🎲В пятницу мысли уже не о рабочих созвонах и встречах, поэтому предлагаю немного развлечься.

Раз в неделю по пятницам я буду публиковать для вас вопрос по ML. Ваша задача - найти правильный ответ и написать в комментариях.

Поехали? Первый вопрос на картинке выше. А за вопрос спасибо его автору, Chief Data Scientist'у Big Data МТС Никите Зелинскому :)

#уже_не_новость
HR крупного российского ретейлера экспериментирует с применением методов прогнозирования в работе с людьми

X5 Retail Group выводит на новый уровень применение методов прогнозирования в HR. Компании потребовался профессиональный таролог в HR отдел. Вакансия уже в архиве: то ли от повышенного внимания в соцсетях, то ли потому что уже нашли.

Пожелаем ретейлеру успехов с творческим подходом к управлению персоналом, а тарологам - роста востребованности на рынке труда не хуже, чем у экспертов в AI 🦾

#уже_не_новость
Уже месяц все обсуждают, что компания Open AI ищет примерно семь триллионов долларов ($ 7 000 000 000 000) инвестиций на проект по производству чипов для искусственного интеллекта.

📰 Напомню контекст: глава компании Сэм Альтман считает подобный проект чрезвычайно амбициозной технологической инициативой и уже встречался с потенциальными инвесторами. Об этом и о колоссальном объеме требуемых инвестиций, сообщил в феврале The Wall Street Journal.

💬 Во всех подобных инициативах мне, конечно, безумно нравятся объемы рынка AI в Штатах и то, что можно потратить много миллионов долларов на одну итерацию обучения какой-нибудь нейросети, а после шокировать весь мир результатом.

💬 Конечно, в России мы имеем дело с более короткими горизонтами планирования и с большей турбулентностью. Поэтому сжигать деньги в топке без четкого понимания, как же мы на этом заработаем, у нас гораздо меньше возможностей.

💬 Однако двигаться в правильном направлении мы тоже можем, просто чуть более коммерчески обоснованно. Например, когда в 2020 году MTS AI инвестировал в компанию Kneron, занимающуюся разработкой чипов для AI (вот кстати более поздний рассказ сотрудника MTS AI про свой опыт знакомства с чипами), многие не понимали, что это за причуда со стороны МТС. На деле же это было вполне взвешенной долгосрочной ставкой на чипы, но и с точки зрения коммерческой целесообразности это оказалось неплохой венчурной сделкой. Так что не стоит думать, что какими-то темами (чипами или еще чем-то прорывным) можно заниматься только имея 7 триллионов долларов от инвесторов. Но с ними бесспорно веселей :)

А вы что думаете насчет чипов и триллионных инвестиций?

Как студент удивил меня выводом метода на экзамене

💬 Есть один важный метод для машинного обучения — метод главных компонент. Он обязательно есть во всех курсах, но в то же время я почти ни разу не видел, чтобы благодаря применению этого метода получилось бы построить модель радикально лучше, чем без него. Было буквально несколько примеров за 15 лет, но метод все-таки очень показательный.

✍Этот метод вообще про то, как из большого количества признаков сделать меньшее количество признаков, при этом не просто отобрав, а даже повернув координаты в пространстве признаков таким образом, чтобы они стали более информативны. Классический вывод метода главных компонент, который мне, например, известен из лекций Воронцова, занимает примерно полстраницы или, может быть, страницу. Он требует умения дифференцировать по матрицам как переменным. Одно дело, когда матрица — это какие-то готовые значения. И другое — когда вы рассматриваете функцию, которая сама по себе матрица или скаляр, и зависит от матрицы. Это не что-то нереально сложное, этому достаточно легко научиться. Тут вопрос в том, как именно вы определяете эту производную по матрице. Я, например, не стесняюсь давать такого рода упражнения своим студентам на Физтехе. А в других местах уже жалею людей :)

