Чем хуже тем лучше

Заметил интересную особенность своего тайм-менеджмента: если я мало успеваю, наиболее действенное решение - навалить дел еще побольше. Мозг удивительно изворотлив в том, чтобы находить отмазы, оправдания и вообще всячески лениться. В ситуации, когда некогда страдать фигней, мысли волшебным образом начинают идти в нужном направлении.

Отчасти за прокрастинацией стоит интуитивное понимание неоптимальности происходящего: вот я пытаюсь заставить себя сделать слайды к лекции за два часа и записать лекцию еще за час, а в глубине души понимаю, что что-то не так. И выясняю, что именно: нужно 10-20 часов потратить на подготовку, вспоминание всего, что хочется рассказать, структурирование и продумывание изложения, а потом еще 6 часов на слайды, и только потом записывать. Потому и не хотелось делать быстро и в рамках существующих слотов в расписании. Плохо ли, что есть это сопротивление мозга в такой задаче? Плохо ли, что не всегда получается делать "методом прогрессивного джипега"? Да, в общем-то, мне нормально, я так-то удовольствие должен получать от своей работы, а не быстрее-быстрее в сроки запихать. Да и люди в конце-концов тоже не дураки, видят разницу между нормально подготовленным контентом и халтурой.

Но вот другой пример: грустил я, тосковал, что протерял где-то свою прежнюю производительность труда, чувствую какую-то постоянную усталость, делать ничего не хочу, вот дайте мне одеяло и подушку часов на 12 в сутки, а еще на 8 кресло и камин. И кота наглаживать. Оставшиеся 4 часа я, так и быть, готов есть и общаться с какими-то людьми. Так-то если на недельку-другую, то дело благородное: отчего ж не поваляться. Но вот что-то затягивалось это все, и даже витамин D не помогал :)

И так я голову ломал и эдак, пока однажды проснувшись утром не начал прям не вставая с кровати работать. Взял ноут и занялся тем, что мне интересно и полезно для нашей школы ML. И такого запредельного буста бодрости у меня давно не было. Смотрели "Области тьмы"? Вот, честное слово, работа - чистый NZT. Только вот работа работе рознь. По встречам ходить языком трепаться дело хорошее, важное, но сколько вот эти встречи длятся? Ну час, ну два, ну по верхам потрепались и разбежались. А когда делаю что-то часов на 6-8 увлеченной работы - вот уж точно кайф. Тут вам и пресловутое состояние потока и незаметное течение времени при минимальных отвлечениях.

И так кстати со многими вещами, которые много раз начинал и не особо продвигались. Вот, например, я еще со школьных лет очень много людей подсадил на разные тайм-менеджерские техники. Но внедрить в свою повседневную жизнь какой-нибудь GTD или хотя б по Архангельскому Глебу планировать - фиг там. Зато как только я начинаю упорото вести хронометраж - вот тут прям сразу все становится чётко. Ну просит душа хардкора, а не эти ваши лавандовые рафы продуктивности без стресса.

С чем эти причуды моей психики связаны - с Физтеховским ПТСР ли, или еще с какой дурью в голове - кто его знает. Но общие наблюдения такие:

1) Если тяжело даются простые задачки - возьмись за задачки со звездочками, возможно ты не "не готов", а не заинтересован, вот и весь секрет.
2) Очень неплохое лекарство от приунывания - работа в удовольствие с глубоким погружением. Засада лишь в том, что аппетит приходит во время еды. Бывает будешь месяц избегать что-то сделать, а потом узнаешь, что именно это дело тебе и было самым классными и интересным. В общем, не нужно бояться: иногда то, что мы боимся делать, и есть то, чего мы действительно хотим.

У меня эта картинка внезапно ассоциируется с обучением с помощью ChatGPT и ему подобных нейросетевых сервисов. Самый крутой кейс использования в моей практике: супер-быстрое обучение без боязни чувствовать себя неловко. И особенно эффективно - вспоминание уже забытого :)

Но основной смысл картинки конечно тоже очень правильный. Открытость, непосредственность и отсутствие ужаса перед ошибками и глупыми вопросами фантастически бустит конструктивность вашей деятельности, не только обучения.

