PyMagic

Уже на этой неделе с 23 мая стартует Data Fest 2026! А 24 мая пройдёт секция ML in Advertising. Делюсь анонсом докладов: все про внедренные решения в проде и прикладные подходы, которые можно применять не только в AdTech. 🔹«Реранкер в ритейле: как превратить рекламу в рекомендацию» Как заменить фиксированные рекламные слоты умным ранжированием, которое подбирает рекламу под конкретного пользователя. Трансформер + градиентный бустинг, поддержка разных стратегий продвижения и результаты A/B. 🔹«Как устроено ранжирование рекламных объявлений в Авито» Устройство предсказания CTR и ранжирования рекламы в Авито. Эмбеддинги пользователей и объявлений как признаки для двубашенной модели user-item — архитектура, обучение, результаты. 🔹«Мультимодальный суп: Превращение кучи рекламных баннеров в осмысленные кластеры» Как из тысяч шумных рекламных баннеров автоматически собрать осмысленные кластеры-кампании с помощью дообученного CLIP, OCR и HDBSCAN. Жду вас 24 мая в Loft Hall, зал Ratusha с 16 часов (ул. Ленинская Слобода, 26, стр. 15) 😉

Как кластеризовать миллионы объектов с высокой размерностью и сложной структурой данных? Когда мы работаем с эмбеддингами (например, BERT4Rec), то сталкиваемся с тремя проблемами: миллионы объектов, высокая размерность и невыпуклые формы кластеров. При снижении размеренности мы теряем часть информации. Тут возникает дилемма: при снижении размерности мы неизбежно теряем часть информации. Если оставляем в исходном виде, то для большинства методов возникают проблемы с вычислительной сложностью и масштабируемостью. О том, как мы повысили качество предсказания CTR за счет кластеризации миллионов товаров, я расскажу на конференции Data Fest 2026, на которой также буду модерировать секцию ML in Advertising. Что обсудим: 🔹Какой метод выбрать, когда объектов миллионы, а кластеры имеют сложную форму 🔹Как мы внедрили это в предсказание CTR 🔹Кейсы за пределами рекламы: как вычислять сопокупки и строить кластерные рекомендации Следующие посты будут анонсу выступлений других докладчиков нашей секции! ⏰ Когда: 24 мая с 11.00 и до вечера 📍Где: ул. Ленинская Слобода, 26, стр. 15 (Loft Hall, зал Ratusha) 📌 Регистрация Подробнее о спикерах и докладах будет обновляться информация на странице мероприятия.

Привет! Вечер четверга — самое время вспомнить о том, что хотелось подать заявку на спикерство на Data Fest 2026 😊 📣 Стать спикером 📣 Ждём ваши темы в форме! Полный список секций доступен на странице подачи докладов (кстати, у нас добавились ML in Funtech, LeanAI, LLM Inference, ML in DBMS и ML in Rust) и они ждут своих героев 😎 ⭐ Финальный дедлайн — 30 апреля, успевайте! 🙌 Стать участником 🙌 Первые регистрации участников на офлайн дни Феста уже открыты: 23 мая (сб): Data Fest 2026 в гостях у X5 Tech в Москве 24 мая (вс): Data Fest 2026 в гостях у Яндекса в Белграде 28 мая (чт): Data Fest 2026 в гостях у Школы 21 в Уфе 31 мая (вс): Data Fest 2026 в гостях у Яндекса в Москве 📍 Москва, Санкт - Петербург, Новосибирск, Алматы, Белград, Уфа + онлайн. Отправляйте свои анкеты и следите за обновлениями, впереди много интересного и анонсы других площадок 👍

