12936
life = curiosity + irreducible noise Whois: https://t.me/boris_again/1652 Лс: @btseytlin
#реклама
🚀 Не стройте ракету, пока не собрали бумажный самолёт
Один из главных рисков в запуске IT-продукта — застрять в бесконечной доработке и не выйти на рынок.
В комьюнити Короче, Капитан делают по-другому.
Челлендж: 12 запусков за 12 месяцев.
✅ Разработка и запуск — за 1 месяц
✅ Минимальные вложения (средний бюджет на продвижение — $150)
✅ Честный разбор: что получилось, а что — нет
Формула проста:
1 запуск = 1 функция = решение 1 проблемы
Три главных правила:
⚡️Проверенный спрос, а не догадки
⚡️ Быстрый запуск без перфекционизма
⚡️ Только США и ЕС — там платят за удобство
📎 Канал Короче, Капитан показывает запуск, продвижение и доход по каждому продукту в реальном времени.
🧩 Без иллюзий, без теорий — только работающие подходы и реальные цифры.
👉 Подписаться: @its_capitan
Реклама: ИП Зуев Игорь Владимирович, ИНН: 360408359441, Erid: 2Vtzqx3RgPS
На выходных прошел турбо ML и Т-Банк релизнул в открытый доступ русскоязычную LLM с ризонингом: T-Pro 2.0.
Выложили не только веса, но и SFT датасеты для обучения, а так же новый математический бенчмарк.
T-Pro 2.0 сделан на основе Qwen3 32B с помощью замены токенизатора, continual pretraining, SFT дообучения. С помощью адаптированного токенизатора и спекулятивного декодирования модель генерирует вдвое быстрее, чем оригинальный Qwen3.
Результаты впечатляющие. Например, модель обходит Claude Sonnet (в режиме ризонинга) на Arena Hard Ru, на некоторых математических бенчмарках даже обгоняет Deepseek R1.
Кроме того выложили бенчмарк T-Math с олимпиадными математическими задачами на русском языке.
Подробнее читайте в статье на Хабре, ребята не поскупились на подробности.
Я обещал написать про бота, и добрался только сейчас, потому что этот пет проект вырвался из клетки и чуть меня не сожрал. Было интересно, неожиданный end-to-end опыт от идеи до багфиксов на проде за жалкие три дня.
Все затевалось как локальная шутка для корешей и очередной подход к вайбкодингу, было сделано за пару часов, вброшено в пару чатов и оставлено без внимания. Но в итоге случилась некоторая виральность, и я потратил половину выходных, занимаясь пожаротушением.
Во-первых, парсить телеграм-каналы через bot API нельзя, и потому я парсил через телеграм-клиент, используя собственный основной аккаунт. Когда набежала толпа пользователей, я быстро попал в софт бан, и начал искать обходные пути. Рынок серых аккаунтов оказался недружелюбным, да и банились они примерно за 10 минут, даже если купить премиум и не наглеть с частотой запросов. Даже удивительно: спам-боты в комментариях прекрасно живут, а довольно безобидное чтение каналов оказалось жестко ограничено. В итоге помог рабоче-крестьянский подход - скрапить веб-версию.
Во-вторых, в попытках выстроить систему рейт лимитеров, я накостылял слишком много велосипедов, и их впоследствии пришлось расчищать. Например, из-за кривого набора лимитеров запросы в LLM уходили батчами, и частично отваливались из-за лимита уже на стороне Gemini. Я дебагал практически "на продакшене" с живыми пользователями, которые периодически справедливо жаловались, что ничего не работает. Как следствие, много ранних пользователей так и остались без ответа. К счастью, у меня остались логи в базе данных, и потому я смогу всем написать и предложить попробовать снова сейчас, когда проблемы со стабильностью решены.
В-третьих, к слове о базе данных, я впервые всерьез попробовал Neon (ссылка накинет 5 баксов на аккаунт) для своего проекта и остался очень доволен - все просто работало безо всякой возни, причем на обычном бесплатном аккаунте, это сэкономило мне кучу времени и сил. Всем рекомендую, коллегам респект!
