Подкаст о машинном обучении (Machine Learning Podcast)

Сегодня выпуск необычный. В подкасте о машинном обучении выпуск без машинного обучения. Зато с личными историями и моим личным опытом на пути приобретения важного инструмента современного мира - английского языка. Его значимость для изучения машинного обучения очень сложно переоценить и я расскажу какие походы для меня сработали, какие практически нет. Как прокачать чтение и восприятие на слух, чтобы, не напрягаясь потреблять качественный контент на английском языке, которого на порядок больше, чем на русском. Классные книги, подкасты, обучающие видео, курсы - все это лежит и просто ждет, когда вы придете и возьмете. Также расскажу в выпуске о планах на ближайший год! Спасибо, что остаетесь со мной!

Ссылки выпуска:

Книга "The Immortalists" на amazon - https://www.amazon.com/Immortalists-Charles-Lindbergh-Alexis-Forever/dp/0060528168

Проект Эйлера с математическими задачами на программирование - https://projecteuler.net/

Перевод задач Проекта Эйлера - https://euler.jakumo.org/

Выпуск Полиглота с таблицей простых времен английского языка - https://youtu.be/LrhyihlqB-U

Приложение Duo Lingo для прокачки английского - https://ru.duolingo.com/

Приложение Quizlet для набора лексики с помощью карточек - https://quizlet.com/ru

Приложение Luke's ENGLISH Podcast для осознанного аудирования - https://teacherluke.co.uk/

Lex Fridman Podcast - https://lexfridman.com/podcast/

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?)

Продолжаем рисование дорожной карты погружения в машинное обучение, начатое в прошлом выпуске, вместе с кандидатом физико-математических наук, профессиональным преподавателем машинного обучения кафедры системного анализа и информационных технологий института ВМиИТ Казанского Федерального Университета, Евгением Разинковым. На мой взгляд, ценность того, что рассказывает Евгений обусловлена также и тем, что он не просто преподаватель-теоретик, он еще и востребованный действующий специалист в индустрии. Евгений  руководит отделом машинного обучения и компьютерного зрения Группы компаний FIX, а также является директором по науке в компании Pr3vision Technologies Inc. В выпуске Евгений рассказал какие есть направления в машинном обучении и в какой последовательности имеет смысл их изучать, поделился своим видением какая математика нужна в изучении ML, почему недооценено обучение с подкреплением и есть ли перспективы у GANов. А также детально обосновал свой выбор между TenzorFlow и PyTorch. Было интересно и полезно!

Предыдущие выпуски подкаста с Евгением Разинковым:

1. #007 ML Евгений Разинков. Управление коммерческой разработкой в ML - https://anchor.fm/kmsrus/episodes/007-ML--------ML-ekd6bu

2. #018 ML Евгений Разинков. Дорожная карта погружения в машинное обучение ч.1 - https://anchor.fm/kmsrus/episodes/018-ML-----------1-eoftu6

Напоминаю, что Евгений ведет свой YouTube-канал, на котором можно найти отличные лекции по машинному обучению (http://video.razinkov.ai/), телеграм-канал с анонсами лекций, видео, материалами по AI (https://t.me/razinkov_ai), паблик в ВК (http://vk.com/razinkov_ai), а также веб-сайт, на котором можно найти интересующую информацию о Евгении и его деятельности (http://razinkov.ai/)

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?)

Music by Audionautix.com

Когда как не в новогодние праздники ставить цели на год? В этом и следующем выпусках мы решили с Евгением Разинковым нарисовать дорожную карту изучения машинного обучения, тем более, что Евгений профессиональный преподаватель машинного обучения кафедры системного анализа и информационных технологий института ВМиИТ Казанского Федерального Университета, да еще и в индустрии работает, являясь руководителем отдела машинного обучения и компьютерного зрения Группы компаний FIX, а также директором по науке компании Pr3vision Technologies Inc. Евгений очень подробно рассказал кому и зачем стоило бы изучать машинное обучение, какие для этого нужны входные навыки и на чем сосредоточить внимание при подготовке к затяжному прыжку в интересный и увлекательный мир искусственного интеллекта. А также о том, как изучить английский, играя в настольные игры.

Ссылки выпуска:

Предыдущий выпуск подкаста с Евгением Разинковым - https://anchor.fm/kmsrus/episodes/007-ML--------ML-ekd6bu

Напоминаю, что Евгений ведет свой YouTube-канал, на котором можно найти отличные лекции по машинному обучению (http://video.razinkov.ai/), телеграм-канал с анонсами лекций, видео, материалами по AI (https://t.me/razinkov_ai), паблик в ВК (http://vk.com/razinkov_ai), а также веб-сайт, на котором можно найти интересующую информацию о Евгении и его деятельности (http://razinkov.ai/)

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?)

