботов с элементами микросервисной архитектуры (https://stepik.org/a/153850?utm_source=mlpodcast&utm_campaign=ep_74).Выразить благодарность можно добрым словом и/или донатом (https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

В гостях Максим Шапошников - инженер и исследователь в области искусственного интеллекта. Последние три года работает Applied Scientist-ом в одной из FAANG-компаний, занимается обучением мультимодальных LLM. Кто такие агенты? При чём здесь Уилл Смитт? Что могут агенты и чего они не могут? Что такое умные конвейеры? Что делать, если LLM зациклило? Кто будет разгребать тонны вайбокода? Почему не только людям проще написать код с нуля, чем поддерживать уже написанный? Кто такие мыслящие агенты? Каким должен быть браузер для агента? Когда всё же агенты начнут заменять людей? Если агенту дать полную свободу действий, не случится ли Скайнет? Почему даже антропик запускает своих агентов в докере на виртуальных машинах? Как завести себе несколько личных полезных агентов? Почему тебе не нужны крутые фреймворки для написания агентов, если ты программист? Обо всём этом в выпуске!Ссылки выпуска:Телеграм-канал Максима (https://t.me/max_dot_sh)LinkedIn Максима (https://www.linkedin.com/in/maxshapp/)Буду благодарен за обратную связь!Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)Обо мне (https://t.me/toBeAnMLspecialist/935)Мой телеграм для связи (https://t.me/kmsint)Также со мной можно связаться по электронной почте: [email protected]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 и вообще вести проекты на Python!Также в соавторстве с крутыми разработчиками я пишу курс по продвинутой разработке телеграм-ботов с элементами микросервисной архитектуры (https://stepik.org/a/153850?utm_source=mlpodcast&utm_campaign=ep_73).Выразить благодарность можно добрым словом и/или донатом (https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

В гостях сегодня Татьяна Шаврина, старший научный сотрудник Института Языкознания РАН. Обсуждаем бенчмарки - стандартизированные наборы тестов, метрик и протоколов оценки, предназначенные для объективного измерения производительности больших языковых моделей. Что произошло в индустрии за последние 4 года с момента записи предыдущего выпуска? Все ли проявления естественного интеллекта можно наблюдать у искусственного? Как автоматизировать науку? Как и для чего автоматически проверять новые архитектуры сетей на разных доменах? Скоро ли агентные системы начнут выигрывать у людей kaggle-соревнования? Как ИИ-учёные ддосят учёных-людей? Зачем большим языковым моделям сдавать выпускные экзамены на бакалавра? Как не допустить того, чтобы разработчики бенчмарков и больших моделей договорились? Какие проблемы существуют у современных решений? Почему к OpenAI всегда так много претензий? Кто и как придумывает бенчмарки? Придумали ли бенчмарк для определения, что AGI уже здесь? Если заработал сто миллиардов долларов, то уже AGI? Где взять бенчмарки, если ты не OpenAI? Почему высокие метрики на бенчмарках могут не являться решающим фактором при выборе модели под свою задачу? Обо всём этом и многом другом в выпуске!Ссылки выпуска:Телеграм-канал Татьяны (https://t.me/rybolos_channel)Буду благодарен за обратную связь!Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)Обо мне (https://t.me/toBeAnMLspecialist/935)Мой телеграм для связи (https://t.me/kmsint)Также со мной можно связаться по электронной почте: [email protected]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 и вообще вести проекты на Python!Также в соавторстве с крутыми разработчиками я пишу курс по продвинутой разработке телеграм-ботов с элементами микросервисной архитектуры (https://stepik.org/a/153850?utm_source=mlpodcast&utm_campaign=ep_72).Выразить благодарность можно добрым словом и/или донатом (https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

Ещё год назад собирались записаться с Тимуром Гуевым (автором самого популярного и, на мой взгляд, самого лучшего курса по Python на русском языке) на тему необходимости математики для современного программиста. Но тогда почему-то не получилось, зато получилось теперь и мы пообщались не только про математику, но и про алгоритмы. Почему если хочется хороших и быстрых денег, то это не про программирование? Бывают ли ненужные знания? Спрашивают ли на собесах про функцию Аккермана? Нужны ли компаниям олимпиадники? Система образования устарела? Нужно ли вместо математики в ВУЗах больше практических дисциплин и проектной работы? Как соревноваться с ChatGPT в решении задач? Смотрят ли работодатели на скор на литкоде? Спасут ли хорошие алгоритмы плохой продукт? Чем плоха преждевременная оптимизация? Обо всём этом и многом другом в выпуске!Ссылки выпуска:Все курсы от Поколения Python (https://www.pygen.ru/)Телеграм-канал Тимура и его команды (https://t.me/pygen_ru)Статьи Тимура на Хабре (https://habr.com/ru/users/tguev/articles/)Буду благодарен за обратную связь!Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)Обо мне (https://t.me/toBeAnMLspecialist/935)Мой телеграм для связи (https://t.me/kmsint)Также со мной можно связаться по электронной почте: [email protected]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!Также в соавторстве с крутыми разработчиками я пишу курс по продвинутой разработке телеграм-ботов с элементами микросервисной архитектуры (https://stepik.org/a/153850?utm_source=mlpodcast&utm_campaign=ep_71).Выразить благодарность можно добрым словом и/или донатом (https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

Продолжаем разговор с Александром Резановым про генеративный искусственный интеллект. Александр - ML Engineer, специализирующийся на генеративном компьютерном зрении и сегодня поговорим про видео. Что проще генерировать, картинки или текст? Может ли беговая дорожка обыграть в шахматы чемпиона мира? Почему все модели неверны? Как машины могут ехать, если колёса крутятся в разные стороны? Как померить "волтность" модели и что это вообще такое? Зачем изучать старые архитектуры нейросетей, если сейчас миром правят трансформеры? Как задача генерации видео делает модели умнее? Как индустрия для взрослых в очередной раз двигает прогресс? Когда модели будут генерировать полноценные фильмы? Обо всём этом в выпуске!Ссылки выпуска:Статья про VizDoom (https://worldmodels.github.io)Genie 2 от Deepmind (https://deepmind.google/discover/blog/genie-2-a-large-scale-foundation-world-model/)Muse от Microsoft, появилось в феврале 2025 на ту же тему (https://www.microsoft.com/en-us/research/blog/introducing-muse-our-first-generative-ai-model-designed-for-gameplay-ideation/)Буду благодарен за обратную связь!Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)Обо мне (https://t.me/toBeAnMLspecialist/935)Мой телеграм для связи (https://t.me/kmsint)Также со мной можно связаться по электронной почте: [email protected]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!Также в соавторстве с крутыми разработчиками я пишу курс по продвинутой разработке телеграм-ботов с элементами микросервисной архитектуры (https://stepik.org/a/153850?utm_source=mlpodcast&utm_campaign=ep_70).Выразить благодарность можно добрым словом и/или донатом (https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)