Начинаем выкладывать видеозаписи с недавно проведенного DSMLKZ митапа в Алматы!

В рамках приветствия Ануар Аймолдин рассказал о Сообществе DSML.KZ: его истории, ценностях, мероприятиях и достижениях.

Вспомнили ребят, которые его создавали, а также обсудили итоги проведенной нами Республиканской AI Олимпиады для школьников

Материалы с выступления:
• Презентация
• Видео

Generative models in Neuroimaging - Zhuldyzzhan Sagimbayev

Продолжаем выкладывать видеозаписи с проведенного нами DSMLKZ Meetup Almaty

Доклад Жулдыз-Жана Сагимбаева посвящен применению генеративных моделей в нейровизуализации, на примере кейсов компании CerebraAI по ранней диагностике инсульта. Он объясняет использование КТ и МРТ для визуализации мозга и подробно описывает генеративные модели (автоэнкодеры, VAE, GAN, диффузионные модели) и их применение для обнаружения аномалий и генерации синтетических данных в медицине.

[02:36] Нейровизуализация: Компьютерная томография (КТ)
[05:36] КТ-ангиография и КТ-перфузия
[09:30] Магнитно-резонансная томография (МРТ)
[11:15] Генеративные модели: Автоэнкодеры и VAE
[15:19] Генеративные модели: GAN и диффузионные модели
[17:34] Генеративные модели для обнаружения аномалий
[18:46] Синтетические данные и файн-тюнинг VLM
[21:47] Вопросы и ответы

Материалы с выступления:
• Презентация
• Видео
• Пост на Linkedin

From imagination to action: World Models - Jimmy Yamazaki

Продолжаем выкладывать видеозаписи с проведенного нами DSMLKZ Meetup Almaty

Доклад Джимми Ямазаки посвящён World Models в глубоком обучении. Он объясняет, почему эти модели важны для обучения с подкреплением (RL), позволяя агентам обучаться во внутренних, смоделированных средах. Джимми рассматривает эволюцию мировых моделей, включая такие архитектуры, как DreamerV3, и представляет новые подходы, такие как Diamond (использующий диффузионные модели) и Genie (создающий интерактивные среды из изображений). В заключение он подчеркивает, что мировые модели выходят за рамки традиционного RL и открывают новые горизонты для масштабируемых и предсказуемых решений.

[01:10] Обзор обучения с подкреплением (RL)
[03:20] Мотивация World Models
[07:22] Первая World Model и ее эволюция
[13:19] Обзор DreamerV3
[15:37] Почему DreamerV3 не нравится
[17:35] Diamond: Диффузия для моделирования мира
[20:07] Модели Genie
[28:08] Выводы и направления исследований
[29:55] Вопросы и ответы

Материалы с выступления:
• Презентация
• Видео
• Пост на Linkedin

Разделение: МЛ Академия vs МЛ Индустрия - Аяна Мусабаева

Продолжаем выкладывать видеозаписи с проведенного нами DSML Meetup 2025

В этом видео Аяна Мусабаева рассказывает о своем карьерном пути в сфере машинного обучения, сравнивая академическую и индустриальную среды. Она делится своим образовательным и профессиональным опытом, начиная с бакалавриата и магистратуры, а затем переключаясь с PhD на работу тимлидом ML-команды и техническим директором в стартапах. Аяна подробно сравнивает финансовые аспекты, методологии работы, мотивацию и построение личного бренда в академии и индустрии, а также делится опытом совмещения этих двух карьер.

