Стать специалистом по машинному обучению

А правду говорят, что раньше можно было не учиться всю жизнь? А чем они все тогда занимались?

Многие программисты уходили в программирование, потому что это был уютный, строго детерминированный мирок, в котором можно почти не взаимодействовать с людьми, многие из которых откровенно не очень умные. Вот, компьютер. Он, хоть, и сложный, но прямой в своих проявлениях. Если что-то идёт не так - виноват всегда разработчик. Магии не бывает. Я даже по себе помню как от "Чёртова железка, да какого ж хрена ты не делаешь то, что от тебя просят?" и многократного перезапуска кода, в надежде, что в очередной раз он всё-таки сработает, я приходил к спокойному "Железка тут не при чём, она просто делает, что ей говорят, ищи, где сам накосячил". А с людьми всё намного сложнее. Не всегда понятно, кто, почему и на сколько виноват. И, вот, теперь, у программистов и этот мир хотят отобрать, заставляя следить за всей этой вереницей агентов, субагентов и суб-субагентов, которые постоянно тупят, отвлекаются, делают не то, что нужно и/или не так, как нужно. А ещё и жрут токены как не в себя, зачастую выдавая результат, который ещё пилить и пилить напильником. Прощай детерминизм и ламповое ковыряние в собственных багах, снова здравствуй менеджмент систем с разной степенью интеллектуальности. Куда теперь податься от этого всего?Впрочем, для некоторых, наверное, наоборот наступило золотое время - куча бесправных исполнителей, с чувствами и желаниями которых можно не считаться и использовать воздействия любой степени этичности, лишь бы нужный результат был достигнут.

Раньше специалисты по информационной безопасности рекомендовали раз в какой-то период (60-30 дней) менять пароли от своих учёток. Пароли имеют свойство утекать и чем чаще их меняешь - тем меньше промежуток времени, когда злоумышленник может воспользоваться слитыми данными. Но сейчас данная рекомендация смягчилась, потому что сама смена паролей может приводить к упрощению паттернов их придумывания, потому что чем чаще меняешь пароль, тем проще его забыть. И если не пользуешься специальными утилитами для генерации и хранения паролей - зачастую будешь придумывать что-то более простое, например, меняя какой-то знак в предыдущем пароле. Что увеличивает риск возможного подбора.Но, вот, какие пароли точно имеет смысл менять часто - это пароли блокировки экрана смартфона. Каждый раз, когда я перемещаясь по городу в общественном транспорте и вижу тысячи камер повсюду, я вспоминаю поговорку о том, что если у вас нет паранойи, то это не значит, что за вами не следят. С развитием компьютерного зрения, как-будто задача находить на видео экраны смартфонов и отличать выключенные (до ввода пароля) от включенных (после ввода) не кажется сложной. И, вот, сидит где-нибудь ИИ и складывает найденные пароли в специальную папочку, на случай если когда-нибудь пригодится. Ну, по крайней мере, я бы думал над решением подобной задачи, работая в определённых структурах.

У всех уже в корне проекта по умолчанию лежит AGENT.md?

Несмотря на то, что машинным обучением вполне можно заниматься без глубоких математических знаний, я являюсь убеждённым сторонником того, что нужно хорошо разбираться в математических идеях, стоящих за ML-алгоритмами. Это, во-первых, даёт интуицию, позволяющую более осознанно выбирать модели и их параметры под задачи. Во-вторых, позволяет понимать границы применимости алгоритмов и не ждать от них магии там, где её быть не может. И, в-третьих, что я считаю самым важным, математика даёт свободу читать научные статьи без ощущения того, что перед вами древние папирусы с тайным знанием на забытом и ещё нерасшифрованном языке. Свободу адаптировать алгоритмы под свою задачу, а не ждать готового решения в библиотеке. Свободу и скорость. Пока кто-то ждёт готовых решений - вы можете тестировать подходы, описанные в научных статьях, получая конкурентное преимущество, практически в любых бизнес-сферах, основанных на работе с данными.Долгое время на Степике не было, прям, хороших, на мой взгляд, курсов, закрывающих базу высшей математики. Имеющиеся страдали либо от хаотичных и необоснованных скачков сложности, либо от недостатка практических заданий, либо оторванностью от прикладного машинного обучения. Но теперь появилась Алина, вызвавшаяся закрыть эту нишу. И лично я ждал курсов подобного характера. Вот, неполный список (некоторые уже готовы, некоторые в процессе создания):1. Пределы-практикум(мат. анализ)2. Множества (дискретная математика)3. Матрицы, СЛАУ(линейная алгебра)4. Производная (ЕГЭ)5. Вероятность на ЕГЭ6. Логарифмы (ЕГЭ, ДВИ и олимпиады)С полным списком можно ознакомиться на страничке её профиля.Это именно база, чтобы закрыть пробелы, перед тем, как погружаться во что-то более сложное. Персональная рекомендация, потому как с помощью курсов Алины закрываю как раз свои пробелы. Алина планирует в будущем сделать курсы платными, но пока почти все открытые. Успевайте, кому нужно много практики и хороших объяснений по базе вышмата. Кроме того, насколько я знаю, сейчас Ал

