А поделитесь в комментах историями, кто смог устроиться в Data Science, не имея высшего физмат образования. Знаю геолога, химика, экономиста и филолога, интересно, кто еще бывает :)
❤7💩6
#образование #игры
Обучающие игры (часть 1)
Год или два назад мы уже поднимали тут тему обучения в играх, давайте снова к ней вернемся.
⚠️ Накидайте в комменты образовательно полезные игры, которые лично вам нравятся (можно инди, можно и созданные игровыми студиями :)
Мой пример - Timeflow, которая есть и на мобильных устройствах, и в Steam, и на мой взгляд оказалась очень поучительной, т.к. позволяет пройти через много довольно жизненных ситуаций. Не является рекламой, я искренне залип в нее наверно больше, чем на 100 часов.
⏰ Широко известные монополия и сashflow Роберта Кийосаки не учитывают один важный момент: ограниченность времени игрока на заработки. Несложно становиться магнатом, когда у тебя бесконечное количество часов в сутках. В качестве ответа некие российские разработчики (я думаю даже разработчиК, потому что на вид игра та еще индюшатина, но это этого ничуть не хуже) выпустили Timeflow. По сути это такая настолка в компьютерном исполнении, которая помимо денег добавляет в cashflow-подобную игру несколько аспектов: время, настроение и стресс.
В начале игры вы выбираете персонажа. Кто хочет получше его прокачать, может выбрать 18-летнего студента, у которого все впереди. А кто хочет хардкор, может вывести на финансовую независимость медработника или работягу с завода, которым на старте денег едва хватает. Также вы выбираете «финансовую мечту» (обеспеченные дети, полет в космос, квартира в столице, остров - на что хватит наглости)). Цель игры - до пенсии (65 лет) достричь определенного уровня активов и соотношения денежного потока и расходов, оставив себе кучу свободного времени и успев исполнить «мечту».
В игре есть 5 уровней сложности, они зависят от персонажа, плюс если вы выиграли, но нажимаете «продолжить» - сложность повышается. На пятой сложности («хардкор») в игровом мире вообще не происходит позитивных событий, но выиграть все равно можно.
Другая такая образовательно полезная игрушка, недавно занявшая место в моем сердце, это Crusader Kings, но о ней в другой раз :)
Обучающие игры (часть 1)
Год или два назад мы уже поднимали тут тему обучения в играх, давайте снова к ней вернемся.
⚠️ Накидайте в комменты образовательно полезные игры, которые лично вам нравятся (можно инди, можно и созданные игровыми студиями :)
Мой пример - Timeflow, которая есть и на мобильных устройствах, и в Steam, и на мой взгляд оказалась очень поучительной, т.к. позволяет пройти через много довольно жизненных ситуаций. Не является рекламой, я искренне залип в нее наверно больше, чем на 100 часов.
⏰ Широко известные монополия и сashflow Роберта Кийосаки не учитывают один важный момент: ограниченность времени игрока на заработки. Несложно становиться магнатом, когда у тебя бесконечное количество часов в сутках. В качестве ответа некие российские разработчики (я думаю даже разработчиК, потому что на вид игра та еще индюшатина, но это этого ничуть не хуже) выпустили Timeflow. По сути это такая настолка в компьютерном исполнении, которая помимо денег добавляет в cashflow-подобную игру несколько аспектов: время, настроение и стресс.
В начале игры вы выбираете персонажа. Кто хочет получше его прокачать, может выбрать 18-летнего студента, у которого все впереди. А кто хочет хардкор, может вывести на финансовую независимость медработника или работягу с завода, которым на старте денег едва хватает. Также вы выбираете «финансовую мечту» (обеспеченные дети, полет в космос, квартира в столице, остров - на что хватит наглости)). Цель игры - до пенсии (65 лет) достричь определенного уровня активов и соотношения денежного потока и расходов, оставив себе кучу свободного времени и успев исполнить «мечту».
В игре есть 5 уровней сложности, они зависят от персонажа, плюс если вы выиграли, но нажимаете «продолжить» - сложность повышается. На пятой сложности («хардкор») в игровом мире вообще не происходит позитивных событий, но выиграть все равно можно.
Другая такая образовательно полезная игрушка, недавно занявшая место в моем сердце, это Crusader Kings, но о ней в другой раз :)
🔥32❤5👍3💩3
#карьера
Печальный секрет успеха менеджеров в корпорациях
1️⃣ Мудрость и дальновидность
Всегда всем рассказывайте, как вы умны и хороши, как всё, что происходит, это ваш стратегический план. И даже если он включает ваше участие в чем-то неприятном, так это вы еще посмотрите, каково другим, им-то еще хуже, а вот вы как всегда ловко все провернули😎
2️⃣ Превосходство
Всегда удивляйтесь, какие все вокруг неумелые, непрофессиональные, тупые, ничего не делающие, непонятно за что получающие зарплату, не забывая упомянуть, что а вот вы-то Прометей наших дней💪
3️⃣ Лояльная и сильная команда
Если вы уже руководитель, не забудьте ту же операцию проводить со своими подопечными: им - дифирамбы, всех вокруг - чмырить и говорить, что ваши сотрудники в сто раз умнее (и обязательно приводить примеры)
4️⃣ Подтверждение слов делом
Примеры вашего великолепия и великолепия вашей команды приводятся очень легко: берете любой проект, где вы руками поводили и понесли бред, который нормальные спецы худо-бедно выдержали и сделали потом что-то рабочее, и конечно же всем рассказываете, что это вы лично тут строите будущее💪
Рассказывать конечно же надо не тем, кто работает, а другим «чиновникам», чтобы те, кто работает, не подняли вас такого молодца на вилы и не посваливали работать с нормальными людьми.
5️⃣ Ценность для руководства
Критически важная часть успеха - присесть со всей этой хренью на уши вашему руководству. В корпорациях людей не выбирают, а назначают, и источник власти - начальство. Только тут нужно действовать особенно лицемерно. Наверх вы только рассказываете хорошее про себя и свою команду, а говном коллег почти не поливаете (только если на общих совещаниях, где положено друг-друга разносить, и то аккуратно). А вот на своем уровне про каждого вышедшего из помещения обязательно надо лить по-полной: слабаки пусть нервничают, ошибаются и вместо работы думают только о вашей токсичности, а сильных такой фигней не смутить.