Music by Audionautix.com

В гостях ведущая подкаста о мозге и нейронауках "Нейрочай", специалист по машинному обучению в области NLP, ученая в области нейронаук, Виктория Земляк. Получился очень насыщенный и интересный выпуск, в котором мы обсудили применение машинного обучения в научных исследованиях, айтрекинг (отслеживание взгляда), психолингвистику, ложную слепоту (явление и книгу), различия в связности английских и русских текстов у больных шизофренией, подкастинг, статью Франсуа Шолле про концептуальный подход к созданию сильного ИИ, интеллект воронов и даже нейроинтерфейсы. Однозначно было не скучно!

Ссылки выпуска:

Подкаст "Нейрочай" - https://anchor.fm/neurotea

Телеграм-канал подкаста "Нейрочай" - https://t.me/neurotea

Паблик подкаста "Нейрочай" в ВК - https://vk.com/neurotea

Мои любимые выпуски подкаста "Нейрочай":

1. Как компьютер понимает речь? (Иван Ямщиков) #14 - https://anchor.fm/neurotea/episodes/14-eabs5f/a-a1bi28p

2. Атака ботов и технооптимизм (Иван Ямщиков) #15 - https://anchor.fm/neurotea/episodes/15-ean6np/a-a1e3iei

3. Как мы помним и забываем (Полина Кривых) #11 - https://anchor.fm/neurotea/episodes/11-e9a1t9/a-a13jocj

Выпуск подкаста "Сельхозка" про искусственный интеллект в сельском хозяйстве - https://anchor.fm/selhozka/episodes/005-enpehl/a-a44cnoa

Перевод статьи Франсуа Шолле "Как оценивать интеллект? Подход Google" - https://habr.com/ru/company/sberbank/blog/493952/

Оригинал статьи Франсуа Шолле на Архиве - https://arxiv.org/abs/1911.01547

Статья на Хабре "Почему меня разочаровали результаты Kaggle ARC Challenge" - https://habr.com/ru/company/sberbank/blog/507852/

ARC Challenge на Kaggle - https://www.kaggle.com/c/abstraction-and-reasoning-challenge/overview/code-requirements

Статья про интеллект у воронов  - https://science.sciencemag.org/content/369/6511/1626

Подкаст "Терминальное чтиво" - https://ru.player.fm/series/2395016

Курс по Reinforcement Learning - https://www.coursera.org/specializations/reinforcement-learning

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 (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?)

С этого метода машинного обучения стоило бы начать сразу, ведь линейная регрессия -  это своего рода "Hello world" машинного обучения. В выпуске я рассказываю про разные подходы к описанию данных (интерполяция, аппроксимация и регрессия) и подробно останавливаюсь на линейной регрессии - как самом простом и наглядном методе обучения с учителем. Также про функцию потерь - среднеквадратичную ошибку, наиболее часто используемую в линейной регрессии, про градиентный спуск в рамках линейной регрессии и про место линейной регрессии среди методов машинного обучения. Казалось бы, причем здесь Марк Твен? Полезного вам прослушивания!

Ссылки выпуска: 

Курс Andrew Ng на coursera (про линейную регрессию, функцию потерь и градиентный спуск - первая неделя курса) - https://www.coursera.org/learn/machine-learning

Выпуск подкаста #003 ML Методы машинного обучения - https://anchor.fm/kmsrus/episodes/003-ML-eb2mei

Выпуск подкаста #006 ML Основы нейросетей ч.1 - https://anchor.fm/kmsrus/episodes/006-ML----1-ejthqa

Выпуск подкаста #015 ML Основы нейросетей ч.2 Градиентный спуск - https://anchor.fm/kmsrus/episodes/015-ML----2-enljpl

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?)

Music by Audionautix.com

Продолжаем разговор об основах нейросетей. В этот раз я рассказываю как сеть из простых нейронов может решать сложные задачи. О том, какая математика за всем этим стоит, как строятся сложные многомерные разделяющие поверхности, как обучаются нейросети, что такое градиентный спуск и функция ошибки. Немного затронул темы переобучения и визуализации того, что у нейросетей происходит внутри. 

Ссылки выпуска:

Выпуск "Основы нейросетей ч.1", на котором основывается данный - https://anchor.fm/kmsrus/episodes/006-ML----1-ejthqa

YouTube канал 3Blue1Brown - https://www.youtube.com/channel/UCYO_jab_esuFRV4b17AJtAw

3Blue1Brown на русском - https://www.youtube.com/channel/UCCbgOIWdmYncvYMbl3LjvBQ

Нейронные сети на Python на канале selfedu - https://www.youtube.com/watch?v=nV7cI5zgOpk&list=PLA0M1Bcd0w8yv0XGiF1wjerjSZVSrYbjh

Отдельно благодарю за помощь в подготовке выпуска Николая Иванова - гостя 5-го выпуска подкаста за факт-чекинг и разъяснение некоторых нюансов

Выпуск с Николаем Ивановым - https://anchor.fm/kmsrus/episodes/005-ML----NLP--GPT-3--Replika-eiibus

Facebook Николая - https://www.facebook.com/nickolas.ivanov

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?)

