Это очень вдохновляюще. Выход из рутины, работа на вечные ценности, вот это всё

https://vc.ru/design/112303-veb-dizayner-prevrashchaet-starinnye-knigi-i-broshyury-19-veka-v-interaktivnye-sayty

via

⚡️ Практики MLOps для Data Scientist-ов и ML Engineer-ов — освойте новые инструменты и сделайте прорыв в карьере

Время действовать — пройди вступительное тестирование для онлайн-курса «MLOps» от OTUS прямо сейчас.

Проверь, готов ли ты к новым карьерным возможностям: https://clck.ru/3ApEkv

🦾 Покажи свою экспертность и открой дверь в мир передовых технологий. А еще получи подарочные уроки и специальную цену на обучение!

Станьте экспертом в Яндекс Практикуме: создавайте курсы и делитесь знаниями 
Мы ищем автора, который будет вместе с командой контента писать уроки для темы «Визуализиция (чарты) данных с помощью DataLens. Создание дашбордов» для курса «Аналитик данных».

Мы ждем, что вы:
• имеете опыт работы BI-аналитиком от 2 лет
• отлично владеете инструментом Datalens и знаете Python, SQL

Мы предлагаем:
• удалёнку, частичную занятость от 10 часов в неделю, гибкий график
• ежемесячный дополнительный доход 
• прокачку своего личного бренда
• образовательную миссию, возможность делиться знаниями со студентами

📩 Узнать подробности и откликнуться 
• Автор курса «Аналитик данных» - 
https://practicum.yandex.ru/job/vacancy-207/

Недавно прочитал у Романа Нестера пост «Прощай, объективность» про то, что OpenAI планирует внедрить в ChatGPT рекламу и продвижение "партнерского" контента от избранных издателей

При условии, что эта задумка реализуется, высок риск, что ответы модели будут смещены в сторону маркетинговых интересов спонсоров. И это вызывает некоторые опасения, что реклама, интегрированная в ответы ChatGPT, будет казаться органичной частью ответа, и не вся «маркетинговая выдача» будет явно промаркирована как реклама. Тем самым это по сути усиливает манипулятивный потенциал такого ответа от LLM и скрытое влияние на пользователей.

В целом, такой шаг довольно-таки ожидаем и неизбежен. Не хочу звучать как левак, но прозвучу как типичный левак: это закономерный шаг в логике капиталистической системы, задача которой подчинять сущности некоторому императиву прибыли. ИИ-сервисы пойдут таким же путем как и в своё время поисковые системы — включать рекламу для того, чтобы окупить операционные издержки

Кажется в этой же логике может находится и открытие доступа всем желающим к GPT-4o. Видимо, в юнит-экономике монетизация через рекламу потенциально приносит существенно больше, чем платная подписка

Интересно пофантазировать к чему это вообще может привести. Увидим ли мы LLM, в которой будет через аукционную модель реализовываться возможность для рекламодателей изменять веса выходного слоя? То есть не просто рекламные вставки, а непосредственное подмешивание рекламного контента в результаты генерации. В теории это возможно, хотя и сложно, а ещё вызывает кучу этических вопросов

Я думаю, что всё это будет иметь ряд долгосрочных последствий. Попробую попрогнозировать и пофантазировать:
1. Дерьмофикация (такой новоязовский термин действительно существует) ИИ-сервисов — мы все больше будем видеть растущий класс пользователей, которые будут ругаться на обилие рекламы и «раньше было лучше»
2. Попытки со стороны регуляторов явно промаркировать рекламный контент, а также создать рамки, которые призваны бороться с манипулирование поведением потребителя через ИИ
3. Модели ИИ будут обучаться за счет данных, предоставляемых рекламодателями (возможно, как часть сделки). Что в перспективе приведет к тому, что качество моделей будет находится в некоторой корреляции от количества рекламодателей
4. Создание инструментов, которые позволяли бы проверять «объективность» ответов от ИИ — то есть нужны будут какие-то алгоритмы, чтобы чекать некоторый bias моделей в сторону наличия рекламного контента (тут можно дальше уйти и вообще пофантазировать о том, что появятся анализаторы контента, которые будут определять некоторое «намерение» самого контента по отношению к пользователю, например, чтобы чекать политическую пропаганду)
5. Появление аналога адблокеров для LLM
6. Рост open-source моделек как попытки сделать «чистый ИИ». Но тут вопрос опять же о том, что такое этот самый «чистый ИИ» и как может быть ИИ вне идеологии. То есть фантазии об объективном ИИ — это всегда будут некие фантазии на тему объективности, а не объективность
7. Разные виды API. Если OpenAI предложит два вида API - с рекламными механизмами и без них - то вторые могут стоить существенно дороже. Это повысит порог входа и затраты на ИИ для бизнеса.