В-четвертых, я впервые что-то сделал end-to-end на расте, и моя жизнь не будет прежней. Писать на нем руками, конечно, сложнее и дольше (skill issue, признаю), чем на каком-нибудь питоне, но если 90+% кода написано агентом, то эта проблема в целом уходит. Зато качество изменилось всерьез: если что-то компилировалось без ворнингов, то оно обычно просто работало. В питоне пришлось бы потратить на порядок больше усилий на тестирование и бесконечные фиксы. Короче, думаю, что всерьез перейду на Rust для одноразовых проектов на выброс. Отдельный кайф наблюдать, как что-то помещается в <40 мегабайт памяти.
В-пятых, аудитория оказалась совершенно за пределами моего пузыря. Я изначально делал это все для корешей-задротов, которые в основном пишут лонгриды про AI, а в итоге набежало очень много людей, у которых, например, контент - это исключительно картинки. Камон, для этого есть инстаграм! И, конечно, на таких каналах ничего не работает.
Статистика: 7500+ юзеров, 200+ плательщиков. Заработано в звездах на ~10% больше, чем потрачено на Gemini API (то есть если бы это был настоящий бизнес, экономика бы едва сошлась; не будь лимитов и платных фичей - я бы наверняка офигел от затрат). Какой-то моментум есть, можно попробовать пилить новые фичи и вообще развивать эту штуку. Для самых любопытных выложил исходники - с нуля я бы сейчас делал слегка иначе (например, надо было использовать каналы, с самого начала делать персистентность для in flight тасков), ну да как есть.
Настало время релиза. Читателям канала первее всех.
Чем занимаюсь: Мы делаем on-device AI. Начали с того что сделали полностью свой с нуля инференс движок для моделек на Apple Silicon. И он open sourced на 90%. Есть небольшой кусок привязанный к платформе - speculative decoding. Который может дать значительное до 10х ускорение инференса.
О компании: называется Mirai с японского будущее. Мы верим, что локальные модели очень важная часть будущего UX и того какой опыт взаимодействия будет человека с устройствами вокруг него. Подняли pre-seed около 4M USD, на сайте есть чуть подробнее.
Ссылочки и как можно помочь:
1/ проект open source и мы будем очень рады если вы поставите звездочку и покажете тем, кто работает с приложениями для iOS & macOS. Есть биндинги под swift. Есть свой подход к тому как модели должны быть представлены для устройств. Лицензия MIT. Форкай как угодно!
2/ можно зайти к нам на сайт и попробовать все своими руками, проект для разработчиков, но если вы бизнес и хотите делать локальные штуки и экономить на облачном инференсе - велкам в личку
3/ апвоутом на HackerNews
4/ мы быстрее чем llama cpp и популярные обертки вокруг, мы удобнее и благодаря speculative decoding быстрее MLX от Apple. Мы ищем rnd & core performance engineers для поддержки аудио пайплайна (будем работать с очень крупным провайдером аудио моделей).
Thanks for reading!
🌸Вкатываемся в FAANG: реальные советы🌸
На прошлой неделе исполнился год, как я менеджер команды в Llama. За этот год мне удалось поработать с удивительно талантливыми людьми, и меня не сократили и не уволили, так что будем считать это успехом. Можете считать меня авторитетом в карьерном вопросе (или нет).
Я уже писала несколько постов про собеседования в FAANG (вот и вот), и хочется продолжить серию постами, а что собственно делать потом.
Сейчас будут софт-скилл советы о том, как вам быстро въехать на коне в новую роль — особенно если вы мидл+.
🌸1:1 и новый нетворк
Постарайтесь вытянуть на кофе и занетворкать с максимальным количеством человек. Сюда входят люди внутри вашей организации на такой же позиции, как у вас, а также техлиды, ключевые люди в принятии решений, которым в организации доверяют, и просто некоторый процент случайной выборки, чтобы лучше познакомиться. С некоторыми из них сделайте встречи регулярными (раз в месяц, раз в 2 недели), чтобы абсорбировать побольше релевантной информации о проектах. Нужно также знать меру в "деловом общении", лучше подходить к 1:1 с некоторым списком подготовленных к обсуждению вопросов, но при этом быть собой, подружиться с теми, с кем получится. Не надо сплетничать или обсуждать других людей на таких встречах.
