Нашли для вас свежую методичку от исследователей Google 🚀

Методичка по Context Engineering была опубликована совсем недавно для всех тех, кто занимается LLM-агентами. В ней подробно рассматривается лучшие практики проектирования контекста, включая вопросы оптимизации и особенности для мультиагентных систем.

Исследователи также прошлись по памяти: объясняли, как заставить LLM учиться и сохранять информацию за пределами текущей сессии. В документе также подробно рассказали про архитектуры хранения, типы памяти и механизмы ее создания, но и про сложные процессы тоже не забыли. Например, затронули извлечение памяти, необходимого для включения «воспоминаний» в инференсе у агента.

Подборка открытых вакансий 🔵

Стажер Специалист по разработке компонентов ML и AI-решений в ПСБ
От 40.000 до 80.000₽
Офис в Москве

Junior Data Analyst в Wildbberies
Гибрид / Офис в Москве

Middle/Senior Researcher в VK
Гибрид / Офис в Москве

Data Scientist в Авито
Удаленно / Гибрид / Офис в Москве

Middle Data Scientist в Ozon
Удаленно / Гибрид / Офис

Senior Research Scientist в Т-Банк
Удаленно / Гибрид / Офис в Москве

Senior Big Data Engineer в Lamoda
Гибрид / Офис в Москве

ML Engineer в Positive Technology
Удаленно

Middle Специалист по анализу данных в МТС
Удаленно / Гибрид / Офис в Москве

Предстоит: заниматься сбором и хранением информации о состоянии ИТ-инфраструктуры из различных источников; очищать, трансформировать и анализировать собранные данные для выявления тенденций и закономерностей…. Узнать подробнее 🔵

Здорово, если вы разбираетесь в ML: знаете от и до линал, статистику и все необходимое для создания и развертывания моделек. Но... вы так и не научились писать читаемый код 😐

Мы уже не раз говорили, что рекрутеры смотрят не только на знания и умение решать задачи компании, но и на структуру и читаемость вашего проекта. Так вот, мы нашли отличное пособие, которое поможет вам делать свои ML-проекты структурными!

Автор прошелся по всем больным местам: создание репозитория, настройка виртуальной среды, комментирование функций, тестирование и другое. Это базовые вещи, но почему-то многие о них забывают.

Middle Data Scientist в Korona Tech
Удаленно / Гибрид / Офис в Томске

Предстоит: обработка сырых данных;генерация гипотез; построение пайплайна обработки данных; подготовка и проведение А/В тестов…. Узнать подробнее 🔵

Пару рабочих дней из жизни самого обычного MLщика

Всем нам, конечно, интересно, как там работают в таких компаниях, как Google, OpenAI или Meta*, но как обстоят дела в обычных заурядных компаниях? Так вот, инженер поделился своими рутинными задачами:

1. Обсуждение с клиентом характеристик его данных и разработка плана по их дополнению с использованием синтетических данных.
2. Реализация скрипта на Python для генерации синтетических данных на основе шаблонного изображения и набора правил.
3. Настройка пайплайна с использованием AWS Step Functions, Lambdas и SQS для обработки большого набора изображений, находящихся в контейнере S3.
4. Синхронизация пайплайна S3 с локальной файловой системой и таблицей MySQL. Разработка на Python с использованием AWS SQS и Lambdas.
5. Разработка и реализация Docker-образа для развертывания моделей обнаружения объектов TensorFlow на конечных точках SageMaker.
6. Разработка и реализация набора скриптов для обучения и развертывания различных моделей на многомодельной конечной точке SageMaker.
7. Разработка CV-модели, которая использует специальный генератор Keras и объединяет пиксельные данные с дополнительными функциями для повышения производительности.
8. Создание приложения, которое подключается к камерам Spot Boston Dynamics и заставляет робота реагировать на визуальные подсказки.
9. Работа над front-end-приложением на Angular для реализации уведомлений socketio между приложением и сервером.
10. Реализация API на Flask, позволяющего приложению, работающему на Fargate, создавать задания по маркировке SageMaker.

