Интересных новостей тайм!
В том году выступала на Aha conf, в этом году зову вас принять участие в этой конфе (она реально крутая)

29 и 30 мая в Москве пройдет Aha!25 — техническая конференция о product science, продуктовой аналитике и эффективности бизнеса. В этом году ребята впервые расширили программу до двух дней: 16 тематических потоков и более 1200 участников на одной площадке.

На сцене — топ-эксперты из Т-Банка, Яндекса, Авито, OZON, Альфа-Банка и других крупнейших компаний Рунета и СНГ: Виктор Кантор (MLinside), Кевин Ханда (Uzum), Сергей Веренцов (EORA), а также профессора и кандидаты наук из ИТМО, РЭШ, Центрального университета.

По данным отраслевых отчётов, опросов и исследований, «экономика» — самый востребованный навык для развития среди продуктовых специалистов. Поэтому будем еще больше обсуждать деньги и бизнес-эффективность, а также способы повышения первого и второго через ML/AI-инструменты и продуктовые подходы.

Ключевые темы:
- Интеграция LLM, ML и AI в цифровые сервисы
- Современные подходы к A/B-тестированию
- Оцифровка пользовательского опыта
- Применение машинного обучения в управлении продуктом
- Математическое мышление и поведенческая экономика

Приглашают продуктовых менеджеров и аналитиков, владельцев продуктов, CPO, CDO, ML-разработчиков. Программа будет полезна как новичкам, так и экспертам.

Где: МГУ, кластер «Ломоносов» (Раменский бульвар, 1).
Программа: Aha!'25 (боевая программа)

Билеты — на сайте!

🎙 Как проекты на стыке Data Science и социальных задач помогают не только прокачивать навыки, но и реально менять мир?

Дарья Воронкина — выпускница и ментор AI Talent Hub, Team Lead Data Analyst в OneCell.ai, рассказала, как AI помогает в медицине, экологии и социальной сфере, а также как понять, какие задачи лично для тебя имеют ценность.

В карточках — разбираем, как Data Science приносит пользу обществу и почему важно осознанно выбирать проекты.

▶️ Смотри полную лекцию на YouTube

>> Подпишись, чтобы не пропустить новые полезные видео от экспертов AI Talent Hub

#Microlearning
#AITalentHub #ITMO #NapoleonIT

Пока я добираюсь до своего канала, в DeepSchool публикуют статьи мои статьи
Приятного прочтения, буду рада обсуждению в комментариях 🤗

Как избежать хаоса в разметке данных и улучшить качество ML-моделей

Модель — вершина айсберга при построении качественного DL-решения. Почти всегда залог успеха — большое количество хорошо размеченных данных. И наоборот: даже самая сложная архитектура не спасёт, если данные размечены с большим количеством ошибок.
Плавающие инструкции, непроверенные аннотации, пограничные случаи и «интуитивная» логика разметчиков — всё это снижает точность и надёжность ML-систем.

В новой статье мы поговорим о том, как навести порядок в разметке:
📌 что такое Data-Centric AI и зачем он нужен
📌 какие ошибки чаще всего встречаются в разметке
📌 как организовать процесс, чтобы не переделывать потом весь датасет
📌 почему даже «простая» инструкция требует версионирования, онбординга и метрик

Читайте статью по ссылке!

Привет! Я Даша Воронкина ✌️
— выпускница и ментор AI Talent Hub, Team Lead Data Analyst в OneCell.ai

Каждый день я работаю с данными и вижу, как их роль в AI меняется. В этой колонке делюсь наблюдениями о том, почему в 2025 году данные ценнее самих моделей.

0️⃣1️⃣ Рост параметров моделей больше не даёт прорыва

Чем больше параметров у модели, тем меньше отдача от их увеличения. Именно поэтому акцент смещается на data-centric AI — подход, где успех зависит от качества, а не количества данных.

➡️ Практический пример: новая серия моделей OpenAI o1, где ставка сделана не на размер модели, а на специальную донастройку с привлечением экспертов. OpenAI сообщает, что «секретным ингредиентом» модели o1 стал дополнительный этап обучения на данных и фидбэке, курируемых PhD-специалистами и отраслевыми экспертами.

0️⃣2️⃣ Крупные компании исчерпали открытые данные

OpenAI, Google, Anthropic и Meta столкнулись с нехваткой уникальных текстов для обучения. Спрос на качественные датасеты растёт быстрее, чем их предложение. Побеждают те, кто умеет не просто собирать данные, а тщательно их фильтровать, обогащать и размечать.

0️⃣3️⃣ Маленькие модели могут быть мощнее гигантов

Стартап Upstage доказал, что качественные данные важнее размера: их модель с 30 млрд параметров превзошла 70-миллиардного конкурента по некоторым метрикам за счёт продуманного датасета и оптимизированного обучения. Это подтверждает, что стратегическое управление данными играет ключевую роль.

0️⃣4️⃣ Человек остаётся незаменимым в разметке

Автоматическая разметка снижает затраты на 62%, но создаёт риск систематических ошибок и байасов. Лидеры рынка внедряют гибридные схемы, где ИИ работает в паре с людьми (пример – Appen). Человеческий контроль остаётся необходимым в задачах высокой сложности.