😇 Если вы следуете всем этим советам, поздравляю: вы успешный корпоративный менеджер. Главное в KPI себе добивайтесь того, что знаете, как накрутить, и благоденствие ваше будет нескончаемо.
⚠️ На самом деле, конечно, это вредные советы. Не в том смысле, что не помогут. Помогут еще как, просто выбирая линию поведения вы выбираете, кто будет вокруг вас. Если вам ок, что вокруг вас будут такие же мерзкие личности - дерзайте, если не ок - ищите другие пути.
👇Дополняйте и пишите в комментах другие вредные советы, и всем хорошей рабочей недели без вот этого всего, о чем написал выше :)
Печальный секрет успеха менеджеров в корпорациях
1️⃣ Мудрость и дальновидность
Всегда всем рассказывайте, как вы умны и хороши, как всё, что происходит, это ваш стратегический план. И даже если он включает ваше участие в чем-то неприятном, так это вы еще посмотрите, каково другим, им-то еще хуже, а вот вы как всегда ловко все провернули
2️⃣ Превосходство
Всегда удивляйтесь, какие все вокруг неумелые, непрофессиональные, тупые, ничего не делающие, непонятно за что получающие зарплату, не забывая упомянуть, что а вот вы-то Прометей наших дней
3️⃣ Лояльная и сильная команда
Если вы уже руководитель, не забудьте ту же операцию проводить со своими подопечными: им - дифирамбы, всех вокруг - чмырить и говорить, что ваши сотрудники в сто раз умнее (и обязательно приводить примеры)
4️⃣ Подтверждение слов делом
Примеры вашего великолепия и великолепия вашей команды приводятся очень легко: берете любой проект, где вы руками поводили и понесли бред, который нормальные спецы худо-бедно выдержали и сделали потом что-то рабочее, и конечно же всем рассказываете, что это вы лично тут строите будущее
Рассказывать конечно же надо не тем, кто работает, а другим «чиновникам», чтобы те, кто работает, не подняли вас такого молодца на вилы и не посваливали работать с нормальными людьми.
5️⃣ Ценность для руководства
Критически важная часть успеха - присесть со всей этой хренью на уши вашему руководству. В корпорациях людей не выбирают, а назначают, и источник власти - начальство. Только тут нужно действовать особенно лицемерно. Наверх вы только рассказываете хорошее про себя и свою команду, а говном коллег почти не поливаете (только если на общих совещаниях, где положено друг-друга разносить, и то аккуратно). А вот на своем уровне про каждого вышедшего из помещения обязательно надо лить по-полной: слабаки пусть нервничают, ошибаются и вместо работы думают только о вашей токсичности, а сильных такой фигней не смутить.
😇 Если вы следуете всем этим советам, поздравляю: вы успешный корпоративный менеджер. Главное в KPI себе добивайтесь того, что знаете, как накрутить, и благоденствие ваше будет нескончаемо.
⚠️ На самом деле, конечно, это вредные советы. Не в том смысле, что не помогут. Помогут еще как, просто выбирая линию поведения вы выбираете, кто будет вокруг вас. Если вам ок, что вокруг вас будут такие же мерзкие личности - дерзайте, если не ок - ищите другие пути.
👇Дополняйте и пишите в комментах другие вредные советы, и всем хорошей рабочей недели без вот этого всего, о чем написал выше :)
Please open Telegram to view this post
VIEW IN TELEGRAM
👍25😁22👏5❤4💯3🎅2
#ML_in_business
🏷️ Ценообразование: часть 1. Цены в такси
🧐 Рассказ про ML в ценообразовании надо бы начинать с базовых объяснений про спрос, предложение, равновесную цену и философского вопроса, насколько этично выставлять цену любой, ведь сформированный ей спрос сам вознаградит или накажет бизнес. Невидимая рука рынка и все такое.
🚕 Но кто ж дочитает такой пост до конца, если не дать хорошую затравку. И вот вам затравка. Яндекс.Такси заказывали? Повышающий коэффициент ловили? Скажите мне спасибо :) Моя работа Chief DS’ом в Такси как раз приходится на время бурного развития там surge pricing, оно же - динамическое ценообразование. Мое подразделение не было единственным участником проекта, но об этом расскажу позже, а сейчас к делу.
📍 Допустим, вы хотите вызвать такси, открываете приложение и ставите точку на карте. Мы её называем «пин» от английского “pin” - булавка или «точка А» по аналогии со школьными задачками по математике. Строго говоря, «пин» обычно говорят до заказа, но все это все равно жаргонизмы. В этот момент происходит много всего интересного, что делала моя команда MLщиков:
- вам предлагают переставить пин в удобное для вас и водителя место,
- вы видите подсказки места назначения («точки Б»), чтобы не вбивать руками,
- вам сообщают, что если пройти 30 метров, поездка выйдет дешевле,
- вам показывают ETA - estimated time of arrival водителя, хотя водитель вам еще даже не назначен (тут тоже магия ML).
🫰Но самое главное - вам показывают цену (кстати фиксированную, а не по счетчику - тоже благодаря ML).
Так как же эту цену посчитать? Чтобы ответить на этот вопрос, нужнобыть ценой, думать как цена, понять, зачем цены нужны. Раздавая свой товар бесплатно, вы разоритесь. Продавая за 100500 миллионов штука, никому не продадите. Значит, имея ограниченное количество товара, вы должны продать его подороже. Идея dynamic pricing в том, чтобы не пытаться угадать идеальную цену «навсегда», а чем меньше у вас товара осталось, тем дороже его продавать.
В такси тоже есть свой «товар» - это поездки. Чтобы нужная вам поездка произошла, нужно, чтобы нашелся готовый ее исполнить водитель с машиной.
⏱️ Теперь я предлагаю взять небольшую паузу: напишите в комментах, как бы вы сами реализовали dynamic pricing в такси, с учетом сказанных выше вводных, а дальше я расскажу вам, как в свое время это сделали мы с коллегами :)
🏷️ Ценообразование: часть 1. Цены в такси
🧐 Рассказ про ML в ценообразовании надо бы начинать с базовых объяснений про спрос, предложение, равновесную цену и философского вопроса, насколько этично выставлять цену любой, ведь сформированный ей спрос сам вознаградит или накажет бизнес. Невидимая рука рынка и все такое.