💬 В этом году я читал лекции второкурсникам МФТИ с нашего совместного с «Яндексом» факультета - Высшей школы программной инженерии (ВШПИ). Потом они сдавали экзамен по машинному обучению, и одним из пунктов на экзамене был вопрос по выбору. Это такая давняя физтеховская традиция, берущая начало с экзаменов по физике. По ней один билет студент тянет, а один билет готовит заранее, выбирая более сложную тему, требующую предварительной подготовки. В случае с физикой можно даже взять экспериментальный вопрос, который нужно будет заранее готовить в лаборатории. На выбранную заранее тему студент должен быть в состоянии поддерживать беседу на одном уровне с преподавателем, зачастую кандидатом или доктором наук, иногда академиком. То есть, нужно разобраться в теме очень глубоко.

💬 Я попробовал такую же вещь сделать на своем курсе машинного обучения. Одной из тем на выбор для второкурсников был метод главных компонент с выводом. Были ребята, которые полностью разобрались в доказательстве из курса Воронцова. Но был и один студент, поступивший куда более изящно: он пришёл ко мне с доказательством, которое фактически заключало все основные выкладки буквально в несколько строк.

💬 Доказательство это настолько красивое, что я даже готов выложить его в канале, если этот пост наберет 100 реакций. Когда я его увидел, мне даже стало обидно, что я сам его не придумал — настолько оно было очевидно и естественно :)

🎲 Сегодня очередная пятница, а значит — время квиза. Картинка известная, просьба к тем, кто её уже видел целиком, подождать с ответом: интересно, угадает ли кто-то «по-честному» :) Свои варианты пишите в комментариях

Как справляться с состоянием стресса

1⃣ Первое, что необходимо сделать, — признать, что вам тяжело. Возможно, вы находитесь под давлением. Возможно, вы испытываете страх, который может даже переходить в панику, чувствуете злость, ярость или обиду. Не отрицайте и не отвергайте эти чувства, признайте их и далее действуйте в зависимости от того, какие именно это чувства.

2⃣ Вторая вещь, которая помогает пройти тяжёлые времена, — это, конечно же, общение с друзьями и близкими. Нужно не бояться обратиться к ним, если вам тяжело. Проведите время вместе, поделитесь своими переживаниями. Сам факт того, что вы не будете держать это всё в себе, очень сильно поможет. Некоторым людям в подобных ситуациях даже проще делиться своими переживаниями с более широкой публикой, например в социальных сетях. Мне такие вещи даются тяжело и гораздо проще получать помощь от близких.

3⃣ Третья вещь, которую необходимо понимать: на проживание чувств необходимо время. Есть ситуации, которые нужно просто проживать, как бы неприятно это ни было. Эти переживания не бесконечны, и однажды что-то изменится. Да, тяжело принять факт, что ты бессилен повлиять на это, но я совершенно уверен, что не нужно всё усугублять.
Как обычно, любое плохое состояние усугубляют нехватка двигательной активности, плохое питание, недостаток сна и общения с людьми. Поэтому, переживая стресс, ко всем этим пунктам необходимо относиться внимательно. Очень легко на них забить, но лучше от этого не станет. Если вам хочется побыть наедине с собой — побудьте, но слишком этим увлекайтесь. Помните, что человеку нужен человек.

4⃣ Четвёртая вещь, которую стоит помнить, столкнувшись со стрессом и переполняющими эмоциями: когда вы что-то чувствуете, вы живой. Когда вы живой, вы продолжаете что-то делать, а значит, ваши чувства — огромный ресурс. Вы злитесь? На этой злости можно свернуть горы. Вам грустно? Эта грусть может стать основой для огромного сочувствия и сострадания, чтобы превращать их в добрые дела. Вам страшно? Победив этот страх, вы обретёте отвагу.

❤️ Помните, что все ваши чувства не имеют в себе ничего зазорного. Не нужно бояться чувствовать. Нужно искать в этом новые силы.

#уже_не_новость
Бывший генсек ООН Пан Ги Мун, певица и активистка Энни Леннокс, ученый Джеффри Хинтон, миллиардер Ричард Брэнсон и внук физика-ядерщика Роберта Оппенгеймера подписали письмо против бесконтрольного развития ИИ-технологий.