Привлечение средств - это Искусственный Интеллект. Найм на работу - машинное обучение. Реализация - линейная регрессия. А отладка - print(). (c)

Есть такой фан-факт, что древние племена, а также те, которые существуют сейчас, но не ушли в своём развитии от первобытности, весь счёт сводят к один, два и много. Подумалось, что развитость цивилизации можно определить по тому, сколько значимых (осмысленных) целых чисел у неё существует до "много". Вспомнилось как я безуспешно пытался вместить в голову число Грэма, чтобы понять его масштаб, а потом узнал, что ещё бывает число три-три (TREE(3)), суть которого я так до сих пор и не понял. Но каким большим бы не было число, находящееся перед "много", после него всё равно идёт "много"... Один, два, три, гугол, гуголплекс, число Грэма, три-три, много :)

Раздражает, когда люди пишут, вставляя целые блоки, сгенерированные нейронками, без малейших правок и ещё называют это деловым стилем. Ну, не можете сами нормально писать - напишите как умеете и попросите нейронку красиво оформить, а то куски вылизанного, грамматически и синтаксически правильного текста, перемежающиеся с кривыми речевыми оборотами, пробелами перед запятыми и часто не откорректированной автозаменой, никак не располагают к продуктивной деловой беседе.Во истину, нейросети - это мультипликатор. Если ты неграмотный - нейронки это только подчеркнут, а не замаскируют твою неграмотность, как тебе может казаться.

Обучение модели — это только половина работы. Даже если LLM показывает хорошие результаты на тестовых данных, в реальной системе обязательно начнутся проблемы.Поэтому важно не только правильно обучать модель, но и правильно запускать, следить за её работой и обновлять, когда данные меняются.Именно это умение отличает того, кто просто знаком с машинным обучением, от того, кто с ним реально работает. Очень важный навык, если вы хотите расти как профессионал.В канале «Яндекс Образование» помогают перейти от теории к практике и показывают, как заставить AI работать и приносить реальную пользу. Но не только этим он интересен: в нём много живых примеров и людей, которые каждый день этим занимаются. Можно посмотреть, как они думают, над чем работают, и зарядиться энергией для собственного роста.Присоединиться можно здесьРеклама. ООО «ФРОМ СКРЭТЧ», ИНН 9724205560, erid: 2VtzqueP1oq

Ещё одно наблюдение из игры в Factorio, хорошо перекладывающееся на проекты. Часто возникает необходимость проапгрейдить какой-нибудь производственный блок. До какой-то степени можно это делать улучшая существующий (менять конвейеры на более быстрые, менять цеха, на более мощные, докидывать модулей скорости и продуктивности, расставлять маяки и т.п.), но в какой-то момент всё равно приходится блоки сносить и вместо них строить архитектурно другие. Так вот, если к таким блокам проложена шина с хорошей пропускной способностью, то можно менять не все блоки сразу, а по одному, постепенно, исходя из наличия ресурсов. То есть, если ваш код хорошо разбит на модули (а ещё лучше на микросервисы), то "переписывание с нуля" тоже можно делать частями. Контракты между сервисами, по сути, остаются без изменений, меняется только внутренняя логика работы.