Вот такая насыщенная рутина у рядового MLщика 😰

Python Developer (AI, LLM) в Raft Digital Solutions

Предстоит: Разработка и поддержка серверной части AI-решений и веб-приложений; Разработка пайплайнов AI приложений и агентов; Интеграция с облачными и on-premises LLM моделями и внешними сервисами…. Узнать подробнее 🔵

Тимлид в AI-направление (Python, LLM) в Raft Digital Solutions

Предстоит: Формирование и управление техническим бэклогом; Техническое лидерство проекта; Поддерживать эффективность процессов разработки и вовремя выявлять риски; Обеспечивать стабильность поставки фич согласно плану…. Узнать подробнее 🔵

Стажер Data Science в Navio
Офис в Москве

Предстоит: Работа над созданием и поддержкой датасетов; Формирование набора данных для машинного обучения; Практическое освоение методов анализа данных и построения моделей…. Узнать подробнее 🔵

На Kaggle стартовала математическая олимпиада среди ИИ 🚀

Это уже третий конкурс от AIMO Progress Prize: на этот раз команда не только подготовила новые сложные задачки, но и придумала новый формат самих задач. Но это всё ещё проблемы из области комбинаторики, алгебры, теории чисел и геометрии.

Требования к решению как обычно: оно должно быть опен-сорс, а также укладываться во временные лимиты на GPU и CPU (до 5 и до 9 часов на сессию соответственно), и, конечно же, код должен быть воспроизводимым.

После окончания соревнования все отправленные модели будут запущены дважды на приватном наборе данных из 50 задач, чтобы оценить, насколько хорошо модели справляются с рассуждениями на новых задачах. Так что хорошо было бы отдельно оценить возможности своей модельки рассуждать.

В этот раз организаторы расщедрились и предоставили призовой фонд в размере 2 млн долларов. Как уже говорили — олимпиада стартовала вчера и продлится ещё 5 месяцев, так что успеваем и участвуем ❤️

Разработчики жалуются, что их заставляют использовать ИИ для написания кода

Недавно один программист рассказал, что в его новой компании обязывают использовать Cursor. Сам он не против применять ИИ для помощи в работе. Но когда код превращается в нечто непонятное, времени на тестирование и разбор того, что же в итоге написал Cursor, уже нет. Ведь менеджерам важно лишь то, что скрипт готов быстро.

Самое пугающее в этой истории то, что под постом собралось немало разработчиков, столкнувшихся с той же проблемой. У кого-то ситуация аналогичная: менеджеры требуют работать быстро и использовать ИИ-инструменты. А кто-то рассказывает, что у них менеджеры проверяют количество использованных токенов и спрашивают, если оно ниже определённой планки.

Назревает вопрос: если произойдут провалы в безопасности или в коде будет много галлюцинаций, кого будут винить? 💀

Подборка открытых вакансий 🔵

Middle Data Engineer в Yadro
Гибрид / Офис в Москве

Senior Data Engineer в Floctory

Middle Data Scientist в ЦИАН
Удаленно / Гибрид / Офис в Москве, Санкт-Петербурге и Новосибирске

Middle/Senior ML-инженер NLP в Точка
До 575.000₽
Удаленно

Middle/Senior Data Analyst в Авиасейлс
Удаленно

Middle ML Engineer в Positive Technology
Удаленно / Гибрид / Офис в Москве, Санкт-Петербурге и Новосибирске, Томске

История, о которой сложно молчать: компания потребовала у стажера сдать выигранную RTX 5060

Шанхайского стажера компания отправила в командировку, оплатив все расходы, чтобы тот принял участие в ивэнте от Nvidia (здесь ему уже можно позавидовать).

Во время мероприятия среди зрителей провели лотерею, и по счастливой случайности видеокарту выиграл именно стажер.

Через некоторое время руководство узнало, что сотрудник получил ценный приз, и, конечно же, потребовало отдать видеокарту.

Несмотря на давление со стороны компании и фразу «искать другую работу», стажер все же не отдал GPU и уволился.

Юристы, правда, говорят, что ситуация неоднозначна: нужно смотреть, получил ли сотрудник GPU в рамках служебных обязанностей или ему просто повезло. И то, что у компании не было четких правил на случай подобных ситуаций в командировках, играет против нее — по закону она вряд ли могла требовать передачи видеокарты.

Вот вам и корпоративная культура 😭