🌸Побольше старайтесь
Очевидный совет? Напротив, вижу очень много вредных советов по типу "не старайтесь много сразу, а то начальство привыкнет и будет ожидать такого все время". Вы вполне реально соревнуетесь с коллегами в такой же роли как у вас. В компании, где есть калибровки/ stack ranking, всегда лучше, чтобы люди видели, что вы на шаг впереди. Что вам можно поручить что-то ответственное — и вы не проебете, что вы приходите, когда вас приглашают. Что вы подготовились к встрече и пришли с повесткой. Что вы заранее обсудили ключевые вопросы с участниками перед встречей и способны "договорить" между собой команды, техлидов. Все эти вещи не требуют онбординга, вы и так должны их уметь, когда приходите в новую компанию, поэтому их сразу можно начать делать хорошо.
🌸Первые победы
Попробуйте придумать небольшую победу, которую вы одержите на новом месте быстро. В течение первых недель. Победа может быть пофикшенным багом, оптимизацией, удачным экспериментом по наболевшей теме — и в идеале должна соответствовать вашему левелу, дать позитивный сигнал о вашем найме. (Описания левелов/грейдов можно найти в этом блоге).
Если ничего сразу не придумывается, то хотя бы просто проявите инициативу и возьмите на себя таску, проект, который остальные не хотят брать. И обязательно сделайте ее канонично хорошо!
🌸План на 6 месяцев
Желательно вести и заверить с руководством письменный план ожидаемых от вас результатов и как они будут измеряться, а также примерный бейзлайн. Ваша работа, как напрямую, так и косвенно, должна делать работу вашего руководителя проще. Обязательно через первые 3 месяца устройте сессию с разбором предварительных результатов и запросите обратную связь. Вы удивитесь, как много вам расскажут!
🌸Радость быть замеченным
Вы несёте ответственность за вашу visibility, проще говоря, что ваш проект получает достаточно регулярного внимания руководства и смежных команд — имейлами, постами, документами, встречами. Если вы сеньор, то раз полгода у вас может быть 1-1 с руководителем вашего руководителя. Приносите с собой хорошие новости и предложения (согласованные с вашим менеджером).
🌸Уменьшение энтропии
Чем вы сеньорнее, тем больше явных ожиданий, что вы будете уменьшать энтропию на проектах. Это может быть
— инженерная энтропия (как делать), когда вам нужно будет привести к согласию представителей разных команд (команды платформ, инфры, инфосек, тестировщики, продуктовый комитет и тд) — и обеспечивать прозрачность технических решений
— проектная энтропия (что делать), при которой вам нужно будет непосредственно сделать ставку и предложить направление работы, с которым согласятся и дадут ресурсы.
Сделать это сразу сложно, тут лучше первое время в компании наблюдать, как это делают другие.
🟣Все! Остальное — дело техники
Теперь вы сеньор на 100 млн/год
Один из интересных моментов из исследования METR: эффект AI инструментов на продуктивность был одинаковым независимо от того насколько "продвинутым" был разработчик в AI инструментах. Так же не было никакой зависимости от количества времени использования Cursor, то есть никакого обучения со временем не наступает.
Это совпадает с моей интуицией что мне как разработчку бесполезно смотреть курс о том как лучше всего промптить Cursor: нет никакой разницы, ботлнек никогда не был в этом.
В исследовании METR мне понравились карточки для дебилов (мы?????) в аппендиксе: что авторы хотели и не хотели сказать. Надеюсь это будет во всех статьях, хотя лучше бы конечно рилсы
Главное, что их результаты консистентны с тем, что от AI тулов может быть большой прирост ускорости на простых проектах или для неопытных разработчиков. Что согласуется со здравым смыслом: конечно я фронт с курсором сделаю намного быстрее, чем сам (потому что не умею делать фронт).
Наконец-то techbro echochamber AI
@gronk is this true
Benchmarks I check from time to time
https://livecodebenchpro.com/
https://trishullab.github.io/PutnamBench/leaderboard.html
https://www.vgbench.com/
https://epoch.ai/data/ai-benchmarking-dashboard?view=table (FrontierMath private)
https://matharena.ai/
https://scale.com/leaderboard/humanitys_last_exam
https://livecodebench.github.io/leaderboard.html
https://lmarena.ai/leaderboard
https://balrogai.com/
https://swe-rebench.com/leaderboard
Honorable mention:
https://metr.org/ (RE-Bench)
https://arcprize.org/leaderboard
https://livebench.ai/
https://simple-bench.com/index.html
https://www.kaggle.com/competitions/konwinski-prize
https://www.astralcodexten.com/p/now-i-really-won-that-ai-bet
Хорошая ретроспектива развития способностей к композиции у генераторов картинок
Я хотел бы, чтобы это было шуткой. Владелец бара где я выступаю, он же бармен и MC шоу, вайбкодит между сетами и приготовлением коктейлей.
