Время Валеры

3 года назад я рассказывал про сказочника в своем посте Но тот случай был хотя бы безвредным, да и, прочитав это, сказочник быстро убрал свои фантазии. На днях в местах, где я живу, произошла история более печальная и более масштабная со всех сторон. Профессор Jason Arday, который стал самым молодым черным профессором в истории Кембриджа, оказался не тем, за кого себя выдавал. Оказалось, что докторская его с большой вероятностью полна плагиата. Но здесь ничего необычного нет - плагиат встречается регулярно. Необычно то, что человека, судя по всему не очень связанного с реальностью (дальше станет понятно почему), подняли на флаг и использовали как классический токен. Arday с каждым годом завирался все больше * То он пробежал 600 миль (почти 1000 км) за 6 дней. * То он научился читать и писать только в 18 лет, но при этом в 16 сдал два GCSE (аналог ОГЭ) и учился на BTEC в колледже. * То он пролежал в коме и заново учился ходить. * То он собрал 5 млн фунтов на благотворительность. * Где-то сообщалось, что он говорил, что участвовал в записи телепередачи ребенком, оказалось, что она про детей, которые родились за 15+ лет до него * И много-много чего еще, очевидно невероятного. Его лекции, по словам студентов, представляли собой (если он приходил на них) какую-то околесицу, где в основном смотрели YouTube и затем обсуждали в группах. Это, конечно, говорит еще и про качество самой дисциплины, где он преподавал (sociology of education). Кембридж вначале сказал, что все это клевета и навет. Потом, под весом доказательств, когда университеты, указанные Джейсоном в резюме как те, где он почетный лектор, сообщили, что это не так и он никогда у них не был, согласился на расследование. До этого 4 месяца полиция слегка прессовала журналиста, который посмел найти плагиат у почетного академика - теперь публично извинилась. В конце концов - Джейсон ушел в отставку, а сегодня BBC сообщило, что он найден мертвым. В итоге история, начавшаяся как враки и фантазии, принесла множество бед. Самому Джейсону и его семье. Студентам, многие из которых заплатили деньги, чтобы слушать такую чепуху, Кембриджу, а заодно дала повод для критики практик DEI. Такой вот Мюнхгаузен наших дней. Самое удивительное в этой истории — как настолько очевидную ложь и регулярные жалобы со стороны студентов заметали под ковер в жертву великой идее. А казалось бы, университет мирового уровня. Поэтому каждый раз, сталкиваясь на работе с фантазерами и решая промолчать (а ситуаций, аналогичной этой, много, пусть и не в таком масштабе), подумайте о конечном эффекте и о том, к чему это может привести.

Мы с Романом Нестером, Валерием Бабушкиным и Бесланом Курашовым (plevako.ai и karpov.courses) приглашаем вас на наш FuckUp Night 26 августа. От формата отходить не будем — поделимся своими историями, где всё пошло не по плану. И поговорим про культуру ошибок: как не зацикливаться на промахах и использовать их в свою пользу. Встречу проведём онлайн, поэтому подключиться можно из любой точки и всем, кто принимает решения на основе данных. 🔵 Важно! Записи не будет, поэтому приходите на эфир. Главное, не забудьте зарегистрироваться.

Пару лет назад я общался с CTO Ozon Tech Антоном Степаненко и ребятами из его команды по поводу создания платформы для LLM. Ребята оказались замечательными, но переезжать из Лондона я не стал (примерно как с кафедрой ЦУ вышло), а ещё за пару лет до этого я выиграл книгу во время доклада Бориса Штерна в Яндексе — за лучший вопрос. И вот эти два замечательных человека встречаются хэдлайнерами на конференции E-CODE от Ozon Tech, а в секцию ML/DS добавляется Валентин Малых, с которым мы недавно стояли на капитанском мостике. ML-секция хорошая — индустриальный ML, работа с генеративными подсказками, уровни дообучения и агентский Cotype. Зарегистрироваться можно здесь: https://ecode.ozon.tech/ Участие в конференции и вечеринках — бесплатное

В комментариях к предыдущему посту просили рассказать про оптимизацию состояния тела, и тут как раз есть что рассказать. Мой текущий набор в виде Ultimate Anti-Ageing Bundle и Orange Triad + Greens Vitamins имеет следующую проблему: Тяжело набирать 20 таблеток из первого, да ещё с учётом того, что в каждом пакете разное количество порций, то есть части стака банально заканчиваются в разное время И отвратительный вкус второго, хотя это меньшая проблема. Почитав, посмотрев — решил попробовать играть как Бэкхэм The Beckham Stack - IM8 По нутриентам заменяет всё выше. По удобству — гораздо лучше. Вкус — хороший. Рекомендовать пока не могу, но через три месяца напишу.

