#058 ML Дмитрий Матвейчев. Компьютерное зрение в радиосвязи

Общаемся с Александром (Алероном) Миленькиным - ML лидером в Dodo Brands, IT-предпринимателем, Kaggle-экспертом, преподавателем. Обсуждаем то, как можно использовать современные ИИ-технологии, чтобы иметь конкурентное преимущество. Почему лучше строить ML вокруг бизнеса, а не бизнес вокруг ML. Нужны ли в современных реалиях свои большие ML-модели или достаточно пользоваться сторонними сервисами с внешним API. Что такое и как устроены RAG-системы. Кто такие агенты и как заставить их работать на себя. Можно ли подкупить языковые модели, чтобы они выдавали полезную для тебя информацию. Почему надо качать насмотренность и как это может помочь находить лучшие бизнес-идеи. Почему даже только знание о том, что существует ChatGPT может быть тем самым конкурентным преимуществом. Долго ли ждать нашествия тьюторов в виртуальной реальности. Когда уже, наконец, языковые модели заменят программистов. Обо всем этом в выпуске!Ссылки выпуска:Телеграм-канал Александра Data Feeling (https://t.me/datafeeling)Телеграм-бот на базе AI для изучения английского Speakadora AI (https://t.me/Speakadora_bot)Курс Александра "Введение в соревновательный Data Science" (https://stepik.org/a/108888)Буду благодарен за обратную связь!Мой телеграм для связи (https://t.me/kmsint)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_61).Выразить благодарность можно добрым словом и/или донатом (https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

В гостях выпуска Егор Самосват - руководитель юнита эффективности монетизации Авито. Разговариваем о том, что такое монетизация и как машинное обучение позволяет находить оптимальный баланс между "заработать побольше" и "принести пользу". Почему долгосрочные стратегии выгоднее. Почему бесплатно - далеко не всегда хорошо. Что такое теория аукционов и при чем здесь Англия. Как искусственный интеллект определяет какому объявлению быть в топе. Как сейчас устроена контекстная реклама. Почему даже хорошие модели иногда ошибаются. Как определить недобросовестных участников сделок. А также почему здоровая жадность может приносить пользу всем игрокам. Обо всем этом в выпуске!Ссылки выпуска:1. Practical ML Conf - конференция по машинному обучению для опытных ML-специалистов. На мероприятии ведущие инженеры поделятся своими знаниями о практическом применении ML. Если вы хотите стать слушателем, оставляйте заявку на сайте. Участвовать в конференции можно очно в Москве или онлайн из любой точки мира.2. Лекции по Алгоритмической теории игр (https://www.youtube.com/playlist?list=PLEGCF-WLh2RJBqmxvZ0_ie-mleCFhi2N4)3. Доклады по монетизации на Авито (https://youtu.be/0eYjmKyqyjk?t=6670)Буду благодарен за обратную связь!MLBookClub (https://t.me/+HIXnIwXIIFAyYzYy). Условия участия (https://t.me/toBeAnMLspecialist/750)Мой телеграм для связи (https://t.me/kmsint)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_60).Выразить благодарность можно добрым словом и/или донатом (https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)Реклама. ООО "Яндекс"; ИНН 7736207543, Erid: 2VSb5ymiNq6

