🎉Подкаст про машинное обучение с Женей Соколовым вышел, лайк, подписка, репост :)))

🔥Посмотрите хотя бы только на тайм-коды, чтобы оценить, каким насыщенным вышел диалог:

0:00 - Искусственный интеллект, машинное обучение и data science
3:42 - Начало ML и должен ли ИИ подражать человеку
15:39 - Что не получалось: обучение нейросетей и экспертные системы
20:40 - Классические методы ML
24:42 - ML в играх
28:01 - Как ML спасает жизни
34:39 - Как ML зарабатывает деньги компаниям
40:42 - Возвращение нейросетей: Deep Learning
49:23 - Свёрточные нейросети, рекуррентные нейросети и трансформеры
54:21 - Генеративно-состязательные нейросети
57:01 - Какое оборудование нужно для ML
1:01:48 - Хорошо ли живется специалистам в машинном обучении
1:05:45 - Прогнозы на будущее и подготовка кадров


Смотреть на YouTube: https://youtu.be/q740GwAd9fU?si=iFjFaePGWTKeWCla

Смотреть на VK Видео: https://vk.com/video-228552366_456239023

Немного об итогах опроса

Зачем вообще я его проводил
В разные моменты карьеры мне посчастливилось заниматься всеми перечисленными задачами: многими своими руками, другими - в рамках задач моих подразделений. Это привело к тому, что я давно хотел сделать достаточно исчерпывающий курс по приложениям ML в бизнесе. Мы с Никитой Зелинским (CDS из Big Data МТС) провели первый такой курс весной в МФТИ и ВШЭ и сейчас готовим к запуску адаптированную версию у нас в школе MLinside.

Но одно дело наполнить курс на основе своего опыта и ранжирования задач по экономическому эффекту для бизнеса, и совершенно другое - узнать, а какие задачи ML видят вокруг люди. И здесь было несколько интересных открытий.

Больше денег - меньше хайпа
Самой редко вспоминаемой оказалась история про оптимизацию затрат, которая часто приносит огромный эффект в деньгах. Например, если у вас есть бюджет в 5, 10, 50, 100 млрд рублей в год на расширение сети магазинов в ритейле, базовых станций в телекоме, банкоматов в банке, оптимизация на несколько процентов уже дает огромный эффект в абсолюте.

Работает это так: вы строите модель, которая прогнозирует эффект, а дальше решаете задачу оптимизации поверх этих прогнозов. Иногда оптимизация простая часть и решение строится жадным алгоритмом, а иногда требуется что-то посложнее, но прогнозная модель в основе решения как правило остается. Самые дотошные могут заметить, что сравнивать эффект нужно не с отсутствием оптимизации, а с оптимизацией без ML, но даже так эффекты остаются большими за счет масштаба задачи.

Много хайпа - не очень много денег
Чаще всего вспоминали рекомендательные системы и поиск. В случае с поиском есть конечно небольшое количество компаний в мире, которые нашли там сверхприбыли (и то за счет рекламы), для остальных же поиск не сильно денежная вещь в плане эффектов. Что касается рекомендаций, то даже обожаемый всеми Netflix никогда не репортил публично (на моей памяти, буду рад, если кто-то поправит) эффект от рекомендаций больше 4% от своей выручки. На практике же даже в ритейле подтвержденный A/B тестами эффект в 1-2% на количество покупок и отсутствие статзначимого эффекта на выручку - вполне стандартная история. Конечно, если посчитать какой-нибудь last-click/first-click без учета каннибализации, элементарно нарисовать двузначные эффекты в процентах, а без А/В или с «грамотно организованным» вообще можно показать любые числа. Одна проблема - бизнес больше зарабатывать от этих упражнений в счете не станет.