Зашёл в магазин, где шьют обувь королю. Спросил, за какой срок пошьют bespoke. Сказали 18 месяцев. В истории за такой срок менялись многие правители, а в ЮК совсем недавно так 3 премьер-министра было за это время. Много думал.

Два года не мог забрать фиолетовый пояс. Наконец-то забрал. Теперь у меня есть ещё одна профессия, где я могу учить.

Прочитал замечательную статью: The Linux Scheduler: a Decade of Wasted Cores “And you have to realize that there are not very many things that have aged as well as the scheduler. Which is just another proof that scheduling is easy.” Linus Torvalds, 2001 15 + лет спустя As a central part of resource management, the OS thread scheduler must maintain the following, simple, invariant: make sure that ready threads are scheduled on available cores. As simple as it may seem, we found that this invariant is often broken in Linux. Cores may stay idle for seconds while ready threads are waiting in runqueues. In our experiments, these performance bugs caused many-fold performance degradation for synchronization-heavy scientific applications, 13% higher latency for kernel make, and a 14-23% decrease in TPC-H throughput for a widely used commercial database и The Group Imbalance bug The bug. We encountered this bug on a multi-user machine which we used to perform kernel compilation and data analsis using the R machine learning package. We suspected that this system, a 64-core, eight-node NUMA server, did not use all available cores for highly-threaded computations, instead crowding all threads on a few nodes. We illustrate this bug with the output from our visual tool Стоит заметить, что их фикс у меня вызывает много сомнений, замена среднего на минимум, для оценки загрузки - многое может пойти не так. Да и в целом, я бы даже не назвал это багами, оптимизировали под свою нагрузку - честь им и хвала, но это не значит что в среднем стало лучше, а не хуже. Самый важный вывод, что понимая систему достаточно глубоко, можно ее взять и допилить очень значимо под себя

Данные сами по себе ничего не решают. Можно годами строить отчёты, обновлять дашборды и считать метрики, не приблизившись ни к реальному продуктовому решению, ни к следующей ступени карьеры. А можно научиться находить в данных точки роста, проверять гипотезы экспериментами и превращать результаты анализа в действия. Именно этому посвящена магистратура «Продуктовая аналитика» Центрального университета, где я недавно чуть не стал руководителем кафедры, но из Лондона оказалось нельзя Программа проходит офлайн, по вечерам и выходным в центре Москвы, поэтому её можно совмещать с работой. В основе — Python, SQL, статистика, A/B-тестирование и продуктовые метрики. После первого семестра можно выбрать траекторию «Наука о данных» × Авито: реальные данные, машинное обучение, инструменты индустрии и преподаватели из Авито. Лучшим студентам предложат стажировки или офферы. Остальные как минимум закончат обучение с портфолио полноценных аналитических кейсов, а не только с перечнем пройденных курсов. Магистратура длится два года. По окончании выдается диплом государственного образца. Карьерная поддержка начинается ещё во время обучения: консультации, тренировочные собеседования и помощь с трудоустройством. Но главное — грантовый конкурс. В 2026 году ЦУ выделяет 550 грантов на программы магистратуры. Грант может покрыть до 75% стоимости обучения на все два года. Дедлайн подачи заявки — 20 августа. Места ограничены. Если давно собирались перейти в аналитику или Data Science, откладывать ещё на год особого смысла нет. Подробнее — по ссылке.

Вышло видео стрима с Витей Кантором по поводу МЛ систем дизайна

Для тех, кому тяжело пользоваться скиллами, создали два GPT: * ML System Design Reviewer * AI Stage Gate Reviewer

Вот это уже интереснее Файн тюнинг из коробки, правда привязан к их платформе, что хорошо для них https://thinkingmachines.ai/news/introducing-inkling/

Вышла запись выступления с майского датафеста, рассуждения о том, сколько весит кубический километр сыра