В гостях Лаида Кушнарева - Старший Академический Консультант, Huawei, которую в мире Data Science больше знают как Техножрицу. Общаемся про то, как обстоят дела в мире исследований вокруг машинного обучения. Как поменять математику на программирование, но продолжить заниматься математикой. Почему вычисления квадратного корня на калькуляторе необратимы и причем здесь головастики. Плюсы и минусы в работе современного ученого. Как проходит день исследователя. Докатился ли кризис воспроизводимости научных исследований до DS. Почему культура проведения эксперимента не менее важна, чем математическая обоснованность его предпосылок. Обо всем этом и многом другом в эпизоде!Ссылки выпуска:Паблик Лаиды "Техножрица" (https://t.me/tech_priestess)Упомянутое в выпуске видео 3blue1brown про фрактальную размерность (https://youtu.be/zUZw6l2IPRk)Статья на NeurIPS, написанная Лаидой и её коллегами (см. список авторов), про применение фрактальной размерности для детекции текстов, сгенерированных chatGPT (https://neurips.cc/virtual/2023/poster/72624)Другие научные статьи гостьи выпуска (https://scholar.google.com/citations?user=rsTb_hYAAAAJ&hl=en) Одна из статей про обнаружение галлюцинаций модели LLAMA 2 (https://arxiv.org/abs/2312.17249)Книга "Математика в машинном обучении" (https://mml-book.github.io/)Пост с подборкой бесплатных учебных материалов по математике и machine learning, которыми можно пользоваться, чтобы вникать в эту область (https://habr.com/ru/articles/774844/)Обсуждение статьи gzip с некорректно поставленным экспериментом (пример того, как иногда бывает) (https://t.me/tech_priestess/841)Еще одно обсуждение статьи gzip с некоторым троллингом (https://t.me/tech_priestess/847)Буду благодарен за обратную связь!Вступайте в книжный ML-клуб, где мы читаем книги по машинному обучению и смежным темам!MLBookClub (https://t.me/+HIXnIwXIIFAyYzYy). Условия участия (https://t.me/toBeAnMLspecialist/750)Мой телеграм для связи (https://t.me/kmsint)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 буквально пару месяцев назад я открыл доступ к пре-релизу нового курса по продвинутой разработке телеграм-ботов с элементами микросервисной архитектуры (https://stepik.org/a/153850?utm_source=mlpodcast&utm_campaign=ep_59), который пишу в соавторстве с крутыми разработчиками.Выразить благодарность можно добрым словом и/или донатом (https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

В гостях выпуска Дмитрий Матвейчев - Deep Learning Researcher, PhD кандидат, занимающийся разработкой нейронных сетей для решения задач компьютерного зрения с использованием mmwave FMCW радаров. Разговариваем о том, зачем компьютерное зрение нужно в радиосвязи на примере микроволновых радаров. Как совместить классическую цифровую обработку сигналов с современными подходами из области машинного обучения, что такое радары и какие у них есть применения в гражданской промышленности, заменят ли радары камеры и лидары в беспилотных автомобилях, сколько стоит вставить радар в ухо и зачем потом махать руками, почему большой брат теперь не только смотрит за тобой, но и чувствует чем ты занимаешься, а также многое другое в выпуске.Ссылки выпуска:google soli - проект распознавания жестов от гугл (использовался в google pixel) (https://github.com/simonwsw/deep-soli)Ramp-CNN - датасет + статья и код по обнаружению людей и машин (https://github.com/Xiangyu-Gao/Radar-multiple-perspective-object-detection?utm_source=catalyzex.com)Курируемый лист датасетов и проектов использующих FMCW радары (https://github.com/ZHOUYI1023/awesome-radar-perception/blob/main/README.md)SincNet - параметризация свертки как частотного фильтра (https://github.com/mravanelli/SincNet)Еще больше ссылок по теме в телеграм-канале Стать специалистом по машинному обучению (https://t.me/toBeAnMLspecialist)Буду благодарен за обратную связь!Вступайте в книжный ML-клуб, где мы читаем книги по машинному обучению и смежным темам!MLBookClub (https://t.me/+HIXnIwXIIFAyYzYy). Условия участия (https://t.me/toBeAnMLspecialist/750)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 буквально пару месяцев назад я открыл доступ к пре-релизу нового курса по продвинутой разработке телеграм-ботов с элементами микросервисной архитектуры (https://stepik.org/a/153850?utm_source=mlpodcast&utm_campaign=ep_58), который пишу в соавторстве с крутыми разработчиками.Выразить благодарность можно добрым словом и/или донатом (https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