📰 Кризис ИИ в документе сравнивается с климатическим кризисом, опасностью применения ядерного оружия и глобальной пандемией.

💬 Подобная истерия вокруг ИИ и опасений, что произойдет что-то невероятное, мне всегда казалась очень надуманной, пока я не заметил, что к ней присоединился Джеффри Хинтон. Ему, конечно, много лет, можно списать такое поведение на разные обстоятельства. Однако, все эти годы Хинтон демонстрирует невероятную ясность рассудка и продолжает быть ключевым человеком в deep learning (еще с тех пор, когда он так даже не назывался). Это и наводит на мысль, что ситуация действительно тревожная. В ближайшем будущем, вероятно, очень много сил будет брошено на AI-alignment, контроль искусственного интеллекта и другие меры, чтобы уберечь человечество от жестких негативных последствий развития ИИ.

💬 Как мне кажется, бунт искусственного интеллекта будет выглядеть не так, как это показано в фильмах, а скорее так, как мы это видим на практике. То есть, с одной стороны, это будет выкручивание параметров алгоритмов: например, ценообразования на какие-то вещи или персональных рекомендаций таким образом, что мы не сочтем это этичным. Но это будет оптимально с точки зрения оптимизируемого функционала для ИИ. И второе проявление "бунта" ИИ — откровенное введение клиента в заблуждение. Как это, например, происходит сейчас в первых экспериментах с использованием LLM'ок вместо сотрудников техподдержки (если кратко: врут беспощадно).

Поговорим про рынок Big Data

Это будет большой рассказ, который я разделю на две части.

Как компании заработать на Big Data на внешнем рынке? С этим большим нетривиальным вопросом я столкнулся три года назад, когда стал директором Big Data МТС. Оказывается, возможностей не так уж и много.

💬 Самая базовая и очевидная вещь, лежащая на поверхности, — продажа инфраструктуры. Ведь, как известно, во время золотой лихорадки нужно продавать кирки. Под продажей инфраструктуры можно понимать прямые продажи железа, например, но для этого нужно его производить. Быть просто спекулянтом, который перекупает, — не супервыигрышная долгосрочная стратегия.
Делать и продавать свое облако - нормальный вариант, но конечно дорогой и долгий.

💬 Еще приходят на ум инструменты для работы с данными. Тут есть несколько поучительных и разных примеров: яндексовый ClickHouse и всем известное Tableau. Необязательно разработка должна быть очень интеллектуальной в плане алгоритмов. Это вполне может быть достаточно базовый инструмент, но важный для работы с данными. Более «приземленные» инструменты даже в большей степени обладают шансом стать единорогом.

💬 Следующее направление — напрямую продавать какие-то данные. Но эта история максимально неинтересная и неприбыльная, в масштабах крупной компании это не имеет смысла. Если кто-то покупает у вас ваши данные, значит, он нашел способ из них извлечь достаточно выгоды, чтобы окупить затраты на эту закупку и заработать. Т.е. вы теряете бизнес, который мог быть вашим.

Кроме того, продажа данных несет в себе огромные репутационные риски: людям не нравится, когда их данные можно легко купить. В итоге отдельный пласт работ в этом случае — как продавать данные так, чтобы они все-таки были в достаточной степени анонимизированы и агрегированы, чтобы исключить возможность шпионить за клиентами, чьи данные вы продали. Все это огромный объем работ ради того, чтобы заработать три копейки.

💬 Можно конечно на основе своих данных делать собственные сервисы и продавать уже их. Наиболее распространенные примеры в этом случае будут связаны с геоаналитикой и компаниями, которые располагают геоданными. Кроме того, это могут быть варианты, связанные с прогнозированием разных рисковых событий, т.е. банковские скоринги и антифрод.

