Телеграм канал «MLinside - школа ML»

Учимся на практике: решаем реальные ML-задачки

Это рубрика #петпроект_MLinside и тут мы публикуем задачи из реальных (ну или почти реальных) проектов, чтобы лучше запомнить теорию. Плюс, упоминание об этом можно включить в портфолио, что определенно поможет вам на собеседованиях.

Девятнадцатая задача

Что нужно сделать:
Определить динамику роста цены на разные виды авокадо

Что можно сделать:
▪️Для каждого из 3-ех видов авокадо построить график роста цены одной штуки
▪️Определить штаты в которых рост цен был максимальным для каждого из видов авокадо
▪️определить в каких штатах больше рос спрос на обычные авокадо, а в каких на органик (переменная type)

Данные можно взять на Kaggle

Пример ноутбука (с случайными пропусками строк)

Готовы попробовать? Делитесь своими результатами в комментариях. А другие посты этой рубрики можно посмотреть по тэгу: #петпроект_MLinside

Cтоит ли сегодня тратить годы на изучение программирования, если значительную часть работы уже можно поручить ИИ?

На YouTube, в ВК и Дзен у нас вышло видео, где Александр Дубейковский (ML Engineer в Авито, эксперт MLinside, ex-Яндекс) делится своим опытом работы с AI-агентами и рассказывает, чему он учился бы сегодня, если бы только начинал карьеру в IT.

А еще, мы тестируем новые форматы видео, будем благодарны, если вы поделитесь своим мнением в комментариях тут или под видео.

Смотрите на удобной для вас площадке:
YouTube: https://youtu.be/b8Nwiasef50
ВК: https://vkvideo.ru/video-228219607_456239347?list=1f138720fc68ec6ccf
Дзен: https://dzen.ru/video/watch/6adb5dd2e6b18e075b59ae55

Новости ИИ: модели, агенты и инструменты
1. DeepSeek обновила модель и открыла поиск для агентов
• DeepSeek V4.1-Flash-1017 — обновление для задач программирования доступно на сайте, в приложении и API, опубликованы веса. В тестах самой DeepSeek доля задач по разработке ПО, решённых за одну попытку (pass@1) в DeepSWE v1.1, выросла с 74,2% до 77,0% по сравнению с предыдущей V4.1-Flash.

• Search и Fetch API — собственные поиск и чтение веб-страниц DeepSeek теперь можно подключать к сторонним агентам. Каждый из двух API стоит $0,75 за 1000 вызовов. Для пользователей DeepSeek API вызовы через серверные инструменты в DeepSeek Harness, Claude Code и Codex временно бесплатны до 31 октября, 16:00 UTC.
2. MiniMax открыла мультимодальную модель для самостоятельного размещения
• MiniMax M3.1 Flash — опубликованы веса мультимодальной MoE-модели (~428B) для кода, работы с инструментами и интерфейсами, а также модуль DSpark для спекулятивного декодирования. Модель принимает текст, изображения и видео. В тестах MiniMax получила 73,7% на DeepSWE v1.1.
3. Anthropic расширила работу агентов вне чата
• Claude Duet — отдельное приложение с собственной облачной средой и браузером продолжает работу, даже когда устройство пользователя выключено. Исследовательский предпросмотр доступен по листу ожидания подписчикам Pro и Max в США, лимиты общие с Claude.
4. OpenAI вывела Decisions API из публичной беты
• Decisions API — вышла из публичной беты. API на GPT-6 Luna выбирает из заданных вариантов ответа, возвращает вероятности или оценки — для классификации, маршрутизации и выбора следующего действия. Добавлены до 400 вопросов в запросе, JSON-вход, кэширование контекста и интеграция с GPT-Live.
5. Tencent открыла модель для извлечения данных из изображений
• WeVisOne-VL-4B — Tencent опубликовала код и веса модели для поиска и подсчёта объектов, локализации текста, сегментации и выделения полупрозрачных границ. По текстовому запросу она возвращает координаты, маску или альфа-канал. Обрабатывает по одному изображению за запрос.
6. Ideogram и Canva добавили инструменты для редактируемого дизайна
• Ideogram Vector 1.0 — генерирует редактируемые SVG по описанию и превращает готовые изображения в векторную графику. Отдельные фигуры и цвета можно менять в векторном редакторе. Доступны веб-интерфейс и API.

• Canva Craft — модель Canva для генерации изображений до 2K. Сначала составляет план композиции, включая расположение элементов и текст, затем создаёт изображение. Результат можно разложить на редактируемые элементы через Magic Layers. Модель доступна в Canva и публичном API.
7. В релиз LiteLLM попал код для кражи учётных данных
• LiteLLM — 21 октября в пакет версии 1.107.0 на PyPI и Docker-образы попал вредоносный код, крадущий учётные данные и API-ключи. Если вы установили заражённый выпуск, срочно отзовите и замените все доступные ему ключи, токены и пароли, пересоздайте окружение из чистого образа и установите рекомендованную командой версию 1.106.2. Нового исправленного выпуска после 1.107.0 пока нет; заражённые артефакты отозваны.

Необязательно изучать все направления машинного обучения одинаково глубоко

Аналитику может быть важнее статистика и A/B-тестирование, AI Engineer — работа с LLM и развёртывание моделей, а продуктовому менеджеру — оценка возможностей и стоимости AI-решений.

В специализации «Искусственный интеллект и анализ данных» собраны модули для разных профессиональных задач. В карточках показали на четырёх примерах, какие разделы программы стоит изучить в зависимости от вашей работы.

А посмотреть содержание всех доступных модулей можно на сайте

Внимание-внимание!

Спасибо за внимание, на связи наша регулярная рубрика «ML в реальной жизни» и мы продолжаем задавать ситуации, с которыми сталкиваются ML/DS-команды в продакшене. В этой рубрике нет единственно правильных ответов. Её цель – научиться рассуждать, обсуждать подходы и смотреть на проблемы с разных сторон.

Поэтому, если хотите, чтобы рубрика была вам максимально полезна, важно не просто выбрать вариант, а объяснить в комментариях:
— почему выбрали именно его
— что бы вы проверяли
— какие риски вы бы учитывали

Сегодня у нас ситуация №7

Ситуация: Данные есть, но они грязные

Контекст:
Вам дали датасет для новой задачи. 30% пропусков в ключевых признаках, выбросы, несогласованные форматы. Очистка займет 2–3 недели. Дедлайн — через 5 дней. Бизнес ждет "хоть какую-то модель".

Что будете делать в первую очередь?

Все посты этой рубрики можно будет посмотреть по тэгу: #риллайф_MLinside

Поиск информации, рекомендации в приложениях и распознавание речи — каждый день мы пользуемся сервисами, в основе которых лежит машинное обучение. При этом ещё 15 лет назад многие из этих задач решались совсем другими способами.

В новом видео у нас на YouTube, в ВК и Дзен Александр Дубейковский (ML Engineer в Авито, эксперт MLinside, ex-Яндекс) на конкретных примерах показывает, как развивались алгоритмы, чему модели научились благодаря данным и почему ML стал настолько востребован в современных цифровых продуктах.

Видео подойдёт тем, кто только знакомится с машинным обучением или хочет лучше понять принципы его работы.

Выбирайте удобную площадку для просмотра:
▪️ YouTube: https://youtu.be/oDi7WTHdCIU
▪️ ВКонтакте: https://vkvideo.ru/video-228219607_456239345
▪️ Дзен: https://dzen.ru/video/watch/6ad1e9d12cdfb474e8fb9f4b