Взял из поста президента Шопифая в линкедине

Подвел итог в виде PDF с тремя достаточно строгими доказательствами :) Кто любит математику и кому интересно, как же аккуратно показать разреживающее свойство L1 регуляризатора - см. PDF в аттаче

К вопросу о том, нужна ли математика, чтобы заниматься машинным обучением. Этот пример очень хорошо иллюстрирует ситуацию: если вы хотите понимать, почему все работает так, как работает - нужна. Если вы хотите использовать как черный ящик - достаточно очень базовых понятий. И я не топлю ни за один, ни за другой вариант: есть тысячи людей по всему миру, которые успешно обучают ML-модели, не владея математическим аппаратом достаточным для понимания pdf из поста выше, отлично себя чувствуют, и модели их ничуть не хуже. А есть тысячи людей по всему миру, которые назовут математику из этой же pdf детской и тривиальной, т.к. способны работать и с более сложным математическим аппаратом (который тоже можно использовать в ML, например вот: https://arxiv.org/abs/2201.09656)

Учитесь в универе и хотите узнать больше про NLP? Регистрируйтесь на бесплатный NLP-студкемп от Яндекс Образования и НГУ! Интенсив пройдет с 14 по 26 июля в Новосибирске, дорогу и проживание оплачивает организатор.

Обработка естественного языка с помощью ИИ все больше входит в нашу жизнь, но как быстро погрузиться в то, что работает под капотом? За две недели — с 14 по 26 июля — вы разложите современный NLP по полочкам — от теории до практики:
💡 поработаете с бенчмарками и обучающими датасетами;
💡 узнаете, как работают методы Deep Learning в NLP — от механизма внимания и трансформеров до мультимодальных LLM и RAG;
💡 сравните модели YandexGPT и Qwen;
💡 создадите свой проект на стыке науки и бизнеса.

Всё это — бесплатно и под руководством экспертов из Яндекса и НГУ. С вас — только желание развиваться и пройти отбор.

Заявку нужно оставить до 18 мая. Регистрируйтесь прямо сейчас и проведите лето с пользой!

О том, как и зачем переходят из DS в продакты, и чем знание ML помогает в этой работе

В Data Science все начинается с Титаника 🚢

Вручил главному любителю профессионалу лего в data тусовке символичный подарок. К слову, угадайте с кем будет следующее интервью на канале MLinside? ;)

Отчет Stanford HAI о развитии рынка AI

Какие-то подозрительные числа по топам стран. Ну и аналитика в духе «у вас тут машинлернинг или gen ai» грубовато звучит. Возможно это объясняет объем отчета (456 страниц): все равно никто не изучит его полностью.

Впрочем, это конечно все равно довольно поверхностные претензии, чтобы дать нормальную оценку надо вооружаться LLMками и «читать», попутно тренируясь отличать ответ по делу от галлюцинации.

​​🔥🔥🔥 Отчет по рынку AI на 456 страниц от Stanford!

Да, огромный отчет, просто качайте его из сообщения ниже и читайте.

Никаких саммари привести просто невозможно, там 8 глав про technical performance, R&D, responsible AI, economy, science, policy, education and public opinion. Читайте интересные вам.

На что хочется обратить ваше внимание?

1/ 44.48% научных публикаций по AI в 2024 году было сделано исследователями из Азии (это отдельно East Asia и South Asia) и только 10.31% из Северной Америки. 🇨🇳 Китай против 🇺🇸 США в основном. 🇪🇺 Европа, кстати, выше США с 18.15%.

2/ Из всех публикаций только ~5.4% касаются Generative AI. В лидерах Machine Learning с ~75.7%.

3/ По количеству патентов на душу населения 🇺🇸 США и 🇨🇳 Китай идут очень близко и с 5.20 патентов и 6.08 занимают 4 и 3 место, соответственно. На первом месте 🇰🇷 Южная Корея с 17.27, далее 🇱🇺 Люксембург с 15.31.

4/ Однако по количеству заметных AI моделей 🇺🇸 США сильно впереди 🇨🇳 Китая – 40 против 15. Забавно, что моделей все же не так много, потому что на 3-м месте и далее страны с 1-й моделью (у 🇮🇱 Израиля, например, столько же, сколько у 🇸🇦 Саудовской Аравии).

5/ На Github 4.32М опенсорсных AI проектов.

6/ AI Agents пока еще не очень точные – самая топовая модель GPT-4o имеет success rate всего 36.2%.

7/ Всего в 2024 году зафиксировано 233 крупных инцидента с AI (типа как когда система определения лица определило неверного человека и его арестовали, или автономное авто совершило аварию).

8/ От 1.25% всех вакансий в 🇳🇱 Нидерландах до 3.27% всех вакансий в 🇸🇬 Сингапуре требуют AI skills.

9/ Где больше всего талантов в области AI?
Топ 3:
🇮🇱 Израиль 1.98%
🇸🇬 Сингапур: 1.64%
🇱🇺 Люксембург: 1.44%

Топ-3 страны по миграции AI талантов на 10,000 Linkedin members:
🇱🇺 Люксембург: 8.92%
🇨🇾 Кипр: 4.67%
🇦🇪 ОАЭ: 4.13%

10/ Всего в 2024 году появилось более 2,000 AI компаний, которые еще и привлекли венчурное финансирование.

Это только капля в море. Читайте отчет, данных куча.