Также это могут быть разработки, касающиеся таргетирования рекламы. Реклама уже не один год, даже не одно десятилетие кормит тех, кто умеет строить ML-модели. Ну, и сюда же можно отнести все то, что касается оптимизации, планирования расходов: например, планирования размещения магазинов или оптимизации логистики. Это тоже часто относится к геоаналитике, если речь об оффлайновых географически распределенных объектах вроде магазинов или базовых станций мобильной сети.

Остановимся здесь, а в следующем посте поговорим непосредственно об объемах рынка.

Большие деньги в преподавании

Те, кто говорят, что в преподавании нельзя заработать большие деньги - получите, распишитесь 💪

Принимал гос экзамен у студентов зимой, и награда нашла героя 🏆

Но, кроме шуток, я принял всего у двух студентов и только ту часть экзамена, что по машинному обучению, так что считаю все справедливо :)

Про общение с руководством в большой компании

💬 Тема отношений с начальством в корпоративной среде всегда важна. С одной стороны, часто кажется, что выгодно будет просто соглашаться, всячески показывать лояльность и даже в некотором смысле выбирать заискивающее поведение. С другой стороны, интуитивно может казаться, что людям, наделенным какой-никакой властью, очень не хватает прямого и честного общения. И поэтому складывается впечатление, что, если вы будете взаимодействовать с ними так же, как вы взаимодействовали бы с человеком на одном с вами уровне, это будет некий эксклюзив.

💬 На самом деле и то и другое несколько далеко от здравого смысла. Потому что, во-первых, чрезмерные проявления лояльности и заискивания нормальных людей раздражают. А во-вторых, это дисконтирует стоимость ваших слов.

💬 Но и взаимодействовать с руководителем так, будто вы с ним на одном уровне, тоже неприемлемо. Будем объективны: босс отвечает за решение гораздо большего количества сложных вопросов, ему или ей необходимо учитывать гораздо больше информации. Поэтому проявление уважительного отношения к тем проблемам, которые решает руководитель, вполне уместно и даже необходимо.

💬 Правильный стиль общения с начальством, на мой взгляд, похож на стиль, которому нас учили в общении со старшими: в детстве нам говорили, что, если человек дожил до какого-то возраста, он уже заслуживает некоторого уважения. В случае же с руководителем речь идёт о том, что, если он уже достиг определённого уровня в компании и при этом справляется с определённого уровня проблемами и задачами, некоторые из которых вы даже не знаете, то можно было бы проявлять уважение в немного большем объёме.

💬 Конечно же, не нужно уважение к людям привязывать только к цвету штанов, количеству регалий или денег на счёте. Однако логично уважать тех, кто добился в вашей сфере достижений, которые вы считаете достойными. Ваш руководитель в идеале должен быть таким человеком. Если ваш босс не такой, крайне рекомендую поискать работу, где ваш руководитель будет вас вдохновлять, так жить будет намного проще :)

Нужна ваша помощь💪🏻

Как вы помните, в феврале мы с партнером и командой проводили кастдев для определения основных образовательных потребностей аудитории канала, чтобы впоследствии понять, будет ли актуален запуск курсов.

Так вот, мы проанализировали полученную информацию и всё-таки решили запустить школу по машинному обучению.

Я хочу, чтобы вы приняли непосредственное участие в создании нашей школы, поэтому⬇️

Я решил провести небольшой интерактив:
В комментариях под этим постом пишите идеи для названия ML-школы💡
Возможно, именно ваше название в итоге станет официальным :)

Жду от вас интересных и креативных идей👇🏻👇🏻👇🏻

Про рынок Big Data. Часть 2

💬 В прошлый раз мы закончили на монетизации ML-сервисов на основе данных, так что теперь немного о грустном. Если не брать амбициозные отчеты с оценками вроде «Около 1% от этой отрасли составляют вот такие алгоритмы», а брать конкретные примеры контрактов и заказов, которые делаются, и сформировать представление о размере рынка из этого, то мы выясним, что рынок скорингов, если туда не относить рекламу (а скоринг на склонность к какому-то действию клиента тоже можно назвать «скорингом», хотя на самом деле это таргетирование рекламы), находится в пределах ₽ 10 миллиардов. Рынок геоналитики тоже явно в этих же диапазонах, можно взять даже значительно меньшие размеры.

