Video

Проблемма заключается в том, что в LLM запихивают не знания..., а книги содержащие огромное колличество лжи и лицемерия (на самом базовом уровне)..., а потом сами удивляются, почему их LLM страдает галлюцинациями, откровенно врёт и пытается манипулировать собеседником... Да потому, что люди их создававшие - именно такие...!!!

Хахаха, вареник

На 46:45 где формулу квантования писал, забыл про z

Голос комментатора за кадром "конечно же, оказалось, что инженеру важны hard skills, и никакое количество англоязычных терминов и попыток найти себе место в богатой индустрии так и не уговорили Гугл оставить DEI, к явному удовольствию аутиста Пети "Tlǝ!1axu" Пупкина, жутко уставшего от ежегодных курсов по инклюзивности, ради которых приходилось ездить в офис, зарабатывая безумный стресс от постоянных попыток коллег с ним заговорить и даже иногда пожать ему руку, после чего он ещё две недели приходил в себя и не мог полностью сосредоточиться на любимой задаче по многофакторной оптимизации космической робофабрики".

Ну это только в low-lvl технологиях

На этом же канале недавно был короткий рассказ от Владимира Игловикова. Там была хорошо раскрыта тема софт-скиллов, зачем они и какие бывают. Там и умение преподнести свою работу и умение продать свои задачи смежным командам.

Жулики какие-то, никто их не может проверить, впаривай что угодно

когда природа наградила умом только для профессии эйчарщицы..

Clark Mark Jackson Susan Jones Lisa

Докладчик как будто вещает из комнаты со спящей злой бабушкой, которую боится разбудить

Было бы здорово чтобы в первую минуту презентации она отвечала на вопрос "НА КАКОЙ ЧЕРТ?" , а уже потом какие-то неважные детали по типу а как мы это делали а шо а как там тот API устроен и тд

интересно. был подобный опыт также, когда на эвристиках было и быстрее и в среднем лучше чем моделька, только я использовал не natasha (отличная либа , но мне для английского надо было и для очень домен-специфичного кейса сложных таблиц+документов, когда NER на бертах довольно плохо себя показывал, а желания делать аннотации не было), а самописный парсер на основе networkx (который разбирал документ на части/на секции в зависимости от всяких эвристик) + spacy + pyparsing (все что можно описать регэкспами/грамматиками отлично парсится этой штукой, типа дат, номеров и прочего, - при высокой читаемости правил) + словари (простые на trie, но по сути это как у вас вместо поиска) насчет бенчмарка - было бы интересно это видеть в разрезе двумерного плота, какой-нибудь F1 weighted/micro/macro vs Время и тогда по Парето фронту видно сразу кто лучший. PS. насчет заголовков, гипотетически это также можно NERом делать, т.е. разметить дополнительной секции документов (начало секций и конец опционально, либо просто разметить title секции) - насколько это докинет по качеству, большой вопрос (по идее модель и так должна выучить "со-сочетаемость" секции и каких-то тэгов если такова имеется, возможно и не имеет смысла) . интересно было бы увидеть подходы и эксперименты по гибридизации подходов, например эвристики и поиск+LLMs (например там где поиск не уверен, - что можно сформулировать каким-то излишним разнообразием тэгов в маленьком top_k, отправлять на проверку LLMs - типа выбери нужное)

С бустом что-то очень странное, по сравнению с рф особенно. Похоже на явный оверфит, которого можно было избежать

"я забыл про что хотел сказать..." Самое крутое место в лекции.

Классный доклад и интересное решение

Пейперы? Гап? АПИ ? режут слух просто отвратительно. Неужели нельзя называть это Документацией, промежутком и Эй-Пи-Ай ? На кухне то понятно, а когда делаешь презентацию......

Сомнительно предоставлять какие либо технологии для компаний с гос участием, пока в правительстве страны находятся не адекватные люди, развязывающие войны и терроризирующими граждан псевдозаконами направленными на ограничение свободы.

Валидное замечание на 17:40 Если алгоритм A очень хорош, то продавец может купить еще одно продвижение и тем самым увеличится выручка не только в A, но и в B. Это не выглядит как очень большой лик, но тем не менее он есть

Спасибо

подробнее про упоминаемый метод эмбеддинга последовательностей CoLES можно почить в arxiv CoLES: Contrastive Learning for Event Sequences with Self-Supervision by Dmitrii Babaev et al. В данном случае я так понял, что мы эмбеддим последовательность всех транзакций (разных пользователей) произошедших внутри хекса за данный период.

Ну как вариант. 👍

Гугль и кат бюст...