🚕 Но кто ж дочитает такой пост до конца, если не дать хорошую затравку. И вот вам затравка. Яндекс.Такси заказывали? Повышающий коэффициент ловили? Скажите мне спасибо :) Моя работа Chief DS’ом в Такси как раз приходится на время бурного развития там surge pricing, оно же - динамическое ценообразование. Мое подразделение не было единственным участником проекта, но об этом расскажу позже, а сейчас к делу.
- вам предлагают переставить пин в удобное для вас и водителя место,
- вы видите подсказки места назначения («точки Б»), чтобы не вбивать руками,
- вам сообщают, что если пройти 30 метров, поездка выйдет дешевле,
- вам показывают ETA - estimated time of arrival водителя, хотя водитель вам еще даже не назначен (тут тоже магия ML).
🫰Но самое главное - вам показывают цену (кстати фиксированную, а не по счетчику - тоже благодаря ML).
Так как же эту цену посчитать? Чтобы ответить на этот вопрос, нужно
В такси тоже есть свой «товар» - это поездки. Чтобы нужная вам поездка произошла, нужно, чтобы нашелся готовый ее исполнить водитель с машиной.
⏱️ Теперь я предлагаю взять небольшую паузу: напишите в комментах, как бы вы сами реализовали dynamic pricing в такси, с учетом сказанных выше вводных, а дальше я расскажу вам, как в свое время это сделали мы с коллегами :)
Please open Telegram to view this post
VIEW IN TELEGRAM
👍18❤7💩5
#ML_in_business
🏷️ Ценообразование: часть 2. Как мы делали dynamic pricing в Яндекс.Такси
🗓️ Во-первых, вспомним про контекст 2017 года, когда в такси появлялся ML в ценообразовании. Был ряд крупных игроков, среди которых Gett, Uber и Яндекс.Такси, которые довольно активно конкурировали. Особенно последние два. Каждый игрок на рынке имел свою тарификацию за километр и за минуту (которые постепенно у всех примерно сошлись), итоговая цена - это стоимость времени плюс стоимость расстояния.
🤔 Можно ли здесь накинуть 20% сверх вашей ценовой политики «просто так» и «потому что купят»? Скорее нет, потому что не купят. Откроют соседнее приложение и закажут там дешевле. А вот когда действительно есть простор для конкуренции, так это когда водители в районе кончились. Если вы можете увезти клиента, а конкурент нет - клиент достанется вам.
💡 Отсюда возникает идея: динамическое ценообразование должно делать так, чтобы водителей всегда хватало, т.е. срезать часть спроса. Здесь есть серьезный плюс и для клиента: если такой прайсинг работает, то клиент всегда сможет уехать на такси, пусть иногда и за дорого.
Таким образом, если водителей много, оставляем обычные цены, а вот если водителей становится меньше, чем спрос на поездки, умножаем базовую цену на повышающий коэффициент. Коэффициент должен выводить систему в состояние баланса: в пик спроса количество освобождающихся рядом водителей должно быть примерно равно количеству заказов, которые сделают в ближайшее время.
⚖️ Уравнение, которое описывает это состояние динамического равновесия (мы называли его «уравнение баланса»), можно записывать по-разному, дорабатывать и модифицировать. Этим занималась команда эффективности платформы под руководством Саши Аникина (ныне СЕО Яндекс.Go).
Моя же команда делала прогнозные ML-модели, которые были нужны для уравнения. Например, про водителей мы еще понимаем, кто и когда закончит поездку в заданном районе. А вот про пассажиров действительно нужно прогнозировать, с какой вероятностью пин превратиться в заказ (в зависимости от цены). Дальше суммируем вероятности в заданном районе, чтобы получить матожидание заказов, и подбираем такую цену, чтобы нам хватило притока водителей в район эти заказы вывезти.
Уравнение баланса можно усложнять и усложнять. Например, можно учесть, что как только водители видят сурдж на карте, они начинают специально переезжать в район подороже. Или можно добавлять вероятность того, что водитель все равно не возьмет заказ. Или вероятность отмены.
☝️Но идейно простой модели уже достаточно, чтобы решать основную задачу - всегда давать пассажиру уехать. Это когда у вас есть такси по цене х2 вы огорчаетесь. А вот я вас уверяю, если все уехали по х1, а вы просто не уедете - это куда обиднее :) Недавно попадал в такую ситуацию в другой стране, совсем не понравилось.
Задавайте в комментариях вопросы про модели ценообразования, в следующем посте я отвечу на популярные мифы и то, что еще поместится в пост :)
P.S.: скорее всего, сейчас алгоритмы уже совсем поменялись, все-таки прошло много времени и рынок теперь другой, но несколько лет с 2017 все работало как-то так
🏷️ Ценообразование: часть 2. Как мы делали dynamic pricing в Яндекс.Такси
🗓️ Во-первых, вспомним про контекст 2017 года, когда в такси появлялся ML в ценообразовании. Был ряд крупных игроков, среди которых Gett, Uber и Яндекс.Такси, которые довольно активно конкурировали. Особенно последние два. Каждый игрок на рынке имел свою тарификацию за километр и за минуту (которые постепенно у всех примерно сошлись), итоговая цена - это стоимость времени плюс стоимость расстояния.
🤔 Можно ли здесь накинуть 20% сверх вашей ценовой политики «просто так» и «потому что купят»? Скорее нет, потому что не купят. Откроют соседнее приложение и закажут там дешевле. А вот когда действительно есть простор для конкуренции, так это когда водители в районе кончились. Если вы можете увезти клиента, а конкурент нет - клиент достанется вам.
💡 Отсюда возникает идея: динамическое ценообразование должно делать так, чтобы водителей всегда хватало, т.е. срезать часть спроса. Здесь есть серьезный плюс и для клиента: если такой прайсинг работает, то клиент всегда сможет уехать на такси, пусть иногда и за дорого.
Таким образом, если водителей много, оставляем обычные цены, а вот если водителей становится меньше, чем спрос на поездки, умножаем базовую цену на повышающий коэффициент. Коэффициент должен выводить систему в состояние баланса: в пик спроса количество освобождающихся рядом водителей должно быть примерно равно количеству заказов, которые сделают в ближайшее время.
⚖️ Уравнение, которое описывает это состояние динамического равновесия (мы называли его «уравнение баланса»), можно записывать по-разному, дорабатывать и модифицировать. Этим занималась команда эффективности платформы под руководством Саши Аникина (ныне СЕО Яндекс.Go).
