Мы в dsml.kz очень любим футбол и уже дважды проводили нашу фентези лигу по АПЛ!

До начала следующего сезона остались считанные дни, поэтому хотелось бы поздравить победителей прошлого сезона! (не ai-олимпиада конечно, но тоже очень уважаемые люди 🤣)

Призеры открытой лиги ДСМЛ
🥇 Zhanibek Teams (Zhanibek Darzhanov)
🥈 Get Lucky (Ospan Smagul)
🥉 LiverpoolAli (Alibek Zhakubayev)

Призеры head2head лиги ДСМЛ
🥇 Sneddy (Anuar Aimoldin)
🥈LiverpoolAli (Alibek Zhakubayev)
🥉 Get Lucky (Ospan Smagul)

Победитель кубка лиги
🥇 MakeShymGreatAgain (Daniyar Tule)

Финалист кубка лиги
🥈flylikeagakpo (Yelaman Serik)

Поздравляем победителей и ждем вас в наших фентези лигах:
Принять участие в новом сезоне

Мы хотим создать Research Hub DSML KZ, который объединяет исследователей ИИ/МО с центральноазиатскими корнями, независимо от того, находятся ли они в Алматы, Силиконовой долине или где-либо еще в мире.

Независимо от того, являетесь ли вы аспирантом в Ташкенте, исследователем в Google или профессором в Бишкеке - если у вас есть связи с Центральной Азией, вы работаете в области AI/ML и имеете хотя бы одну или две научные публикации в области ИИ, оптимизации, машинного обучения или смежных областях, мы любезно приглашаем вас заполнить нашу форму

Форма ресерчера
Заготовка ресерч портала
Linkedin

Abu Kanabek - How to win IOAI

Казахстан дебютировал на International Olympiad in Artificial Intelligence (IOAI) и занял 4-е место в командном зачёте.

Лучшим в сборной стал 9-классник Абу Канабек - золото и 9-е место в личном зачёте среди школьников всего мира.
Его пример показывает, что начать развиваться по ML/AI направлению можно и до универа

В большом интервью нашему Сообществу мы поговорили:
🔹 о его дороге к этой победе
🔹 какие уроки он извлек из этой олимпиады
🔹 необходимом соотношении между теорией и практикой
🔹 как он будет готовиться к следующей олимпиаде
🔹 и его пожеланиях энтузиастам нашего Сообщества

Как всегда надеемся на максимальный репост, если вы также как и мы разделяете наши ценности взаимной поддержки и саморазвития

Читать полное интервью
Linkedin post

Подготовили для вас подборку Telegram-каналов, которые рассказывают о карьерных возможностях, вакансиях в крупных компаниях, стажировках в международных организациях и многом другом.

Добавить папку

Запись DSML Reading Club #6 уже на канале!

Jimmy Yamazaki рассказал про Diffusion Policy: Visuomotor Policy Learning via Action Diffusion

Работа Diffusion Policy предлагает новый метод обучения роботов, который использует диффузионные модели. Он превосходит существующие подходы, так как может эффективно работать с высокоразмерными и мультимодальными действиями (когда одну задачу можно выполнить несколькими способами).

Модель учится на демонстрациях, а во время работы использует процесс шумоподавления, чтобы генерировать точные и плавные движения. Основные особенности метода: стабильное обучение, возможность визуальной привязки к окружению и контроль с убывающим горизонтом.

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

[00:27] – Имитационное обучение и проблемы обучения роботов.
[01:25] – Проблемы мультимодальности
[06:17] – Диффузионные модели как решения для обучения политик.
[13:22] – Обзор ключевых архитектурных решений
[17:19] – Сравнение архитектур на основе CNN и Transformer
[20:16] – Презентация экспериментальных результатов
[27:15] – Видеодемонстрации работы робота
[33:51] – Заключение

Host: Yelaman Abdullin
Linkedin post

DSML Reading Club Meeting #7

Causal Representation Learning from Multiple Distributions: A General Setting

In many problems the measured variables are functions of the latent causal variables (e.g., the underlying concepts or objects). For the purpose of making predictions in changing environments or making proper changes to the system, it is helpful to recover the latent causal variables and their causal relations. This problem has been known as causal representation learning. This paper is concerned with a general, completely nonparametric setting of causal representation learning from multiple distributions, without assuming hard interventions behind distribution changes.