Основные моменты с тайм-слотами:
[00:40] Карьерный путь Аяны
[04:18] Финансовые аспекты
[07:43] Опыт в индустрии
[09:28] Опыт в академии
[11:31] Causal inference
[13:10] Мотивация и различия в методологии
[17:10] Личный бренд
[21:09] Как выбрать между академией и индустрией?
[26:39] Вопросы и ответы

Материалы с выступления:
• Презентация
• Видео
• Пост на Linkedin

DSML Reading Club Meeting # 5 | 17.07.2025
Energy-Based Transformers are Scalable Learners and Thinkers
Спикер: Еламан Абдуллин

Техники вычислений на этапе инференса, аналогичные человеческому «Системе 2» мышления, в последнее время становятся популярными для повышения производительности и точности моделей. Однако большинство существующих подходов страдают от ряда ограничений: они являются специфичными для модальности задач или требуют дополнительного надзора/обучения сверх unsupervised предобучения. Можно ли обобщить эти подходы к мышлению «Системы 2» и разработать модели, которые учатся мыслить исключительно с помощью обучения без учителя?

На встрече обсудим:
- Что такое Energy Based Models?
- Почему Ян Лекун считает что LLMки не приведут нас к AGI?
- Что такое Energy-Based Transformers?
- Подискутируем про будущее AI, прав ли Лекун, какой импакт будет иметь эта статья и в целом EBM на будущее AI

• Четверг, 17 июля, 11:00 KZ Time
• Добавить в календарь
• Google Meet: meet.google.com/yws-xqto-spv

All about football data analysis - Renat Alimbekov

Продолжаем выкладываить видеозаписи с прошедшего DSML Meetup 2025

В этом видеоролике Ренат Алимбеков рассказывает о различных типах данных, используемых в футболе, и о том, как их можно визуализировать и анализировать. Он также затрагивает тему моделирования стиля игры команд и использования аналитики для скаутинга игроков.

Основные моменты с тайм-слотами:
[00:36] Обсуждение фитнес- и GPS-данных в футболе
[02:25] Подробный разбор ивент-данных, их структуры и содержания.
[03:35] Методы визуализации футбольных данных.
[05:34] Метрика Expected Goals (xG), и ее ограничения.
[08:30] Метрика PPDA (Passes Per Defensive Action) для оценки интенсивности прессинга.
[09:16] Метрика EPV (Expected Possession Value) для оценки ценности владения мячом.
[11:48] Моделирование стиля игры команд с использованием Non-negative Matrix Factorization (NMF).
[15:59] Кейс Лукаса Васкеса в Реале и возможность использования аналитики для выбора игроков.
[17:42] Обсуждение использования аналитики для скаутинга игроков, на примере Брайтона.

• Видео
• Презентация
• Linkedin пост

Запись DSML Reading Club #5 уже на канале!

Еламан Абдуллин рассказал про Energy-Based Transformers are Scalable Learners and Thinkers

Техники вычислений на этапе инференса, аналогичные человеческому «Системе 2» мышления, в последнее время становятся популярными для повышения производительности и точности моделей. Однако большинство существующих подходов страдают от ряда ограничений: они являются специфичными для модальности задач или требуют дополнительного надзора/обучения сверх unsupervised предобучения. Можно ли обобщить эти подходы к мышлению «Системы 2» и разработать модели, которые учатся мыслить исключительно с помощью обучения без учителя?

Смотреть видео: https://youtu.be/BLaWTSCI8VQ

[00:00] - Вступление и информация о Reading Club
[02:24] - Обзор структуры презентации и обсуждение маркетинга статьи, включая мнение Яна Лекуна.
[06:06] - Подробная структура статьи и оценка распределения вероятностей данных.
[08:47] - Проблема построения сложных генеративных моделей, формализация проблемы и решения для их создания.
[12:41] - Что такое Energy-Based Models (EBMs), их функция энергии, и связь с вероятностными моделями.
[17:39] - Типы EBMs.
[22:55] - Проблемы EBMs, последние достижения в этой области и вопрос о функции энергии в задачах классификации.
[30:28] - Как модели учатся на неконтролируемом обучении, использование EBMs, и EBT для причинно-следственного авторегрессионного моделирования.
[34:47] - Energy-Based Transformers (EBT) и их возможности мышления.
[42:47] - Заключение и преимущества EBT перед GAN.
[45:53] - Вопросы и обсуждение: ценность градиента, расчет шагов (N steps) и яркие case study для EBM.