Моя же команда делала прогнозные ML-модели, которые были нужны для уравнения. Например, про водителей мы еще понимаем, кто и когда закончит поездку в заданном районе. А вот про пассажиров действительно нужно прогнозировать, с какой вероятностью пин превратиться в заказ (в зависимости от цены). Дальше суммируем вероятности в заданном районе, чтобы получить матожидание заказов, и подбираем такую цену, чтобы нам хватило притока водителей в район эти заказы вывезти.
Уравнение баланса можно усложнять и усложнять. Например, можно учесть, что как только водители видят сурдж на карте, они начинают специально переезжать в район подороже. Или можно добавлять вероятность того, что водитель все равно не возьмет заказ. Или вероятность отмены.
☝️Но идейно простой модели уже достаточно, чтобы решать основную задачу - всегда давать пассажиру уехать. Это когда у вас есть такси по цене х2 вы огорчаетесь. А вот я вас уверяю, если все уехали по х1, а вы просто не уедете - это куда обиднее :) Недавно попадал в такую ситуацию в другой стране, совсем не понравилось.
Задавайте в комментариях вопросы про модели ценообразования, в следующем посте я отвечу на популярные мифы и то, что еще поместится в пост :)
P.S.: скорее всего, сейчас алгоритмы уже совсем поменялись, все-таки прошло много времени и рынок теперь другой, но несколько лет с 2017 все работало как-то так
👍26❤7🔥6🤬3🤩3💩3
☺️ Выложили мой доклад на датафесте в офисе VK (секция Data Strategy). Никаких покровов не срываю, доношу очень простые мысли: зачем дата стратегия нужна, когда это бесполезная фигня, а когда хорошая тема. В комментариях можно задавать вопросы по докладу или просто так по теме.
❤️ Также рекомендую подписаться на канал Иры Голощаповой Reliable ML. Ира прекрасна тем, что всегда поднимает хорошие важные вопросы применения ML, не гонясь за сезонным хайпом. А такого в наше время, когда каждый суслик, потыкавший ChatGPT, уже сразу AI эксперт, всегда не хватает :)
❤️ Также рекомендую подписаться на канал Иры Голощаповой Reliable ML. Ира прекрасна тем, что всегда поднимает хорошие важные вопросы применения ML, не гонясь за сезонным хайпом. А такого в наше время, когда каждый суслик, потыкавший ChatGPT, уже сразу AI эксперт, всегда не хватает :)
Telegram
Reliable ML
Reliable ML - фреймворк о том, как управлять внедрением и развитием аналитики и data science/machine learning/AI, чтобы результат был применим в бизнес-процессах и приносил компании финансовую пользу.
Admin: @irina_goloshchapova @promsoft
Admin: @irina_goloshchapova @promsoft
❤15👍3👎1
Forwarded from Reliable ML
Дата-стратегия в крупной группе компаний - Секция Data Strategy - Data Fest 2024
Обсуждение доклада Виктора Кантора, ex-CDO MTS, founder MLinside
В этом году на Data Fest мы с Димой провели экспериментальную секцию - Data Strategy. Тем самым расширили охват тем, обсуждаемых на фесте, добавив к data science проблематике историю с построением и развитием команд данных.
Опыт считаем успешным - запрос стратегического взгляда на дата-офисы оказался большим. Секция собрала аншлаг участников и после каждого доклада были интереснейшие обсуждения, которые потом продолжились на афтепати. Поэтому предлагаем дообсуждать недообсужденное с каждым из наших прекрасных CDO - авторов докладов.
Первым на секции выступил Виктор Кантор, у которого есть замечательный тг-канал Kantor.AI, а также школа по ML - MLinside. Витя в своем докладе задал провокационный вопрос: а нужна ли вообще стратегия по данным компании? И далее, с помощью интересных кейсов и примеров раскрыл пользу наличия стратегии, а также наиболее важные аспекты, которые там должны быть продуманы.
Презентацию доклада можно найти здесь, видеозапись - тут.
Витя готов ответить в треде на ваши вопросы по теме доклада.
Есть ли в вашей команде/компании дата-стратегия? Насколько, на ваш взгляд, она полезна?
***
Полные материалы секций Reliable ML на Data Fest 2024 можно посмотреть на сайте ODS.ai:
- Career от 25.05
- Data Strategy от 25.05
- Reliable ML от 02.06
Ваш @Reliable ML
#tech #business #datafest2024 #career
Обсуждение доклада Виктора Кантора, ex-CDO MTS, founder MLinside
В этом году на Data Fest мы с Димой провели экспериментальную секцию - Data Strategy. Тем самым расширили охват тем, обсуждаемых на фесте, добавив к data science проблематике историю с построением и развитием команд данных.
Опыт считаем успешным - запрос стратегического взгляда на дата-офисы оказался большим. Секция собрала аншлаг участников и после каждого доклада были интереснейшие обсуждения, которые потом продолжились на афтепати. Поэтому предлагаем дообсуждать недообсужденное с каждым из наших прекрасных CDO - авторов докладов.
Первым на секции выступил Виктор Кантор, у которого есть замечательный тг-канал Kantor.AI, а также школа по ML - MLinside. Витя в своем докладе задал провокационный вопрос: а нужна ли вообще стратегия по данным компании? И далее, с помощью интересных кейсов и примеров раскрыл пользу наличия стратегии, а также наиболее важные аспекты, которые там должны быть продуманы.
Презентацию доклада можно найти здесь, видеозапись - тут.
Витя готов ответить в треде на ваши вопросы по теме доклада.
Есть ли в вашей команде/компании дата-стратегия? Насколько, на ваш взгляд, она полезна?
***
Полные материалы секций Reliable ML на Data Fest 2024 можно посмотреть на сайте ODS.ai:
- Career от 25.05
- Data Strategy от 25.05
- Reliable ML от 02.06
Ваш @Reliable ML
#tech #business #datafest2024 #career
👍12❤5👎1
Что думаете про приватные каналы в тг? Что там может быть, чтобы был смысл подписываться? Ну кроме типичного онлифанс контента) (и то есть вопросы)
Вижу сейчас прямо какой-то бум популярности после свежего апдейта телеграмма, но остается вопрос, за чем именно туда идут подписчики.
Вижу сейчас прямо какой-то бум популярности после свежего апдейта телеграмма, но остается вопрос, за чем именно туда идут подписчики.
