MLinside

Что, если AI сможет не просто помочь в отдельной задаче, а взять на себя целый продуктовый процесс — от сбора контекста до готового результата? 27 октября у нас стартует новый курс «AI-агенты для продактов». За 6 недель участники соберут набор end-to-end сценариев для продуктовой работы — с доступом к нужному контексту, инструментам и понятными точками контроля результата. На курсе разберём, как подключать агентов к файлам, инструментам и внешним сервисам, выстраивать повторяемые процессы и использовать их в реальной рабочей среде. Что ещё будет: ▪️ настроим AI-экзоскелет продакта и соберём сценарии для работы с бэклогом, статусами, файлами и другими регулярными задачами; ▪️ разберём работу с объёмными PRD, требованиями и ТЗ: как дать агенту достаточно контекста, сохранить связность документа и получить результат, который не придётся переписывать с нуля; ▪️ покажем, как работать с AI внутри компании без лишних рисков: контролировать доступ к данным и инструментам, защищать чувствительную информацию и учитывать ограничения корпоративной ИБ; ▪️ соберём workflow для research и discovery — от поиска и анализа контекста до ICP, конкурентов и УТП; ▪️ подготовим материалы для стейкхолдеров и проведём репетицию переговоров с агентом в роли скептика. После каждого занятия у вас останется готовый workflow или артефакт, который можно адаптировать под свои рабочие задачи. Курс будет полезен действующим продактам, а также аналитикам и инженерам, которые хотят перейти в продуктовую роль или глубже разобраться в практическом применении AI. Преподаватели — практики из Avito, МТС, Typeform, Beeline Cloud, MWS Fintech и других компаний. Старт 27 октября 7 онлайн-занятий по 1,5 часа за 6 недель Стоимость — 72 000 рублей, есть рассрочка С 1 октября цена повысится, успевайте подать заявку Подробнее о программе — на сайте. Там же можно оставить заявку на обучение или получить консультацию менеджера: ai4products.mlinside.ru/..._26

Сегодня стартует 5-й поток курса «База ML» 🚀 «База ML» – курс для новичков в ML и специалистов из смежных областей, которые хотят освоить машинное обучение и понять, как оно применяется в реальных задачах. Обучение выстроено последовательно: сначала разберём Python, математику и основные алгоритмы машинного обучения, а затем перейдём к работе с данными, нейронным сетям, ML System Design и применению ML в реальных бизнес-задачах. Также в программе: ▪️ обучение без учителя и методы кластеризации; ▪️ метрики, валидация моделей и A/B-тестирование; ▪️ AI-ассистенты для анализа данных и разработки ML-решений; ▪️ основы MLOps; ▪️ применение ML в бизнесе: рекомендательные системы, динамическое ценообразование, скоринг, антифрод и другие кейсы. Теорию будем сразу закреплять на практике: в курсе предусмотрены задания по ключевым темам и итоговый проект, который можно добавить в портфолио. К потоку ещё можно присоединиться. Оставить заявку на обучение: forms.yandex.ru/...ad6 Подробнее о программе, формате обучения и тарифах: mlinside.ru/...026

AI Engineering Skills Map: как работать с coding agents Где-то месяц назад мы разбирали AI Engineering Skills Map от Andrew Ng: t.me/...51. С тех пор он продолжил развивать эту тему – в новой публикации он подробно разобрал работу с coding agents и навыки, которые нужны для эффективного взаимодействия с ними. Мы сделали краткий пересказ материала и собрали основные идеи в карточках. Если хотите ознакомиться с полной версией, статью на английском языке можно прочитать вот тут: www.linkedin.com/...yxc Что меняется в работе инженера Coding agents уже давно вышли за рамки обычного написания кода. С их помощью можно решать задачи, связанные с анализом данных и управлением системами, а также автоматизировать отдельные этапы разработки. Поэтому инженеру важно не только уметь работать с coding agents, но и понимать, как встроить их в процесс разработки: что делегировать, какой уровень автономности предоставить, как проверять результат и когда вмешиваться. Andrew Ng описывает этот процесс как итеративный цикл: планирование → выполнение → проверка → развёртывание и мониторинг. При необходимости инженер возвращается на предыдущие этапы, корректирует задачу и снова запускает процесс. При этом меняется и сама роль инженера. Всё меньше времени уходит непосредственно на написание кода и всё больше на определение того, что нужно построить, проектирование архитектуры, формулирование требований и проверку результата. Для эффективной работы с coding agents Andrew Ng выделяет пять ключевых навыков. В карточках – подробнее о каждом из них.

Сегодня в 19:00 МСК встречаемся на закрытом вебинаре с Виктором Кантором «Из аналитики и разработки в ML + куда расти дальше» Если вы сейчас выбираете направление для развития в ML, пытаетесь понять, каких навыков вам не хватает для следующего карьерного шага или не знаете, куда двигаться после Classic ML – этот вебинар будет для вас особенно полезен. На вебинаре Виктор расскажет: как перейти в ML из аналитики и разработки; каких знаний и навыков чаще всего не хватает на собеседованиях; куда расти после Classic ML: RecSys, поиск, CV, NLP/LLM, антифрод; что происходит с карьерными треками в research, продуктовом ML, ML-инженерии и менеджменте; как выбирать направление, чтобы не потратить несколько лет на то, что потом окажется не вашим. В конце Виктор ответит на вопросы участников. Сегодня, 21 сентября, в 19:00 МСК Вебинар только для подписчиков Специализации "ИИ и анализ данных". Если вы ещё не с нами – присоединиться к специализации можно по ссылке: mlinside.ru/..._26 А если вы уже учились в MLinside или на Специализации МФТИ и Яндекса на Курсере – заполняйте форму, отправим вам промокод со скидкой: forms.yandex.ru/...bc5