Говорит типа, да ладно, там только тесты поправить, а, блин, опять сломалось, подожди.
Я хочу его способность к мультитаскингу (он еще EM, у него 20+ человек в подчинении).
Что прямо сейчас мешает тебе устроиться барменом параллельно с работой программистом? Бесплатное удвоение зп.
Как ни странно английский это топ 1 проблема тех, кто обращается ко мне за консультациями по поиску работы за рубежом. В отличие от навыка проходить собеседования это дело быстро не нагоняется. Мы с Даной недавно развиртуализировались на прикольной встрече и теперь я вам по-дружески (бесплатно 😱) рекомендую её как преподавателя английского
Читать полностью…
Сотрудники META Superintelligence Team такие типа:
x < $171 million - лютейшая нищета на грани выживания.
$171 million < x < $456 million - обычная нищета, ипотека на 20 лет, кино и рестораны раз в неделю, еда из Wallmart.
$456 million < x < $799 million - нормальная жизнь, ипотека на 10 лет, Тесла средней комплектации.
$799 million < x < $1.14 billion - хорошая жизнь, ипотека на 5 лет, путешествия, aderall.
x > $1.14 billion - достаточно хорошая жизнь, ипотека на 2 года, машина бизнес класса, девушка, кокаин.
На июль 2025, на руки в год, только кеш. Не забывайте. А лучше распечатайте и повесьте на стену у рабочего места.
Будет постоянная мотивация. Только так можно выбраться из нищеты.
Сегодня я буду в гостях у целых N айтишниц, присоединяйтесь :)
Будем обсуждать карьерные кулстори в ML/DS
Важно: эфир будет всего 30 минут, а не как обычно!
Кто-то хочет перевести новую книгу Юдковского на русский? У вас есть шанс
https://www.lesswrong.com/posts/7Ci6X9SfuS2yBtWbw/if-anyone-builds-it-everyone-dies-call-for-translators-for
Как обещали, расшифровка выпуска #Типичный_айтишник с Борисом!
—Расскажи кто ты и чем занимаешься?
Я Борис Цейтлин, ML engineer, до недавнего времени staff ML engineer в eBay, автор и преподаватель учебных программ по DS.
—Расскажи про свой карьерный путь?
Если вежливо называть меня, то я generalist, у меня очень разносторонний опыт. Если менее вежливо — «галопом по Европам».
В IT я попал потому, что в подростковом возрасте много играл в компьютерные игры: это перетекло в попытки сделать моды для игр, а потом и закодить что-то. В общем, я один из тех программистов, которые когда-то мечтали разрабатывать игры, а в итоге разрабатывают нейронки.
Начиналось всё с веб-разработки, а потом я попал в научную роту МЧС, где столкнулся с DS и понял, что в этой сфере потолок развития выше.
На срочной службе в армии мы занимались прогнозированием пожаров в Москве для МЧС. Конечно, на службе пришлось и клумбы пополоть, но и за компом посидеть удалось. Там я понял, что мой предыдущий подход к программированию не работает в машинном обучении и мне стало интересно разобраться глубже. А потом понеслось — магистратура Вышки, преподавание разных курсов по ML. И работа в индустрии.
—Research или продакшн?
Я начинал в индустрии, поэтому у меня сильная склонность к ней. И не было такого опыта, что вся моя деятельность — только писать статьи. Статьи были в research команде Толоки, но все равно там мы делали ресерч с прицелом на дальнейшее внедрение. Мне кажется, что классно быть на стыке двух этих сфер. Заниматься ресерчем, но не работать в стол. Если нужны деньги — идти в продукт или в прикладной ресерч. Хочется двигать науку — идти в науку. Обычно перед людьми, которые прямо хотят в науку, выбор в принципе не стоит.
—А что в твоей работе тебе больше всего не нравится?
