Machine Learning Podcast
By Mikhail
Почта для обратной связи: kms101@yandex.ru
Сообщество подкаста в ВК: vk.com/mlpodcast
Телеграм-канал: https://t.me/toBeAnMLspecialist
Я в телеграме: @kmsint
Machine Learning PodcastFeb 25, 2020
#037 MLSpec Николай Додонов. Как психология помогает в обучении и жизни
Это очередной специальный выпуск подкаста, который посвящен месту психологических практик в нашей жизни. Чем бы мы не занимались - обучением, построением карьеры, общением с командой, решением рабочих или личных задач - нами управляют мысли и эмоции, природа которых, в большинстве случаев, нерациональна. С профессиональным психологом Николаем Додоновым мы пытаемся разобраться в том, как сделать так, чтобы мысли и эмоции помогали нам достигать наших целей, а не мешали. Николай является членом ассоциации когнитивно-поведенческой психологии, автором книги "Анти тайм менеджмент", тренингов "Стрессоустойчивость", "Майндхакинг", методик работы с привычками и личной эффективностью. И думаю, беседа будет полезна тем, кто хочет иметь больший контроль на тем, что делает и какие результаты получает.
Ссылки выпуска:
Телеграм-канал Николая (https://t.me/n_dodonov)
Список литературы от Николая (https://t.me/n_dodonov/713)
Книга "Mindset: The New Psychology of Success" (https://www.ozon.ru/product/mindset-the-new-psychology-of-success-3914217/?sh=QzippX5OuQ)
Статья на Хабре "КПТ: психотерапия для гиков" (https://habr.com/ru/post/370295/)
Буду благодарен за обратную связь!
Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast)
Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :)
Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)
Телеграм автора подкаста (https://t.me/kmsint)
Со мной также можно связаться по электронной почте: kms101@yandex.ru
Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?) и Яндекс.Музыке https://music.yandex.ru/album/9781458
#036 ML Борис Шарчилев. Как пройти собеседование в ML-команду
В преддверии Нового года, когда многие окидывают взором прошедший год и ставят цели на новый, мы с Борисом Шарчилевым - руководителем ML в Финтехе Яндекса, сделали для вас выпуск о том, как подготовиться и эффективно пройти собеседование на ML-позиции в выдающиеся компании. Борис лично провел больше ста собеседований и поделился своим опытом в выпуске! Поговорили о том из каких этапов состоит собеседование и чего вообще ждать, если вы хотите или только стать ML-инженером, или поменять место работы. Как подготовиться к собеседованию и стоит ли пытаться "хакнуть" систему. Насколько софт-скиллы важнее хард-скиллов, какие скиллы нужны обязательно, а какие подтягиваются прямо в процессе работы. Где и какие задачи решать, чтобы проходить алгоритмическую часть собеседования. Какая мотивация должна быть у кандидата, чтобы успешно строить карьеру в компаниях и какую мотивацию сотрудникам могут предложить компании. В общем, интересно и с пользой пообщались!
Ссылки выпуска:
Вакансии в команду Бориса (https://fintech.yandex.ru/ml-razrabotchik)
Тренировки и соревнования по программированию Codeforces (https://codeforces.com/)
Подготовка к собеседованию на HackerRank (https://www.hackerrank.com/)
Платформа с большим количеством алгоритмических задач (https://leetcode.com/explore/learn/)
Буду благодарен за обратную связь!
Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast)
Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :)
Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)
Телеграм автора подкаста (https://t.me/kmsint)
Со мной также можно связаться по электронной почте: kms101@yandex.ru
Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?) и Яндекс.Музыке https://music.yandex.ru/album/9781458
#035 ML Григорий Бакунов (Бобук). Мораль, этика и философия искусственного интеллекта
В выпуске с Бобуком (Григорием Бакуновым) общаемся на темы этики искусственного интеллекта. Мешает или помогает этика и мораль современному обществу, нужна ли этика искусственному интеллекту, кто лучше справится с этическими вопросами - средний европеец или ИИ, как ИИ будет решать столкнуть ли толстяка с моста, где взять датасет, чтобы обучить ИИ разбираться в этических вопросах, как алгоритмизировать право и зачем в игре "Реверси" запрещать искусственному интеллекту выкладывать фишками букву "М". Интересный разговор!
Ссылки выпуска:
Подкаст "Радио-Т" (https://radio-t.com/)
Телеграм-канал Григория Бакунова о новостях технологий (https://t.me/addmeto)
Буду благодарен за обратную связь!
Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast)
Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :)
Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)
Телеграм автора подкаста (https://t.me/kmsint)
Со мной также можно связаться по электронной почте: kms101@yandex.ru
Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?) и Яндекс.Музыке https://music.yandex.ru/album/9781458
#034 ML Валерий Бабушкин. О карьере, ML в бизнесе и гранд-мастерстве Kaggle
Думаю, для тех, кто следит за индустрией искусственного интеллекта, Валерий Бабушкин в особом представлении не нуждается. Специалист высочайшего класса, за которым охотятся самые крутые технологические компании! И, вот, сегодня Валерий в гостях Machine Learning Podcast. Поговорили о карьерном пути Валерия, о том, как бизнесу внедрять машинное обучение в свои процессы, какие книги читать, чтобы держать себя в тонусе, зачем фейсбук борется с альтернативными ватсап-клиентами, зачем нужен Kaggle в карьере дата-сайентиста и еще много о чем!
Ссылки выпуска:
Реферальная программа Intel, по которой можно получить 70000 рублей за каждого трудоустроенного, по вашей рекомендации, сотрудника в компанию (http://career.intel.com/tp/rj6_qk7Te_e_K)
Вакансии компании Intel (http://career.intel.com/tp/rj6_itirV.e_K)
Телеграм-канал Валерия (https://t.me/cryptovalerii)
Kaggle (https://www.kaggle.com/)
Книга "Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow" (https://www.oreilly.com/library/view/hands-on-machine-learning/9781492032632/)
Книга "The Minimum Description Length Principle" (https://mitpress.mit.edu/books/minimum-description-length-principle)
Книга "Нетрадиционные методы многомерного статистического анализа" (https://www.biznesbooks.com/books/ekonomika/efron-b-netradicionnye-metody-mnogomernogo-statisticheskogo-analiza)
Буду благодарен за обратную связь!
Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast)
Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :)
Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)
Телеграм автора подкаста (https://t.me/kmsint)
Со мной также можно связаться по электронной почте: kms101@yandex.ru
Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?) и Яндекс.Музыке https://music.yandex.ru/album/9781458
#033 ML Анатолий Старостин. Танцующие скелетики, генеративное искусство и философия Искусственного Интеллекта
В гостях подкаста Анатолий Старостин - руководитель службы развития технологий Яндекс.Музыки и Кинопоиска, а также по совместительству ведущий подкаста Неопознанный Искусственный Интеллект. Поговорили с Анатолием о том в какие виды искусства приходят нейросети и есть ли у них шансы конкурировать с человеком, о сложностях полноценной генерации музыки и видео, немного о том, что вообще можно считать искусством, об ограничениях нейросетей, о попытках сбора мультимодальных датасетов, на которых можно было бы обучать потенциальный сильный ИИ и многом другом интересном!