Гостья сегодняшнего выпуска - Анастасия Никулина - Senior Data Scientist Росбанка. Поговорили про путь дата-сайентиста - от джуниора до синьора - какие требования к специалисту предъявляет бизнес, какие знания нужны, какие социальные навыки, какое имеет смысл получать образование. Нужна ли математика и английский. Чего ждать от этих позиций в плане заработной платы и ответственности. Также не обошли стороной и тему - как в дата сайнс живется девушкам. Было интересно!

Ссылки выпуска:

Настя в Linkedin: https://www.linkedin.com/in/anastasia-nikulina-7b274668/

Ютуб-канал Насти: https://www.youtube.com/c/miracl6

Топ 3-видео на канале Насти:

Матан для Data Science https://youtu.be/EHVmseAhkx0 

Линал для Data Science https://youtu.be/cGxK2-_0x40  

Резюме IT-специалиста https://youtu.be/-ymFHZumoko

Книга "Python и машинное обучение" Себастьян Рашка: https://pythonworld.ru/bookshop/60.html

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?)

Music by Audionautix.com

Очередной выпуск подкаста посвящен смене карьеры. В гостях бывший специалист по контекстной рекламе, маркетолог, сооснователь рекламного агентства и сертифицированный тренер по рекламным продуктам Google, а теперь - инженер по машинному обучению, который заканчивает MADE, Алексей Ярошенко. Мы поговорили о том, что заставляет человека менять одну успешную карьеру, на другую, успех в которой не гарантирован, от том как не поступить в ШАД, но поступить в MADE и как там потом учиться. Как совмещать учебу с работой и семьей с маленьким ребенком и где взять на все это время. Алексей заканчивает MADE и ему есть чем поделиться. Встречайте!

Ссылки выпуска:

FaceBook Алексея (https://www.facebook.com/alexey.yaroshenko)

Telegram Алексея (https://t.me/yaroshenko)

Блог Алексея, на котором можно найти интересные статьи, в том числе и про поступление/обучение в MADE  (https://yaroshenko.by)

Академия Больших Данных MADE (https://data.mail.ru/)

Курс "Специализация Машинное обучение и анализ данных"  (https://www.coursera.org/specializations/machine-learning-data-analysis) 

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?)

Music by Audionautix.com

Гость выпуска - Юрий Яровиков - исследователь Лаборатории искусственного интеллекта Сбера, руководитель Школы глубокого обучения. Поговорили о том, как поступить в Школу Анализа Данных Яндекса, чтобы потом было стыдно (спойлер: надо заниматься олимпиадной математикой), как уйти из Huawei в Сбер, чтобы заниматься Искусственным Интеллектом общего назначения, как отобрать лучших школьников для ФизТеха через Школу глубокого обучения и как и, главное, зачем оставаться жить и работать в России. Приятного прослушивания!

Ссылки выпуска:

Школа Глубокого Обучения (DLS) (https://www.dlschool.org/)

Сообщество в ВК, посвященное Школе Глубокого Обучения (https://vk.com/dlschool_mipt)

Физтех-школа прикладной математики и информатики (https://mipt.ru/education/departments/fpmi/)

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?)

Music by Audionautix.com

И снова интереснейший собеседник в эфире подкаста, посвященного машинному обучению! Юрий Окуловский - Senior Data Scientist в Берлине, кандидат физико-математических наук, ранее руководитель лаборатории искусственного интеллекта и робототехники УрФУ и автор нескольких видеокурсов. Поговорили с Юрием про то как алгоритмы постепенно отбирают работу у стилистов, подбирая людям костюмы и аксессуары, про не совсем радужные перспективы человеческого интеллекта, про то захочет ли ИИ осваивать космос и колонизировать экзопланеты, про неизбежность технологической сингулярности и о том, можно ли и нужно ли к ней готовиться. Как всегда - лайк, репост, подписка :)

Ссылки выпуска:

Телеграм-канал Юрия "Свидетели сингулярности" (https://t.me/witnessesofsingularity)

Курс по научному мышлению на Степике (https://stepik.org/course/578/syllabus)

Курсы по программированию (Юрия и не только) (https://ulearn.me/)

Курсы "Специализация Машинное обучение и анализ данных" (https://www.coursera.org/specializations/machine-learning-data-analysis)

Статьи Юрия на Медиуме (https://witness-of-singularity.medium.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?)

Music by Audionautix.com