Использовать машинное обучение везде, где это возможно и целесообразно — и в пользовательских сервисах, и во внутренних процессах. Такую парадигму развития ML в компании озвучил Андрей Рыбинцев, старший директор по данным и аналитике «Авито». Обсудили, с чего начинается путь в Data Science, какие задачи кажутся самыми интересными и в каких процессах без ML уже не обойтись – а также то, как из гипотезы рождается продукт и какие «созидательные кейсы», позволяющие улучшить клиентский опыт, особенно важны IT-компаниям. Ведущие эпизода: Юлий Шамаев, начальник управления моделирования партнерств и ИТ-процессов ВТБ, и Марина Эфендиева, технологический обозреватель. Этот выпуск — «пилот» пятого сезона, который мы запускаем и в уже привычном формате аудио, и в новом для нашего подкаста формате видео. Слушайте и смотрите нас на удобных вам площадках и поддержите подкаст, если считаете, что он приносит пользу! Таймкоды: 00:00 Интро 00:32 Это подкаст «Деньги любя техно», и мы начинаем уже пятый сезон 01:42 Представление ведущих и гостя 02:27 Как становятся специалистами по машинному обучению 05:25 Почему мы про ML в IT и что сейчас актуально 07:30 Где ML нужнее: внутри или снаружи: рассматриваем на примерах 10:59 Какие метрики для измерения эффективности внедрения моделей существуют 14:15 ИИ для защиты пользователей 16:27 Команды ML, аналитиков и датасайентистов в Авито и ВТБ 20:09 Компетенции в Data Science 23:21 С чего начать работу с ML в компании 28:00 Делать самим или использовать готовые сервисы 31:10 Кто ставит задачи датасайентисту 34:34 Как привести к реальности ожидания заказчика 36:30 Без каких скиллов не обойтись датасайентисту 40:10 Рекомендации для тех, кто хочет стать специалистом в ML 44:20 Что будет актуально в ML в ближайшие годы 48:42 Поддержите наш подкаст и до новых выпусков
Hide player controls
Hide resume playing