очень интересно, но ничего не понятно

Спасибо

Вот она настоящая мошеннича

Новомодная дорогостоящая чушь. Эффективно же работали без МЛ 2 года назад.

Нереально крутой доклад! На русском очень мало информации по этой теме. Ксения, огромное спасибо за проделанную работу)

топ доклад, спасибо, принято

Ну дак может всё-таки сота попробовать? А то рекомендации у вас плохие. Вот честно, специально размечал вам данные, ставил лайки только на релевантный контент, просил не рекомендовать контент, полгода так уже делаю, но это не сильно помогает.

Подача очень сырая: галопом по европам. Лучше меньше, да лучше, окей?

А что если вместо B, I, O предсказывать только I, O, а потом каждую I, если она первая, заменять на B?

Доклад понравился, но вопросы задавали.....

стрессоустойчивость-навык

привет бустинги сложно, но можно интерпретировать (ну как минимум первое дерево 😃шутка, но не совсем). Даже если в деревья не закапываться, но по шапам+корреляциям с таргетом зачастую видно, это компенсирующие фичи или бустящие в узком месте. Опять же значимые улучшения, некорректные собранные фичи с подглядываниями и тп, а также некорректные инпуты увидеть можно практически сразу, в остальных кейсах скор ведь важнее, чем интерпретация, или у вас с этим строго? конечно если поднимать катбуст с grow_policy=symmetricTree, можно про интерпретацию практически забыть у линейных моделей с валидацией на таймсериес датасетах бывают проблемы, но вы в курсе наверно. Линейные модели предполагают, что данные независимы, у вас редко такое бывает, если только не разбивать валидацию на какие-то другие минимальные атомарные единицы (мы в спорте били по играм). Также линейные модели предполагают, что дисперсия стационарна (гомоскедастичность), ну аналогично также поскольку у вас проблем с экстраполяцией нет, можно бленд с RF как минимум проверить, у него с интерпретируемостью лучше чем у бустов (мб не прав, если есть киллер фичи, которые в любом дереве обязательно должны быть для последующих хороших разбиений, то мб не зайдёт)

Спасибо

Спасибо

Спасибо

А где Бременские музыканты?

Вы бы блять сперва кодить научились, наворачивают они тут

Здравствуйте. спасибо за доклад, есть неск. вопросов: 10:41 "в России все предсказывают давно": 1. уточните, пожалуйста, *что именно предсказывают сервисы по снимкам* (здравый смысл подсказывает, что надо разделять предикцию ВRС в разных случаях/комбинациях: например, в случае отсутствия клинических проявлений/жалоб (скрининговый снимок); в случае генетической предрасположенности (мутации), предсказание скорости развития заболевания уже при клинической манифестации заболевания (роста опухоли) и пр.) 2. полное совпадение мнения врача и ИИ: 48%. - опять же, по каким "шкалам" идет оценка и чего именно? есть рак / нет рака? 3. предполагаю, что когда мы говорим о совпадении *мнения врача* и ИИ - еще было бы неплохо узнать, а какова точность прогнозов самого врача (они ведь тоже ошибаются. А мождет быть, несовпадение с мнением врача ИИ как раз показатель лучшей модели). спасибо

На 16:11 очень интересно про свой токенизатор рассказано!

Умничка ❤

qr код не работает

Спасибо, очень интересно

Х у е т а ни о чем

Сразу вспомнилось ситуация, когда тренер пробовал заставить чатгпт составить ему тренировочный план, и в итоге он ему вывел что то непотребное. Спустя 40 минут и вагон генерируемых попутно уточнений они все же смог выдать что то вменяемое. Но прикол был в том, чтобы выявить несоответствие и правильно подобрать уточнения оказалось нужно обладать такой квалификацией в данной теме, что никакой чатгпт уже не нужен... И это было утрированно упрощённая задача, что вызывает некоторый скепсис в том, как чапгат сможет ввести с нуля до полезного сотрудника в гораздо более комплексной теме, и не навалит ли он так же вагон некорректной и не релевантной информации, которую поосто невозможно применить для конечного результата... И будет учиться ради того, чтобы учиться нарабатывая себе на рекомендательное письмо в дурку?

Кажется, доклад не отвечает на поставленный вопрос Здорово, что докладчик подсвечивает необходимость "мягких" навыков, знаний в разных областях (не только ML), показывает статистику по специалистам - это полезно. Но ответ по докладу на "как стать senior in DS" - "нормально делай, нормально будет" и "дорогу осилит идущий". Не то, чтобы могут быть какие-то волшебные пилюли...

теречно. но не интеллектуально

Data engineer тоже будет интересно послушать на тему медицинского ML 🙏🙏