MLinside
39
подписчиков
MLinside – это образовательный проект и онлайн-школа по машинному обучению (ML).
Наша цель - создать сильное сообщество специалистов в сфере машинного обучения/анализа данных.
MLinside – это образовательный проект и онлайн-школа по машинному обучению (ML).
Наша цель - создать сильное сообщество специалистов в сфере машинного обучения/анализа данных.
1 день назад
Ищем участника для открытого ML-собеседования Если вы уже изучаете машинное обучение, но пока не работаете ML-инженером, приглашаем подать заявку. Ищем человека с базовыми знаниями ML – не новичка с нуля, но и не действующего ML-инженера. Главное – желание получить честную обратную связь и не бояться разбирать свои ответы публично. Если готовы поучаствовать, заполните форму: forms.yandex.ru/...a73 Из всех заявок выберем одного участника и свяжемся с ним.
2 дня назад
Метрики выросли. Код работает. Можно катить в прод? Если вы не можете ответить «да» с цифрами в руках – вы не закончили работу. Вы её только начали. Чтобы отвечать на этот вопрос уверенно, в специализации появился новый блок, посвящённый A/B-тестированию. В нём всё, что нужно, чтобы грамотно проектировать эксперименты, анализировать их результаты и понимать, действительно ли изменения приносят пользу продукту. Зачем это вам: Даже если метрики выросли, это ещё не означает, что новая модель лучше. Разница в 0,3% может оказаться обычной случайностью, а команда потратит месяцы на оптимизацию, которая не приносит значимой пользы. Именно A/B-тестирование помогает отделить реальные улучшения от статистического шума и понять, действительно ли изменения работают. В новом блоке вас ждут 24 урока и 7 часов практики, на которых разберём: ▪️Основы экспериментов: — как проектировать A/B-тесты; — какие статистические критерии выбирать; — какие ошибки чаще всего допускают и как их избежать. ▪️Продвинутые методы: — бутстрэп и доверительные интервалы; — ускорение экспериментов с помощью CUPED; — последовательный анализ на практике. ▪️Индустриальную практику: — инструменты продуктовых команд: GrowthBook и аналоги; — реальные кейсы из индустрии, включая опыт МТС. Что в итоге: Это один из тех блоков, после которого меняется сам подход к работе с ML-моделями. Вместо «кажется, стало лучше» вы сможете проектировать эксперименты, выбирать корректные статистические критерии, интерпретировать результаты и принимать решения на основе данных. Новый блок по A/B-тестированию уже доступен в специализации «AI и анализ данных». Переходите по ссылке, чтобы посмотреть полную программу, сравнить варианты подписки и выбрать подходящий формат обучения: mlinside.ru/...k-5
6 дней назад
Обучаем первую модель машинного обучения за час
Кажется, что машинное обучение – это что-то очень сложное? Множество формул, непонятная математика и тысячи строк кода? На самом деле начать можно гораздо проще. В четверг, 9 июля в 19:00 (МСК) приглашаем на вебинар «Обучаем первую модель машинного обучения за час» где спикер – Андрей Жогов, ML-инженер в Сбере и преподаватель Физтеха сделает именно то, что указано в названии. Андрей не только работает ML-инженером в Сбере, но и имеет большой опыт обучения начинающих специалистов. До Сбера он занимался...
1 неделя назад
Перенос старта курса и прямой эфир с Виктором Кантором и Валерием Бабушкиным
Старт курса ML System Design переносится на 17 июля. Если вы планировали присоединиться, у вас появилось ещё немного времени, чтобы принять решение и подготовиться к обучению. В следующий понедельник, 6 июля проведем на YouTube прямой эфир. Виктор задаст Валерию вопросы о ML System Design, а Валерий ответит на них и поделится своим опытом в проектировании ML-систем. Плюс, ответим на ваши вопросы. О чем еще поговорим на эфире: ▪️зачем ML-инженеру вообще нужен System Design; ▪️как меняются требования...