Разбор докладов с конференции И вот подошел к концу второй день конференции Data Fusion, на котором было множество различных секций, дискуссий и кейс-сессий. Я решила написать о парочке докладов, которые мне больше всего понравились. ➡️Первый доклад «Ключевые проблемы рекомендаций на последовательностях и варианты их решения». Посвящен проблемам в Sequential рекомендациях. В первой части рассматривалась проблема разделения данных: популярный leave-one-out допускает temporal leakage и формирует нереалистичный горизонт предсказания, что может негативно влиять на ранжирование и выводы о моделях. В качестве альтернативы предложен global temporal split с выбором целевых взаимодействий Last / Random / Successive - такие схемы лучше соответствуют задаче next-item prediction, уменьшают утечки и дают более стабильные результаты, хотя и сокращают число тестовых пользователей. ⭐️В целом, проблема LOO очень понятна, особенно для последовательных данных, и было интересно услышать об обоснованности сочетания GTS с разными способами выбора целевых взаимодействий. ➡️Во второй части освещена проблема Item Cold start: в sequential моделях новые объекты не имеют обученных эмбеддингов. Frozen content embeddings оказываются негибкими, а полный fine-tuning приводит к drift представлений и ухудшает cold-start. В качестве trade off использовался frozen content-based embedding + маленький обучаемый delta-вектор с ограниченной нормой, который позволяет модели аккуратно адаптироваться под взаимодействия, сохраняя семантику контентных признаков. ➡️Еще понравился доклад про победившее решение на соревновании Data Fusion «Страж» (задача классификации неподтвержденных операций клиентов банка). Построено чисто на нейронных сетях: данные формировались окнами (~3 месяца транзакций или 512 токенов), для каждого пользователя создавали 5–10 окон, чтобы покрыть повторяющиеся паттерны. Модель - стандартный Encoder трансформер: блок трансформера включал 2 ModernBERT (для глобальных паттернов) + 2 CNN (для локальных). ⭐️Думаю, что в ближайшем будущем многие табличные задачи будут решаться с помощью трансформеров, но при этом остается важной проблема инференса в продакшене (latency и ресурсы). Посмотреть доклады с конференции можно уже на официальном сайте https://data-fusion.ru

Первый день на Data Fusion 2026 Сегодня, 8 апреля, я побывала на первом дне конференции Data Fusion 2026 в технологическом кластере «Ломоносов». Data Fusion – крупнейшая экспертная конференция по работе с данными и технологиями ИИ. Здесь собираются те, кто создает наше технологическое будущее. ➡️На конференции было очень много докладов и обсуждений про AI-агентов — это стало популярной темой первого дня. Разбирали, как агенты меняют корпоративные системы, AgentOps, вопросы безопасности и внедрение в высоконагруженные продукты. ➡️Было интересно послушать мнения коллег из крупных компаний на дебатах «Да или нет вайб-кодингу?». Обсуждали, как такой подход незаметно вошел в повседневную работу, и как его используют в реальных проектах. ➡️Дополнительно хотела отметить сессию Explainable AI, где выступали коллеги из Китая и говорили о том, как делать модели искусственного интеллекта понятными и прозрачными для бизнеса и регуляторов. Завтра, 9 апреля, продолжение программы: международный трек, дополнительные сессии по агентам, рекомендательным системам, AI в медицине и другим направлениям. Смотрите в ролике мой небольшой обзор первого дня 😉 data-fusion.ru

Новости Давно я тут ничего не писала, был небольшой перерыв. Для всех новеньких меня зовут Никулина Анастасия, я в ML и аналитике в совокупности уже больше 9 лет. В этом канале вы найдете кучу полезных статей тык. У меня есть свой ютуб канал про машинное обучение с аудиторией более 40 тыс человек тык. А теперь к самому вкусному. Открылась регистрация на подачу докладов на Data Fest 2026. В этом году на конференции появятся новые интересные секции, одну из которых буду вести я 🥳 Записывайтесь, подавайте свои доклады, а лучше всего в секцию ML in Advertising, очень жду вас там! ❤️ Конференция пройдет с 23 по 31 мая в Москве, Питере и др. городах, подробнее тут Зарегистрировать свой доклад можно здесь

Рады приветствовать всех новых участников! Здесь мы обсуждаем машинное обучение: алгоритмы, новинки из мира ML, а также делимся реальным опытом, который редко можно встретить в учебниках. Кроме того, на канале появляются анонсы образовательных курсов, которые уже завершили более 2000 студентов. ➡️Что почитать? ➖Многорукие бандиты в музыкальных рекомендациях ➖Почему лосс не падает, и модель не обучается? ➖Оптимизируем размер памяти DataFrame в 3 раза ➖В каких случаях использовать деревья решений? ➖Ключевые научные работы по NLP ➖Что такое контрастирование обучение? ➖Полезные книги по ML