Ссылки выпуска:
Подкаст НИИ (Неопознанный Искусственный Интеллект) (https://music.yandex.ru/album/12967722)
Выпуск подкаста НИИ с Борисом Янгелем (https://music.yandex.ru/album/12967722/track/85248474)
Музыкальное творчество Анатолия Старостина (https://music.yandex.ru/artist/5015958)
Генерация музыки от OpenAI в проекте Jukebox (https://openai.com/blog/jukebox/)
Статья на arxiv.org "Zero-Shot Text-to-Image Generation" (https://arxiv.org/pdf/2102.12092.pdf)
Сериал про искусственный интеллект с Робертом Дауни мл. (https://www.youtube.com/watch?v=UwsrzCVZAb8)
Буду благодарен за обратную связь!
Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast)
Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :)
Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)
Чат в телеграм, где можно обсудить выпуски, предложить гостей и темы подкаста и просто пообщаться (https://t.me/MachineLearningPodcast)
Телеграм автора подкаста (https://t.me/kmsint)
Со мной также можно связаться по электронной почте: kms101@yandex.ru
Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?) и Яндекс.Музыке https://music.yandex.ru/album/9781458
#032 MLSpec Сергей Марков. ruDALL-E. Генерация картинок по текстовому описанию
Это специальный выпуск подкаста, поводом к которому послужила выложенная Сбером в открытый доступ русская версия модели для генерации изображений по текстовому описанию (ruDALL-E). В гостях Сергей Марков - управляющий директор, начальник управления экспериментальных систем машинного обучения департамента SberDevices, принимавший самое непосредственное участие в создании модели. Поговорили о том, какие сложности возникли на пути создания ruDALL-E, где брали датасеты для обучения, какая у сети архитектура, какие могут быть возможные применения сети и стоит ли дизайнерам-иллюстраторам уже начинать искать новый род занятий и многом другом интересном!
Ссылки выпуска:
Сайт проекта (https://rudalle.ru/)
Статья на Хабре "ruDALL-E: генерируем изображения по текстовому описанию, или Самый большой вычислительный проект в России" (https://habr.com/ru/company/sberbank/blog/586926/)
GitHub ruDALLI-E (https://github.com/sberbank-ai/ru-dalle)
Телеграм-бот, с помощью которого можно генерировать картинки по запросу (https://t.me/sber_rudalle_xl_bot)
Статья на arxiv.org "Zero-Shot Text-to-Image Generation" (https://arxiv.org/pdf/2102.12092.pdf)
Генерация музыки от OpenAI в проекте Jukebox (https://openai.com/blog/jukebox/)
Буду благодарен за обратную связь!
Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast)
Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :)
Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)
Телеграм автора подкаста (https://t.me/kmsint)
Со мной также можно связаться по электронной почте: kms101@yandex.ru
Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?) и Яндекс.Музыке https://music.yandex.ru/album/9781458
#031 ML Алексей Харламов. Как фармить золото с помощью ML на Kaggle
В выпуске - Алексей Харламов - Project Leader Samsung AI. А говорим мы о площадке, на которой соревнуются любители фит-предикта и других радостей дата-сайнс - Kaggle. Обсудили, что это вообще за площадка, как она появилась, какие цели призвана решать, какие соревнования на ней проводятся, как стать участником соревнований, как заработать на площадке репутацию и плюсики к резюме, можно ли зарабатывать реальные деньги, участвуя в соревнованиях, какое железо и какие хард-скиллы требуются для участия и победы и многое-многое другое! Как всегда было очень познавательно!
Ссылки выпуска:
Kaggle (https://www.kaggle.com/)
Плей-лист на YouTube с докладами о соревнованиях (https://www.youtube.com/playlist?list=PLTlO6nV_TaGD21r6xPHhV1k7QfVuug3BB)
Курс на Coursera "How to Win a Data Science Competition: Learn from Top Kagglers" (https://www.coursera.org/learn/competitive-data-science)
Страница ODS, посвященная соревнованиям (https://ods.ai/competitions)
Оставьте заявку на бесплатное тестирование DGX A100 в Selectel (https://slc.tl/0ot84)
Буду благодарен за обратную связь!
Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast)
Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :)
Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)
Телеграм автора подкаста (https://t.me/kmsint)
Со мной также можно связаться по электронной почте: kms101@yandex.ru
Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?) и Яндекс.Музыке https://music.yandex.ru/album/9781458
#030 ML Олег Найдин. Голосовые ассистенты
В гостях руководитель службы интеллекта и проактивности Яндекс.Алисы - Олег Найдин, с которым мы обсудили то, как сегодня устроены голосовые ассистенты: из каких основных блоков они состоят, какие задачи приходится решать в рамках каждого блока, где брать датасеты для обучения, как сделать помощников по-настоящему персональными, кому приходится слушать все то, что происходит за кадром, когда колонка с Алисой случайно активируется и многое другое интересное!
Ссылки выпуска:
Доклад Олега в МФТИ для тех, кому мало информации в подкасте (https://youtu.be/1viuYo3BR98)
Обзор automatic speech recognition (https://www.researchgate.net/publication/345710977_Automatic_speech_recognition_a_survey)
Статья про то, как устроено взаимодействие spotter+asr в Google Assistant (https://static.googleusercontent.com/media/research.google.com/ru//pubs/archive/46554.pdf)
Обзор понимания запроса на естественном языке (intent classification и slot filling) (https://www.researchgate.net/publication/348647816_A_survey_of_joint_intent_detection_and_slot-filling_models_in_natural_language_understanding)
Обзор text to speech (https://www.researchgate.net/publication/353061423_A_Survey_on_Neural_Speech_Synthesis)
За техническими новостями в Алисы можно следить в корпоративном блоге Яндекса (https://habr.com/ru/company/yandex/blog/)
А за самой Алисой можно следить в ее инстаграме (https://www.instagram.com/alice.yndx/)
Больше информации про стажировки в Яндексе (https://yandex.ru/yaintern/)
Буду благодарен за обратную связь!
Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast)
Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :)
Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)
Телеграм автора подкаста (https://t.me/kmsint)
Со мной также можно связаться по электронной почте: kms101@yandex.ru
Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?) и Яндекс.Музыке https://music.yandex.ru/album/9781458
#029 ML Антон Фролов. Электронный надмозг или системы машинного перевода
Беседуем с техническим директором Яндекс.Дзена - Антоном Фроловым о том, как появились и развивались системы машинного перевода. Какие системы использовались раньше и какие применяются сейчас. Почему за последние годы так сильно выросло качество автоматических переводчиков и когда они уже, наконец, достигнут человеческого уровня. Поговорили о том, стоит ли идти специалистам по ML в машинный перевод, остались ли там интересные задачи и какие перспективные подходы еще предстоит опробовать.
Ссылки выпуска:
LinkedIn Антона (https://ru.linkedin.com/in/anton-frolov-15912047)
Книга Statistical Machine Translation (https://www.amazon.com/Statistical-Machine-Translation-Philipp-Koehn/dp/0521874157)
Книга Foundations of Statistical Natural Language Processing (https://www.amazon.com/gp/product/B08BT3T4M6/ref=dbs_a_def_rwt_bibl_vppi_i1)
Статья на arxiv Neural Machine Translation by Jointly Learning to Align and Translate (https://arxiv.org/abs/1409.0473)
Статья на arxiv Sequence to Sequence Learning with Neural Networks (https://arxiv.org/abs/1409.3215)
Статья на arxiv Attention Is All You Need (https://arxiv.org/abs/1706.03762)
Буду благодарен за обратную связь!
Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast)
Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :)
Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)
Телеграм автора подкаста (https://t.me/kmsint)
Со мной также можно связаться по электронной почте: kms101@yandex.ru
Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?) и Яндекс.Музыке https://music.yandex.ru/album/9781458
#028 ML Максим Купрашевич. Компьютерное зрение, амурские тигры и желтая курточка
В гостях Максим Купрашевич - руководитель команды машинного обучения в Layer, SberDevices. Максим рассказал о некоторых очень интересных применениях компьютерного зрения в решении как бизнес-задач, так и в общественно-значимых некоммерческих инициативах. Поговорили о том, как искусственный интеллект помогает распознавать интересные пользователю объекты в фильмах и на лету выдает по ним информацию, о том, как дата-сайентисты помогают в сохранении численности популяций вымирающих животных, о том, как стать хорошим уверенным специалистом в компьютерном зрении, о том, как не выгореть, решая задачи машинного обучения и многом другом!
Ссылки выпуска:
Снова курс Andrew Ng (https://www.coursera.org/learn/machine-learning)
Groknet, общая информация в блоге (https://ai.facebook.com/blog/powered-by-ai-advancing-product-understanding-and-bu ilding-new-shopping-experiences/)
Groknet, техническая статья (https://ai.facebook.com/research/publications/groknet-unified-computer-vision-model- trunk-and-embeddings-for-commerce/)
FaceBook Максима (https://www.facebook.com/WildChlamydia)
Сбердевайсы (https://sberdevices.ru/)
Буду благодарен за обратную связь!
Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast)
Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :)
Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)
Телеграм автора подкаста (https://t.me/kmsint)
Со мной также можно связаться по электронной почте: kms101@yandex.ru
Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?) и Яндекс.Музыке https://music.yandex.ru/album/9781458
#027 ML Петр Ермаков. ODS - русскоязычное сообщество дата-сайентистов
Всегда полезно иметь доступ к сообществу профессионалов и любителей темы, которая входит в круг ваших интересов. Профессионалы и любители данных, машинного обучения, искусственного интеллекта и так далее в русскоязычном сегменте имеют крутейшее сообщество, известное как Open Data Science или ODS. В этом выпуске поговорили с Петром Ермаковым - основателем школы машинного обучения DataGym и Senior Data Scientist компании lamoda - о том, как появился ODS, как развивался, зачем туда вступать, как там себя вести и какую пользу можно извлечь из участия в сообществе. Также вы узнаете зачем анализировать профили ВКонтакте и PornHub, как заниматься Data Science если вокруг тебя только волки, как "отжать" у мэйла сайт крупного митапа и как понять, что ты деградируешь, анализируя данные с фитнес-браслетов.
Ссылки выпуска:
ODS (https://ods.ai/)
Статья на Хабре "Уроки участия в хакатоне «Dota Science» в рамках «Data Fest 2»" (https://m.habr.com/ru/post/278785/)
Школа машинного обучения DataGym (https://datagym.ru/)
Телеграм-канал Петра (http://t.me/powerofdata)
Буду благодарен за обратную связь!
Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :)
Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast)
Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)
Телеграм автора подкаста (https://t.me/kmsint)
Со мной также можно связаться по электронной почте: kms101@yandex.ru
Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?) и Яндекс.Музыке https://music.yandex.ru/album/9781458
#026 ML Виталий Моисеев. Рекомендательные системы - как вырастить "счастье пользователей"
Давно уже хотелось сделать выпуск про рекомендательные системы и, вот, наконец-то выпала такая возможность. В гостях Виталий Моисеев - руководитель группы качества рекомендаций видео в Яндексе, с которым получился очень интересный диалог о том, как вообще работают автоматизированные рекомендации, скрываются ли за ними нейросети, что такое коллаборативная фильтрация, почему люди "залипают" в TikTok, почему у YouTube такие крутые рекомендательные алгоритмы и о том, делают нас такие системы счастливее или нет. Также ближе к концу выпуска Виталий рассказал о том, каких стажеров он ждет в свою команду и какими задачами им приходится заниматься.
Ссылки выпуска:
Сервис Яндекс.Толока (https://toloka.yandex.ru/)
Дзен-митап: исследования и рекомендательные системы (https://youtu.be/4JhAiJ2W1i4)
Телеграм-чат про дзен-митапы (https://t.me/zenmeetup)
Крутая книга про рекомендации "Recommender Systems Handbook" (https://g.co/kgs/Gm7i5w)
Статья на Хабре "Феерический финал конкурса Netflix" (https://habr.com/ru/post/65476/)
Стажировки в Яндексе (https://yandex.ru/yaintern/)
Виталий Моисеев в телеграме (@msvvitaly)
Буду благодарен за обратную связь!
Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :)
Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast)
Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)
Телеграм автора подкаста (https://t.me/kmsint)
Со мной также можно связаться по электронной почте: kms101@yandex.ru
Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?) и Яндекс.Музыке https://music.yandex.ru/album/9781458
#025 ML Про стажировки в Яндексе и распознавание рукописных цифр
Этот выпуск состоит из двух частей. Сначала Алина - руководитель бригады подбора стажеров по направлению машинного обучения - немного расскажет о том, как с помощью оплачиваемых стажировок можно получить свой первый опыт работы в ML, а потом я расскажу о том как связать теоретические знания о моделях машинного обучения с практикой их написания и использования на примере учебного датасета изображений рукописных цифр MNIST. Надеюсь, выпуск будет полезен тем, кто уже имеет небольшую теоретическую базу по тому как работает машинное обучение, но еще не очень понимает как от теории перейти к практике написания моделей.
Ссылки выпуска:
Стажировки в Яндексе (https://yandex.ru/yaintern/)
Статья о том, как из пиарщиков девушка стала тестировщиком Яндекс.Станции (https://academy.yandex.ru/posts/byvshiy-piarschik-rasskazyvaet-kak-stat-testirovschikom-yandeks-stantsii)
Выпуск подкаста про линейную регрессию (https://anchor.fm/kmsrus/episodes/016-ML-eo11mr/a-a45vl81)
Плей-лист selfedu "Нейронные сети на Python. Уроки" (https://www.youtube.com/watch?v=nV7cI5zgOpk&list=PLA0M1Bcd0w8yv0XGiF1wjerjSZVSrYbjh)
Мануал "TensorFlow, Keras and deep learning, without a PhD" (https://codelabs.developers.google.com/codelabs/cloud-tensorflow-mnist#0)
Буду благодарен за обратную связь!
Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :)
Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast)
Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)
Телеграм автора подкаста (https://t.me/kmsint)
Со мной также можно связаться по электронной почте: kms101@yandex.ru
Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?) и Яндекс.Музыке https://music.yandex.ru/album/9781458
#024 ML Анатолий Карпов. Как стать крутым аналитиком данных
В этом выпуске Анатолий Карпов ex-аналитик ВКонтакте, mail.ru, сооснователь karpov.courses дает очень ценные советы для тех, кто хочет связать свою жизнь с аналитикой. Анатолий рассказывает про свой опыт и делится своим видением как сделать так, чтобы на собеседовании вас точно выделили из общей массы претендентов на позиции аналитиков. Поговорили про роль аналитика в компании и его пользу для бизнеса, про его место среди дата-сайентистов и какие вообще перспективы у этой профессии. Классная, на мой взгляд, получилась беседа!
