Телеграм

Machine learning Interview

@machinelearning_interview IT и нейросети
РКН: проверяем Не иноагент
ИИ, Rust, вайбкодинг, Data Science, Deep Learning и делюсь тем, что интересно и полезно!

Вопросы - @workakkk

РКН: clck.ru/3FmwRz

Статистика обновлена 19.11.2026 в 08:16 · 2 просмотра страницы · Хотите больше просмотров?

Подписчики30 522 -10 за 2 дня
Охват поста3 543 12% от подписчиков
ERR за месяц11,61%
ERR за 24 часа7,94%

Динамика за 30 дней

Рекламные публикации 3

Все рекламные посты →
Machine learning Interview tg30 тыс. подписчиков
Открыть пост ↗
Бизнесу не нужны красивые ML-модели, которые не окупаются

Модель может показывать отличные метрики на тестовых данных, но провалиться в реальном продукте: не выдержать нагрузку, оказаться слишком дорогой, не вписаться в инфраструктуру или не решить бизнес-задачу.

Чтобы предусмотреть все эти ошибки, ML-инженер должен уметь проектировать систему целиком — от постановки задачи до запуска и поддержки. Именно эти навыки проверяют на собеседованиях в бигтехе. Освойте их на курсе по ML System Design от karpovꓸcourses. 

Лекции ведёт легендарный Валерий Бабушкин, старший директор данных, аналитики и ИИ в British Petroleum, Kaggle Grandmaster. На вебинарах вы сможете задать ему свои вопросы, обсудить сложные технические и архитектурные решения.

За 16 недель научитесь:
— переводить бизнес-задачу в технические требования;
— выбирать архитектуру, оценивать риски и ограничения;
— проектировать работу с данными, метриками и интеграцию модели в продукт;
— продумывать мониторинг и поддержку после запуска;
— работать с LLM и агентами.
А в конце соберете собственный дизайн-документ ML-системы.

Обучение занимает 4–6 часов в неделю. Встречи с Валерием проходят по выходным. 

В честь Чёрной пятницы на курс впервые дают скидку 20% по промокоду BFML20.

→ Успейте записаться до 16 ноября

Реклама. ООО «КАРПОВ КУРСЫ». ИНН 7811764627. erid: 2W5zFHAJqY6 
👁 3.3 тыс. 💊 11❤ 3 ↻ 10 12 ноября
Machine learning Interview tg30 тыс. подписчиков
Открыть пост ↗
Как рассчитать размер выборки для A/B-теста и объяснить бизнесу p-value? Классический вопрос на собеседовании аналитика. Теперь добавьте к нему ещё один: как вы используете в этой работе LLM и как проверяете её выводы?

Разобраться в этом можно на AI Analytics Week — бесплатном онлайн-интенсиве Школы анализа данных Яндекса. С 23 по 27 ноября на кейсах Яндекса пройдёте путь от первых этапов до агентной системы.

Что разберут:

— Как применять LLM в экспериментах: расчёт выборки, стратификация, интерпретация p-value
— Как автоматизировать очистку данных и формировать контекст для модели
— Как проектировать агентные системы и сохранять контроль над их выводами

Интенсив сделан для продуктовых, бизнес- и data-аналитиков, ML-инженеров и студентов старших курсов технических вузов. Нужна база: SQL, Python, статистика и основы ML.

Заявки принимают до 22 ноября включительно. Регистрация по ссылке.
👁 3.7 тыс. ❤ 3👍 3🥰 3 ↻ 32 9 ноября
Machine learning Interview tg30 тыс. подписчиков
Открыть пост ↗
Kandinsky 6.0 Video — новая линейка моделей генерации видео со звуком

Модели генерируют видео с диалогами, музыкой и звуками окружения. Аудиодорожка синхронизирована с происходящим в кадре, движения губ персонажей совпадают с речью. Это первая российская нейросеть, генерирующая видео с синхронным звуком.

— Флагман новой линейки, Kandinsky 6.0 Video Pro — показывает качество на уровне Veo 3.1 Audio, а среди открытых моделей уступает только MiniMax H3, достигая паритета с LTX 2.5.

— Есть компактная Video Lite (3B) для запуска дома — доступны пресеты для видеокарт с 16–32 ГБ VRAM.