Добавили еще один скилл - AI Stage-Gate Review. Поможет вам ответить на вопрос, стоит ли продолжать или лучше перестать. Скилл имени Адама Елдарова Use this skill to run a gate review for an AI product and reach a defensible decision: advance, fix-and-recycle, or stop. Stage-Gate is a portfolio-management process that structures an AI product from idea to scale: each stage of work ends at a gate where results are defended and a Go/Conditional/Kill decision is made. The useful output is not a checklist stamp. It is a decision that says what is proven, what is still a risk, what must be true to advance, and how much to invest next. Provenance. This skill encodes a generic Stage-Gate process adapted for AI products — six stages on Discovery and Delivery tracks, traffic-light gates, and dual value-and-technical validation. It is a distilled, vendor-neutral adaptation, not a transcription of any one organization's internal playbook; tune the stages, criteria, and thresholds to your own portfolio. It is a sibling of ml-system-design-review in the same ML System Design skill collection: that skill judges how good a design is; this one judges whether it has earned the next investment. The process runs on two tracks — Discovery (find and validate ideas) and Delivery (build and scale) — across six stages, with an optional Fast Track for low-uncertainty products. The AI difference is that value alone is never enough: technical feasibility, data, and alignment must clear each gate too.

Между делом, ищу директора по Дате в British Petroleum к себе в команду, нанимаем в офис - Malaysia - Kuala Lumpur. Визу делаем

Давние читатели канала помнят, что когда-то в древние времена мы с Валерой написали книжку про ML design. Это было так давно, что люди тогда умели не только читать по диагонали, но еще иногда писать, а книги были значимым артефактом для упаковки знаний. С тех пор утекло немало воды, работу делают агенты, и книгам они предпочитают скиллы. И вот мы с клодом наконец добрались перепаковать одно в другое: ML system design в форме скилла с набором рубрик для ревью. Устанавливается одной командой через skills.sh, умеет ревьювить дизайн-доки и ML проекты лучше агента из коробки и чесать нам эго ненавязчиво ссылаться на авторов как могучих авторитетов.

Налетай, покупай

Перенос старта курса и прямой эфир с Виктором Кантором и Валерием Бабушкиным Старт курса ML System Design переносится на 17 июля. Если вы планировали присоединиться, у вас появилось ещё немного времени, чтобы принять решение и подготовиться к обучению. В следующий понедельник, 6 июля проведем на YouTube прямой эфир. Виктор задаст Валерию вопросы о ML System Design, а Валерий ответит на них и поделится своим опытом в проектировании ML-систем. Плюс, ответим на ваши вопросы. О чем еще поговорим на эфире: ▪️зачем ML-инженеру вообще нужен System Design; ▪️как меняются требования к специалистам с развитием LLM и AI-агентов; ▪️как проектировать системы, а не только модели; ▪️какие навыки действительно востребованы в индустрии; Если у вас есть вопросы про ML System Design, архитектуру ML-систем, production ML, карьеру, собеседования, LLM или обучение – напишите их в форме: https://forms.yandex.ru/cloud/6a44d2dff47e73beb4bf22b0. Не упустите возможность задать свои вопросы топам ML-индустрии! Регистрация на прямой эфир: https://t.me/ml_insideBot?start=web060726

Обсуждали на одном из подкастов моё скептическое отношение к синтетическим людям. В дискуссию врывается Рон Кохави с теми же аргументами на примере разбора SimAB: Simulating A/B Tests with Persona-Conditioned AI Agents for Rapid Design Evaluation. I think there is value in using LLMs as a screening tool, and this paper is a good example. The tool could be used as a fast design-screening tool that makes predictions based on historical A/B tests, conventions, best practices, and folklore. It may work well against experiments similar to the history it has been trained on, but it is unlikely to work well for radical ideas (e.g. long-ad titles that I start my Maven course and book with). The title’s use of “Simulating” over-reaches, as it is impossible to establish causality from observational data without additional assumptions. LLMs are trained from historical data and are therefore not enough to simulate A/B tests without strong assumptions. И The system's greatest strength is acting as a "Shift-Left" tool in the design process. Before any engineering effort is spent coding a variant, SimAB can evaluate mockups to catch blatant usability flaws, confusing copy, or structural friction. As the authors note, it is an excellent mechanism to "kill bad ideas fast". То есть да, что-то быстро проверить можно, но использовать как инструмент оценки, тем более численной, — это непонимание принципов работы LLM.

🐗 Сергей Чёрный Кабан Соклаков и Валерий Бабушки – лучшее интервью и ТОЧКА Диалоги в качалке о: 👉 Жизни 👉 Карьере и миллионах долларов 👉 Мотивации 👉 Спорте 👉 Стиле Канал Время Валеры: @cryptovalerii Канал Чёрного Кабана: @kandeleria_ru 〰️〰️〰️〰️〰️〰️〰️ #интервью