Machine Learning for Long-Term Investment - Dulat Atabek

Продолжаем публиковать видео с DSML Meetup 2025!

Дулат Атабек - Head of Quantitative Research в Atlas Capital демонстрирует, как использование передовых моделей, в частности Hierarchical Risk Parity (HRP), позволяет значительно превзойти доходность традиционных подходов, таких как индекс S&P 500, при одновременном снижении рисков. Дулат расскажет, как современные методы анализа данных обладают потенциалом для кардинального улучшения инвестиционных подходов.

Основные моменты с тайм-слотами:
[00:00] Введение в ML для долгосрочного инвестирования.
[01:00] Общая доходность различных активов с 2013 по 2023 год.
[03:25] Теория эффективного рынка и производительность S&P 500.
[07:48] Задача максимизации коэффициента Шарпа.
[08:55] Задача минимизации волатильности.
[09:11] Результаты портфеля Марковица.
[09:25] Метод главных компонент (PCA) для уменьшения размерности.
[10:32] Иерархический паритет рисков (HRP) для распределения весов.
[12:50] Сравнение производительности HRP, S&P 500 и Марковица.
[16:56] Мультиполярный мир и его влияние на инвестиции.
[18:01] Производительность золотого портфеля по сравнению с S&P 500.
[18:52] Результаты моделей с 1975 года: HRP против S&P 500.
[22:07] Вопросы аудитории

• Видео
• Презентация
• Linkedin пост

🇰🇿 Казахстан — 6 медалей на IMO 2025

Сборная Казахстана заняла 17-е место среди 110 стран на 66-й Международной математической олимпиаде (IMO 2025), прошедшей в июле в Австралии.

Наши медалисты:
🥈 Miron Yurkevich — 73‑е место
🥈 Amirlan Amanzholov — 82‑е место
🥈 Margulan Sharel — 91‑е место
🥈 Amir Sakhipov — 91‑е место
🥉 Yerkanat Kengshilik — 203‑е место
🥉 Yerassyl Altynbek — 243‑е место

Команда набрала 175 баллов из 252 возможных и вошла в топ‑20 сильнейших в мире. Несмотря на отсутствие золота, этот результат — один из лучших за последние годы, что подтверждает высокий уровень подготовки казахстанских школьников.

Поздравляем участников и наставников с этим достижением!

Поздравляем Серғазы Нұрбавлиева (@math56159) — победителя Google Cloud Multi-Agent Hackathon!

Его проект SalesShortcut — система продаж на 34 AI-агентах и 5 микросервисах, полностью автоматизирующая цикл SDR от поиска лидов до звонков клиентам с голосовыми ботами ElevenLabs. В составе команды Серғазы завоевал GRAND PRIZE в $15,000!

Подробнее

How to feed an LLM to make it grow big and smart - Ivan Degtev

Продолжаем публиковать видео с DSML Meetup 2025!

В этом видео Иван Дегтев, руководитель аналитики YandexGPT, подробно рассказывает о большой языковой модели Яндекса. Он делится этапами создания YandexGPT, её возможностями и тем, как она применяется в различных продуктах Яндекса. Также обсуждается, как YandexGPT 5 Pro показывает себя по сравнению с другими моделями и как аналитика помогает улучшать качество таких систем. Иван затрагивает и важные вопросы в развитии искусственного интеллекта, в том числе проблему галлюцинаций моделей.