Веса моделей доступны на Hugging Face, код — на GitHub и на GitVerse. Также опубликован подробный технический отчёт с описанием архитектуры, данных, процесса обучения и результатов тестирования. Модель можно попробовать бесплатно в ГигаЧате в разделе генерации видео.
👁 2.8 тыс. 👍 15❤ 8🤣 7 ↻ 46 19 октября

Последние публикации

Все посты канала →
Machine learning Interview tg30 тыс. подписчиков
Открыть пост ↗
⚡️ Уход Хуанга, ограничения на чипы и GPT-6.2. Что произошло перед IPO Anthropic

Совет директоров Nvidia принял отставку Дженсена Хуанга и 17 ноября заявил, что возвращать его на пост гендиректора не планирует. Компанией временно руководит финансовый директор Колетт Кресс.

За день до этого Минторг США объявил новые правила экспортного контроля. Они затрагивают поставки передовых чипов и серверов в зарубежные дата-центры, которые предоставляют значительные вычислительные мощности компаниям из Китая и ряда других юрисдикций. Ограничить удалённый доступ к таким мощностям ранее предлагал глава Anthropic Дарио Амодей.

Claude остаётся закрытой моделью. Anthropic обвиняла DeepSeek, Moonshot и MiniMax в том, что те использовали ответы Claude для обучения своих моделей в нарушение условий сервиса. Сама Anthropic публично выступает против запрета моделей с открытыми весами как категории.

На фоне подготовки Anthropic к IPO OpenAI выпустила GPT-6.2 Astra и Sol. В AA-3D, где люди вслепую сравнивают интерактивные 3D-сцены, Astra набрала 1 318 Elo, Claude Fable 5.2 получила 1 271, а GPT-6.2 Sol - 1 259. [
👁 1.3 тыс. ↻ 10 вчера в 14:00
Machine learning Interview tg30 тыс. подписчиков
Открыть пост ↗
🌍 MIT научила ИИ предсказывать климат даже по сценариям, которых никогда не существовало

Исследователи MIT разработали новый способ обучения климатических ИИ-моделей. Он позволяет сократить объём необходимых данных и лучше справляться с непредвиденными изменениями климата.

Проблема традиционных моделей в том, что для обучения обычно используют 6-8 реалистичных сценариев выбросов. Когда возникают условия, которых не было в обучающих данных, точность прогнозов падает.

MIT предложила необычный подход: обучать ИИ на специально созданных синтетических сценариях, даже если они выглядят совершенно нереалистично.

Алгоритм меняет уровни выбросов CO₂ и метана резкими скачками, проверяет ошибки модели и постепенно подбирает наиболее информативные данные.

В результате для подготовки обучающей выборки достаточно одного запуска полноценной климатической модели вместо шести-восьми.

При тестировании новая модель справилась со сценарием, в котором региональная политика сокращает выбросы одного загрязнителя, пока остальные продолжают расти. Традиционные модели, участвовавшие в сравнении, с этой задачей не справились.

Полноценные климатические симуляции могут занимать месяцы на суперкомпьютерах. ИИ-эмуляторы воспроизводят их результаты за секунды, позволяя проверять тысячи вариантов будущего.

Исследование опубликовано в Proceedings of the National Academy of Sciences.

Подробнее: https://news.mit.edu/2026/new-research-could-lead-faster-trustworthy-ai-models-climate-prediction-1112
👁 2 тыс. ❤ 10👏 5🥰 1 ↻ 26 вчера в 06:58
Machine learning Interview tg30 тыс. подписчиков
Открыть пост ↗
🔬 MIT выпустила Sage SciPerception: ИИ-модель для научных исследований, которая умеет работать с инструментами и проверять результаты

Shanghai AI Lab представила мультимодальную MoE-модель с открытыми весами под лицензией MIT. Она работает более чем с 10 типами научных данных: молекулярными графами, кристаллическими структурами, последовательностями ДНК и РНК, спектрами и ЭЭГ.

Главная особенность - модель не просто анализирует данные, а выполняет последовательности действий через внешние инструменты и проверяет результат.

В демонстрации с КТ она отобрала 139 срезов из 12 487 изображений, обнаружила несоответствие при проверке, исправила порядок срезов и восстановила трёхмерную структуру скелета в 3D Slicer.

Другие сценарии включают анализ спутниковых снимков, проверку CAD-сборок и удаление артефактов из ЭЭГ.

По данным разработчиков, стоимость инференса на одной задаче примерно в 10 раз ниже, чем у Xinghe. В сравнении лаборатории модель также лидирует на MLE-bench Lite, OfficeQA Pro, Harvey LAB и SpreadsheetBench 2.

Проект использует RSI: траектории выполнения задач, результаты работы инструментов и человеческая проверка применяются для последующего улучшения модели.

Модель и веса: https://modelscope.ai/models/ShanghaiAI/Sage-SciPerception
👁 2.4 тыс. ❤ 7👏 5🥰 2 ↻ 72 17 ноября