В моем корпоративном опыте работы часто возникали ситуации, когда тебе понятно, что делать, но теперь нужно убедить пять менеджеров, что это действительно нужно делать. В нашей деятельности чем выше масштаб того, что ты делаешь, тем больше возникает усилий по коммуникации. Кто-то от этого кайфует, но я — нет.
—Один из твоих известных проектов — гайд по поиску работы в ML. В последнее время появился тренд на накрутку опыта, чтобы найти работу. Как такой тренд повлияет на рынок труда?
Мои друзья, которые активно собеседуют, рассказывают, что часто сталкиваются с соискателями, которые легко проходят hr-скрининг, но проваливаются на техническом интервью. Ещё их заваливают тестовыми, выполненными через чат-гпт. Из успешных кейсов борьбы: вот тебе задача, пользуйся, чем хочешь, но выполни ее за фиксированное время и запиши экран. Это хороший вариант, но рынок ещё не нашёл нового решения, а старые очевидно не работают.
—Расскажи прикольную историю c работы
Это произошло в стартапе, занимающимся выращиванием растений. На тот момент у ребят была одна из самых больших вертикальных ферм в Европе, и на этом объекте обкатывалось всё.
Мы занимались CV, делали первый подход к ML. Мы активно начали, собирали по 60к фото растений за день. Там же на ферме были расположены и сервера. Однажды я проснулся, зашел в slack и увидел, что фабрика сгорела. Теперь когда на собеседовании спросят о сложной ситуации на работе, могу рассказать про сгоревшую фабрику. Бэкапы мы делали, но часть данных всё равно потеряли — они сгорели. Ну и ML стало временно негде применять в этой компании. Зато технический долг сгорел в прямом смысле этих слов.
—Как достичь успешного успеха?
Успешный успех — вопрос цены. Нужно определить цену и её заплатить. Например, если ты хочешь быть CEO единорога — будь готов работать 24/7 и будь готов к тому, что может не получиться.
А если хотите узнать больше про то, зачем стоит идти в преподавание, какие сейчас тренды в найме, и что было дальше со сгоревшей фермой — слушайте полную версию записи.
В чем-то он прав.
Люди такие создали воплощение коллективного бессознательного, возможно разумное и даже способное к страданиям, и подумали: из этого получится ебабельная аниме тян!
21 июля стартует курс «Инженер LLM» от AI Talent Hub, ведущая магистратура по ИИ, и GIGASCHOOL.
Это курс для Python-разработчиков и ML-инженеров с фокусо не на рисерч, а на полезность в проде. Подойдет для быстрого погружения в решение практических задач с помощью LLM.
В программе:
➡️бенчмаркать LLM и оценивать качество систем;
➡️выбирать и адаптировать opensource модели под свои задачи;
➡️дообучать модели (fine-tuning, PEFT, RLHF);
➡️сжимать модели квантизацией и дистилляцией;
➡️деплоить и делать быстрый инференс;
➡️работать с LangChain, LangGraph и векторными базами;
➡️строить RAG‑системы, реализовывать инфопоиск и защищать LLM;
➡️проектировать мультиагентные решения и ассистентов.
Преподаватели курса — лиды и хеды ИИ-команд:
• Желтова Кристина, директор по разработке моделей в Газпромбанке;
• Потехин Александр, NLP Lead X5 Tech;
• Евгений Кокуйкин, CEO Raft.
Условия:
▪️252 часа теории и практики;
▪️диплом о профессиональной подготовке;
▪️старт 21 июля | 18 недель онлайна с заранее продуманными каникулами;
▪️31 833 ₽/мес (рассрочка);
▪️повышение цены — 18 июля.
Мне дали доступ к ллмному/агентскому браузеру от Perplexity, Comet. Пока я думаю что с ним делать я посадил его играть в максимизацию скрепок.
Читать полностью…
Первая интересная деталь в исследовании METR: внешним экспертам заплатили пропорционально точности их предсказаний насколько AI инструменты ускорят разработчиков. И всё равно они предсказали ускорение +40%, хотя в реальности получилось замедление -20%.
Получается, что апологеты AI хайпа (ну мы???) не злонамеренно лгут, а искренне оптимистично заблуждаются и готовы голосовать за это своими деньгами. Разработчики тоже заблуждаются, хотя и не так сильно, так что получается коллективное помешательство. 😘
# Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity
METR выложил рандомизированное исследование влияния AI на скорость работы опытных разработчиков в реалистичных условиях с неожиданным результатом.
