DS-исследователь в Авито
Удаленно / Гибрид / Офис в Москве

Предстоит: искать и разрабатывать наукоёмкие подходы к решению задач партнёрских DS-команд юнита монетизации и сопровождать их внедрение в продукт; готовить публикации на международные А/A* конференции; курировать junior DS-исследователей и сопровождать их развитие... Узнать подробнее 🔵

Лекун считает, что многие директора раздувают проблему замены человека на ИИ

Уже больше года мы слышим то одни, то другие пророчащие заявления о том, что ИИ заменит большинство профессий. Но вот что об этом думает Крестный отец ИИ.

В недавнем интервью Ян Лекун заявил, что такие заявления неверны и чрезвычайно разрушительны. Он считает, что CEO компаний заинтересованы в том, чтобы подогревать интерес к своим продуктам, поэтому разбрасываются громкими заявлениями.

Вместо этого ученый посоветовал прислушаться к экономистам, которые, кстати, сомневаются в том, что ИИ уничтожит большие слои рабочей силы начального уровня.

Лекун отметил и пагубное влияние таких заявлений. Большое число молодых людей находится в депрессивном состоянии, так как всерьез считают, что их не возьмут на работу из-за ИИ.

Лекун также проводит параллель между прошлыми технологическими революциями и ИИ. То есть ИИ сделает человека более эффективным.

В целом ожидаемая позиция от ученого, который считает, что до AGI (ASI) очень далеко 🔵

Middle инженер данных в Точка
До 350.000₽
Удаленно

Предстоит: Работать с аналитиками и продуктовыми менеджерами: помогать им с выбором источников, оптимизацией запросов и архитектурой витрин; Автоматизировать сбор и трансформацию данных с помощью процедур в Oracle и Greenplum... Узнать подробнее 🔵

Автор на курс «Аудиоанализ, распознавание и генерация речи» в Яндекс Практикум
Удаленно

Предстоит: Создавать материалы для новых курсов в команде с другими авторами, методистами, редакторами, иллюстраторами и продакт‑менеджерами программы; Писать тексты уроков, в которых необходимо поддерживать интерес студентов к обучению.... Узнать подробнее 🔵

Компании, которые уволили сотрудников из-за ИИ, столкнулись с последствиями

Исследование от Gartner на основе компаний с доходом больше миллиарда, показало, что компании, которые рассчитывали резко сократить расходы за счет увольнений и замены сотрудников агентами, сталкиваются с обратным эффектом: автоматизация пока не дает той эффективности, которую обещают руководители и консультанты, а потеря опытных сотрудников начинает бить по качеству работы и устойчивости бизнеса. Неожиданно 💪

В статье отмечается, что ИИ-инструменты все еще требуют контроля со стороны людей и не способны полноценно заменить многие рабочие процессы. На фоне поспешных сокращений компании рискуют потерять экспертизу и столкнуться с дополнительными затратами, когда выясняется, что без сотрудников процессы работают хуже.

Главный вывод материала в том, что массовые увольнения ради «ИИ-оптимизации» не становятся универсальным решением. Вместо ожидаемой экономии бизнес нередко получает новые проблемы, а ставка исключительно на искусственный интеллект оказывается куда менее эффективной, чем предполагалось.

Junior Data Scientist в Сбер
Гибрид / Офис в Екатеринбурге

Предстоит: разработка, доработка и поддержка «лассических ML-моделей на всех этапах жизненного цикла; формирование и обработка набора признаков, выполнение их нормализации и отбор; обучение модели, подбор и оптимизация гиперпараметров... Узнать подробнее 🔵

Подборка открытых вакансий 🔵

Senior ML-инженер в Т-Банк
Гибрид / Офис

MLOps инженер в Ozon
Офис

ML-разработчик в Яндекс
Офис в Москве

Senior AI Engineer в My.Games
Удаленно

Data Scientist в Wildberries
Удаленно

Senior CV разработчик в 2GIS
Удаленно / Гибрид / Офис в Москве, Санкт-Петербурге, Новосибирске

Data Analyst в Авиасейлс
Удаленно

ElevenLabs внедряет инженеров в каждую нетехническую команду

Генеральный директор ElevenLabs в недавнем интервью рассказал, что добавляет инженера в каждую нетехническую команду.

И все ради одного – вайбкодинга.

В интервью он заявил, что

«в каждой команде, даже в юридической, будет инженер, который помогает с автоматизацией и повышением квалификации сотрудников».

Ожидается, что такие команды будут более автономными и даже начнут создавать собственные инструменты для улучшения рабочих процессов.