Внедрение рекламы в ИИ-сервисы, подобно поисковым системам, неизбежно повлечёт за собой значительные изменения в их функционировании и восприятии пользователями. Тут возникает много этических вопросов и открывает путь к новому витку борьбы за "чистый" и объективный контент (хах, верните старый интернет по диалапу). Так что в будущем мы точно ещё увидим интересные события в ходе балансирования между коммерциализацией и прозрачностью и объективностью.

Больше про ИИ читайте у меня в AI FORGE

📊 Хотите прокачать свои навыки в прикладной статистике? Тогда этот пост для вас! 🚀

Открытый курс от создателей Академии Аналитиков Авито 💸

Чему вы научитесь:
✅ Применять критерии Манна-Уитни, t-test, бутстрап, хи-квадрат
✅ Использовать специализированные библиотеки Python
✅ Разрешать спорные ситуации при анализе данных
✅ Экспериментировать, выводить критерии, доказывать формулы

🌟 Особенность курса в том, что уроки построены на примере реальных данных и показывают, как решать задачи бизнеса с применением прикладной статистики.

https://avito.tech/education/statistics

Поговорим про российские BI?
Это те, что чаще всего или👎🏻, или оверпрайс💸, а иногда всё сразу.

После ухода зарубежных BI из РФ на нашем рынке появляется всё больше отечественных решений. Большинство из них пока послабее западных. Однако на мой взгляд, всё-таки есть пара-тройка российских систем с хорошим потенциалом. Мне, например, важно попробовать продукт и лично убедиться, что он подходит под мои задачи. Правда, у нас BI-платформ с бесплатной версией раз-два и обчёлся, собственно, кроме DataLens и Analytic Workspace ничего и нет.

☝🏻Кстати, последние — Analytic Workspace, на днях запустили BI-марафон по обработке и визуализации данных, пишут, что будет интересно как новичкам, так и опытным специалистам.

Участники будут в течение 4 дней на практике внутри BI-системы прокачивать свои BI-навыки. У Analytic Workspace есть неограниченная по времени Free-версия, поэтому можно сколько угодно тестить систему, практиковаться и просто создавать классные дашики.📊

Посмотрел программу, у них ещё HR-партнёры есть, кому-то из участников может прилететь оффер, но тут всё зависит от вас.

🔗Оставляю ссылку на марафон, он, кстати, бесплатный, поэтому точно ничего не потеряете, а возможности лучше не упускать.

Спросили у аналитиков, почему они пришли работать в Авито — вот что они ответили.

Комфортный процесс онбординга, постоянно обновляемая документация, поддерживающее комьюнити профессионалов, возможность вносить свои идеи в продукты, совместная работу с высококвалифицированными продактами, удобная инфраструктура для A/B-тестов и понятный карьерный трек для всех уровней специалистов.

Подробности читайте по ссылке!

Реклама. ООО «Авито Тех».

Впервые B2C-продакты и продуктовые аналитики из сильнейших технических команд собираются вместе на конференции о науке об управлении и развитии цифровых продуктов

Product Science - это смесь трех компетенций, которые двигают продукты вперед:
- Data Science - статистика и работа с данными
- Product Management - понимание технологий и потребностей бизнеса
- Psychology - поведенческая и социальная психология

Приходите на конференцию Aha!’24 чтобы качественно поговорить про продакт менеджмент, product ops, эксперименты, ретеншен, пользовательский опыт, интеграцию искуственного интеллекта в продукт, про прикладное машинное обучение и чуть меньше (но больше, чем кто бы ни было) про гео-аналитику.

По промокоду IMBESTPRODUCT скидка 15%, которая действует до 1 июня!

Подробнее: https://matemarketing.ru/aha
Программа: https://bit.ly/aha24
Бесплатный онлайн-доступ к части контента: https://matemarketing.ru/tickets

Если вы сильный технически подкованный продакт, то эта конференция - лучшее место для встречи с себе подобными. Более 1000 спецов из более чем сотни команд уже подтвердили свое участие

Вперед!