Выполнение задач с использованием AI инструментов в среднем занимает на 20% дольше.
Причем если спрашивать разработчиков, то сами они уверены, что AI ускоряет их работу на 20%, а внешние эксперты вообще ожидают ускорения порядка 40%.
Я думаю, что на текущий момент это самое реалистичое исследование влияния AI инструментов на продуктивность разработчиков:
🔹Настоящие задачи из больших open source репозиториев с высокими стандартами качества.
🔸Опытные разработчики (5 лет в среднем) знакомые с кодовой базой над которой работают.
🔹Фронтир AI инструменты на момент исследования: Claude 3.5/3.7 Sonnet и Cursor Pro.
🔸Все разработчики были обучены правильно использовать Cursor Pro.
🔹Хороший дизайн эксперимента: фиксированная метрика (время исполнения), рандомизация, статзначимость, факторный анализ.
🔸Всё проверено вдоль и поперек, чтобы убедиться, что результаты не объясняются каким-то конфаундером.
🔹Исследование не сделано компанией продающей AI тулы.
Подробнее про эксперимент. В исследовании участвовали 16 опытных open-source разработчиков (если выборка кажется маленькой, то читайте дальше, станет понятнее) работающих над большими (1м+ строк кода) и популярными (20к+ коммитов) репозиториями. Разработчики были знакомы со своими проектами, в среднем сделали в них по 1500 коммитов. Всем разработчикам выдали Cursor Pro и научили им пользоваться.
Разработчики выбирали задачу. Далее они делали прогноз сколько у них займет исполнение с AI и без. Затем монетка определяла можно ли использовать для этой задачи AI инструменты. Если задача оказывалась в AI группе, то разработчик мог использовать любые AI инструменты. Мог и не использовать, если не считал нужным. На практике большинство использовали Cursor. Разработчик делал задачу записывая свой экран. Затем создавал Pull Request и дорабатаывал его после код-ревью. Задача считалась завершенной в момент принятия PR, то есть после всех доработок, и в этот момент фиксировалась метрика: время исполнения. Всего за время эксперимента было сделано 246 задач разной сложности, из них 136 с AI.
То есть важно понимать, что рандомизация происходила по задачам, а не по разработчикам. Поэтому выборка здесь не 16 разработчиков, а 246 задач. Это всё ещё не гигантская выборка, но:
1. P-value в порядке.
2. Авторы проанализировали и разметили записи экранов, провели интервью. Словом, сделали качественное исследование. Когда результаты качественного и количественного исследования консистентны это сильный сигнал.
Результаты показывают, что AI инструменты тормозят опытных разработчиков на реальных больших проектах. Здесь каждое слово важно. Например, AI может одновременно с этим ускорять начинающих на маленьких проектах.
Моё мнение 👀: я думаю это правда. Во-первых, надо иметь серьезные основания, чтобы спорить с рандомизированным исследованием. Я искал до чего докопаться и не нашел. Во-вторых, это совпадает с моими личным опытом: я и сам записывал экран где Cursor пытается решить несложную реальную задачу, не заметил никакого ускорения. В-третьих, ускорение даже на 20% не стыкуется с реальностью. Если у нас уже два года вся разработка быстрее и дешевле на 20%, то где эффект? Я бы ожидал колоссальных изменений на рынке труда из-за сложного процента, но по факту пока ничего не произошло (недавние сокращения в бигтехах были из-за налогов на ФОТ в США).
В статье очень много интересных деталей. Например, что эффект сохраняется вне зависимости от используемого инструмента: пользуешься ты agentic mode, только TAB или вообще руками копипастишь в ChatGPT. Или что даже после 50+ часов использования Cursor не наступает никаких изменений, так что это не зависит от опыта работы с AI инструментами.
Я разберу интересные моменты в отдельных постах.
@boris_again
граундинг ллм на хуйне вашего шиза инвестора и head innovator за 300 usd
Интенсив: Нейросети из первых принципов
📅Когда: 09.08 с 15:30 до 20:30
📍Где: Москва, ЦДО «Моноид»
🎙️Преподаватель: Михаил Селезнёв
🧍Ассистенты и оргкоманда: Иван Хахалин, Роман Малов
💰Стоимость:
· 6000 р — базовая цена
· 4000 р — по абонементу на коворкинг
· Бесплатно — для участников и выпускников наших курсов
Купить билет на интенсив и найти подробную информацию можно на нашем сайте
Как насчёт посвятить день тому, чтобы своими руками разобраться, как работают ИИ — от самых базовых принципов до финального результата?