💬 Если речь о рекламном рынке, то уже несколько лет назад диджитал реклама составляла больше ₽ 240 миллиардов в год. К тому же, современная диджитал реклама в принципе не может существовать без таргетирования. Сейчас появляется все больше применений: генеративная реклама, генерация текстов, баннеров, оптимизация рекламы с помощью AI (например, когда речь идет об умном управлении ставками в аукционе) и многие другие вещи.

💬 Таким образом, мы приходим к очень интересному выводу. На самом деле человечество пока что придумало не так много способов заработать на машинлернинге, помимо рекламы. Я бы даже сказал, что доля всего, кроме рекламы, пренебрежительно мала. В будущем сравнимой вещью могут стать контентные сервисы, потому что они без рекомендаций не живут, и здесь применение машинлернинга действительно обоснованно. Оно в целом уместно везде, где нужно отфильтровать или проанализировать такое количество объектов, справиться с которым человеку за разумное время просто не под силу. Но в случае с контентными сервисами нужно думать, откуда собственно брать контент, как дифференцироваться и отсюда вытекает, что ML это небольшая добавка, а бизнес все равно в первую очередь медийный. Для примера, тот миллиард долларов, который в 2016 году по заявлениям Netflix зарабатывался ими в год с помощью рекомендательных систем, составлял всего 4% выручки (если мне не изменяет память, не делал сейчас фактчек)

💬 В итоге, наиболее денежное направление для построения бизнеса практически чисто на ML сейчас действительно реклама. Будут ли еще какие-то направления? Скорее всего, большим рынком (но состоящим по большей части из внутренних эффектов), будет управление ценами на основе данных. Будут ли компании готовы за такое решение платить сколько-нибудь большие деньги? Хороший вопрос, но он пока без ответа. Получить же многомиллиардную выручку на внешнем рынке пока можно только через рекламу.

💬 Что же делать в такой ситуации? На мой взгляд, поступать в этом случае нужно очень просто: переориентировать применение машинлернинга на внутреннее применение в вашей большой компании. Если же вы маленький стартап, то можно посмотреть на большие компании, выяснить, где у них больше всего денег можно сэкономить, и в эту сторону копать.

Как примазаться с опозданием и максимально дёшево

Вчера Иви радостно сообщил про премьеру «Слова пацана» у себя. По сути - трансляция НТВ, а там сериал в эфире.

Почему это дешево: смысл выражения «премьера в нашем кинотеатре», когда речь про чей-то originals - что купили на него права. В чем здесь подвох: онлайн кинотеатров сейчас очень много, основных факторов конкуренции у них буквально несколько:

1. Originals
2. Размер каталога
3. Удобство использования

И первый фактор - самый сильный, потому что из-за него люди смирятся и с неудобным приложением, и с отсутствием обширной базы. Но экономическая модель онлайн-кинотеатров в принципе не так шикарна, как хотелось бы, поэтому иногда лицензию на показ originals все-таки с запозданием, но продают конкурентам, чтобы подзаработать денег.

Так вот что сделали Иви - сделали из выхода чужого originals на ТВ дешевый инфоповод «теперь сериал появился у нас», т.к. у ребят есть трансляция ТВ. К чести команды Иви, они прямо в пуше написали, в чем подвох. Со стороны выглядит так: кто-то «умный» из менеджмента сложил А и Б и решил сделать пользователям рассылку, что «Слово пацана» появилось в Иви, кто-то честный из исполнителей написал в пуше как есть. Как говорится, респект таким пацанам 🫡

Оказывается, никакого шторма не было.
Такое вот интересное решение ситуации.
Так что будьте аккуратны с распространением фото и видео из Дубая

Прошлый квиз остался без ответа, исправляю ситуацию. Но не спешите огорчаться, что вопрос был простой, и ответ сразу отгадали: это была разминка. В пятницу продолжим угадывать все, что скрыто :)

О полезности общения с коллегами

💼 Когда я устраивался в МТС (тогда еще Chief Data Scientist’ом), я не знал, сколько денег просить, чтобы и не продешевить, и не отказали. За плечами у меня был только опыт CDS в Яндексе, ну т.е. совсем не рыночные условия (в том смысле, что теплота, уютность и семейность Яндекса не бесплатны для сотрудника, но тогда оно того стоило).

