Долгожданный подкаст с наблюдателем Deep Learning School Андреем Райгородским! Говорим про последние дела Андрея Михайловича, математический центр на Кавказе, физтех, миссию донесения красоты математики, катарсисы и то, как и через что закладывать фундамент для качественного образования. Ведь "если останутся только приложения — красота умрет".
Это подкаст, который мы записали в рамках нашего сотрудничества с ecom.tech. И гости этого выпуска — Шарафетдинов Ринат и Евгений Финогеев. Давайте узнаем про то, как набраться сил поучаствовать в своем первом хакатоне с одной стороны, а с другой разберемся в том, зачем такие соревнования нужны компаниям-заказчикам и организаторам. На подкасте мы, конечно же, затрагиваем и сравнение командных и индивидуальных хакатонов.Тема очень обширная, и мы уверены, что наши слушатели тоже участвуют в соревнованиях. Поэтому будем рады не только обратной связи о подкасте, но и рассказам о вашем опыте в комментариях к видео!Спасибо нашим партнерам из ecom.tech! Обязательно подписывайтесь на их соцсети, ведь там много интересного.Хаб на ODS: https://ods.ai/hubs/ecom-techОфициальный сайт: https://ecom.tech/
Гость выпуска — Лаида Кушнарева, выпускница мехмата МГУ, старший академический консультант в компании Хуавей и автор телеграмм канала "Техножрица". Обсудили с Лаидой: Путь Лаиды в рисерче;Задачу fake text detection: почему она сложная, что там интересного, как сейчас обстоят дела, и что насчет будущего этой задачи;Устройство процесса ревью и принятия научных статей. Как остаться честным в этом всем;Как Лаида использует математику в работе, и помогает ли ей математическое образование.Ссылки: телеграм-канал Лаиды "Техножрица"Доклад Лаиды на датафесте "Как одурачить детекторы LLM-контента"Выпуск подкаста Machine Learning Podcast с Лаидой
В этом подкасте мы беседуем с выпускником DLS, который делится своим опытом поиска работы в области машинного обучения. Узнаем о трудностях, с которыми он столкнулся на пути к карьере в ML после 35 лет, и обсудим, как можно начать успешный путь в этой сфере в любом возрасте.
Гость выпуска — Андрей Васнецов — основатель & CTO Qdrant — стартапа, который разрабатывает векторную базу данных.С Андреем обсудили:- Что такое векторные базы данных и где они применяются;- Как векторные базы данных можно использовать в ChatGPT;- В чем сложность реализации векторных баз данных;- Путь Андрея в создании стартапаСсылки:Таймкоды и материалы к подкастуТелеграм-канал DLStoriesПоддержать подкаст
Гость выпуска — Ольга Кардымон, научный сотрудник и руководитель группы «Биоинформатика» Института искусственного интеллекта AIRIС Ольгой обсудили:- Путь Ольги в науке: из чистой биологии до AI;- Языковые модели в работе с ДНК и белками. Почему NLP вообще подходит для изучения ДНК и белков и зачем нужна языковая модель ДНК;- Последние достижения в генетике и биоинформатике;- Что получило человечество после появления Alphafold.Ссылки:Таймкоды и материалы к подкастуТелеграм-канал DLStoriesПоддержать подкаст
Гость выпуска — Александр Петюшко, Technical Lead Manager в компании Nuro. Александр также был гостем самого первого выпуска нашего подкаста, где мы говорили с ним о собеседованиях в AI Research =) О чем говорили с Александром в этот раз: - нужна ли математика в ML/DL; - математика и теория ML/DL — одно и то же или нет? - где конкретно математика нужна (в какого рода исследованиях и компаниях); - какие направления математики востребованы в индустрии; - нужна ли математика для создания беспилотников. Ссылки: Таймкоды и материалы к подкасту Телеграм-канал DLStories Школа глубокого обучения Deep Learning School Купить автору чашку кофе ☕️
Гость выпуска — Артемий Новоселов, постдок рисерчер в Stanford University и автор канала NN for Science. В Стенфорде Артемий занимается ML в сейсмологии. Обсудили с Артемием: - путь Артемия в рисерче: как добраться до Стенфорда; - что такое землетрясения и какими методами их пытаются предсказывать; - AI в сейсмологии: как применяется сейчас, какие есть проблемы и какое видится будущее. Ссылки: Таймкоды и материалы к подкасту Телеграм-канал DLStories Школа глубокого обучения Deep Learning School Купить автору чашку кофе ☕️