Собственно, как будет ощущать себя единственный разработчик в такой команде показали на картинке 🤭

Middle Data Engineer в ВТБ
Гибрид / Офис в Москве

Предстоит: создание и развитие единой модели данных для Службы; разработка и сопровождение витрин данных и аналитических отчетов; автоматизация процесса построения отчетности... Узнать подробнее 🔵

Senior AI/ML Engineer в Ланит
Удаленно / Гибрид / Офис

Предстоит: Создать систему (как минимум вайб-кодинга), где код генерируется LLM по промпту в терминах предметной области и разработать пайплайн валидации и «самокоррекции» сгенерированного кода; Создать ИИ-агентов, которые по запросу пользователя, финансовой отчетности и регламентам компании сами ставят задачи на доработки системы и формируют конфигурации модулей... Узнать подробнее 🔵

Если вы думали, что вас нечем удивить на интервью, то как насчет пивного собеса? 🍷

Да-да, вы не ослышались. Таким необычным способом Стив Джобс нанимал своих сотрудников. Речь, конечно, не об алкоголе, а о том, как ведет себя кандидат вне офиса за непринужденной беседой.

Вопросы были на пивном собеседовании тоже были не совсем шаблонными. Это было что-то вроде "Что ты делал прошлым летом?". Если ваше общение с главой Apple было неловким или скучным, то, вероятно, у вас не было бы шансов оказаться в компании.

У Джобса было серьезное отношение к найму сотрудников. По его словам, найти идеального кандидата, все равно, что искать иголку в стоге сена. Он сам называл свой необычный способ интервью интуитивным.

MLOps в Kaspersky
Гибрид / Офис в Москве

Предстоит: Проектировать архитектуру AI-систем (от прототипа до production); Внедрение GPU-планировщика (Kueue, Volcano или аналог) для шаринга нагрузки на одном железе; Проектирование и поддержка ML-пайплайнов (обучение, валидация, деплой моделей)... Узнать подробнее 🔵

Небольшая статья с разбором интервью по ML System Design

В разборе дается представление о том, как проходит этот этап, на какие типы он делится и что спрашивают для каждого грейда.

Выделяются два типа ML System Design: одни больше сосредоточены на архитектуре ПО, вторые - на постановке ML-задач и системах ранжирования.

Этапы по ML System Design некоторые считают сложнее, потому что здесь часто нет единственно правильного ответа. Нужно понимать компромиссы той или иной архитектуры и то, какая лучше подойдет под конкретный запрос.

🔷 Как правило, для джунов этот этап гораздо проще, потому что акцент делается не на бизнес-проблеме, а на том, насколько хорошо вы разбираетесь в технических деталях.

🔷 Для мидлов уже смотрят, как те справляются с масштабируемостью, задержками и целями продукта. Ожидается, что кандидат способен обсудить компромиссы между различными подходами, собрать данные, предложить способы эффективных экспериментов и стратегии оценки моделей. То есть нужно сохранять баланс между технической строгостью и практической осуществимостью.

🔷 От сеньоров ожидают глубокую экспертизу. Поэтому на этом этапе 95% времени говорить должны именно вы, но при этом не стоит забывать задавать уточняющие вопросы: как ваше решение может повлиять на бизнес, включая риски, и как отслеживать эффективность моделей.

Обычно этап ML System Design занимает около 40 минут и имеет следующую структуру:
- понимание бизнес-проблемы и уточняющие вопросы
- формулировка ML-задачи и метрик
- определение архитектуры (здесь проверяется, насколько правильно вы поняли задачу, а точечные детали определяются чуть позже)
- данные (сбор, обработка, очистка)
- подготовка признаков (подразумевается, что здесь вы будете решать, нужно ли уменьшать размерность, получать эмбеддинги или смешивать данные из разных источников)
- глубокое погружение в архитектуру (обсуждение trade-offs, масштабируемости, inference latency, мониторинга и способов доставки модели в production)
- A/B-тестирование (организация экспериментов)
- развертывание (оптимизация модели, мониторинг и прочее)

А чтобы подготовиться к ML System Design, можно посмотреть лекции от Стэнфорда 🤓

Подборка открытых вакансий 🔵

Middle/Senior ML-разработчик в Т-Банк
Гибрид / Офис

Аналитик данных в Ozon
Офис

MLOps engineer в ЦИАН
Удаленно / Гибрид / Офис в Москве, Санкт-Петербурге и Новосибирске

Data engineer в My.Games
Удаленно

Архитектор ИИ решений в Bia Technologies
Офис в Москве

Intern Data Analyst в МТС
Удаленно

Старший ML инженер в Альфа Банк
Удаленно

ArXiv начал банить за ИИ-слоп

В прошлом году площадка уже начала ужесточать политику публикаций в отношении обзорных статей, которые буквально завалили ArXiv ИИ-слопом. Теперь ужесточения коснулись и самих статей.

Оказывается, некоторые исследователи публиковали в архиве непроверенные и сгенерированные статьи, что немного подорвало доверие к площадке. Поэтому, если вы опубликуете статью с копипастой и не удосужитесь проверить, что там сгенерировала LLM, то вас могут ждать санкции – вплоть до невозможности публиковать статьи в дальнейшем.

Если вдруг вас забанили по ошибке, разумеется, будет возможность обжаловать решение. К тому же модераторы, прежде чем забанить статью или автора, должны будут доказать, что материал содержит плагиат, ошибки или вводящий в заблуждение контент.

Интересно, как ArXiv будет внедрять такую проверку 🤔