В гостях Антонина Горячева - Head of ML в СберМаркете. Разговариваем о том, как устроен ML в онлайн-сервисе доставки продуктов и товаров с полок магазинов, начиная от того, зачем вообще машинное обучение в таких компаниях и заканчивая рассмотрением некоторых конкретных инструментов для решения ML-задач. Бывает ли такое, что заказов настолько много, что от них приходится отказываться. Как понять какую скидку нужно сделать, чтобы заработать больше, чем потерять. Как облегчить работу ретушерам фото для карточек товаров. Часто ли приходится пилить фичи, которые никому не нужны. Кого сейчас нанимают в ML-команды и как повысить свои шансы на трудоустройство. Чему можно научиться в процессе работы в такой команде. Какие качества нужно развивать, чтобы ИИ заменил тебя не сразу. Обо всем этом в выпуске.Ссылки выпуска:Канал в Телеграм про AI "Сиолошная" (https://t.me/seeallochnaya)Телеграм-канал Оли Соколовой (СЕО Скандинавии). Тоня пишет, что Оля ее очень вдохновляет как женщина лидер и у нее можно многому научиться в смысле менеджмента) (https://t.me/naiznankuo)Телеграм-канал SberMarket Tech, где Тоня и ее команда периодически делятся историями про то, как они развивают ML в СберМаркете (https://t.me/sbermarket_tech)Выступление Тони на DS Meetup в СберМаркете (https://www.youtube.com/watch?v=WQ34cu51VTs)Подкаст Для tech и этих: выпуск, в котором Тоня принимала участие (https://podcast.ru/e/5RmwiScWNDS)Буду благодарен за обратную связь!Вступайте в книжный ML-клуб, где мы читаем книги по машинному обучению и смежным темам!MLBookClub (https://t.me/+HIXnIwXIIFAyYzYy). Условия участия (https://t.me/toBeAnMLspecialist/750)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!И буквально месяц назад я открыл доступ к пре-релизу нового курса по продвинутой разработке телеграм-ботов с элементами микросервисной архитектуры (https://stepik.org/a/153850?utm_source=mlpodcast&utm_campaign=ep_57), который пишу в соавторстве с крутыми разработчиками.

Гостем сегодняшнего выпуска стал Юрий Окуловский - Senior Data Scientist, кандидат физико-математических наук, ранее руководитель лаборатории искусственного интеллекта и робототехники УрФУ, также вы, возможно, его знаете как автора нескольких видеокурсов по программированию и рациональному мышлению. Юрий уже был гостем подкаста примерно три года назад и мы снова решили встретиться пообщаться, тем более у Юрия интересный взгляд на происходящие изменения в обществе, связанные со стремительным развитием технологий. В подкасте обсуждаем как превратить нейросеть в своего личного литературного негра, нужно ли гуманоидное тело современному секс-роботу, как сделать свою собственную Алису из Бесконечного лета, почему менеджеров автоматизировать проще, чем программистов, почему дохли куры у Ленина, почему корпорации не могут позволить себе делать, действительно, персонализированные и полезные продукты на базе ИИ, а также многое-многое другое.Ссылки выпуска:Предыдущий выпуск подкаста с Юрием "Искусственный Интеллект в мире моды и как подготовиться к Сингулярности" (https://mlpodcast.mave.digital/ep-11)Курсы по программированию (Юрия и не только): https://ulearn.meКурс Юрия по Научному Мышлению: https://stepik.org/course/578Телеграмм-канал Свидетели сингулярности: https://t.me/witnessesofsingularityСсылки на технологии, обсуждаемые в подкасте (https://t.me/toBeAnMLspecialist/786)Буду благодарен за обратную связь!Вступайте в книжный ML-клуб, где мы читаем книги по машинному обучению и смежным темам!MLBookClub (https://t.me/+HIXnIwXIIFAyYzYy). Условия участия (https://t.me/toBeAnMLspecialist/750)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!И буквально месяц назад я открыл доступ к пре-релизу нового курса по продвинутой разработке телеграм-ботов с элементами микросервисной архитектуры (https://stepik.org/a/153850?utm_source=mlpodcast&utm_campaign=ep_56)Выразить благодарность можно добрым словом и/или донатом (https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

Гостем выпуска стал Илья Гусев - известный NLP-специалист, сделавший большой вклад в область своими опенсорс-проектами, среди которых анализатор морфологии, генератор стихов, сборка различных датасетов и некоторые другие. Один из таких проектов как раз и стал поводом к сегодняшнему общению. Это большая языковая модель, заточенная на работу с русским языком - Сайга. Но говорим в выпуске мы далеко не только о ней. Илья сделал классный исторический экскурс в современные языковые модели, рассказал некоторые подробности об их устройстве, о тех подходах, которые применяют, чтобы такие модели можно было запускать на домашнем компьютере, как с помощью языковых моделей можно решать разные задачи и стоит ли вообще использовать локальные модели. Интересного и полезного прослушивания!Ссылки выпуска:Статья Ильи на Хабре "Как (быстро) сделать русский локальный ChatGPT" (https://habr.com/ru/articles/759386/)Сервис для запуска больших языковых моделей локально - lmstudio (https://lmstudio.ai/)Репозиторий сервиса oobabooga, с помощью которого можно запустить веб-интерфейс для работы с LLM локально (https://github.com/oobabooga/text-generation-webui)Репозиторий сервиса Text Generation Inference (TGI), который позволяет развертывать и поддерживать LLM (https://github.com/huggingface/text-generation-inference)Статья на arxiv "Self-Consuming Generative Models Go MAD" с анализом того, к чему приводят разные подходы обучения LLM на синтетических датасетах, сгенерированных другими LLM (https://arxiv.org/abs/2307.01850)Пост Ильи со списком материалов для погружения в NLP (https://t.me/natural_language_processing/81627)Буду благодарен за обратную связь!Вступайте в книжный ML-клуб, где мы читаем книги по машинному обучению и смежным темам!MLBookClub (https://t.me/+HIXnIwXIIFAyYzYy)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!И буквально неделю назад я открыл доступ к пре-релизу нового курса по продвинутой разработке телеграм-ботов с элементами микросервисной архитектуры (https://stepik.org/a/153850?utm_source=mlpodcast&utm_campaign=ep_55)Выразить благодарность можно добрым словом и/или донатом (https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