Основные моменты с тайм-слотами:
[00:43] Эволюция YandexGPT: от первой версии до YandexGPT 5
[04:58] Производительность YandexGPT 5 Pro и продукты Яндекса
[06:43] Роль аналитики в разработке больших языковых моделей
[08:12] Типичный процесс улучшения качества LLM
[09:28] Ключевые направления развития YandexGPT (B2C, B2B, RAG)
[11:16] Примеры улучшений YandexGPT
[14:37] Основные вызовы в разработке LLM
[17:13] Проблема галлюцинаций и контроль качества
[18:31] Что Где Когда от YandexGPT

• Видео
• Презентация
• Linkedin пост

Mathematical tricks for delivery optimization: Matching Problem - Anuar Aimoldin

Продолжаем публиковать видео с DSML Meetup 2025!

В этом видео мы углубимся в оптимизацию доставки еды при помощи машинного обучения. Вы узнаете, как решаются реальные задачи в логистике: от эффективного сопоставления курьеров и заказов с помощью Венгерского алгоритма до построения сложной функции стоимости. Также мы покажем, как целочисленное линейное программирование (ILP) позволяет создавать оптимальные маршруты и планы доставки, повышая общую эффективность бизнеса. Если вам интересны логистика, машинное обучение в реальном мире и то, как технологии меняют курьерские службы, это видео для вас!

Основные моменты с тайм-слотами:
[00:38] Презентация обсуждаемых кейсов
[01:41] Постановка проблемы: сопоставление курьеров и заказов
[04:08] Венгерский алгоритм для задачи о назначениях
[06:22] Три типичных шага базового решения задачи матчинга
[07:56] Как грамотно определить функцию стоимости для оптимизации
[12:44] ILP-солвер для матчинга с пулингом: один курьер на несколько заказов
[14:34] Пример работы ILP-солвера для Рената и Локхида
[16:02] Формальная постановка оптимизационной задачи
[20:36] Трюк при формировании кост матрицы
[23:09] Вопросы из зала

• Видео
• Презентация
• Linkedin пост

Рады представить последнее видео с DSML Meetup 2025!

В этом видео Ануар Аймолдин продолжает рассказывать, как математические и мл трюки помогают сделать доставку быстрее и надёжнее.

Мы разберём, как модели машинного обучения и гео-пространственные данные повышают точность прогнозирования ETA и помогают определять стадию выполнения заказа, обсудим проблему FakeGPS — почему курьеры подделывают координаты, чем это опасно для бизнеса и как это выявлять, а также рассмотрим альтернативу децентрализованным системам доставки - концепцию распределённого планирования дежурств, которая балансируя спрос и предложение, оптимизирует зоны работы и графики курьеров.

Основные моменты с тайм-слотами:
[00:02] - Важность точной оценки ETA в доставке
[02:10] - Выбор модели для оценки ETA
[08:24] - Разделение поездки на walking и driving time
[09:55] - Проблема FakeGPS
[11:36] - Детекция использования FakeGPS
[15:08] - Недостатки централизованной системы логистики
[16:44] - Концепция системы планирования дежурств
[17:54] - Определение оптимальных зон для работы курьеров
[20:41] - Оптимизация смен и графика работы курьеров
[24:17] - Вопросы и выводы по докладу

• Видео
• Презентация
• Linkedin пост

Сегодня ребята, отобранные на Республиканской Олимпиаде по AI отправились в Пекин на IOAI 2025.

IOAI - это главное соревнование по AI для школьников. В этом году нашу страну будут представлять две команды или 8 талантливых ребят: Сұлтанби Исатай, Батыр Ерденов, Талим Аушахман, Бекетов Даужан, Әбу Қанабек, Жанибек Касымкан, Тимур Шакуров, Сұлтанбек Сары.

Мы едем на эту Олимпиаду впервые, но все равно верим в наших ребят! Желаем им успехов!

С 27 июля по 1 августа в Вене прошло 63-е ежегодное собрание Ассоциации компьютерной лингвистики (ACL 2025) — одна из самых престижных конференций в области NLP и AI!

