#OpenAI: Research Scientist
#Офис
От $295.000 до $440.000 + акции компании

➡️ Кому подойдет:
OpenAI ищет людей, которые хотят открывать подходы и идеи, которые хорошо работают даже на больших масштабах.

🚀 Откликнуться | Все вакансии

#Сбер: Стажер, Data Science Global markets
#Офис

➡️ Кому подойдет:
Команда внедряет AI-модели в бизнес на финансовых рынках – помогает внутренним и внешним клиентам увеличивать доходность и оптимизировать процессы, создает аналитическую платформу, анализирует финансовый рынок, работает с разными форматами данных, занимается текстовой аналитикой.

🚀 Откликнуться | Все вакансии

В следующем году пройдёт тринадцатая международная конференция ICLR 2025. На текущий момент подано около 10 000 заявок на участие!

Уже есть список всех докладов, которые будут представлены на конференции. Топ-5 лучших из них:

➡️ Scaling In-the-Wild Training for Diffusion-based Illumination Harmonization and Editing by Imposing Consistent Light Transport

➡️ Safety Alignment Should be Made More Than Just a Few Tokens Deep

➡️ Unlocking the Power of Function Vectors for Characterizing and Mitigating Catastrophic Forgetting in Continual Instruction Tuning

➡️ BigCodeBench: Benchmarking Code Generation with Diverse Function Calls and Complex Instructions

➡️ Artificial Kuramoto Oscillatory Neurons

Для тех, кто захочет изучить все предложенные доклады, то вы сможете найти их здесь.

Регистрация на конференцию еще открыта, так что вы можете попытать счастье и представить свой доклад.

Парочка способов поздравить с Новым Годом самых продвинутых 🎄

Для любителей математики – нестареющая классика: x-max формула. А для фанатов программирования – кот(д) в мешке – запусти и узнаешь, что будет...

from colorama import Fore

def heart_shape(msg="Merry Christmas"):
    lines = []
    for y in range(15, -15, -1):
        line = ""
        for x in range(-30, 30):
            f = ((x * 0.05) ** 2 + (y * 0.1) ** 2 - 1) ** 3 - (x * 0.05) ** 2 * (y * 0.1) ** 3
            line += msg[(x - y) % len(msg)] if f <= 0 else " "
        lines.append(line)
    print(Fore.RED+"\n".join(lines))
    print(Fore.GREEN+msg)
heart_shape()

Первое января - как первая работа, никогда не знаешь, куда тебя занесет 🤣

Когда большая часть новогоднего стола съедена, а от вида оливье становится дурно... наступает то самое время отвлечься и немного попрактиковаться в ML!

Идеальный вариант заняться практикой – это принять участие в хакатоне! Поэтому сегодня мы собрали для вас пост-новогоднюю подборку соревнований, которые идут прямо сейчас:

⭐ Konwinski Prize
Цель команды: стать первыми, кто выбьет 90% на бенчмарке SWE-bench. Неожиданно, но организатором является сам Энди Конвински - сооснователь Perplexity и Databricks. Если вдруг станет инетерсно, то вот здесь мы подробно рассказали об этом соревновании.
Призовой фонд 1 225 000$
Крайний срок подачи решения: 6 марта.

⭐ Forecasting Sticker Sales
Цель: спрогнозировать продажи наклеек в разных странах. Соревнование проводит Kaggle, но на денежные призы рассчитывать не приходится. Сами же организаторы говорят про свое соревнование так: "В Kaggle мы относимся к наклейкам серьезно!".
Призовой фонд выбор подарков от Kaggle
Крайняя дата подачи решения: 1 февраля.

⭐ Autoimmune Disease Machine Learning Challenge
Цель: определить генные маркеры раковых областей по фотографии кишечника. Ученые из Клеточной обсерватории Клармана надеются, что такой такой конкурс поможет врачам лучше выявлять злокачественные опухоли.
Призовой фонд 50 000$
Крайняя дата подачи заявки: 31 января.