В чем же секрет популярности рекомендательных систем? Я думаю в том, что мы любим делать то, что любим, а не то, что больше всего надо. В рекомендациях есть где развернуться - тут вам и матричные разложения, и факторизационные машины, и бустинги, и сетки, и reinforcement learning, да и A/B сразу надо учиться быстро проводить. Короче, очень интересно. Не буду отрицать, что я бы сам из всего перечисленного выбрал бы заниматься рекомендациями (и часто выбирал :)). Но к определенному перекосу в восприятии эффектов Data Scientist’ами развитость рекомендательных систем точно приводит.

Опять же, самые дотошные скажут, что таргетирование рекламы это те же рекомендации с правильным взвешиванием, и будут правы. Так что конечно получить большие эффекты можно, но на масштабах всего CRM в компании или в рекламном бизнесе.

Еще одно очень важное наблюдение: рекомендации в контентных сервисах это то, без чего сейчас не получится быть конкурентоспособным. В наше время это базовый инструмент взаимодействия с контентом наряду с поиском, поэтому тут хороший вопрос, что считать эффектом, когда весь бизнес без хороших рекомендаций становится бессмысленным. Ну представьте TikTok без рекомендаций - шляпа какая-то :) Так что с рекомендациями и поиском все сложно: вроде если попытаться посчитать, получается совсем не восторг, а если подумать, часто без них и вообще нельзя.

С остальными задачами тоже есть, что обсудить, но эти поля слишком узки, и кажется я уже приближаюсь к лимиту на длину поста

#ML_in_business

Выложил тизер следующего выпуска нашего подкаста ТехТок. Подписывайтесь на канал, чтобы не пропустить :)

https://youtu.be/TsExpU2C_xg?si=nx3-CtbVU4u2YiPJ

#ML_in_business
🤔Провожу у себя в школе машинного обучения эксперимент: запускаю курс, где будут систематизированы и разобраны топ-10 с точки зрения величины экономического эффекта применений машинного обучения в бизнесе. Это задачи, которые встречаются постоянно в разных компаниях, почти во всех сферах, где активно применяется ML. Конечно это не то же самое, что самому получить этот опыт, но курс должен сильно ускорить процесс погружения и научить смотреть на задачи ML со стороны бизнеса. Ну и кроме того, настолько разносторонний опыт собирается самостоятельно много лет, а тут все будет рассказано сразу: самому интересно как концентрированные в один курс 15 лет опыта ML повлияют на слушателей.

Чтобы курс как можно сильнее перекликался с потребностями аудитории, нам очень нужны добровольцы для участия в опросе и интервью. Буду очень благодарен всем, кто откликнется 🙏

Онлайн-созвон с командой MLinside👥
Проводим исследование аудитории

↪️Как мы уже говорили ранее, сейчас идет активная подготовка к запуску курса «ML в бизнесе».

В DS/ML 60-70% успеха – это доменная экспертиза. Именно поэтому большинство джунов не берут на работу. Ни один руководитель на практике не будет ставить вам задачи типа «сделай мне регрессию или классификацию на этом датасете" - это слишком просто:)

На курсе мы как раз дадим вам практику работы именно в бизнесе. А также расскажем и покажем, как вы сможете помогать компаниям зарабатывать на ML💸

Эта программа отлично подойдет тем, кто:
▪️освоил базу ML и хочет дальше углубляться в машинное обучение,
▪️не имел коммерческого опыта и хочет практиковаться в применении ML на реальных кейсах,
▪️имел недостаточно опыта работы в бизнесе и чувствует нехватку экспертизы в этой сфере для дальнейшего карьерного роста.

🗣️Для того, чтобы выявить ваши ключевые потребности и понять, что вы хотите получить на курсе «ML в бизнесе», мы решили провести опрос аудитории👇
[ Пройти опрос ]

У каждого участника опроса появится возможность поделиться своим опытом в ML и пообщаться с командой MLinside в формате онлайн-созвона.

Благодаря вашим ответам мы сможем улучшить наполнение курса и доработать программу, чтобы дать вам максимум знаний!