Ссылки выпуска:
Школа Data Science karpov.courses (https://karpov.courses/)
Чем отличаются data analyst, data engineer и data scientist - ролик на YouTube от Алексея Натекина (https://youtu.be/lDkTNURDIaY)
Конференция Матемаркетинг на YouTube (https://www.youtube.com/c/%D0%9C%D0%B0%D1%82%D0%B5%D0%BC%D0%B0%D1%80%D0%BA%D0%B5%D1%82%D0%B8%D0%BD%D0%B3/videos)
Статья на Хабре о моделировании данных в Авито - Vertica+Anchor Modeling = запусти рост своей грибницы (https://habr.com/ru/company/avito/blog/322510/)
Курс Анатолия Карпова на Степике "Основы статистики" (https://stepik.org/course/76/info)
Курс Анатолия Карпова на Степике "Основы статистики Часть 2" (https://stepik.org/course/524/info)
Курс Анатолия Карпова на Степике "Основы статистики Часть 3" (https://stepik.org/course/2152/info)
Курс "Математическая статистика" от Computer Science Center на Степике (https://stepik.org/course/326/info)
Курс "Inferential Statistics" на Coursera (https://www.coursera.org/learn/inferential-statistics-intro)
Experiment-fest (https://expf.ru/)
Интервью Анатолия с Никитой Маршалкиным "Об A/B тестах без A/B тестов" на YouTube (https://youtu.be/NcDcxOqB52k)
Курс "Программирование на Python" от Института Биоинформатики на Степике (https://stepik.org/course/67/info)
Курс "Python. Основы и применение" от Института Биоинформатики на Степике (https://stepik.org/course/512/info)
Курс Анатолия Карпова "Введение в Data Science и машинное обучение" на Степике (https://stepik.org/course/4852/info)
Курс Анатолия Карпова "Анализ данных в R" на Степике (https://stepik.org/course/129/promo)
Logs API Яндекс.Метрики и ClickHouse: что полезного можно получить из сырых данных - ролик на YouTube (https://www.youtube.com/watch?v=pOHqwTC--vQ)
2017ABTestingTutorial (https://exp-platform.com/2017abtestingtutorial/)
Буду благодарен за обратную связь!
Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше!
Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast)
Подписывайтесь на телеграм-канал (https://t.me/toBeAnMLspecialist)
Телеграм автора подкаста (https://t.me/kmsint)
kms101@yandex.ru
#023 ML Ольга Перепелкина. Про федеративное обучение и распознавание эмоций
В очередном выпуске беседа с Ольгой Перепелкиной Deep Learning Product Manager компании Intel. Для того, чтобы машинное обучение было эффективным - ему нужны данные и чем больше, тем лучше. Но чем быстрее развивается искусственный интеллект, тем жестче становятся законы о защите персональных данных. Проблема? Да, проблема. Но где есть проблема, там находятся и решения и федеративное обучение - одно из таких, позволяющих и приватность сохранить и модели обучить. Об этом, а также о подходах к распознаванию эмоций и карьерном пути в ML слушайте в выпуске!
Ссылки выпуска:
OpenFL - опенсорс библиотека для федеративного обучения (Federated Learning) (https://github.com/intel/openfl)
Вакансия Deep Learning RnD Intern (Federated Learning) в Нижнем Новгороде, работа в компании Intel Corporation (https://nn.hh.ru/vacancy/41942809)
Буду благодарен за обратную связь!
Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :)
Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast)
Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)
Телеграм автора подкаста (https://t.me/kmsint)
Со мной также можно связаться по электронной почте: kms101@yandex.ru
Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?) и Яндекс.Музыке https://music.yandex.ru/album/9781458
#022 ML Татьяна Шаврина. Эволюция подходов к обработке естественного языка (NLP)
Сегодня в гостях Татьяна Шаврина - тимлид команды AGI NLP, главный эксперт по технологиям, SberDevices, аспирант НИУ ВШЭ и просто очень приятный и интересный собеседник. Обсудили то, как с течением времени менялись подходы к обработке естественного языка, какие оказались революционными для области, а какие были частью закономерного развития. Word2vec, Seq2seq, Transformer, GPT, BERT - если эти названия вам говорят мало, но вы хотите узнать больше - выпуск вам будет интересен. И даже если вы уже все это хорошо знаете, слушать Татьяну очень интересно!
Ссылки выпуска:
Методология тестирования моделей, основанная на тестах для сильного ИИ - https://russiansuperglue.com/
Книга "Введение в информационный поиск" Маннинг Кристофер д. - https://www.ozon.ru/product/vvedenie-v-informatsionnyy-poisk-168021950/?utm_source=google&utm_medium=cpc&utm_campaign=RF_Product_Shopping_Books_newclients_super&gclid=CjwKCAiA9vOABhBfEiwATCi7GOdEOcDm_r9sxEWggOaUhpGnDaflijxaYDEXAjIsGpCKD1pAubW2exoCrf8QAvD_BwE
MIT course "Advanced Natural Language Processing" https://ocw.mit.edu/courses/electrical-engineering-and-computer-science/6-864-advanced-natural-language-processing-fall-2005/
Cambridge NLP course - https://www.cl.cam.ac.uk/teaching/1718/NLP/
Буду благодарен за обратную связь!
Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :)
Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast)
Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)
Телеграм автора подкаста (https://t.me/kmsint)
Со мной также можно связаться по электронной почте: kms101@yandex.ru
Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?) и Яндекс.Музыке https://music.yandex.ru/album/9781458
#021 ML Алексей Нечаев. AlphaGo и философия игры Го
Победа AlphaGo над чемпионом мира по игре го Ли Седолем в 2016 году стала поистине знаковым событием в мире машинного обучения. Ведь большинство экспертов сходились во мнении, что до победы компьютера над человеком в го еще лет десять. Это первый выпуск, посвященный игре го, в котором я беседую с профессиональным преподавателем го Алексеем Нечаевым. Алексей рассказал про правила и философию игры, про то, почему компьютеры до 2016 года плохо играли в го и не могли составить конкуренцию игрокам-людям, про то, как повлияла на игру победа AlphaGo и про многое-многое другое.
Ссылки выпуска:
Фильм "AlphaGo" - https://youtu.be/WXuK6gekU1Y
Фильм "AlphaGo" (русский перевод) - https://youtu.be/HqaYiMMUc44
Школа Го Алексея Нечаева ВКонтакте - https://vk.com/weiqi_school
Сайт Алексея Нечаева - http://igo.mya5.ru/
YouTube-канал Алексея Нечаева - https://www.youtube.com/channel/UCopu-zXy2k9zMwTalWFEskQ
Алексей Нечаев на твиче - https://www.twitch.tv/alone_go
Книга "Го и восточная бизнес-стратегия" - https://nikoraido.ru/files/Miura-YAsuyuki-Go-i-vostochnaya-biznes-strategiya.pdf
Российская федерация го - https://gofederation.ru/
Статья в Википедии про го - https://ru.wikipedia.org/wiki/%D0%93%D0%BE
Хикару и го - https://www.youtube.com/watch?v=oTIrluqSac4&list=PLj-9n6opiLUFZLXpRyWQP4k80EQAjViMl
KGS Go Server - http://www.gokgs.com/
Online Go Server - https://online-go.com/
Буду благодарен за обратную связь!
Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :)
Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast)
Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)
Телеграм автора подкаста (https://t.me/kmsint)
Со мной также можно связаться по электронной почте: kms101@yandex.ru
Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?)