0️⃣5️⃣ Синтетические данные не решают всех проблем

ИИ, обученный на синтетических данных, просто воспроизводит уже известные паттерны, что ограничивает его потенциал. Особенно важно наличие реальных данных в критически значимых сферах:

➡️ Медицина – AI помогает диагностировать заболевания и персонализировать лечение, но требует высококачественных и тщательно проверенных данных.
➡️ Юриспруденция – интеллектуальные алгоритмы анализируют правовые документы, однако без экспертной разметки высок риск ошибок.
➡️ Автомобили – автономное вождение зависит от точных данных о дорожных условиях, поведении водителей и безопасности.

➡️ Почему рынок данных сейчас в центре внимания?

ИИ — это не только технологии, но и пространство для креативности и предпринимательства. Конкурировать с гигантами в общем объёме данных сложно, но инновационные подходы и нишевые решения дают стартапам огромные возможности.

0️⃣6️⃣ Рынок услуг по разметке и подготовке данных стремительно растёт – по некоторым оценкам, его глобальный объём превысит $2 млрд в 2025 году и далее будет расти более чем на 30% в год.

➡️ Перспективные направления:

✔️ Кастомные датасеты для конкретных индустрий: медицина, юриспруденция, автомобили.

✔️ Разметка сложных модальностей: изображения, видео, аудио.

✔️ Self-improving pipelines — AI сам определяет сложные случаи и направляет их на доразметку (пример – Snorkel)

💡 Так что, будущее AI принадлежит не тем, у кого больше данных, а тем, кто умеет их эффективно собирать, фильтровать и использовать. Компании и стартапы, которые сделают ставку на высококачественные, стратегически обработанные датасеты, зададут правила игры в новой эре искусственного интеллекта.

✈️ Подписывайся на мой Telegram-канал @aishipuchka — там ты найдешь шипучки пососать на досуге про данные и ИИ 💝

#КолонкаМентора #AITalentHub #ITMO #NapoleonIT

Исследования - это круто
Хорошие исследование - вдвойне круто.
Осенью 2024 поучаствовала в опросах от newhr (не на тему аналитики, а на другую тему) и в целом подписалась на этих ребят и на Киру Кузьменко, потому что следить за их hr аналитикой и исследованиями было очень интересно.

Совсем недавно у них вышло исследование по аналитикам, которое не прошло мимо меня и затянуло в увлекательнейшее чтение и написание заметок минимум на пол часа.

Рекомендую ознакомиться и вам, особенно если вы в теме аналитики (P.S в самом конце много рекомендаций на классные тг каналы и интересных ребят из индустрии)

Вэлком: https://t.me/kirafound/1979

Хопс, а тут лекция, которую я недавно читала для абитуриентов магистратуры
Решила в этом году рассказать про мотивацию и как ИИ проекты могут влиять на наше будущее и почему важно занимать социальными проектами, вэлком)

🪫 Заряжаемся знаниями и вдохновением на выходных!

Первые лекции [AI] МегаШколы 2025 уже на YouTube:

▶️ Влияние эмоций на кооперации LLM-агентов — Илья Макаров, AIRI

▶️ Сила смысла в Data Science: где искать вдохновение и пользу для общества — Дарья Воронкина, OneCell.ai

Ставь 👍 на YouTube, чтобы зарядить ещё больше талантов!

#AITalentHub #ITMO #NapoleonIT

Репост случился, а комментарии не последовали, ну что же.

Сегодня пожалуй многие медиа уже успели написать про OneCell, мой небольшой блог тоже не обойдет стороной эта новость.

Если кто не в курсе, уже почти 2 года я работаю в компании OneCell (пока что мой рекорд по продолжительности).
Приходила я на позицию дата аналитика и менеджера команды разметки, когда в компании было в полтора-два раза меньше сотрудников чем сейчас. В мои обязанности тогда входили аналитические задачи, формирование запросов для разметки датасетов и котроль разметчиков патоморфологов. По сути обеспечение мл команды данными для обучения и тестирования.

Сейчас же компания растет и я расту, вместе с этой компанией. Я уже тим лид, хоть и небольшой, но команды дата аналитиков и инжинеров, мы гордо зовемся DataHub. Теперь уже я вместе с командой занимаюсь контролем, автоматизацией, оптимизацией и улучшением процессов разметки. Более того создаем аналитические решения и собираем разную интересную датку.
В общем data monkey в чистом виде.

К чему я это? Сделка с Ростехом это новое движение компании вперед, которое предвещает новые вызовы и развитие.
Когда то давно, когда мне пришлось принять решение уйти из понятной корпорации, на тот момент казалось, в стартап, своим друзьям я гордо говорила: "Представьте себе это как прийти в ВК, когда его только создали, только в сфере медицины". По сути каждый новый этап компании только подтверждает это и круто, что продукт над которым ты работаешь большую часть своего времени развивается и уже сейчас помогает большому количеству людей получать качественнее и быстрее заключение о диагностировании онкологических заболеваний.

В общем новости приятные и радостные, наблюдаем и участвуем в этом квесте ИИ в медицине

Из последних новостей:

https://www.rbc.ru/politics/17/02/2025/67af76c09a79471f8ccb069d?from=from_main_8