🤔22💩6👍2
Как я запускал и проводил курс DMIA. Часть вторая
⏭️ Продолжаю историю о том, как мы с командой единомышленников 9 лет обучали людей Data Science бесплатно :)
Постепенно вокруг меня появлялись другие участники.
🥇 В какой-то момент мы скооперировались с Сашей Гущиным, который был очень хорошим кагглером и доходил до топ-5 в мировом рейтинге на Kaggle. Так у нас появилось соревновательное направление.
🤿 С разными другими ребятами мы сделали направление deep learning. Это изначально Арсений Ашуха, который сейчас вовсю занимается наукой, а позже - Никита Селезнев из Яндекса и Таня Савельева, которая впоследствие стала серийным CEO как раз в теме ИИ.
⤴️ Знаковым стал момент, когда к нам присоединилась Эмели Драль и помогла вывести Data Mining in Action на новый уровень. В моём исполнении это всё-таки была немного местечковая, физтеховская тема. Мы познакомились с Эмели, работая вместе в Yandex Data Factory и записывая специализацию на Coursera, стали хорошими друзьями, и сделали намного больше крутых курсов, чем это получилось бы порознь.
🚌 Одним из важных факторов был перевоз курса из Долгопрудного. Это отчасти было задрайвлено тем, что в Долгопрудном было непросто находить аудиторию. В какой-то момент нас выручил ФизТех Парк. Он был недалеко от МФТИ, и там могло разместиться около 500 человек. Но потом стало понятно, что на курс ездят люди со всей Москвы (даже из МГУ доезжали) и как-то не очень правильно концентрировать всё на Физтехе — было бы здорово переместиться куда-то в Москву, чтобы всем было удобнее ездить.
🌍 Эмели, как выпускница РУДН, сразу нашла способы договориться с родным ВУЗом, мы переехали и пару лет пробыли там. К этому моменту у нас сформировались основное направление курса, трек «Индустриальный анализ данных», трек «Спортивный анализ данных» про соревнования по машинному обучению и трек «Глубокое обучение». И в таком качестве мы могли бы достаточно долго существовать, но позже мы познакомились с МИСИСом и переехали к ним.
🤝 Мы начали пытаться как-то дружить с компаниями, то есть договариваться, что они на какую-то небольшую сумму профинансируют курс. Идея была в том, что как минимум эти компании будут представлены, смогут прочитать гостевую лекцию, а как максимум — кого-то наймут на собеседованиях в конце курса.
За год через нас проходила где-то тысяча человек. Не всегда до конца, к концу курса было кратно меньше слушателей, все же у нас давались довольно содержательные знания. Но смысл для нас был в процессе, и в том, что из этого процесса пусть, условно, 25–30% студентов, но выходят, что-то узнав и как-то культурно обогатившись.
🔚 Эта история была бесплатная для студентов, просуществовала она 9 лет, но, к сожалению, уже к концу я не смог нормально её сочетать со своей работой в топ-менеджменте. Основной вывод, который я из этого всего сделал: даже на энтузиазме, при большом желании можно держать большой курс в течение аж 9 лет и привлекать людей. Ну а если под это ещё положить нормальную экономическую модель, будет совсем идеально.
Про экономическую сторону вопроса я немного расскажу в третьей, заключительной части.
⏭️ Продолжаю историю о том, как мы с командой единомышленников 9 лет обучали людей Data Science бесплатно :)
Постепенно вокруг меня появлялись другие участники.
🥇 В какой-то момент мы скооперировались с Сашей Гущиным, который был очень хорошим кагглером и доходил до топ-5 в мировом рейтинге на Kaggle. Так у нас появилось соревновательное направление.
🤿 С разными другими ребятами мы сделали направление deep learning. Это изначально Арсений Ашуха, который сейчас вовсю занимается наукой, а позже - Никита Селезнев из Яндекса и Таня Савельева, которая впоследствие стала серийным CEO как раз в теме ИИ.
⤴️ Знаковым стал момент, когда к нам присоединилась Эмели Драль и помогла вывести Data Mining in Action на новый уровень. В моём исполнении это всё-таки была немного местечковая, физтеховская тема. Мы познакомились с Эмели, работая вместе в Yandex Data Factory и записывая специализацию на Coursera, стали хорошими друзьями, и сделали намного больше крутых курсов, чем это получилось бы порознь.
🚌 Одним из важных факторов был перевоз курса из Долгопрудного. Это отчасти было задрайвлено тем, что в Долгопрудном было непросто находить аудиторию. В какой-то момент нас выручил ФизТех Парк. Он был недалеко от МФТИ, и там могло разместиться около 500 человек. Но потом стало понятно, что на курс ездят люди со всей Москвы (даже из МГУ доезжали) и как-то не очень правильно концентрировать всё на Физтехе — было бы здорово переместиться куда-то в Москву, чтобы всем было удобнее ездить.
🌍 Эмели, как выпускница РУДН, сразу нашла способы договориться с родным ВУЗом, мы переехали и пару лет пробыли там. К этому моменту у нас сформировались основное направление курса, трек «Индустриальный анализ данных», трек «Спортивный анализ данных» про соревнования по машинному обучению и трек «Глубокое обучение». И в таком качестве мы могли бы достаточно долго существовать, но позже мы познакомились с МИСИСом и переехали к ним.
🤝 Мы начали пытаться как-то дружить с компаниями, то есть договариваться, что они на какую-то небольшую сумму профинансируют курс. Идея была в том, что как минимум эти компании будут представлены, смогут прочитать гостевую лекцию, а как максимум — кого-то наймут на собеседованиях в конце курса.
За год через нас проходила где-то тысяча человек. Не всегда до конца, к концу курса было кратно меньше слушателей, все же у нас давались довольно содержательные знания. Но смысл для нас был в процессе, и в том, что из этого процесса пусть, условно, 25–30% студентов, но выходят, что-то узнав и как-то культурно обогатившись.
🔚 Эта история была бесплатная для студентов, просуществовала она 9 лет, но, к сожалению, уже к концу я не смог нормально её сочетать со своей работой в топ-менеджменте. Основной вывод, который я из этого всего сделал: даже на энтузиазме, при большом желании можно держать большой курс в течение аж 9 лет и привлекать людей. Ну а если под это ещё положить нормальную экономическую модель, будет совсем идеально.