#020 ML Английский язык и День рождения Machine Learning Podcast
Сегодня выпуск необычный. В подкасте о машинном обучении выпуск без машинного обучения. Зато с личными историями и моим личным опытом на пути приобретения важного инструмента современного мира - английского языка. Его значимость для изучения машинного обучения очень сложно переоценить и я расскажу какие походы для меня сработали, какие практически нет. Как прокачать чтение и восприятие на слух, чтобы, не напрягаясь потреблять качественный контент на английском языке, которого на порядок больше, чем на русском. Классные книги, подкасты, обучающие видео, курсы - все это лежит и просто ждет, когда вы придете и возьмете. Также расскажу в выпуске о планах на ближайший год! Спасибо, что остаетесь со мной!
Ссылки выпуска:
Книга "The Immortalists" на amazon - https://www.amazon.com/Immortalists-Charles-Lindbergh-Alexis-Forever/dp/0060528168
Проект Эйлера с математическими задачами на программирование - https://projecteuler.net/
Перевод задач Проекта Эйлера - https://euler.jakumo.org/
Выпуск Полиглота с таблицей простых времен английского языка - https://youtu.be/LrhyihlqB-U
Приложение Duo Lingo для прокачки английского - https://ru.duolingo.com/
Приложение Quizlet для набора лексики с помощью карточек - https://quizlet.com/ru
Приложение Luke's ENGLISH Podcast для осознанного аудирования - https://teacherluke.co.uk/
Lex Fridman Podcast - https://lexfridman.com/podcast/
Буду благодарен за обратную связь!
Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :)
Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast)
Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)
Телеграм автора подкаста (https://t.me/kmsint)
Со мной также можно связаться по электронной почте: kms101@yandex.ru
Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?)
#019 ML Евгений Разинков. Дорожная карта погружения в машинное обучение ч.2
Продолжаем рисование дорожной карты погружения в машинное обучение, начатое в прошлом выпуске, вместе с кандидатом физико-математических наук, профессиональным преподавателем машинного обучения кафедры системного анализа и информационных технологий института ВМиИТ Казанского Федерального Университета, Евгением Разинковым. На мой взгляд, ценность того, что рассказывает Евгений обусловлена также и тем, что он не просто преподаватель-теоретик, он еще и востребованный действующий специалист в индустрии. Евгений руководит отделом машинного обучения и компьютерного зрения Группы компаний FIX, а также является директором по науке в компании Pr3vision Technologies Inc. В выпуске Евгений рассказал какие есть направления в машинном обучении и в какой последовательности имеет смысл их изучать, поделился своим видением какая математика нужна в изучении ML, почему недооценено обучение с подкреплением и есть ли перспективы у GANов. А также детально обосновал свой выбор между TenzorFlow и PyTorch. Было интересно и полезно!
Предыдущие выпуски подкаста с Евгением Разинковым:
1. #007 ML Евгений Разинков. Управление коммерческой разработкой в ML - https://anchor.fm/kmsrus/episodes/007-ML--------ML-ekd6bu
2. #018 ML Евгений Разинков. Дорожная карта погружения в машинное обучение ч.1 - https://anchor.fm/kmsrus/episodes/018-ML-----------1-eoftu6
Напоминаю, что Евгений ведет свой YouTube-канал, на котором можно найти отличные лекции по машинному обучению (http://video.razinkov.ai/), телеграм-канал с анонсами лекций, видео, материалами по AI (https://t.me/razinkov_ai), паблик в ВК (http://vk.com/razinkov_ai), а также веб-сайт, на котором можно найти интересующую информацию о Евгении и его деятельности (http://razinkov.ai/)
Буду благодарен за обратную связь!
Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :)
Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast)
Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)
Телеграм автора подкаста (https://t.me/kmsint)
Со мной также можно связаться по электронной почте: kms101@yandex.ru
Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?)
#018 ML Евгений Разинков. Дорожная карта погружения в машинное обучение ч.1
Когда как не в новогодние праздники ставить цели на год? В этом и следующем выпусках мы решили с Евгением Разинковым нарисовать дорожную карту изучения машинного обучения, тем более, что Евгений профессиональный преподаватель машинного обучения кафедры системного анализа и информационных технологий института ВМиИТ Казанского Федерального Университета, да еще и в индустрии работает, являясь руководителем отдела машинного обучения и компьютерного зрения Группы компаний FIX, а также директором по науке компании Pr3vision Technologies Inc. Евгений очень подробно рассказал кому и зачем стоило бы изучать машинное обучение, какие для этого нужны входные навыки и на чем сосредоточить внимание при подготовке к затяжному прыжку в интересный и увлекательный мир искусственного интеллекта. А также о том, как изучить английский, играя в настольные игры.
Ссылки выпуска:
Предыдущий выпуск подкаста с Евгением Разинковым - https://anchor.fm/kmsrus/episodes/007-ML--------ML-ekd6bu
Напоминаю, что Евгений ведет свой YouTube-канал, на котором можно найти отличные лекции по машинному обучению (http://video.razinkov.ai/), телеграм-канал с анонсами лекций, видео, материалами по AI (https://t.me/razinkov_ai), паблик в ВК (http://vk.com/razinkov_ai), а также веб-сайт, на котором можно найти интересующую информацию о Евгении и его деятельности (http://razinkov.ai/)
Буду благодарен за обратную связь!
Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :)
Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast)
Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)
Телеграм автора подкаста (https://t.me/kmsint)
Со мной также можно связаться по электронной почте: kms101@yandex.ru
Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?)
#017 ML Виктория Земляк. ML в научных исследованиях
В гостях ведущая подкаста о мозге и нейронауках "Нейрочай", специалист по машинному обучению в области NLP, ученая в области нейронаук, Виктория Земляк. Получился очень насыщенный и интересный выпуск, в котором мы обсудили применение машинного обучения в научных исследованиях, айтрекинг (отслеживание взгляда), психолингвистику, ложную слепоту (явление и книгу), различия в связности английских и русских текстов у больных шизофренией, подкастинг, статью Франсуа Шолле про концептуальный подход к созданию сильного ИИ, интеллект воронов и даже нейроинтерфейсы. Однозначно было не скучно!
Ссылки выпуска:
Подкаст "Нейрочай" - https://anchor.fm/neurotea
Телеграм-канал подкаста "Нейрочай" - https://t.me/neurotea
Паблик подкаста "Нейрочай" в ВК - https://vk.com/neurotea
Мои любимые выпуски подкаста "Нейрочай":
1. Как компьютер понимает речь? (Иван Ямщиков) #14 - https://anchor.fm/neurotea/episodes/14-eabs5f/a-a1bi28p
2. Атака ботов и технооптимизм (Иван Ямщиков) #15 - https://anchor.fm/neurotea/episodes/15-ean6np/a-a1e3iei
3. Как мы помним и забываем (Полина Кривых) #11 - https://anchor.fm/neurotea/episodes/11-e9a1t9/a-a13jocj
Выпуск подкаста "Сельхозка" про искусственный интеллект в сельском хозяйстве - https://anchor.fm/selhozka/episodes/005-enpehl/a-a44cnoa
Перевод статьи Франсуа Шолле "Как оценивать интеллект? Подход Google" - https://habr.com/ru/company/sberbank/blog/493952/
Оригинал статьи Франсуа Шолле на Архиве - https://arxiv.org/abs/1911.01547
Статья на Хабре "Почему меня разочаровали результаты Kaggle ARC Challenge" - https://habr.com/ru/company/sberbank/blog/507852/
ARC Challenge на Kaggle - https://www.kaggle.com/c/abstraction-and-reasoning-challenge/overview/code-requirements
Статья про интеллект у воронов - https://science.sciencemag.org/content/369/6511/1626
Подкаст "Терминальное чтиво" - https://ru.player.fm/series/2395016
Курс по Reinforcement Learning - https://www.coursera.org/specializations/reinforcement-learning
Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :)
Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast)
Подписывайтесь на телеграм-канал (https://t.me/toBeAnMLspecialist)
Телеграм автора подкаста (https://t.me/kmsint)
Со мной также можно связаться по электронной почте: kms101@yandex.ru
Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?)