Если твой день состоит из А/Б-тестов и анализа данных, то ты точно знаешь, как измерять успех. И не важно, что за продукт перед тобой: fashion-платформа или очередной отличный день🔥

Предлагаем тебе применить все профессиональные методы к самому яркому дню рабочей недели — пятнице!

Пройди тест, проживи пятницу и посмотри, что покажут в конце дня твои основные метрики: общение, веселье и здоровье 😉

Команда продуктовых аналитиков помогает нам в Lamoda Tech анализировать идеи: от самых простых до нестандартных решений. Благодаря им мы знаем, как попасть в самое сердце пользователя. Чтобы в этом убедиться, попробуй шоппинг на Lamoda и участвуй в розыгрыше подарков!

Пройди тест, подпишись на наш канал и поделись результатами под постом с конкурсом. Двое стиляг, которых мы выберем 7 июня с помощью рандомайзера, получат сертификаты на шоппинг в Lamoda на 10 000 рублей 🍀

Прорыв в прогнозировании погоды: модель Aurora от Microsoft Research

Microsoft Research представили модель искусственного интеллекта Aurora - первую foundation-модель для работы с прогнозированием атмосферных явлений

И новость в целом для меня не столько про метеорологию, сколько про то, что в будущем мы будем видеть всё больше foundation-моделек под соверешенно-разные потребности. В контексте аналитики данных и продуктовой аналитики ждём появления таких моделей для задачек прогнозирования продуктовых метрик (не удивлюсь, если какой-нибудь Amplitude обучит такое на своих данных) на малых и грязных выборках данных

В чем преимущество foundation-модели Aurora:

1. Быстрота и точность: Точные операционные прогнозы с высоким разрешением и ускорением вычислений в 5000 раз по сравнению с традиционными системами

2. Меньшая чувствительность к данным на входе: Универсальная архитектура 3D Swin Transformer с кодировщиками и декодировщиками, позволяющая эффективно работать с гетерогенными данными, минимизируя ручную предобработку.

3. Работа с малыми выборками: Благодаря предварительному обучению на разнообразных датасетах Aurora демонстрирует высокую точность даже на малых выборках при дообучении под конкретные задачи.

Внедрение подобных foundation моделей открывает доступ к надежным метеоданным даже в регионах с их нехваткой. Это открывает новые возможности для аналитики в сельском хозяйстве, энергетике, логистике и управлении рисками стихийных бедствий.

Aurora задает новый стандарт анализа данных в науках о Земле и может стать основой будущих операционных систем прогнозирования погоды и климата.

Ищем себе MLOps'а. Откликайтесь, распространяйте по знакомым. Нетривиальные задачки, так как мы много работаем не только с классическим ML, но и трансформерными моделями (LLM, STT). Ну и сами задачи на стыке образования и технологий, так что много ресерча и неочевидных челленджей

MLOps Engineer в СберОбразование

СберОбразование — компания экосистемы Сбера, созданная в 2021 году. Мы внедряем цифровые решения и создаем новые возможности для развития и обучения на протяжении всей жизни.

Задачи:
👾Поддержка, проектирование и развитие DS инфраструктуры;
⚙️Развёртывание необходимого ML-окружения на инфраструктуре, владение практиками DevOps;
🎨Проектирование архитектуры развертывания ML решений;
👷‍♂️Внедрение ML-модели в прототип и prod;
🛣CI/CD пайплайны поставки моделей;
📊Мониторинг работы моделей и ML-сервисов;
💿Оптимизация доступа к данным для моделей и DS;
🗂Настройка CI/CD для batch/realtime моделей;
⚖️Настройка балансировки нагрузки;
🔤Обеспечение работы больших языковых моделей (LLM) в prod.

Ожидаем от вас:
🔴Знание практик управления жизненным циклом ML-моделей (автоматизация, оптимизация, мониторинг, переобучение/обновление) и умения их внедрять;
🔴Знания по поддержке, разворачиванию аналитической инфраструктуры;
🔴Знания: Linux, Python, SQL, Clickhouse, JupyterHub, Airflow, Docker, Git, Jira, Flask/FastAPI.

Полное описание на HH

Контакт для связи — Анна Егорова https://www.tg-me.com/EEzhevica

​Давно в этом канале не было чего-то личного. Решил сделать короткое интро.

