Как я год отучился на ML/CV/NLP программе от МФТИ, и что из этого вынес.

Аккуратно, лонгрид

Несмотря на то, что отучился я более года назад, диплом мне пришел только на прошлой неделе. Отправив его своей группе студентов, понял что сфера интересная и хочется поделиться мыслями с вами тоже.

Сейчас я нахожусь в идеальной точке для того чтобы писать этот пост, потому что я с одной стороны прощупал большинство инструментов, но не погрузился настолько глубоко, чтобы стать снобом в этой сфере и перестать писать простые посты)

О чём этот пост?

Во-первых, во всех сферах я ориентируюсь в первую очередь на прибыль и пользу, поэтому я буду разбирать полезность знаний с точки зрения коммерции и развития себя.

Во-вторых, тут я хочу сравнить три подхода к использованию нейронок в 2025, потому что под одним большим словом "ИИ" скрывается несколько разных профессий, представители которых могут не ладить друг с другом.

Работа с нейронками делится на три типа, от теоретического до максимально прикладного.

1) Researcher или исследователь

Это группа разработки, которая занимается проектированием архитектуры, обучением и тестированием ML моделей. Они, по-сути, являются их создателями, теми кто из математической модели делает готовый к использованию инструмент. Это наполовину математик, наполовину разработчик, так как в этом направлении постоянно нужно мониторить новые научные статьи и исследования в сфере, быть "В теме".

Как понять что человек из этой профессии?

Стоит выпить вместе пару банок крепкого, и он легко расскажет вам:

-- Что такое градиентный спуск и бустинг
-- Метрики MSE, R², MAPE, F1 и ROC-AUC.
-- Пояснит за архитектуру моделей: Decision Tree, Random Forest, AlexNet, ResNet, RNN и трансформеров(Не тех где машины превращаются в роботов)
-- Расскажет как делаются эмбединнги, считается косинусное расстояние, Word2Vec и другие подходы.

2) ML/CV/NLP engineer или MLOps.

Это группа разработки со знанием DevOps инструментов и особенностей работы с ML. Они берут готовые модели, которые сделали ребята из первой группы, и интегрирует их в production среду. По-сути, пишут сервисы, настраивают CI/CD и сбор метрик где помимо базовых RPS и кол-ва статусов с ошибками, включены метрики важные для дальнейшего обучения модели.

По предыдущему принципу представителя этой профессии можно допросить:

– Как деплоить модель через Docker, FastAPI и Kubernetes, не разлив при этом ничего в прод
– Что такое MLflow, как он отслеживает параметры, метрики, артефакты, и почему это лучше, чем Excel
– Как построить пайплайн в Airflow так, чтобы он сам обучал, проверял, деплоил, мониторил и в 5 утра не слал алерты на почту

3) “ИИшник” (no-code AI предприниматель)

Это группа бизнесменов и фаундеров, которых не сильно интересует всё написанное выше. Многие не пишут код, и думают только как связать уже готовые сервисы и продать подороже. По-сути, они внедряют чат-боты и автоматизацию с помощью n8n, make и прочих no-code инструментов. Кто-то делает парсеры и автогенерацию документов и bi-графиков, генерирует reels и изображения через API существующих сервисов.

Стоит выпить с ним пару банок энергетика или пообщаться за завтраком на конференции, и он расскажет:

– Как собрать автогенератор лендингов, презентаций, инстаграм-рилсов и коммерческих предложений из GPT + Figma + Zapier, и продать это за $999 в месяц
– Что такое n8n, Make и Retool, и как из них можно слепить чат-бота, который сам отвечает клиентам, сам себе пишет отчёты и сам себя продаёт
– Почему не надо изобретать модель, если OpenAI уже сделал всё за тебя
– Как сгенерировать 10 000 карточек товара, текстов, SEO-описаний и объявлений за вечер, и запустить рекламу до того, как backend успеет зарелизить кнопку
– Как автоматизировать cold outreach, клиентскую поддержку, обработку заявок, аналитику, отчёты и ещё 17 бизнес-процессов одной кнопкой в Airtable

...дошёл до максимальной длины поста)

Тык на реакции, если понравился формат, и нужна вторая часть про обучение на курсе МФТИ, как этот тренд влияет на нас, разработчиков)