Гость эпизода — Михаил Бурцев, директор по фундаментальным исследованиям Института искусственного интеллекта AIRI, руководитель проекта DeepPavlov. Мы поговорили с Михаилом о трендах в современном искусственном интеллекте, о проблемах больших моделей и о том, как ИИ изменит рынок труда. Также порасспрашивали Михаила о проекте DeepPavlop и о планах его развития. Ссылки: Таймкоды и материалы к подкасту Телеграм-канал DLStories Школа глубокого обучения Deep Learning School Купить автору чашку кофе ☕️
Гость выпуска — Глеб Гусев, ведущий исследователь Института искусственного интеллекта (AIRI). О чем говорили с Глебом: - что такое профессия AI Researcher и какова жизнь исследователя; - что нужно, чтобы стать исследователем; - о роли AI research в бизнесе и кому вообще нужны исследования в сфере AI; - о том, как написать хорошую исследовательскую статью В этом выпуске два ведущих — Татьяна Гайнцева и Юрий Яровиков. Юрий — AI researcher в AIRI, работает в команде Глеба. Ссылки: Таймкоды и материалы к подкасту Телеграм-канал DLStories Школа глубокого обучения Deep Learning School Купить автору чашку кофе ☕️
Гость выпуска — Полина Белозерова: аспирант МФТИ, исследователь в области квантовых вычислений и руководитель в управлении исследований и инноваций в Сбере. А еще у Полины есть AI стартап в индустрии бьюти. Обо всем этом мы поговорили с Полиной в этом выпуске нашего подкаста: - В чем фишка квантовых компьютеров и вычислений; - Ждет ли нас квантовое будущее и когда наступит quantum supremacy; - Кто и где занимается рисерчем в квантах; - О чем стартап Полины и как родилась идея; - Что дает акселератор и пре-акселератор; - Какие проблемы возникают на стыке науки, инноваций и бизнеса. Ссылки: Таймкоды и материалы к подкасту Телеграм-канал DLStories Школа глубокого обучения Deep Learning School Купить автору чашку кофе ☕️
Гость подкаста — Ирина Федулова, глава исследовательской лаборатории Philips Innovations Labs в России. Philips — компания, которая занимается медицинской техникой, а в лаборатоиии Philips создается AI для медицинских задач. Обсудили с Ириной: - особенностях DL research в сфере медицины; - отличиях исследований в индустрии и академии; - карьерном росте на DL research позициях; - собеседованиях в DL research и составлении резюме; - особенности работы в Philips research. Ссылки: Таймкоды и материалы к подкасту Телеграм-канал DLStories Школа глубокого обучения Deep Learning School Купить автору чашку кофе ☕️
Разговор про собеседования в сфере DL research. Гость подкаста — Александр Петюшко — к.ф.-м.н. (мех-мат МГУ им. М.В. Ломоносова), Tech Lead Manager in Nuro, лектор обучающей программы по ML/BigData в МГУ. Сайт Александра: https://petiushko.info/ Обсудили с Александром: - как устроены собеседования на ML/DL позиции в разных компаниях и странах; - как составить хорошее CV - какие скиллы проверяются на таких собеседованиях и как себя на них вести. Что важнее — знание математики или умение кодить? - какой бэкграунд нужно иметь для попадания на ML/DL вакансии. Насколько важны вузовское образование и PhD? - советы людям, которые начинают свой путь в ML/DL. На что обращать внимание? Куда идти учиться? - интересные кейсы из практики собеседований. Какие выводы Александр сделал, проводя собеседования. Ссылки: Таймкоды и материалы к подкасту Телеграм-канал DLStories Школа глубокого обучения Deep Learning School Купить автору чашку кофе ☕️
Zak Andrews
I absolutely love using mean average precision map metrics in my data analysis projects! The precision and accuracy it provides is truly unmatched, making it a breeze to evaluate the performance of my models. The intuitive interface and easy-to-understand results make it a joy to work with, saving me time and effort in my analysis and you can also explore more on https://cybersecuritynews.com/mean-average-precision-map-metrics/ . I can confidently say that using mean average precision map metrics has greatly improved the quality of my work and has made my job so much more enjoyable. I highly recommend incorporating this tool into your data analysis toolkit for a seamless and efficient experience.