@proVenture

#ai #research

Про графовые сетки в рекомендациях порадовало. Люблю, когда в рекомендашках прикручивают штуки, красивые сами по себе, а они еще и прокрашиваются в эксперименте

Сходил сегодня на Датафест в Яндексе, где были только доклады про внутренние продукты. Что послушал:

• Спрос Яндекс Лавки: смесь Prophet и бустингов с дальнейшим разделением на продукты, регионы и там, где это улучшало метрики. TimeGPT не используем, так как в Prophet легко добавить выходные дни.
• У очень многих людей (2% или 20%) есть две колонки Алисы, и пришлось научиться понимать, к какой обращаются, и ещё учесть, что может быть несколько пользователей (мультиаккаунтинг). Во второй задаче ожидаемо лучше всего работает, когда человек сам об этом говорит.
• Большой доклад по рекомендациям в Яндекс Лавке. Суть в том, что работает двухбашенный подход с трансформером user-items, косинусные расстояния, которые передаются в бустинги, но дополнительно туда добавляются и сами запросы пользователей, и текущая корзина. И вот они попробовали это всё заменить графовой сеткой (PinSage + TwHIN, где ребра товар-корзина), иииии.... метрики упали. Что не понял, это что при первом запуске бизнес метрики упали, и только когда модель дофитили на результатах 1го запуска - метрики позеленели, это бага или фича? Сейчас же до 20% GMV - за счет рекомендаций
• Экран отписки от Плюса – метрика средней выручки с сохранившихся на экране пользователей с вычетом затрат на сохранение. Ранжирование не работает, так как лучше всего сохраняет скидка на подписку, предиктивно с оттоком не начинали, всё на бустингах
• Активно используют VLM для нейро и оффлайн эмбедингов для поиска картинок. Но интересно что нейро пока не научились монетизировать

Если выше это доклады из бизнесовой секции, то еще была 2я техническая, но слишком техническая. Например «Быстрая аппроксимация матрицы Фишера с помощью факторизации Кронекера» 🫡

P.S. Конференция растет, сидр уже давно, а вот кальяны — это что-то новое. И даже был квиз. Доклады можно посмотреть и в записи потом, а так главное там это живое общение

Завтра в 18:00 буду на трансляции, приходите, накидывайте вопросов :)

Дорогие друзья!

Спешу сообщить, что серия эфиров на ютуб канале Продакт Аналитикс продолжается, а посему имею удовольствие анонсировать следующий эфир, который состоится уже завтра, 29 мая в 18:00 по московскому времени .

На этот раз нашим гостем будет многоуважаемый AI и ML эксперт, ex- CDO МТС, ex-CDS Яндекс. Такси , ex-ABBYY, автор канала Кантор AI, автор курсов MLInside , а также известный многим как автор специализации на Coursera ‘Машинное обучение и анализ данных’ от МФТИ и Яндекса Виктор Кантор 💎

О чем будем говорить:

• Куда ведут нас современные тренды AI/ML и как остаться на гребне волны

• С какими запросами приходит бизнес и какие софт- и хард-навыки нужны, чтобы стать классным топ-менеджером и удержаться на своей позиции

• Как пришла идея создания школы и чему актуально учить сейчас

• Насколько сильно отличается жизнь топ-менеджера и предпринимателя

Ваши вопросы , как и всегда, приветствуются, так что смело направляйте их в комментарии 👇

До встречи 🤗

Выложили первую часть разговора с Валерой Бабушкиным :)

Разговор у нас на мой взгляд не вполне типичный для видео в интернете: не хайпуем ни на чем, не устраиваем шоу, не цитируем мемы, не рассказываем ничего с карикатурными воплями «вау, ничего себе, представляешь!», в общем просто спокойно разговариваем. Возможно охваты от этого пострадают, но я получил большое удовольствие от общения, и надеюсь, многие из вас тоже получат удовольствие от видео.

Приятного просмотра :)

В тему Валеры: кто смотрел интервью, знает, что мы познакомились вживую лет семь назад на Матемаркетинге (конференция такая для менеджеров, аналитиков, ну и вообще много для кого еще). Матемаркетинг проходит осенью, а весной у тех же организаторов есть Aha Conf

Так вот в этом году она проходит уже сегодня и завтра, сегодня в 15:45 выступаю со своим докладом («Задачи, за которые компании платят сейчас и будут платить дальше») и оба дня будут доклады по ML на партнерских сессиях школы MLinside и Aha. Так что спустя семь лет я наконец-то иду на Матемаркетинг и Aha со своей собственной компанией как партнер, а не только как спикер :)))

После конфы поделюсь впечатлениями здесь. Надеюсь все пройдет норм, но ощущения немного как перед первым выступлением))

P.S.: Если вдруг кто-то хочет залететь в последний момент - промокод MLINSIDE дает скидку 20%