💰Так вот попав в это неловкое положение, я обратился за советом к Валере Бабушкину, он тогда уже работал CDS в X5 Retail Group и как раз имел тоже яндексовый бэкграунд и возможность сопоставить два мира. Надо сказать, что совет Валеры залетел «на ура», за что я ему до сих пор очень благодарен, потому что при назначении в топ-менеджмент мой оклад не сильно скорректировался. Как устроена жизнь топов, я обязательно расскажу когда-нибудь потом, оклад там не главное, но все-таки так забавно получилось, что Валера своим советом определил мою зарплату на 4 года жизни :)

😁 Познакомились мы с Валерой вообще забавно - встретились как спикеры на Матемаркетинге у Леши Никушина, я подумал «опять этот Валера везде с одной презенташкой ходит и выпендривается», но Валера тут же улыбнулся мне самой широкой улыбкой на пределе человеческих возможностей, и мы настолько тепло и вежливо побеседовали, что мне стало стыдно за свою токсичность. В итоге мы в какой-то степени подружились, периодически друг-друга звали то попреподавать, то проконсультировать и вообще извлекли много хорошего из этого знакомства.

🥳 Ну а сегодня я с огромным удовольствием поздравляю Валеру с днем рождения и всем рекомендую подписаться на его канал в tg: https://t.iss.one/cryptovalerii
Персональный мем в качестве подарка прилагается

Кривые обучения и хобби

📈В канале собралось много тех, для кого кривая обучения имеет в основном контекст машинного обучения. Но на самом деле это более общее понятие. Кривая обучения — это в целом зависимость результатов обучения от затраченных усилий, попыток или времени. И для многих ваших новых занятий эта кривая будет выглядеть очень похоже на кривую обучения ML-модели: сначала быстрый рост экспертизы, а затем постепенный выход на плато.

❓Меня уже спрашивали в комментариях, как я отдыхаю и какие у меня хобби. Чуть меньше года назад у меня появился новый способ переключаться — плавание в зале с тренером. Добавлю контекст: в глубоком детстве мне совсем не понравилось тонуть, когда на мне лопнул надувной жилет. Моя двоюродная сестра (кстати, тоже закончила Физтех и как раз вдохновила меня туда поступать) довольно быстро меня вытащила, но на меня в том возрасте произвёл впечатление вид уходящего вдаль солнца по мере погружения на глубину. Закончилось это тем, что плавать я научился классе в десятом и только «сочинским брассом». В итоге плавание оставалось базовым навыком, которым я не владел, и прилично на этот счёт комплексовал.

🔥Прошлым летом один очень глубокий человек сказал мне интересные слова: «Иногда то, чего мы боимся, — это то, чего мы больше всего хотим». И я решил попробовать проверить это на практике. И действительно, плавать мне очень понравилось, с тренером мы хорошо сошлись характерами, и выяснилось, что все вещи, которые меня пугали, решаются количеством проплытых километров и постановкой техники. К чему я это всё — я на своём опыте узнал две вещи:

1️⃣Новые увлечения доставляют очень много удовольствия на «крутой» части кривой обучения, когда быстро нарабатываешь базовый опыт. Дальше — посмотрим, напишу ещё через год или два.

2️⃣Мы действительно иногда боимся стать счастливее. А вы не бойтесь, в процессе совсем не так страшно, как начать 🙂

#вопрос_подписчика

🎲 Предыдущая загадка, очевидно, оказалась для вас легкой. Тогда предлагаю усложнить задачу — держите еще один квиз с изображением.
Как обычно, жду ваши ответы в комментариях 💬