Вопросы? На все ответим!

Недавно мы выпустили новый образовательный курс «AutoML in Practice» на платформе ods.ai.

Если по ходу просмотра у вас возникли вопросы, задавайте их в комментариях к этому посту. Наши эксперты ответят и всё разъяснят.

А если ещё не приступали к изучению, скорее начинайте!
Самые быстрые уже на лидерборде 🎯

Что такое лидерборд?

Это онлайн-доска, где отображаются результаты прохождения тестов. 30 ноября мы покажем рейтинг и наградим тех, кто забрался выше всех 🔥

Смотреть курс 🔗

#aaa_hardposting

Есть что обсудить!

Пробуем новую рубрику, в которой делимся свежими новостями и мнением эксперта о них 🤝

Сегодня говорим про новую языковую модель OpenAI o1. Модель натренирована для сложной аргументации и «размышляет» над ответом, прежде чем его сгенерировать. OpenAI o1 превосходит ChatGPT-4 по 53 из 57 показателей. Особенно заметны улучшения в математике и написании кода.

Спросили у Александра Сенина, старшего специалиста по разработке нейронных сетей, что он думает о новинке:

Выпуск новой модели ИИ OpenAI o1 — важное событие для индустрии. Теперь ИИ может «подумать» перед тем, как ответить, что позволяет решать более сложные задачи.

Это похоже на работу человека: если попросить математика решить задачу мгновенно, результат будет хуже, чем если дать ему время на размышления. Точно так же работает и новый ИИ.

Результаты впечатляют: OpenAI o1 решает 83% задач на Международной математической олимпиаде (в отличие от 13% у предыдущей версии) и превосходит 89% программистов на платформе Codeforces (против 11% ранее). Теперь ИИ растёт не только по числу параметров, но и по времени, которое он тратит на размышления. Чем дольше ИИ «думает», тем лучше отвечает.

Со временем опенсорсные модели достигнут уровня новой закрытой модели OpenAI, и мы сможем использовать функционал размышлений ИИ для решения наших задач.

Что думаете про свежий релиз от OpenAI? Где бы вы применили новую модель? Делитесь своим мнением в комментариях 👇

#aaa_experts

Такого ещё у нас не было 😱

Продолжаем пробовать новое. Теперь каждый месяц будем отдавать на неделю ведение канала командам Центра продвинутой аналитики.

Передаём слово ребятам, скорее смотрите 👇

Всем привет!

Наша команда занимается развитием инфраструктуры для разработки и исполнения ML-инструментов.

MLOps — это подход, который объединяет сбор данных, их предварительную обработку, обучение моделей, развертывание их в промышленной среде и обеспечение бесперебойной работы.

Сегодня мы покажем, как проходит наш рабочий день, и снимем много лайва 🤝

Кто-то работает из офиса, кто-то из дома, а кто-то уже с утра приехал в Старт Хаб на Красный Октябрь и уже делится нашим опытом на конференции Scoring Day 🔥

Слушаем, как Екатерина Лазаричева, руководитель Управления технологий машинного обучения, рассказывает о реализованном нами пайплайне для каскадных онлайн-моделей.

Как вам день с нашей командой?

😎 — отлично!

👨‍💻 — классно, работаю и смотрю ваш лайф

🤯 — какие кружки, дайте закрыть дедлайны…

Поговорим о работе?

Во второй день нашего ведения канала решили рассказать вам, чем мы занимаемся в Альфе 🔥

Наша команда поддерживает и развивает системы жизненного цикла моделей:

🎯 Feature Store — супермаркет факторов для обучения и применения моделей

🎯 СИМ — система исполнения моделей, централизованная платформа для применения моделей машинного обучения

🎯 MDP — централизованная платформа для разработки и обучения моделей

🎯 MMS — система управления жизненным циклом внедрения моделей машинного обучения

🎯 СИАНС — система исполнения алгоритмов и немодельных сервисов

Прямо сейчас мы решаем ряд задач:

🤝 Доработка инфраструктуры под highload модели

🤝 Эффективное управление вычислительными ресурсами

🤝 AutoML

🤝 RAG-pipeline

Вы тоже делитесь в комментариях, чем занимаетесь на работе, будем читать 👇

P.S. На фото мы на ежегодной стратегической сессии команды.

Как мы создаём автоматизированный аналитический отчёт 👨‍💻

Всем привет, меня зовут Лев Абрамов, я руководитель команды Feature Store и MMS, в нашей команде MLOps часто возникает запрос на проведение аналитики по данным из Jira. Однако встроенные инструменты, такие как easyBI, не всегда позволяют полностью решить поставленные задачи. Обычно это требует либо приобретения дополнительных модулей, либо написания собственного кода, что может быть довольно трудоёмким процессом.

Тем не менее, в Альфа-Банке у каждого есть всё необходимое для создания автоматизированного аналитического отчёта всего за 15 минут. Всё, что вам потребуется, — это ссылка на проект в Jira и установленный Power BI.

Как это сделать? Подробную инструкцию вы найдёте в файле 👆

Мы используем этот метод для отслеживания динамики работы команды, расчёта нашей загрузки по спринтам и анализа ключевых показателей успеха проектов 🎯

#aaa_MLOps