Про экономическую сторону вопроса я немного расскажу в третьей, заключительной части.
Telegram
Kantor.AI
Как я запускал курс DMIA. Часть первая
🧑🎓 Расскажу, как формировался мой курс DMIA (Data Mining in Action), какие с ним были сложности и какие цели я ставил перед собой как преподаватель. Курс начался как спецкурс по машинному обучению — факультатив в МФТИ…
🧑🎓 Расскажу, как формировался мой курс DMIA (Data Mining in Action), какие с ним были сложности и какие цели я ставил перед собой как преподаватель. Курс начался как спецкурс по машинному обучению — факультатив в МФТИ…
55🔥31❤9💩3👍1
#образование
Как я проводил курс DMIA:
часть третья, заключительная
💸 Если вы думаете, что, раз у нас были спонсоры, мы купались в деньгах, это абсолютно не так. То есть было обычной историей, что мы с Эмели скидывались сами, ещё сколько-то добавляли спонсоры (соотношение было условно 0,5х + 0,5х от нас и 0,15-0,45х от спонсоров). Мы фактически обучали за свой счёт других людей, а не зарабатывали на этом. Этим в частности объясняются переезды курса. Когда место, где нас принимали с нашей аудиторией, понимало, что мы ПРАВДА делаем это бесплатно и нам НЕЧЕМ с ними поделиться, энтузиазм от того, чтобы захостить курс на 500 человек в семестр внезапно резко падал 😂 Самыми доброжелательными оказались коллеги из МИСИСа - ничего, кроме пресс-релизов про то, что мы учим именно у них, у нас не просили. Но мы в любом случае очень благодарны всем, кто принимал наш курс в своих стенах.
📌 Со многими из ребят, которые у нас учились, мы впоследствии работали вместе. Кстати говоря, попал я в качестве Chief Data Scientist в Big Data МТС в своё время тоже благодаря своей образовательной деятельности. Люди, которые работали в МТС, назвали моё имя руководству в числе наиболее известных деятелей нашей сферы. Всё потому, что многие из них либо учились у нас, либо просто знали о существовании таких курсов. Поэтому, по большому счёту, хоть это и было благотворительностью, я думаю, что своими карьерными успехами я обязан этой деятельности и она себя оправдала.
📌 Но в будущем, учитывая полученный опыт, я бы предпочёл всё-таки запускать это как коммерческую историю, которая может сама себя поддерживать и не умрёт от того, что в какой-то момент просто не нашлось спонсоров или закончилось время у основателей. Либо с каким-то большим стратегическим партнером надолго и серьезным бюджетом. Кто знает, может какой-то большой корпорации это будет интересно, и однажды DMIA реинкарнирует в виде академии со своим зданием, крутыми преподавателями и нашими любимыми направлениями :)
Как я проводил курс DMIA:
часть третья, заключительная
💸 Если вы думаете, что, раз у нас были спонсоры, мы купались в деньгах, это абсолютно не так. То есть было обычной историей, что мы с Эмели скидывались сами, ещё сколько-то добавляли спонсоры (соотношение было условно 0,5х + 0,5х от нас и 0,15-0,45х от спонсоров). Мы фактически обучали за свой счёт других людей, а не зарабатывали на этом. Этим в частности объясняются переезды курса. Когда место, где нас принимали с нашей аудиторией, понимало, что мы ПРАВДА делаем это бесплатно и нам НЕЧЕМ с ними поделиться, энтузиазм от того, чтобы захостить курс на 500 человек в семестр внезапно резко падал 😂 Самыми доброжелательными оказались коллеги из МИСИСа - ничего, кроме пресс-релизов про то, что мы учим именно у них, у нас не просили. Но мы в любом случае очень благодарны всем, кто принимал наш курс в своих стенах.
📌 Со многими из ребят, которые у нас учились, мы впоследствии работали вместе. Кстати говоря, попал я в качестве Chief Data Scientist в Big Data МТС в своё время тоже благодаря своей образовательной деятельности. Люди, которые работали в МТС, назвали моё имя руководству в числе наиболее известных деятелей нашей сферы. Всё потому, что многие из них либо учились у нас, либо просто знали о существовании таких курсов. Поэтому, по большому счёту, хоть это и было благотворительностью, я думаю, что своими карьерными успехами я обязан этой деятельности и она себя оправдала.
📌 Но в будущем, учитывая полученный опыт, я бы предпочёл всё-таки запускать это как коммерческую историю, которая может сама себя поддерживать и не умрёт от того, что в какой-то момент просто не нашлось спонсоров или закончилось время у основателей. Либо с каким-то большим стратегическим партнером надолго и серьезным бюджетом. Кто знает, может какой-то большой корпорации это будет интересно, и однажды DMIA реинкарнирует в виде академии со своим зданием, крутыми преподавателями и нашими любимыми направлениями :)
188👍26❤🔥8👎2🤔1
🏁Первое мероприятие в рамках школы MLinside – онлайн-вебинар для тех, кто хочет погрузиться в Machine Learning!
Совсем недавно мы с командой анонсировали первый курс «Базовый ML» в рамках моей ML-школы и рассказали о том, кого мы ждем на потоке.
Я знаю, что большая часть моей аудитории – инженеры, программисты, аналитики, разработчики и даже проджект/продакт-менеджеры, которые хотят погрузиться в ML, чтобы применять эти знания в работе и повышать свою эффективность (многочисленные кастдевы и опросы не дадут соврать🙂). А также много тех, кто видит большие перспективы в машинном обучении, и кто хочет вкатиться в профессию ML-специалиста будучи новичком.
📌Специально для вас мы с командой организовали онлайн-вебинар, на котором поговорим о направлении ML, ваших перспективах развития в этой сфере, а также расскажем о том, какие навыки необходимы для старта погружения в ML.
Подробной информацией о вебинаре мы уже начали делиться в новой публикации канала MLinside.
Подписывайтесь, чтобы ничего не пропустить☝️
Ну а мы с командой будем ждать всех, кто готов погружаться в машинное обучение и расти в этом направлении!🤝
Совсем недавно мы с командой анонсировали первый курс «Базовый ML» в рамках моей ML-школы и рассказали о том, кого мы ждем на потоке.