➡️Обучение Data Science для начинающих 3.0 Друзья, мы запустили новую версию курса по машинному обучению! Теперь вы можете проходить материалы в удобное для вас время и в собственном темпе — независимо от графика других студентов. ❗️Мы снизили стоимость курса, поскольку формат стал ориентированным на самообучение. Тем не менее, у вас будет доступ к чату студентов, где можно общаться, обмениваться мнениями и задавать вопросы другим студентам! Что вы изучите: ➖Математику для Data Science ➖Как проводить АБ-тестирование ➖Классические ML-алгоритмы с полным разбором архитектуры и применения алгоритмов на практике: от линейных моделей до бустингов ➖NLP: от TF-IDF до LLM ➖Deep Learning: основные тренды, база по нейросетям ➖Computer Vision: примеры из области ➖MLOps: production code, FastAPI, Streamlit, линтеры ➖Дополнительно: Airflow, MLFlow, многопоточность, мультипроцессинг, временные ряды, Superset и пр. В расширенном тарифе Grandmaster доступно 2 больших продвинутых блока: ➡️NLP — от базовой обработки текста (токенизация, лемматизация, regex и др.) до LLM. Научитесь дообучать модели с Hugging Face и применять их для анализа тональности, диалогов и кода (GraphCodeBERT, CodeT5 и др.) ➡️Рекомендательные системы — коллаборативная, контентная и гибридная фильтрация. Изучите ключевые алгоритмы (User/ItemKNN, ALS, NCF, SVD++), метрики (включая beyond accuracy) и продвинутые методы: нейросети, автоэнкодеры, графовые и контекстно-адаптивные рекомендации. 📎 Всю актуальную информацию можно найти на сайте PyMagic

➡️Обзор докладов по рекомендательным системам Недавно завершилась ежегодная конференция Data Fusion. В этом году она особенно порадовала разнообразием секций, однако ключевое внимание было уделено теме данных — важнейшему компоненту любой модели, который, к сожалению, часто остаётся в тени. Я решила попробовать новый формат и подготовила обзор на часть докладов из секции, посвящённой рекомендательным системам. На самом деле интересных выступлений было гораздо больше, и многие из них заслуживают отдельного внимания. Что из этого получилось — смотрите в новом ролике! 😉 https://youtu.be/0S3e1iXR9Vs?si=eNxMR40cQ08n3pi9

Собираемся на Data Fusion! 🚀 16-17 апреля в Москве в кластере Ломоносов пройдет крупнейшая конференция Data Fusion по BigDate и AI. Программа конференции каждый год достаточно насыщенная, и этот год не исключение: в расписании как бизнес-, так и технические треки. В этом году будут выступления ведущих ученых, разбор кейсов ML в различных отраслях, дебаты «наука vs бизнес», а также узкопрофильные сессии по DataOps, CV, RAG и нейротехнологиям. В прошлом году я лично была на площадке, мне конференция очень понравилась: организация, интересные доклады, сессии. А ещё была супер возможность поддержать коллегу, который рассказывал о рекомендательных системах в маркетплейсе 🌿 В этом году, к сожалению, не смогу присутствовать лично, поэтому буду следить за трансляцией. Но если у вас есть возможность прийти и послушать доклады вживую — очень рекомендую! Это отличный шанс пообщаться с коллегами, которых давно не видели, и задать спикерам вопросы напрямую. Кстати, как вам идея выпустить новый ролик на ютубе с разбором докладов и статей из конференции с моими комментариями? В том числе как такие технологии работают на практике) Если ждешь, то ставь 🔥 Ссылка на регистрацию: https://data-fusion.reg.events/guest/?&erid=2VtzqvwUtXT

🚀 Подкаст Data Breakfast с Анастасией Никулиной. Часть вторая — Курсы в Data Science 🎙 О чём спросили? ▫️ Как создать курс, который меняет карьеру? ▫️ Платные vs бесплатные курсы: когда и зачем платить? ▫️ Почему YouTube-лекции — не всегда достаточно? ▫️ Как не стать «инфоцыганом» и заслужить доверие аудитории? ▫️ Pet-проекты: как превратить их в козырь для резюме? ▫️ Университет vs онлайн: что выбрать новичку? 🎧 Слушайте там, где удобно: ▫️ Telegram-плеер ▫️ Яндекс.Музыка ▫️ Страница выпуска ➡️ Первый выпуск можно посмотреть в группе ODS Piter, для этого необходимо добавиться туда и зайти на этот пост 😉