На конференции были представлены работы наших соотечественников и резидентов Сообщества. Представленные работы расширяют научную базу для построения и оценки LLM в условиях малоресурсных языков, с особым вниманием к казахскому:

• Instruction Tuning on Public Government and Cultural Data for Low-Resource Language: a Case Study in Kazakh (Nurkhan Laiyk, Daniil Orel, Maiya Goloburda)

• KazMMLU: Evaluating Language Models on Kazakh, Russian, and Regional Knowledge of Kazakhstan (Mukhammed Togmanov, Nurdaulet Mukhituly, Diana Turmakhan, Maiya Goloburda, Bekassyl Syzdykov, Nurkhan Laiyk)

• Qorgau: Evaluating LLM Safety in Kazakh-Russian Bilingual Contexts (Maiya Goloburda, Nurkhan Laiyk, Diana Turmakhan, Mukhammed Togmanov, Askhat Sametov, Nurdaulet Mukhituly, Daniil Orel)

• CoDet-M4: Detecting Machine-Generated Code in Multi-Lingual, Multi-Generator and Multi-Domain Settings (Daniil Orel)

• RECALL: Library-Like Behavior In Language Models is Enhanced by Self-Referencing Causal Cycles (Zangir Iklassov)

Это знаковый момент для всего AI-сообщества Казахстана! Поздравляем авторов с выходом на мировую сцену и ждем новых достижений!

🇰🇿 Казахстан на IOAI 2025!

Прямо сейчас идет Olympiad in Artificial Intelligence (IOAI) - престижная международная олимпиада по ИИ для школьников. В этом году Казахстан представлен двумя командами!

Уже через час начнётся командный контест, где ребята будут разрабатывать логику для GalBot’а — автономного робота, которого предстоит запрограммировать и протестировать в симуляционной среде.

Топ-10 команд по итогам отборочного тура пройдут в следующий раунд, где будут работать с настоящим роботом GalBot.

Следите за апдейтами — будем делиться новостями прямо с места событий!

Болеем за наши команды!

IOAI Updates

3 часа / 6 часов

Kassymkan Zhanibek 0.9734 0.7392 0.6537
Kanabek Abu 0.9776 0.8078 0.3055
Yerdenov Batyr 0.9456 0.6851 0.3077
Issatay Sultanbi 0.9867 0.7574 -1
Aushakhman Talim 0.9772 0.3678 -1
Shakurov Timur 0.9259 -1 -1
Sary Sultanbek 0.925 -1 -1
Beketov Dauzhan 0.9063 -1 -1

Наш соотечественник на первом месте к середине олимпиады из почти 300 участников

Дальенейшие апдейты ждите в комментариях к этому посту и в канале Нурдаулета Аханова и Куаныша Отеу https://t.me/ioaikaz

DSML Reading Club Meeting #6

На этом семинаре мы поговорим про — Diffusion Policy: Visuomotor Policy Learning via Action Diffusion (https://arxiv.org/pdf/2303.04137v4)

В работе представлен метод Diffusion Policy — новый способ генерации поведения робота, где визуомоторная политика моделируется как условный denoising diffusion процесс. Метод стабильно превосходит существующие, в среднем на 46.9%. Модель обучается градиенту функции плотности действий и во время инференса оптимизирует поведение через стохастическую динамику Ланжевена. Метод хорошо работает с многомодальными распределениями и высокоразмерными действиями, обеспечивая стабильное обучение. Ключевые технические решения: контроль с убывающим горизонтом, визуальная привязка и трансформер для временных рядов. Работа открывает путь к новым подходам обучения политик на базе диффузионных моделей.

• Суббота, 9 августа, 11:00 KZ Time
• Добавить в календарь
• Google Meet
• Speaker: James Yamazaki
• Host: Yelaman Abdullin

На нашем сайте обновилась страница JOBS.

Теперь на сайте в одном месте можно
🔹найти как ML вакансии, так и вакансии по IT и разработке
🔹искать вакансии конкретной компаниям
🔹фильтровать, если вы ищете только удаленную работу.

https://www.dsml.kz/jobs