Я знаю, что большая часть моей аудитории – инженеры, программисты, аналитики, разработчики и даже проджект/продакт-менеджеры, которые хотят погрузиться в ML, чтобы применять эти знания в работе и повышать свою эффективность (многочисленные кастдевы и опросы не дадут соврать🙂). А также много тех, кто видит большие перспективы в машинном обучении, и кто хочет вкатиться в профессию ML-специалиста будучи новичком.
📌Специально для вас мы с командой организовали онлайн-вебинар, на котором поговорим о направлении ML, ваших перспективах развития в этой сфере, а также расскажем о том, какие навыки необходимы для старта погружения в ML.
Подробной информацией о вебинаре мы уже начали делиться в новой публикации канала MLinside.
Подписывайтесь, чтобы ничего не пропустить☝️
Ну а мы с командой будем ждать всех, кто готов погружаться в машинное обучение и расти в этом направлении!🤝
50❤7🙏4🔥3😁1
Forwarded from CodeCamp
This media is not supported in your browser
VIEW IN TELEGRAM
Забудьте про Notion: нашёл для вас open source альтернативу — AFFiNE.
Это ультимативная смесь Notion и Miro — тут собрали лучшее от обеих платформ. Базу знаний с досками можно развернуть локально (плюс к безопасности), а можно юзать на сайте — туда уже завезли мощные ИИ-фичечки.
Это ультимативная смесь Notion и Miro — тут собрали лучшее от обеих платформ. Базу знаний с досками можно развернуть локально (плюс к безопасности), а можно юзать на сайте — туда уже завезли мощные ИИ-фичечки.
51👍42🔥14❤2🤬1
Как компании экономят миллиарды с помощью ML-специалистов?
🔔Именно такие кейсы, показывающие востребованность и интересность задач в ML, я разберу на вебинаре уже в эту среду (завтра!). Зарегистрироваться на вебинар можно по ссылке ниже⬇️
[ Зарегистрироваться ]
❗️Важно: доступ к регистрации на вебинар закроется 28.08 в 19:00 по Мск, поэтому не откладывайте!
На мероприятии мы:
▪️обсудим, что вы сможете делать с помощью ML, и какие реальные кейсы его применения нас окружают,
▪️поговорим о том, как найти работу начинающему ML-специалисту,
▪️разберемся, с чего начать изучение ML, и какие навыки для этого нужны.
Встречаемся 28.08 в 20:00 по мск⏰
Вебинар – отличная возможность начать погружение в ML уже сейчас👍
🔔Именно такие кейсы, показывающие востребованность и интересность задач в ML, я разберу на вебинаре уже в эту среду (завтра!). Зарегистрироваться на вебинар можно по ссылке ниже⬇️
[ Зарегистрироваться ]
❗️Важно: доступ к регистрации на вебинар закроется 28.08 в 19:00 по Мск, поэтому не откладывайте!
На мероприятии мы:
▪️обсудим, что вы сможете делать с помощью ML, и какие реальные кейсы его применения нас окружают,
▪️поговорим о том, как найти работу начинающему ML-специалисту,
▪️разберемся, с чего начать изучение ML, и какие навыки для этого нужны.
Встречаемся 28.08 в 20:00 по мск⏰
Вебинар – отличная возможность начать погружение в ML уже сейчас👍
👍13❤6👌1
Вот мы и начинаем наш первый вебинар в рамках школы MLinside!
Кстати, сегодня на вебинаре мы откроем запись на первый курс, а значит, что деятельности MLinside официально дан старт🚀
Для тех, кто не успел зарегистрироваться на мероприятие, оставляю ссылку👇
[ Присоединиться к вебинару ]
Мы начинаем!
Кстати, сегодня на вебинаре мы откроем запись на первый курс, а значит, что деятельности MLinside официально дан старт🚀
Для тех, кто не успел зарегистрироваться на мероприятие, оставляю ссылку👇
[ Присоединиться к вебинару ]
Мы начинаем!
🔥14❤7👍5👎1🤯1
Какие профессии заменит AI в ближайшие 5 лет?🤖
В последнем видео на нашем youtube-канале я рассказал, как на самом деле работают нейросети, и пообещал поделиться своим мнением по поводу того, какие профессии находятся на грани исчезновения или вовсе исчезнуть в ближайшие 5 лет.
Про кассиров, курьеров и водителей я рассказывать не буду. Думаю, об этом итак все знают, так как тенденция замены физических работников уже наблюдается. Итак, вот мой топ профессий, находящихся под угрозой замены искусственным интеллектом👇
1️⃣ Банковские работники. Алгоритмы машинного обучения уже хорошо справляются с анализом и составлением финансовой отчетности. Но пока это касается однотипных задач. В случае нестандартной ситуации понадобится человеческий взгляд и использование накопленного опыта. В зону риска попадают и кредитные эксперты, так как ИИ уже способен посчитать финансовые возможности заемщика, вероятность задержки платежа по кредиту и так далее.
2️⃣ Программист. ChatGPT уже имеет возможность самостоятельно писать и модифицировать код на различных языках программирования. Например, корпорация Microsoft относительно недавно заявляла о сокращении штата сотрудников и инвестировании 10 млрд бюджета в OpenAI. И ожидается, что в ближайшем будущем потребность в начинающих специалистах в программировании будет снижаться.
3️⃣ Учитель. Сейчас искусственный интеллект способен объяснить непростые вещи словами любого уровня сложности. Огромным плюсом является непоколебимость эмоционального состояния. Вы можете хоть 100 раз просить объяснить один и тот же вопрос, и чат-бот будет готов отвечать вам, не выходя из себя. Хочешь, чтобы тебе объяснили высшую математику простыми словами? Или хочешь вспомнить все правила русского языка? А может, хочешь выучить иностранный язык? ChatGPT вам в помощь:) Отсюда, кстати, вытекает следующая профессия
4️⃣ Переводчик. Сейчас совершенствование систем синхронного перевода идет ускоренными темпами. Это сильно скажется на рынке занятости по всему миру. Опытный переводчик, который годами учил иностранные языки и совершенствовал свой уровень, уже будет не так востребован.