⭐ Kuyesera AI Disaster Damage and Displacement Challenge
Цель: разработать модель по определению местоположения домов, поврежденных циклоном Фредди. Особенность этого соревнования в том, что победители соревнования смогут внедрить свое решение в реальную систему при поддержке Амазон. Ходят слухи, что победителей возьмут в штат AWS, но это неточно.
Призовой фонд 12 500$
Крайний срок подачи заявления: 1 февраля.

⭐ Santa 2024 - The Perplexity Permutation Puzzle
Цель: переставить слова в тексте так, чтобы получить связный и логичный текст. Хакатон уже в самом разгаре, но вы еще можете испытать удачу и поучаствовать в нем. Для тех, кто еще думает, подробнее о соревновании мы рассказывали здесь.
Призовой фонд 50 000$.
Крайний срок подачи решения: 25 января.

Для самых юных наших подписчиков скоро начнется соревнование от Академии ИИ «По следам животных». Важное условие: чтобы принять участие в этом хакатоне, вам должно быть от 14 до 18 лет!

Подборка статей по Random Forest (вдохновились новогодними елочками):

➡️ XGBoost and Random Forest with Bayesian Optimisation
Статья о том, как объединить эти два подхода в решении задач с байесовской оптимизацией. Статья полезна тем, что раскрывает так плюсы, так и минусы каждого алгоритма.

➡️ WildWood: a new Random Forest algorithm
Это новый ускоренный алгоритм случайного леса. По словам автора статьи, у WildWood прогнозы точнее, и работает метод гораздо быстрее, за счет особого агрегирования прогнозов с помощью "context
tree weighting".

➡️ Applying the Random Forest Algorithm to Image Classification
Этот мини-урок мы предлагаем изучить тем, кто только начинает вкатываться в CV. Довольно просто рассказывается об использовании случайного леса для классификации денежных банкнот.

Нашли тут интересное интервью бывшего сотрудника GitHub

Омоджу Миллер работала в GitHub на должности старшего MLE и поделилась в интервью о своем опыте работы в такой крупной компании:

➡️ Над чем Вы работали в GitHub?

Я создавала рекомендательные системы, которые помогали принимать решения разработчикам на основе их вклада в опенсорс.

➡️ Что было самым сложным в Вашей работе? Что больше всего нравилось?

Самое сложное — набраться терпения. Компания долго принимала решения насчет каждого продукта, а я была эгоцентрична и у меня было много идей и задумок, которые хотелось реализовать поскорее. К тому же, наша команда была первой ML-командой в GitHub, поэтому компании необходимо было чуть больше времени на внедрение.

➡️ Что Вам нравилось?

Больше всего мне нравился набор данных и возможность улучшать процесс разработки ПО. Набор данных был уникальным, так как практически все разработки ведутся на GitHub. Я чувствовала себя антропологом, который использует понимание стиля кодирования людей для ускорения общего прогресса.

➡️ Какой технологический стек использовался?

Для пайплайнов использовались SQL и Presto. В качестве редактора я использовала Atom, а если писала на Python, то использовался Jupyter, так как там очень удобно записывать гипотезы и предположения. Для развертывания — Kubeflow.

➡️ Вы работали над рядом проектов, как этот опыт сказался на понимании ML и будущего образовании?

Самое важное, что я поняла, — это то, что технология — это инструмент для людей. Если долго оставаться в рядах академиков, то можно легко увлечься технологиями ради технологий. Для ML-инженера это опасно. Важна не сама модель, а то, как ее можно использовать в пользу людей.

➡️ Порекомендовали бы Вы начинающим инженерам получить докторскую степень?

Если эта докторская степень будет чисто теоретической, то нет. Роль MLE не в том, чтобы раздвигать границы знаний, а в том, чтобы раздвинуть границы возможностей людей. То есть мы должны рассматривать перспективу влияния нашей технологии на ближайший год-два, в то время как научные исследования могут начать воздействовать на мир только лет через 10 или более.

Энтузиаст создал целый кладезь полезных материалов по LLM. На этом сайте есть буквально все:

⭐ Видео-уроки по файтюнингу, RAG, трансформерам и прочим нужным вещам;
⭐ Бесплатные курсы от топовых университетов;
⭐ Открытые наборы данных для обучения моделей;
⭐ Материалы по развертыванию LLM и многое другое.

Ссылку на сокровище оставляем здесь.