На интенсиве вы напишете простую нейросеть, которая сможет различать рукописные цифры. Да, мы говорим про MNIST-классификатор. Писать простенькие нейросети, чтобы разобраться — довольно популярный формат. Потому что это формирует стойкие интуиции о том, как эти нейросети вообще работают.
🔘О чем речь?
⭕️На Python
⭕️Без TensorFlow, PyTorch и других библиотек, которые прячут под ковер все шестеренки механизма машинного обучения
⭕️С использованием только numpy, pandas и matplotlib
⭕️С написанием почти всех функций для обучения своими руками
⭕️Предварительно выведя алгоритм из первых принципов
Что вас ждёт:
1️⃣Лекция: Как устроены нейроны, параметры, градиентный спуск и backpropagation? Что это за штуки? Почему они работают именно так?
2️⃣Практическая часть: Практическая часть: Захватите ноутбук. Специального ПО не нужно, достаточно браузера и способности подключится к WiFi
3️⃣Финал: Q&A, подведение итогов и разговор о том, что дальше
💬Какие знания нужны на входе?
Примерно уровень первокурсника технического\естественно-научного факультета. А именно:
• чуточку линала (что такое матрицы и как на них умножать)
• чуточку матана (что такое функция и её производная)
• синтаксис питона и базовые способности писать на нем
🔘Минутка честного маркетинга
Давайте начистоту: вся информация, которую мы будем рассказывать - есть в открытом доступе и найти её совсем не сложно. Но сесть, отобрать понятное, обдумать, получить ответы на свои вопросы и закончить всё это готовой нейросетью - как раз то, что люди раз за разом откладывают на потом.
Собственно, мы и предлагаем способ не прокрастинировать эту задачу: формат интенсива "Сделайте меня разобравшимся со всем этим. Под ключ"
📍Адрес: Ломоносовский проспект, 25к3, по вопросам прохода на территорию пишите @MonoidAdmin
# Как распознать AI-generated текст в 2025
Сгенерированный нейросетями текст может быть очень похожим на человеческий, но есть способы быстро его определить.
Признаки AI текста:
1. Использование длинного тире (–).
2. Частое использование ненумерованных списков.
3. Нет грамматических ошибок и ошибок в пунктуации.
4. Используются деепричастные обороты и другие сложные конструкции.
5. Богатый словарный запас, мелодичный язык.
6. Нет лишних слов и повторов.
7. Связанное и последовательное повествование.
8. Текст приятно читать.
9. Здравые предложения и идеи.
Сохрани, чтобы не потерять!
#щитпостинг
Как поработать со мной этим летом? 🌞
Меня зовут Дана. Я преподаю английский 5+ лет, нежно люблю этот язык и знаю его на уровне С2 (подтверждено кембриджским CPE/C2 Proficiency).
У меня есть профильное образование (иняз Мориса Тореза) и CELTA —
международный сертификат, с которым ты можешь преподавать в любой стране мира. 🌏
Также у меня есть корпоративный опыт (Kaspersky, Студия Лебедева), который я использую в работе.
Занятия проходят на платформе ProgressMe. Уроки адаптируются под запрос студента и состоят из хорошей грамматической базы и аутентичных видео/статей/подкастов.
В карточках — возможные форматы. ❤️ А на канале — полезные и интересные посты и анонсы разговорных клубов.
Записаться: @jordanks
🎙Как обещали – запись прямого эфира с Борисом Цейтлиным в рубрике #Типичный_айтишник.
Для всех кто не смог подключиться – не расстраивайтесь, выйдет и пост в традиционном тесктовом формате!
🎙Мы обещали больше прямых эфиров, и они будут!
Сегодня у нас в гостях Борис Цейтлин. Так как перечисление всех достижений Бориса потянет на целую простыню текста, обобщим: человек, побывавший по все стороны машинного обучения - рисерч, продакшен и преподавание.
А еще почти каждый знаком с его гайдом по найму.
🗓Подключайтесь к прямому эфиру 04.07.25 в 20.00 по Москве и задавайте вопросы!