На встрече обсудим:
- Что такое causal representation learning
- Как оно может применятся (на примере EEG)
- Параметрический и непараметрический сеттинг и VAE

• Суббота, 13 сентября, 11:00 KZ Time
• Добавить в календарь
• meet.google.com/aeo-oivb-zdp
• Speaker: Ayana Mussabayeva

Firebase Studio Championship

Получи шанс превратить свою идею в прототип и побороться за призы под оценкой экспертов Google и IT-специалистов Центральной Азии

Требования к участникам:
• Находиться физически в Центральной Азии
• Проект должен быть создан и развернут с помощью Firebase Studio.
• В проекте должен быть интегрирован и использован Gemini API.
• Необходимо иметь действительный Google Cloud Platform (GCP) ID.

Победители получат денежные призы:
• 1 место: $500 + ваучер Google Cloud на $1000
• 2 место: $400 + ваучер Google Cloud на $700
• 3 место: $300 + ваучер Google Cloud на $500
• 4 и 5 место: $200

Регистрация открыта до 20 сентября

Datathon’25

Datathon - ежегодный ивент от DataSci, NU. В этом году ребята подготовили 3 кейса с общим призовым фондом в 2.000.000 тг.

Участвовать могут как команды (до 4 человек), так и индивидуальные участники.

• Дата и место проведения: 20-21 сентября, Nazarbayev University (Astana)
• Дедлайн для регистрации: 17 сентября 23:59 (места ограничены)

Регистрация

На днях Higgsfield AI стал первым казахстанским единорогом с оценкой выше $1 млрд. Думаем, все уже слышали эту новость, так как это большое событие не только для AI сообщества, но и в целом для Казахстана.

Мы в свою очередь хотели бы просто по-дружески поздравить ребят из Higgsfield и порадоваться их победам! Ерзат @rlprompt - один из старожил нашего сообщества и является примером того, как человек может драйвить индустрию. Очень радостно видеть, как о Higgsfield говорят из каждого утюга, наблюдая стремительный рост!

Сегодня хороший повод вспомнить видение Ерзата в далеком 2018 году до повального AI хайпа на одном из наших митапов
https://youtu.be/l5V_UD5ouG0?si=zEi0rH3ucBHqU6s0

25 сентября резиденты нашего сообщества Агзам Шамсадинов (11 класс) и Абу Канабек (10 класс) завоевали третье место на полуфинале иранской международной университетской олимпиаде по анализу данных Technology Opympics 2025!

На командном соревновании было предложено предложено 6 задач, охватывающих классификацию, регрессию и временные ряды.
Задачи необходимо было решить за 24 часа.

Ребята заняли абсолютное третье место и были приглашены на финальный ивент, который пройдет в Тегеране 30 октября.

Representation Learning & GenAI Winter School, MBZUAI

Mohamed bin Zayed University of Artificial Inteilligence (MBZUAI, Abu-Dhabi) проведет зимнюю школу по Representation Learning & GenAI для студентов магистратуры и PhD, а также для сильных бакалавров, начинающих исследователей и людей из индустрии.

Подтвержденные спикеры: Michael Bronstein (DeepMind Professor of AI, Oxford), Florence Forbes (Director of Research, INRIA), Arthur Gretton (Professor, UCL), Salman Khan (Associate Professor, MBZUAI), Alexander Korotin (Assistant Professor, Skoltech), Ivan Laptev (Professor, INRIA / MBZUAI), Eric Moulines (Professor, École Polytechnique / MBZUAI), Yuandong Tian (Research Scientist Director, Meta GenAI), Kun Zhang (Professor, CMU/ MBZUAI).

Программа будет проходить 5 дней (расходы на перелет, проживание и питание покрывают) с 9 по 13 февраля.
Дедлайн подачи заявки: 10 октября
mlws.mbzuai.ac.ae

K2 Think Hackathon | Абу-Даби 7-9 ноября

Создай проект, который использует K2 Think (открытую 32B reasoning-модель от MBZUAI × G42, созданную для глубокого мышления). Хакатон проходит в два этапа:

• Онлайн Global Idea Call: аппликанты сдают одностраничный документ, где описана идея проекта с применением K2 Think.
Дедлайн: 26 октября (10 утра по Астане)

• 48-часовой финал в Абу-Даби для топ-10 на кампусе MBZUAI, который пройдет 7-9 ноября

Хакатон открыт для всех участников по всему миру без возрастных ограничений. Финалисты получат travel grant до AED 20 000 на человека (перелёт, проживание, питание).

Cсылка на регистрацию: hackathon.k2think.ai/#apply

Онлайн-интенсив по масштабированию LLM от ШАД

С 10 по 14 ноября пройдёт бесплатный онлайн-интенсив по масштабированию LLM. 