5️⃣ Медработник. Сейчас искусственный интеллект не ставит итоговых диагнозов и не дает советы по поводу здоровья, чтобы не брать на себя ответственность. Но скорее всего в будущем ИИ будет, опираясь на состояние пациента, его жалобы и анализы, все чаще помогать врачам ставить диагнозы, и возможно даже в какой-то момент серьезные решения начнут приниматься без участия врача. Рутинные задачи, которым уже можно обучить ИИ: заполнение и обработка рецептов, предоставление информации пациентам о правильном применении медикаментов, побочных эффектах, взаимодействии с другими препаратами, рекомендации альтернативных лекарств, проверка сроков годности лекарств, диагностирование ряда болезней по симптомам и уже сделанным анализам.
☝️Подводя итоги, AI в будущем способен автоматизировать выполнение рутинных задач, не требующих критического и стратегического мышления. Однако это вряд ли будет прям полноценной заменой, просто изменятся требования к специалисту: если раньше нужно было все делать самому, то теперь нужно будет уметь комбинировать работу с ролью оператора AI-решений.
В последнем видео на нашем youtube-канале я рассказал, как на самом деле работают нейросети, и пообещал поделиться своим мнением по поводу того, какие профессии находятся на грани исчезновения или вовсе исчезнуть в ближайшие 5 лет.
Про кассиров, курьеров и водителей я рассказывать не буду. Думаю, об этом итак все знают, так как тенденция замены физических работников уже наблюдается. Итак, вот мой топ профессий, находящихся под угрозой замены искусственным интеллектом👇
1️⃣ Банковские работники. Алгоритмы машинного обучения уже хорошо справляются с анализом и составлением финансовой отчетности. Но пока это касается однотипных задач. В случае нестандартной ситуации понадобится человеческий взгляд и использование накопленного опыта. В зону риска попадают и кредитные эксперты, так как ИИ уже способен посчитать финансовые возможности заемщика, вероятность задержки платежа по кредиту и так далее.
2️⃣ Программист. ChatGPT уже имеет возможность самостоятельно писать и модифицировать код на различных языках программирования. Например, корпорация Microsoft относительно недавно заявляла о сокращении штата сотрудников и инвестировании 10 млрд бюджета в OpenAI. И ожидается, что в ближайшем будущем потребность в начинающих специалистах в программировании будет снижаться.
3️⃣ Учитель. Сейчас искусственный интеллект способен объяснить непростые вещи словами любого уровня сложности. Огромным плюсом является непоколебимость эмоционального состояния. Вы можете хоть 100 раз просить объяснить один и тот же вопрос, и чат-бот будет готов отвечать вам, не выходя из себя. Хочешь, чтобы тебе объяснили высшую математику простыми словами? Или хочешь вспомнить все правила русского языка? А может, хочешь выучить иностранный язык? ChatGPT вам в помощь:) Отсюда, кстати, вытекает следующая профессия
4️⃣ Переводчик. Сейчас совершенствование систем синхронного перевода идет ускоренными темпами. Это сильно скажется на рынке занятости по всему миру. Опытный переводчик, который годами учил иностранные языки и совершенствовал свой уровень, уже будет не так востребован.
5️⃣ Медработник. Сейчас искусственный интеллект не ставит итоговых диагнозов и не дает советы по поводу здоровья, чтобы не брать на себя ответственность. Но скорее всего в будущем ИИ будет, опираясь на состояние пациента, его жалобы и анализы, все чаще помогать врачам ставить диагнозы, и возможно даже в какой-то момент серьезные решения начнут приниматься без участия врача. Рутинные задачи, которым уже можно обучить ИИ: заполнение и обработка рецептов, предоставление информации пациентам о правильном применении медикаментов, побочных эффектах, взаимодействии с другими препаратами, рекомендации альтернативных лекарств, проверка сроков годности лекарств, диагностирование ряда болезней по симптомам и уже сделанным анализам.
☝️Подводя итоги, AI в будущем способен автоматизировать выполнение рутинных задач, не требующих критического и стратегического мышления. Однако это вряд ли будет прям полноценной заменой, просто изменятся требования к специалисту: если раньше нужно было все делать самому, то теперь нужно будет уметь комбинировать работу с ролью оператора AI-решений.
50😁33❤18👎10👍2🤔2😈1🫡1
Запись на курс «База ML» официально открыта!
🥳 На прошлой неделе мы с командой провели онлайн-вебинар школы MLinside и открыли запись на наш первый курс «База ML».
❤️ Признаюсь, я очень долго этого ждал, долго решался на запуск своей школы (несмотря на 15 лет преподавания ML в ВУЗах и компаниях и успех наших курсов на Coursera), долго готовил все необходимое, и наконец очень рад, что наш курс стартует.
☝️Цель курса - дать слушателям навыки, нужные для перехода в сферу машинного обучения. Для новичков это будет возможностью подготовиться к поиску работы и прохождению собеседований, а для специалистов в смежных областях - расширением экспертизы и возможностью дороже продать свои услуги на рынке труда. Подробнее о курсе можете узнать, прочитав прикрепленные к посту карточки.
💸Способы оплаты: карты РФ банков, иностранные карты, оплата от вашей организации.
Также доступна рассрочка на 3-6-12-18 месяцев.
По промокоду KANTOR вы получите скидку 5% на обучение.
Старт курса: 18 сентября
❗️На первый поток мы возьмем только 50 человек (осталось менее 15 мест).
Забронировать место на потоке можно здесь⬇️
https://mlinside.ru
🥳 На прошлой неделе мы с командой провели онлайн-вебинар школы MLinside и открыли запись на наш первый курс «База ML».
❤️ Признаюсь, я очень долго этого ждал, долго решался на запуск своей школы (несмотря на 15 лет преподавания ML в ВУЗах и компаниях и успех наших курсов на Coursera), долго готовил все необходимое, и наконец очень рад, что наш курс стартует.
☝️Цель курса - дать слушателям навыки, нужные для перехода в сферу машинного обучения. Для новичков это будет возможностью подготовиться к поиску работы и прохождению собеседований, а для специалистов в смежных областях - расширением экспертизы и возможностью дороже продать свои услуги на рынке труда. Подробнее о курсе можете узнать, прочитав прикрепленные к посту карточки.
💸Способы оплаты: карты РФ банков, иностранные карты, оплата от вашей организации.
Также доступна рассрочка на 3-6-12-18 месяцев.
По промокоду KANTOR вы получите скидку 5% на обучение.
Старт курса: 18 сентября
❗️На первый поток мы возьмем только 50 человек (осталось менее 15 мест).
Забронировать место на потоке можно здесь⬇️
https://mlinside.ru
❤17🍾7🔥4👎1