Будем рады пообщаться с каждым из вас и узнать друг друга лучше🤝

🚀 MLinside на конференции «Матемаркетинг 2024» — встречаемся 8 ноября!

Уже совсем скоро, 7 и 8 ноября, в Москве стартует «Матемаркетинг» — масштабная конференция по маркетинговой и продуктовой аналитике с более чем 120 докладами, панельными дискуссиями и экспертными сессиями! 🤯

👥 Кому стоит посетить конференцию?
• Программисты: Если вы хотите расширить свои навыки и использовать ML для более интересных задач на текущем месте работы.
• Аналитики: Если вы стремитесь к карьерному росту и хотите узнать, как ML может улучшить вашу работу.
• Менеджеры: Если вы хотите научиться правильно взаимодействовать с командами ML и управлять проектами более эффективно.

🗓️8 ноября в 15:00 в рамках секции ML в бизнесе от MLinside эксперты поделятся своим опытом и знаниями о том, как машинное обучение меняет работу различных специалистов:

• Виктор Кантор (MLinside) — расскажет о 7 главных способах внедрения ML и их экономическом эффекте.
• Даниил Родионов (МТС) — поделится фреймворком для оценки маркетинговых эффектов с помощью ML.
• Дмитрий Фролов (МТС) — обсудит оптимизацию закупки рекламы и управление ценами bid-а.
• Арина Смирнова (X5 Group) — на примере кейсов покажет, как big data и ML-таргетинг усиливают работу с клиентами.
• Радослав Нейчев (МФТИ) — разберет, как за один день создать прототип RAG и быстро оценить результаты.

📍 Адрес оффлайн-мероприятия: Москва, Раменский бульвар, 1 (Кластер Ломоносов).

✨Откройте для себя последние тренды, обменивайтесь опытом с экспертами и повышайте свою квалификацию.

🔗 https://matemarketing.ru

ML целый день

Только что закончил читать лекцию студентам ФКН ВШЭ про задачи и методы unsupervised learning и осознал, насколько запредельно крутой день у меня сегодня был.

Начался он в 10 утра с чтения двухчасовой лекции в школе управления Сколково про задачи и методы AI от самых основ до того, как нас всех захлестнул Deep Learning, как работает ChatGPT и какие трудности внедрения AI возникают сейчас. Я рискнул добавить кое-каких математических деталей и был шокирован тем, что вовлечение аудитории как будто только выросло по сравнению с сугубо бизнесовой лекцией. Резкий контраст с утверждением Хокинга (со ссылкой на издателя) о том, что каждая формула, включенная в книгу, уменьшает число её читателей вдвое :)

Далее я взял трехчасовое интервью (со всеми перерывами и лирическими отступлениями, а когда смонтируем будет часа полтора-два) у совершенно потрясающего ML рисечера (пока подержу интригу, ждите выпуск на YouTube). Вышел интересный, объемный и полный инсайтов разговор :)

И наконец, получил огромное удовольствие от чтения лекции студентам Вышки. Специально накидал побольше интересного (и местами непростого) материала, чтобы самому не скучать. И внезапно вовлечение было прям на очень высоком уровне для этого контента 😁

Основной вывод во всех трех случаях (в двух я был докладчиком, а в одном в основном слушателем): можно обсуждать хоть какую узкую или более сложную, чем ожидается от ситуации, тему, но если рассказчику она реально интересна, слушатели охотно заражаются этим интересом. И это классно ❤️

Про недооценку развития технологий

Только в пятницу на лекции в Сколково говорил, что возможно через лет 10 в каждом чайнике будет LLM, а то и вовсе через 2 года. А уже вот. Буквально чайник 😂😂😂

Вообще я уже не первый раз недооцениваю ситуацию с AI. Когда я говорил что беспилотные машины поедут лет через 5 (на уровне интуиции, конечно я плохо представлял конкретно область автономного транспорта), через год уже возле моего дома начали ездить беспилотные машины Яндекса, а еще через год возле работы - машины Сбера.

