Подкаст о машинном обучении (Machine Learning Podcast)

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!

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: [email protected]

Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?) и Яндекс.Музыке (https://music.yandex.ru/album/9781458)

А еще я сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике (https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов!

Поблагодарить меня можно добрым словом и/или донатом (https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

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!

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: [email protected]

Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?) и Яндекс.Музыке (https://music.yandex.ru/album/9781458)

А еще я сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике (https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов!

Поблагодарить меня можно добрым словом и/или донатом (https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

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!

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: [email protected]

Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?) и Яндекс.Музыке (https://music.yandex.ru/album/9781458)

А еще я сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике (https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов!

Поблагодарить меня можно добрым словом и/или донатом (https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

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 :)

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: [email protected]

Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?) и Яндекс.Музыке (https://music.yandex.ru/album/9781458)

Music by Audionautix.com

А еще я сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике (https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов!

Поблагодарить меня можно добрым словом и/или донатом (https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

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 :)

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: [email protected]

Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?) и Яндекс.Музыке (https://music.yandex.ru/album/9781458)

Music by Audionautix.com

А еще я сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике (https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов!

Поблагодарить меня можно добрым словом и/или донатом (https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

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 :)

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: [email protected]

Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?) и Яндекс.Музыке https://music.yandex.ru/album/9781458

Music by Audionautix.com

А еще я сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике (https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов!

Поблагодарить меня можно добрым словом и/или донатом (https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

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)

[email protected]

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: [email protected]

Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?) и Яндекс.Музыке https://music.yandex.ru/album/9781458

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: [email protected]

Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?) и Яндекс.Музыке https://music.yandex.ru/album/9781458

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: [email protected]

Также теперь подкаст можно найти на YouTube (https://www.youtube.com/channel/UCzvfXLNpB2Bbf32dc7a8oDQ?)