#016 ML Линейная регрессия
С этого метода машинного обучения стоило бы начать сразу, ведь линейная регрессия - это своего рода "Hello world" машинного обучения. В выпуске я рассказываю про разные подходы к описанию данных (интерполяция, аппроксимация и регрессия) и подробно останавливаюсь на линейной регрессии - как самом простом и наглядном методе обучения с учителем. Также про функцию потерь - среднеквадратичную ошибку, наиболее часто используемую в линейной регрессии, про градиентный спуск в рамках линейной регрессии и про место линейной регрессии среди методов машинного обучения. Казалось бы, причем здесь Марк Твен? Полезного вам прослушивания!
Ссылки выпуска:
Курс Andrew Ng на coursera (про линейную регрессию, функцию потерь и градиентный спуск - первая неделя курса) - https://www.coursera.org/learn/machine-learning
Выпуск подкаста #003 ML Методы машинного обучения - https://anchor.fm/kmsrus/episodes/003-ML-eb2mei
Выпуск подкаста #006 ML Основы нейросетей ч.1 - https://anchor.fm/kmsrus/episodes/006-ML----1-ejthqa
Выпуск подкаста #015 ML Основы нейросетей ч.2 Градиентный спуск - https://anchor.fm/kmsrus/episodes/015-ML----2-enljpl
Буду благодарен за обратную связь!
Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :)
Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast)
Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)
Телеграм автора подкаста (https://t.me/kmsint)
Со мной также можно связаться по электронной почте: kms101@yandex.ru
Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?)
#015 ML Основы нейросетей ч.2 Градиентный спуск
Продолжаем разговор об основах нейросетей. В этот раз я рассказываю как сеть из простых нейронов может решать сложные задачи. О том, какая математика за всем этим стоит, как строятся сложные многомерные разделяющие поверхности, как обучаются нейросети, что такое градиентный спуск и функция ошибки. Немного затронул темы переобучения и визуализации того, что у нейросетей происходит внутри.
Ссылки выпуска:
Выпуск "Основы нейросетей ч.1", на котором основывается данный - https://anchor.fm/kmsrus/episodes/006-ML----1-ejthqa
YouTube канал 3Blue1Brown - https://www.youtube.com/channel/UCYO_jab_esuFRV4b17AJtAw
3Blue1Brown на русском - https://www.youtube.com/channel/UCCbgOIWdmYncvYMbl3LjvBQ
Нейронные сети на Python на канале selfedu - https://www.youtube.com/watch?v=nV7cI5zgOpk&list=PLA0M1Bcd0w8yv0XGiF1wjerjSZVSrYbjh
Отдельно благодарю за помощь в подготовке выпуска Николая Иванова - гостя 5-го выпуска подкаста за факт-чекинг и разъяснение некоторых нюансов
Выпуск с Николаем Ивановым - https://anchor.fm/kmsrus/episodes/005-ML----NLP--GPT-3--Replika-eiibus
Facebook Николая - https://www.facebook.com/nickolas.ivanov
Буду благодарен за обратную связь!
Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :)
Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast)
Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)
Телеграм автора подкаста (https://t.me/kmsint)
Со мной также можно связаться по электронной почте: kms101@yandex.ru
Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?)
#014 ML Анастасия Никулина. Карьера дата-сайентиста
Гостья сегодняшнего выпуска - Анастасия Никулина - Senior Data Scientist Росбанка. Поговорили про путь дата-сайентиста - от джуниора до синьора - какие требования к специалисту предъявляет бизнес, какие знания нужны, какие социальные навыки, какое имеет смысл получать образование. Нужна ли математика и английский. Чего ждать от этих позиций в плане заработной платы и ответственности. Также не обошли стороной и тему - как в дата сайнс живется девушкам. Было интересно!
Ссылки выпуска:
Настя в Linkedin: https://www.linkedin.com/in/anastasia-nikulina-7b274668/
Ютуб-канал Насти: https://www.youtube.com/c/miracl6
Топ 3-видео на канале Насти:
Матан для Data Science https://youtu.be/EHVmseAhkx0
Линал для Data Science https://youtu.be/cGxK2-_0x40
Резюме IT-специалиста https://youtu.be/-ymFHZumoko
Книга "Python и машинное обучение" Себастьян Рашка: https://pythonworld.ru/bookshop/60.html
Буду благодарен за обратную связь!
Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :)
Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast)
Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)
Телеграм автора подкаста (https://t.me/kmsint)
Со мной также можно связаться по электронной почте: kms101@yandex.ru
Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?)
#013 ML Алексей Ярошенко. Из специалиста по рекламе в дата-сайентисты
Очередной выпуск подкаста посвящен смене карьеры. В гостях бывший специалист по контекстной рекламе, маркетолог, сооснователь рекламного агентства и сертифицированный тренер по рекламным продуктам Google, а теперь - инженер по машинному обучению, который заканчивает MADE, Алексей Ярошенко. Мы поговорили о том, что заставляет человека менять одну успешную карьеру, на другую, успех в которой не гарантирован, от том как не поступить в ШАД, но поступить в MADE и как там потом учиться. Как совмещать учебу с работой и семьей с маленьким ребенком и где взять на все это время. Алексей заканчивает MADE и ему есть чем поделиться. Встречайте!
Ссылки выпуска:
FaceBook Алексея (https://www.facebook.com/alexey.yaroshenko)
Telegram Алексея (https://t.me/yaroshenko)
Блог Алексея, на котором можно найти интересные статьи, в том числе и про поступление/обучение в MADE (https://yaroshenko.by)
Академия Больших Данных MADE (https://data.mail.ru/)
Курс "Специализация Машинное обучение и анализ данных" (https://www.coursera.org/specializations/machine-learning-data-analysis)
Буду благодарен за обратную связь!
Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :)
Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast)
Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)
Телеграм автора подкаста (https://t.me/kmsint)
Со мной также можно связаться по электронной почте: kms101@yandex.ru
Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?)
#012 ML Юрий Яровиков. Как окончить ШАД, руководить Школой глубокого обучения и остаться в России
Гость выпуска - Юрий Яровиков - исследователь Лаборатории искусственного интеллекта Сбера, руководитель Школы глубокого обучения. Поговорили о том, как поступить в Школу Анализа Данных Яндекса, чтобы потом было стыдно (спойлер: надо заниматься олимпиадной математикой), как уйти из Huawei в Сбер, чтобы заниматься Искусственным Интеллектом общего назначения, как отобрать лучших школьников для ФизТеха через Школу глубокого обучения и как и, главное, зачем оставаться жить и работать в России. Приятного прослушивания!
Ссылки выпуска:
Школа Глубокого Обучения (DLS) (https://www.dlschool.org/)
Сообщество в ВК, посвященное Школе Глубокого Обучения (https://vk.com/dlschool_mipt)
Физтех-школа прикладной математики и информатики (https://mipt.ru/education/departments/fpmi/)
Буду благодарен за обратную связь!
Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :)
Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast)
Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)
Телеграм автора подкаста (https://t.me/kmsint)
Со мной также можно связаться по электронной почте: kms101@yandex.ru
Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?)
#011 ML Юрий Окуловский. Искусственный Интеллект в мире моды и как подготовиться к Сингулярности
И снова интереснейший собеседник в эфире подкаста, посвященного машинному обучению! Юрий Окуловский - Senior Data Scientist в Берлине, кандидат физико-математических наук, ранее руководитель лаборатории искусственного интеллекта и робототехники УрФУ и автор нескольких видеокурсов. Поговорили с Юрием про то как алгоритмы постепенно отбирают работу у стилистов, подбирая людям костюмы и аксессуары, про не совсем радужные перспективы человеческого интеллекта, про то захочет ли ИИ осваивать космос и колонизировать экзопланеты, про неизбежность технологической сингулярности и о том, можно ли и нужно ли к ней готовиться. Как всегда - лайк, репост, подписка :)
Ссылки выпуска:
Телеграм-канал Юрия "Свидетели сингулярности" (https://t.me/witnessesofsingularity)
Курс по научному мышлению на Степике (https://stepik.org/course/578/syllabus)
Курсы по программированию (Юрия и не только) (https://ulearn.me/)
Курсы "Специализация Машинное обучение и анализ данных" (https://www.coursera.org/specializations/machine-learning-data-analysis)
Статьи Юрия на Медиуме (https://witness-of-singularity.medium.com/)
Буду благодарен за обратную связь!
Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :)
Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast)
Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)
Телеграм автора подкаста (https://t.me/kmsint)
Со мной также можно связаться по электронной почте: kms101@yandex.ru
Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?)
#010 ML Андрей Клименко. Neural Shit: Незаконное увеличение животных, Ветхий Путин и Програверование
В 10-м, юбилейном, выпуске подкаста общаемся с Андреем Клименко (Красный Дошик) - автором телеграм-канала Neural Shit. Нейроновости от нейромедузы, нейростатьи нейроуголовного кодекса, нейрогороскопы, нейросимпсонов, нейроволков и весь остальной зоопарк нейромемов обсуждаем с Андреем. Интересно и местами весело!
Ссылки выпуска:
Телеграм-канал Андрея Neural Shit (https://t.me/NeuralShit)
Твиттер с нейроновостями Neural Meduza (https://twitter.com/neural_meduza)
Инстаграм neural_tp (https://www.instagram.com/neural_tp/?hl=ru)
Клип Neuralklaani -- Vodka (https://youtu.be/fMDIT6lykpQ)
Буду благодарен за обратную связь!
Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :)
Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast)
Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)
Телеграм автора подкаста (https://t.me/kmsint)
Со мной также можно связаться по электронной почте: kms101@yandex.ru
#009 ML Сергей Марков. Русская GPT-3 и роботы-коллекторы от Сбера
В этом выпуске общаемся с Сергеем Марковым - специалистом по машинному обучению - Управляющим директором, начальником Управления экспериментальных систем машинного обучения, департамента SberDevices, Сбербанка. Команда Сергея не так давно выложила в открытый доступ языковую модель GPT-3, обученную на русском языке, что стало громким событием среди специалистов, интересующихся и сочувствующих из области искусственного интеллекта. Помимо обсуждения ruGPT-3, мы поговорили про применение машинного обучения в банковской сфере - роботов-помощников и роботов-коллекторов, про перспективы доступа к GPT-3 всех желающих, про то скоро ли наступит очередная "зима искусственного интеллекта", про закон Мура и почему он все еще работает, и многое другое интересное!
Ссылки выпуска:
Статья на Хабре "Сбер выложил русскоязычную модель GPT-3 Large с 760 миллионами параметров в открытый доступ" (https://habr.com/ru/company/sberbank/blog/524522/)
Сергей Марков - специалист по ИИ (https://markoff.science/?fbclid=IwAR0g-yMzuHrOs_XgG5N8wKiBmJcGSbB3xp2Zti_gUAFXux1jbuQ3viWMHw8)
Профиль Сергея в FB (https://www.facebook.com/sergei.markoff/)
Научно-популярный проект Сергея и его друзей 22century.ru (https://22century.ru/)
Блог подразделения SberDevices на Хабре (https://habr.com/ru/company/sberdevices/)
Буду благодарен за обратную связь!
Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :)
Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast)
Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)
Телеграм автора подкаста (https://t.me/kmsint)
Со мной также можно связаться по электронной почте: kms101@yandex.ru
#008 ML Григорий Сапунов. Перспективы появления Искусственного Интеллекта общего назначения
В гостях Григорий Сапунов - кандидат технических наук, CTO компании Intento, а в прошлом - руководитель команды разработки Яндекс-новостей. Обсудили с Григорием возможные направления, из которых может (или не может) возникнуть искусственный интеллект общего назначения. Поговорили про эволюционный подход, про развитие капсульных сетей, авто-ML, проблемы софта и железа в современном машинном обучении. Получилось насыщенно и интересно!
Ссылки выпуска:
Компания intento, в которой Григорий является со-основателем и техническим директором (https://inten.to/)
Сайт компании Numenta, занимающейся машинным интеллектом (https://numenta.com/)
Небольшая статья на Хабре про капсульные нейронные сети Хинтона (https://habr.com/ru/post/417223/)
Статья "The Hardware Lottery", рекомендованная Григорием к прочтению (https://arxiv.org/pdf/2009.06489.pdf)
Группа CyberBiology, посвященная эволюционным вычислениям (https://vk.com/cyberbiology)
Канал Григория в телеграме "gonzo-обзоры ML статей" (https://t.me/gonzo_ML)
Буду благодарен за обратную связь!
Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :)
Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast)
Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)
Телеграм автора подкаста (https://t.me/kmsint)
Со мной также можно связаться по электронной почте: kms101@yandex.ru
#007 ML Евгений Разинков. Управление коммерческой разработкой в ML
В этом выпуске в гостях у меня Евгений Разинков - кандидат физико-математических наук, руководитель отдела машинного обучения и компьютерного зрения Группы компаний FIX, директор по науке компании Pr3vision Technologies Inc., старший преподаватель кафедры системного анализа и информационных технологий института ВМиИТ Казанского Федерального Университета. Поговорили про управление командой в коммерческой разработке, обсудили этапы разработки в области машинного обучения, плюсы и минусы профессии дата-сайентиста, перспективы машинного обучения и проблемы, которые сулят нам корпорации, занимающиеся исследованиями и разработками в области машинного обучения и многое другое интересное!
Ссылки выпуска:
Курс Стэнфордского университета по сверточным нейронным сетям и распознаванию образов cs231n (http://cs231n.stanford.edu/)
Курс Стэнфордского университета по обучению с подкреплением cs234 (http://web.stanford.edu/class/cs234/index.html)
Евгений ведет свой YouTube-канал, на котором можно найти отличные лекции по машинному обучению (http://video.razinkov.ai/), телеграм-канал с анонсами лекций, видео, материалами по AI (https://t.me/razinkov_ai), паблик в ВК (http://vk.com/razinkov_ai), а также веб-сайт, на котором можно найти интересующую информацию о Евгении и его деятельности (http://razinkov.ai/)
Буду благодарен за обратную связь!
Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, каких гостей пригласить, ну, и вообще в какую сторону катить этот подкаст :)
Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast)
Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)
Телеграм автора подкаста (https://t.me/kmsint)
Со мной также можно связаться по электронной почте: kms101@yandex.ru
#006 ML Основы нейросетей ч.1
В 6-м выпуске рассказываю о том, как устроен отдельный нейрон - основной строительный кирпичик нейросетей. Какие задачи он решать может, а какие не может. О том, почему именно нейросети сейчас испытывают такой подъем, среди методов машинного обучения. Как простейший нейрон может выступать в роли логических гейтов и можно ли собрать компьютер полностью на нейросетевой архитектуре. Приятного прослушивания!
Ссылки выпуска:
Статья на Хабре "7 лет хайпа нейросетей в графиках и вдохновляющие перспективы Deep Learning 2020-х" (https://habr.com/ru/post/68365/)
Статья "Нейронные сети. Основы" с хорошими иллюстрациями (http://synset.com/ai/ru/nn/NeuralNet_01_Intro.html)
Отзыв на книгу Петцольда "Код. Тайный язык информатики" на Хабре (https://habr.com/ru/post/68365/)
Курс на Coursera "From NAND to Tetris" (https://www.coursera.org/learn/build-a-computer/home/welcome)
Буду благодарен за обратную связь!
Оставляйте ваши комментарии там, где можно. Например, в Apple Podcasts. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, ну, и вообще в какую сторону катить этот подкаст :)
Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast)
Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)
Телеграм автора подкаста (https://t.me/kmsint)
Со мной также можно связаться по электронной почте: kms101@yandex.ru
#005 ML Николай Иванов. NLP. GPT-3. Replika
В 5-м выпуске я общался со специалистом в области NLP (Natural Language Processing) Николаем Ивановым. Николай рассказал про то, как устроена обработка естественного языка, чем хороши модели GPT от OpenAI и как GPT-3 ведет себя в проекте Replika - виртуальном друге довольно хорошего качества. Отдельного внимания заслуживает история появления проекта Replika, от которой у меня появилось ощущение, что именно с нее вдохновлялись авторы одной из серий "Черного зеркала". Приятного прослушивания!
Ссылки выпуска:
Выпуск подкаста "Подлодка" - интервью с коллегой Николая (https://podlodka.io/176)
Как работает GPT-3 (на английском) (https://jalammar.github.io/how-gpt3-works-visualizations-animations/)
Виртуальный друг - Replika (https://replika.ai/)
Тот самый курс от Andrew Ng (https://www.coursera.org/learn/machine-learning)
Буду благодарен за обратную связь!
Оставляйте ваши комментарии. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, ну, и вообще в какую сторону катить этот подкаст :)
Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast)
Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)
Со мной можно связаться по электронной почте: kms101@yandex.ru
#004 ML Иван Ямщиков. Автоэнкодеры
Это 4-й выпуск подкаста, посвященного машинному обучению. И в этот раз я записывался не один, а с Иваном Ямщиковым - специалистом, в отличие от меня, по машинному обучению, реализовавшим многие интересные проекты в этой области и продолжающим развивать эту область. Иван работал аналитиком в Яндексе, занимается наукой в области NLP (Natural Language Processing) и является евангелистом компании Abbey. В подкасте мы сначала немного поговорили на отвлеченные темы: про роботов, продление жизни и трансгуманизм, а потом Иван довольно подробно и простым языком рассказал про нейросети и про отдельный их класс - автоэнкодеры. По мне, выпуск получился интересным!
Ссылки выпуска:
- Послушать Нейронную оборону (https://music.yandex.ru/artist/4445922)
- Открытие YaC 2017, на которой оркестр исполнял музыку в стиле Скрябина, сгенерированную нейросетью (https://youtu.be/5bfI3bhiRa4)
- Книги, рекомендованные Иваном: 1. Глубокое обучение. Погружение в мир нейронных сетей (Николенко, Кадурин, Архангельская) 2. Глубокое обучение на Python (Ф.Шолле) 3. Глубокое обучение (Ян Гудфеллоу, Бенджио Иошуа)
- https://towardsdatascience.com/ - блог с большим количеством примеров и туториалов
- Курс "Введение в машинное обучение" от ВШЭ и Яндекса (https://ru.coursera.org/learn/vvedenie-mashinnoe-obuchenie)
- Курс "Специализация Машинное обучение и анализ данных" (https://ru.coursera.org/specializations/machine-learning-data-analysis)
- Статья на медиуме про лучшие бесплатные курсы по машинному обучению (https://medium.com/nuances-of-programming/%D1%82%D0%BE%D0%BF-10-%D0%BA%D1%83%D1%80%D1%81%D0%BE%D0%B2-%D0%BF%D0%BE-%D0%BC%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%BC%D1%83-%D0%B8-%D0%B3%D0%BB%D1%83%D0%B1%D0%BE%D0%BA%D0%BE%D0%BC%D1%83-%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D1%8E-%D0%B2-2020-1e1d870a24b7)
- Курс fast.ai (https://www.fast.ai/)
Буду благодарен за обратную связь!
Оставляйте ваши комментарии. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, ну, и вообще в какую сторону катить этот подкаст :)
Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast)
Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)
Со мной можно связаться по электронной почте: kms101@yandex.ru
#003 ML Методы машинного обучения
В 3-м выпуске подкаста мы поговорим об основных методах машинного обучения. Если вы только начинаете свой путь в этой интереснейшей области искусственного интеллекта, выпуск может показаться вам несколько перегруженным новой терминологией, но не стоит этого пугаться. Чем чаще вы будете встречаться с новыми терминами, тем быстрее они станут понятными и привычными. И вы с легкостью начнете отличать классификацию и регрессию, будете понимать сильные и слабые стороны машины опорных векторов, деревьев решений, нейросетей и других страшных слов :) Интересного вам прослушивания!
Буду благодарен за обратную связь!
Оставляйте ваши комментарии. Они помогут сделать подкаст лучше! Напишите что вам было понятно, что не очень, какие темы раскрыть, ну, и вообще в какую сторону катить этот подкаст :)
Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast)
Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)
Со мной можно связаться по электронной почте: kms101@yandex.ru
#002 ML История Искусственного интеллекта
Приветствую вас во втором выпуске подкаста, посвященного машинному обучению от неспециалиста для неспециалистов! Предлагаю совершить увлекательное путешествие по основным вехам развития дисциплины Искусственный интеллект. Почему полные романтики и ожиданий периоды бурного развития искусственного интеллекта сменялись затяжными "зимами" околонулевого интереса ивесторов, общества и даже самих ученых? Давайте разберемся
Буду благодарен за обратную связь!
Оставляйте ваши комментарии. Они помогут сделать подкаст лучше!
Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast)
Подписывайтесь на телеграм-канал "Стать специалистом по ML"
Со мной можно связаться по электронной почте: kms101@yandex.ru
#001 ML Искусственный интеллект, машинное обучение, нейросети. В чем разница?
Это первый (пилотный) выпуск подкаста, посвященного машинному обучению, от неспециалиста для неспециалистов. Рассказываю о своей мотивации начать делать подкаст по теме Machine Learning, о том кому и для чего имеет смысл его слушать и о разнице в терминах искусственный интеллект, машинное обучение, глубокое обучение и нейросети.
Буду благодарен за обратную связь!
Поддерживайте подкаст на Patreon (https://www.patreon.com/machinelearningpodcast)
Оставляйте ваши комментарии. Они помогут сделать подкаст лучше!
Подписывайтесь на телеграм-канал "Стать специалистом по ML"
Со мной можно связаться по электронной почте: kms101@yandex.ru