Меня зовут Алексей Макаров, мне 32 года. Я долгое время работал аналитиком в разных ролях — веб-аналитиком, системным и продуктовым. Мне скучно в строго определенных рамках, поэтому я всегда стремился менять роли и расширяться. Для меня работа — это своего рода творчество. Пространство для выражения себя.

В свое время я упарывался по Python и Pandas, создал группу в ФБ и позже этот канал для их популяризации. Началось с того, что я активно собирал разные подборки обучающих материалов, а позже начал и обучать сам: написал для SkillFactory авторский курс про аналитику данных, выступал на Матемаркетинге с воркшопом про анализ данных с помощью pandas, вел семинары в школе Digital God, преподавал Python в ВШЭ на магистратуре «Коммуникации, основанные на данных». В 2019 году я стал наставником на первом потоке курса «Аналитик данных» в Яндекс.Практикуме. Через какое-то время я ушел в Практикум на фулл-тайм на позицию менеджера программы «Аналитик данных». Так в мою жизнь пришёл EdTech.

В Практикуме я участвовал во многих проектах как эксперт, проектный и продуктовый менеджер, автор, методолог, исследователь, руководитель, лидер больших смысло-центричных проектов. Я вместе с командой запустил карьерный центр для аналитиков, создал центр продуктовых исследований, разработал систему ML-диагностики отвала студентов. В своё время я переобщался с кучей нанимающих менеджеров, чтобы понять кто такой «идеальный» аналитик и на что смотрят при найме. С приходом ChatGPT начал пилотировать проекты по AI в образовании. Где-то в это же время я решил покинуть Практикум, потому что edtech в части дополнительного профессионального образования начал, на мой взгляд, слишком сильно терять свой первоначальный смысл и масштабирование привело к утрате важных смыслов. Практикум познакомил меня с драйвовыми ребятами, желающими менять мир через образование. За время работы в Яндексе я вырос как менеджер и лидер, осознав, что для масштабных изменений необходима сильная команда.

Сейчас я работаю в СберОбразовании руководителем отдела разработки и внедрения технологий ИИ. Моя команда проектирует и развивает дата и ИИ-центричные продукты в сфере школьного образования, такие как интеллектуальные помощники для анализа деятельности преподавателя.

Наша задача — объединить технологии, бизнес и академическую часть. Чтобы создать, например, педагогически валидный чат-бот, недостаточно просто натренировать его на данных. Мы склеиваем технологию, академические и бизнесовые потребности, чтобы получить инновацию, которую после аппробации можно встроить в продукт. Это своего рода R&D в образовании.

Я занимаю гуманистическую позицию в отношении ИИ, считая, что он должен использоваться для усиления человека и групповой деятельности. Меня очень интересует психология и философия взаимодействия человека и технологий, раскрытие коллаборативного потенциала человека и ИИ. Сейчас мои профессиональные интересы сосредоточены на том, как ИИ может быть внедрен в работу учителей, освобождая их от рутины и давая больше времени на осмысленное взаимодействие с классом.

Люблю читать и писать в блог о сложных и неоднозначных вещах, развитии, управлении собой и людьми, осознанном бизнесе. Хочу делиться опытом, который поможет другим профессионально расти, выстраивать отношения, повышать ценность своей работы.

А теперь когда вы со мной познакомились, у меня будет просьба. Пожалуйста, напишите в комментариях, о чем бы вам было интересно почитать. Уверен, мы найдем темы, которые нас объединяют.

👨‍🎓Сколковский институт науки и технологий Skoltech запустил бесплатный курс по продвинутому A/B тестированию. Это методика, которая помогает принимать обоснованные решения на основе данных, опираясь на теорию вероятностей и математическую статистику.  

Авторы курса – наши коллеги из команды ad-hoc аналитики X5 Tech – Александр Сахнов, Михаил Хозин и Николай Назаров, а также профессора Сколтеха Евгений Бурнаев и Максим Панов.

Курс охватывает широкий спектр знаний по А/В тестированию, что полезно как для технических специалистов, так и для тех, кто не является экспертом в этой области. Он рассчитан на студентов математических, экономических и других прикладных технических наук, менеджеров и владельцев продуктов, которые хотят понять основы А/B-тестирования, а также для всех, кто хочет научиться оценивать влияние изменений в продуктовых компаниях или попасть туда на работу в роли аналитика или Data Scientist.  
 
Курс лежит здесь