За 5 дней вы узнаете, как работать с большими языковыми моделями. Вас ждут:
• Инженерные и математические идеи, лежащие в основе масштабных моделей.
• Методы ускорения распределённого обучения и инференса.
• Практические подходы к масштабированию от ведущих специалистов Yandex.
• Презентации и воркшопы — на русском языке.
• Q&A-сессии и общий чат участников.

Интенсив будет полезен ML-инженерам, исследователям и разработчикам, которые хотят выйти за рамки одной GPU и глубже понять, как устроены современные LLM.

Дедлайн регистрации: 13 ноября

Яндекс и АНО ДПО “Образовательные технологии Яндекса” не оказывают образовательные услуги в рамках проекта Интенсив от Школы анализа данных.
Рекламный контент

Резидент сообщества konakona в составе команды Lightricks показал блестящий результат на открытых бенчмарках Artificial Analysis Arena:
🏆 3 место — image-to-video
🏅 7 место — text-to-video

Команда обошла такие модели, как OpenAI Sora, Runway Gen-4, ByteDance Waver, Luma Ray и другие топовые системы генерации видео.

Особенность арены — это «слепое» голосование: пользователям показывают видео от разных моделей, и они выбирают лучший результат, не зная, какая система его сгенерировала. Такой формат делает оценку максимально честной и отражает реальные предпочтения зрителей.

Konakona обещает продолжать контрибьютить в опенсорс!

🔹 Leaderboard
🔹 Weights - Hugging Face
🔹 Inference - GitHub
🔹 Q8 Kernels - GitHub

Поздравляем победителей K2 Think хакатона!

В хакатоне участвовало 900 команд из 30+ стран. В
финальном туре команды встретились в Абу-Даби чтобы создать проект на базе открытой 32B языковой модели K2 Think за 48 часов. Среди финалистов были команды из Google Deepmind, Cornell University, Harvard Medical School, Hong Kong University of Science and Technology, MBZUAI и др.

Победителями стала казахстанская команда Axiom: Бахыт Момунов, Нурмухамед Зибаткалиев и Александр Шакиев

Используя свой опыт в математических олимпиадах, ребята представили Math Research and Proof ассистента, настроив модель K2 Think для автоматического ИИ-перевода математических доказательств с естественного человеческого языка в формальный вид на машиночитаемом языке Lean. Формализованное доказательство вне зависимости от длины и сложности в результате можно точно проверить на логическую обоснованность и истинность

15 ноября в стенах NU пройдет DataConDa’25!

Цель мероприятия — развитие и популяризация этих направлений среди студентов и молодых специалистов, а также укрепление сотрудничества между академическим сообществом и индустрией.

Целевая аудитория: студенты технических специальностей, начинающие инженеры, практикующие специалисты в области машинного обучения и исследователи.

Программа включает: выступления экспертов, практические воркшопы, секции для стартапов и исследовательских проектов, неформальное общение и сессии для обмена идеями и опытом.

Дата: 15 ноября, суббота
Место проведения: Назарбаев Университет
Время: 09:30–19:00

Дедлайн регистрации 13 ноября (23:59)
С деталями программы можно ознакомиться на datasci.digital

Рады поделиться, что наша команда MBZUAI [dsml.kz] (Ануар Аймолдин, Аяна Мусабаева и Едыге Мусабаев) заняла абсолютное первое место (по совокупной метрике) в EEG Foundation Challenge, проходившем в рамках NeurIPS Competition Track 2025!

В рамках челленджа было две задачи:
1️⃣ Предсказание времени реакции по стимул-зависимому ЭЭГ
2️⃣ Предсказание externalizing фактора по ЭЭГ (психометрической характеристики, отражающей общую размерность психопатологии между различными расстройствами).

Итоговая метрика объединяла результаты метрик по обеим задачам (30 % Задача 1 + 70 % Задача 2).

Как победители, мы были приглашены представить нашу работу на NeurIPS 2025 Competition Track и Workshop on Foundation Models for the Brain and Body.

🏆 Вы можете ознакомиться с нашим решением, которое мы выложили в открытый доступ: https://github.com/sneddy/neurosned

Neurosned — это полностью воспроизводимый end-to-end пайплайн для обучения, включающий вспомогательные скрипты, наши вручную задизайненные легковесные модели и туториалы в формате Jupyter-ноутбук.

Мы надеемся, что этот проект будет интересен всем исследователям, кто интересуется neuroscience, BCI или ЭЭГ-моделированием!

Linkedin Post

Звездочки на гитхабе и лайки в linkedin highly appreciated 😂