Если бы меня 4 года назад спросили, когда случится ChatGPT на его уровне качества, я бы ответил либо «лет через 20», либо вообще «никогда».

🫖ИИ-гаджет для одиночек: встречайте gpTea — чайник, который заваривает чай и общается с вами

Я уже писала о том, что мир переживает эпидемию одиночества, и в некоторых странах даже создаются министерства этого состояния. Похоже, рынок гаджетов и ИИ приспосабливается к новому времени: два разработчика из США Кевин Тан и Келли Фанг создали необычный чайный сервиз под названием gpTea.

Принци его действия прост: как только человек поднимает кружку, чайник, оснащенный ChatGPT, становится собеседником и тут же спрашивает, как у вас дела. Чайник может выслушать вас и даже предложит сам рассказать свою историю.

Сервиз состоит из прозрачной чашки и чайника, установленного на подвижную подставку. Пользователю достаточно засыпать чай и налить воду, и гаджет сам и заварит напиток и нальёт его в ёмкость.

Чашка непростая — в нее интегрирован монохромный округлый дисплей, на котором появляются сгенерированные искусственным интеллектом картинки: они иллюстрируют диалог и истории.

Кстати, неправильно будет назвать этот гаджет подарком для одиночек: чайником gpTea могут пользоваться сразу два человека, находящиеся в разных уголках планеты.

Google: 20 лет развивает AI в поиске и не только
Венчурные инвесторы после бума GPT-моделек: решения на AI вытесняют поиск Google
Google: …

​​🔍 Доля AI в поиске занимает 6%. А что еще интересного?

Стечение обстоятельств, а также тот факт, что у меня теперь есть Perplexity Pro на год, сподвигли посмотреть, что там на рынке поиска-то происходит. Еще пару лет назад никто не мог подумать, что этот рынок можно как-то переделывать.

1/ Итак, поиск информации вместо Google и других поисковых систем уже проходит через AI решения. Как минимум есть вышеупомянутый Perplexity, а также SearchGPT от OpenAI и поиск через чаты с другими моделями, которые имеют доступ в интернет.

2/ Информации не очень много, но можно запомнить следующее:
▪️Google занимает от 89% поиска как search engine до 91% поиска по разным данным, далее (как ни удивительно) следует Bing с 3.4-4.2%, остальные еще меньше;
▪️Доля AI решений сейчас составляет 6%, но по выручке (в деньгах) это 1%;
▪️Доля Perplexity при этом – 0.5% поиска. Это довольно много, например, доля DuckDuckGo в поиске составляет 0.54%-0.69%.

3/ Доля AI поиска может вырасти с 6% сегодня до 14% в 2028 году.

4/ Кому интересно почитать подробнее про Perplexity, можете зайти вот на этот сайт. Там собрана информация про их бизнес и показатели, например, $40M выручки, 10M MAU, 300M поисковых запросов в 2023 году и так далее.

5/ А вот в этой статье есть прикольное сравнение конвенциального поиска с поиском через AI. Например, результаты поиска через SearchGPT от OpenAI только на 46% совпадают с поиском через Google и на 73% с поиском через Bing.

@proVenture

#research #ai #trends

У нас стартует второй поток, тем кто давно хотел попасть в ML - рекомендую :)

Отвечаю в этот понедельник в Вышке на каверзные вопросы вместе с Пашей Ворониным, приходите послушать :)

Через пять минут начинаю вебинар перед запуском второго потока курса "База ML". Расскажу про то, зачем ML аналитикам, менеджерам и разрабам, какой роадмап перехода в ML я считаю правильным, как его пройти самому (!) и как его пройти с нами. И конечно, про курс. Подключайтесь по ссылке, если интересно послушать :) https://mlinside.getcourse.ru/pl/webinar/show?id=3083519