Офлайн-встреча Reliable ML #2
По следам встречи 30 сентября
Все-таки никакой онлайн не заменит живых встреч - спасибо всем заглянувшим вчера на огонек!
Хлеб Насущный грозился лопнуть от числа посетителей, жаждущих пообсуждать за ML. Это было неожиданно, приятно и очень круто.
Удалось обсудить кучу всего вкусного и интересного. Например:
- Митапу UnReliable ML быть. Мы с Димой давно вынашиваем идею собраться-поговорить о фейлах в ML-проектах. У самих тоже есть, что рассказать. Ориентировочная дата - 9 декабря (можно забронить календари). Если готовы поделиться болью из своего опыта - можно уже писать @irina_goloshchapova или @promsoft.
- Тренды и карго-культы в АБ-тестировании: как отличить одно от другого и что делать, чтобы найти в АБ-тестах соль земли.
- Как выбрать ML-проект для реализации и вкатывания в DS.
- Как зайти с ноги в causal inference. Есть, например, шпаргалка от Димы и статья от Иры.
- Как понять, лежит ли душа к диссертации и кандидатству в науках, или к суровой индустрии. И в чем вообще смысл ученой степени для работы и жизни.
- Отличия дата-аналитиков и дата-саентистов.
- Ограничения LLM. Ну куда же без этого. Как построить рельсы для LLM и как модели по ним весело едут: в комментах к посту очень ждем скрины про оливье и форматирование жесткого диска.
- Устойчивость моделей: примеры Расемон Сет, статья в Nature про деградацию моделей, и выступление Димы.
- И немного о Confident Learning на пальцах
Очень рады были всех видеть! Будем продолжать!
В комментах пишите, что еще интересного успели обсудить на встрече. Мы написали только о том, что происходило вокруг нас)
Ваш @Reliable ML
#offline #reliable_ml #tech #business
По следам встречи 30 сентября
Все-таки никакой онлайн не заменит живых встреч - спасибо всем заглянувшим вчера на огонек!
Хлеб Насущный грозился лопнуть от числа посетителей, жаждущих пообсуждать за ML. Это было неожиданно, приятно и очень круто.
Удалось обсудить кучу всего вкусного и интересного. Например:
- Митапу UnReliable ML быть. Мы с Димой давно вынашиваем идею собраться-поговорить о фейлах в ML-проектах. У самих тоже есть, что рассказать. Ориентировочная дата - 9 декабря (можно забронить календари). Если готовы поделиться болью из своего опыта - можно уже писать @irina_goloshchapova или @promsoft.
- Тренды и карго-культы в АБ-тестировании: как отличить одно от другого и что делать, чтобы найти в АБ-тестах соль земли.
- Как выбрать ML-проект для реализации и вкатывания в DS.
- Как зайти с ноги в causal inference. Есть, например, шпаргалка от Димы и статья от Иры.
- Как понять, лежит ли душа к диссертации и кандидатству в науках, или к суровой индустрии. И в чем вообще смысл ученой степени для работы и жизни.
- Отличия дата-аналитиков и дата-саентистов.
- Ограничения LLM. Ну куда же без этого. Как построить рельсы для LLM и как модели по ним весело едут: в комментах к посту очень ждем скрины про оливье и форматирование жесткого диска.
- Устойчивость моделей: примеры Расемон Сет, статья в Nature про деградацию моделей, и выступление Димы.
- И немного о Confident Learning на пальцах
Очень рады были всех видеть! Будем продолжать!
В комментах пишите, что еще интересного успели обсудить на встрече. Мы написали только о том, что происходило вокруг нас)
Ваш @Reliable ML
#offline #reliable_ml #tech #business