В какой момент модель начнет “бредить”? Как правильно передавать информацию и что такое регуляризация? Какие задачи решает наука и чем они отличаются от задач, которые решает бизнес? Какова роль бюджета в разработке моделей? Что такое воспроизводимость, и с чем ее едят? Почему все важнее становится интерпретируемость моделей?

Об этом Александр Бородин беседует с Игорем Куралёнком. Игорь отвечает за data science в Яндекс.Облаке.

В беседе упоминаются:

Belkin M. et al. (2019). Reconciling modern machine learning practice and the bias-variance trade-of. URL: <u>https://arxiv.org/pdf/1812.11118.pdf</u>

Доклад Артёма Трофимова “Мифическая воспроизводимость в ML разработке” (2021) URL: <u>https://youtu.be/sTC_nayC8qc</u>

Этот подкаст мы - компания GlowByte - делаем совместно с NoMLCommunity <u>https://t.me/noml_community</u> Присоединяйтесь к нам!

1:16 - О трендах в машинном обучении

7:20 - Возможно ли понять, что происходит внутри модели?

25:30 - Способна ли наука дать решения прикладным задачам?

30:58 - Какие знания нужны специалисту в области Data Science?

37:20 - Кто такой Data Scientist?

50:20 - AvtoML - автоматизация рутинных задач

Редактор — Мария Андрюкова;

Также над подкастом работали: Наталья Тоганова, Ирина Мефёдова.

Подкаст записан в студии “Норм”.

_____________

Это подкаст компании GlowByte — <u>https://glowbyteconsulting.com/</u> и NoML Community — <u>https://t.me/noml_community</u>

Мы на Linkedin — <u>https://www.linkedin.com/company/glowbyte-consulting/</u>