Этот выпуск немного нестандартный. Во-первых, он новогодний, потому что выходит 31 декабря, а во-вторых, в нем сразу два гостя - Валерий Бабушкин и Арсений Кравченко. Валерий и Арсений в сооавторстве написали книгу, посвященную большой и интересной теме проектирования ML-систем "Machine Learning System Design with end-to-end examples". И о данном опыте мы поговорили. Как пришла идея написать книгу, почему в соавторстве, а не раздельно, для кого будет полезна данная книга, из каких частей состоит ML System Design, как подходить к разработке ML-систем разной сложности и так далее. Два взгляда двух разных авторов одной книги!Ссылки выпуска:Книга "Machine Learning System Design with end-to-end examples" (https://arseny.info/ml_design_book)Буду благодарен за обратную связь!Вступайте в книжный ML-клуб, где мы читаем книги по машинному обучению и смежным темам!MLBookClub (https://t.me/+HIXnIwXIIFAyYzYy)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]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/)

В гостях выпуска Евгений Соколов - научный руководитель Центра непрерывного образования и академический руководитель бакалавриата «Прикладная математика и информатика» факультета компьютерных наук НИУ ВШЭ, доцент. Евгений уже много лет преподает студентам компьютерные науки и Data Science Поговорили в выпуске о том как сейчас работается современным преподавателям, какие приходят студенты, чего ожидают от ВУЗа, с какими вызовами сталкиваются. Евгений поделился мыслями о том, какие качества нужно в себе развивать, чтобы успешно заниматься Data Science и какие качества будут мешать. Как подготовиться к поступлению в технический ВУЗ, если вы еще школьник, что нужно для того, чтобы научное комьюнити в стране развивалось активнее, чем еще нужно заниматься в жизни кроме того, чтобы постоянно учиться и многое другое в выпуске!Ссылки выпуска:Сайт Центра непрерывного образования, в котором Евгений является научным руководителем: https://cs.hse.ru/dpo/Телеграм канал Центра непрерывного образования ФКН: https://t.me/cshsedpoБуду благодарен за обратную связь!Вступайте в книжный ML-клуб, где мы читаем книги по машинному обучению и смежным темам!MLBookClub (https://t.me/+HIXnIwXIIFAyYzYy)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]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/)

В гостях Юрий Кацер - эксперт по анализу данных и машинному обучению в промышленности, DS team lead Conundrum.ai. В выпуске говорим о том, что такое временные ряды и как их можно анализировать и прогнозировать с помощью машинного обучения. Какие задачи из реального мира сводятся к анализу временных рядов? Как работать с некачественными данными? Почему техобслуживание даже одной детали большой системы может привести к тому, что ML-модель отправится на свалку истории? Имеет ли смысл методы анализа временных рядов применять для того, чтобы угадать курс биткоина? С чего начать погружение в область? И как экономить деньги компании на сезонности? Обо всем этом в выпуске подкаста!Ссылки выпуска:Телеграм-канал Юрия о задачах ML в промышленности и не только (https://t.me/DataKatser)Пост со ссылками на открытые датасеты с промышленными данными (https://t.me/DataKatser/62)Одна из лучших лекций на русском про прогнозирование временных рядов (https://www.youtube.com/watch?v=u433nrxdf5k)Набор блокнотов и презентация по анализу временных рядов (https://github.com/DataForScience/Timeseries/tree/master)Буду благодарен за обратную связь!Вступайте в книжный ML-клуб, где мы читаем книги по машинному обучению и смежным темам!MLBookClub (https://t.me/+HIXnIwXIIFAyYzYy)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]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/)