Reliable ML

Не в тему - но про ИИ Тут пришли ребята (на самом деле девчата, @Antonina_Zhiteneva) - они делают исследование про ИИ и общество. Исследование бесплатное, мы с ним не связаны никак. Но тема интересная, почему не поддержать коллег. Вот что пишет Антонина: Мы проводим международное исследование о том, как люди воспринимают аргументы, созданные ИИ, в обсуждении общественно значимых вопросов (IRB #19354). Если вам интересно взаимодействие человека с ИИ, буду очень благодарна за участие. 🧠 Что нужно сделать? — пообщаться с чат-ботом и ответить на несколько вопросов (~10 минут). 🔗 Ссылка: https://princetonsurvey.az1.qualtrics.com/jfe/form/SV_bmHuUsXoCpi4s3s?Q_Language=RU Спасибо всем, кто сможет помочь! #поможем_исследователю_добрым_словом

LLM Evaluation как задача Causal Inference #1 Первая заметка серии, посвященной современным методам оценки качества систем искусственного интеллекта. Когда мы создаем сложные системы на основе LLM, нам приходится принимать много решений - о данных, способах дообучения моделей, архитектурах, контексте, инструментах и проч. Измеряем качество работы нашего пайплайна и улучшаем его. В статье Causal Methods for LLM Development and Evaluation предлагается использовать Causal Inference для оценки влияния наших решений на качество системы. Утверждения вроде "семантический чанкинг улучшает качество ответов RAG" - причинно-следственные. Т.е. мы утверждаем, что: 1) есть улучшение качества RAG 2) причина этого улучшения - смена схемы разбиения на чанки 3) имеющиеся данные позволяют подтвердить существование влияния и оценить его величину. Например, разработчики часто оценивают систему на основании логов (истории запросов). Но логи в общем случае не являются результатом рандомизированного эксперимента, а зависят от конфигурации системы, обратной связи от людей и ИИ, политик развертывания и т.д., подвержены выборочному смещению, дрейфу распределений и шуму в метках. Во время разработки составные части системы (модели, пользователи и выполняемые задачи) подстраиваются друг под друга (коадаптируются). Это увеличивает разрыв между прошлыми наблюдениями и тем, что мы увидим в проде. Непонятно, что повлияло на метрики - наши доработки, конфаундеры или просто шум оценки. Например, если система маршрутизации запросов отправляет более сложные вопросы дорогой модели, а простые - дешевой модели, наивный анализ логов может привести нас к выводу, что дорогая модель работает хуже, потому что в ее ответах больше ошибок. В causal Inference подходе мы учтем сложность запроса как конфаундер и уберем смещение матчингом или взвешиванием. Causal Inference предоставляет матаппарат и фреймворк для оценки эффекта, позволяет адресно работать с источниками дисперсии в оценке, более эффективно использовать имеющиеся данные, обеспечивает устойчивость и статистическую достоверность результата. Два ключевых момента в причинно-следственном анализе: идентифицируемость identifiability и оцениваемость estimability, проще говоря - позволяют ли наши данные и наши предположения о процессе генерации выявить и надежно оценить причинно-следственную связь. В статье разбираются типичные компоненты LLM-пайплайнов - претрейн, алайнмент, роутинг, RAG, мультиагентные системы и так далее. Приведены примеры подходов, которые могут сработать, и направления для дальнейших исследований. Фундаментальная проблема причинно-следственного вывода - невозможность наблюдать две версии системы одновременно (с воздействием и без него). LLM пайплайн - редкий случай, когда это почти возможно: один и тот же запрос прогоняется через две версии системы. Проблема не исчезает полностью (недетерминизм генерации, поведение пользователей), но возможность параллельного прогона пайплайна здорово упрощает офлайн-оценку. Строго и методично применяя доступные нам техники Causal Inference, можно построить эффективную и практичную систему оценки. Этим мы и займемся в следующих постах серии. Ваш @Reliable ML #reliable_ml #causal_inference #llm_evaluation

Ура, доклады с Датафеста! Секция ReliableML Датафеста доступна на сайте ods.ai https://ods.ai/tracks/df26-reliable-ml Секция DataStrategy с докладом Ирины тоже доступна https://ods.ai/tracks/df26-data-strategy Ваш @Reliable ML #reliable_ml #datafest #дождались

Каникулы Бонифация Или ML System Design - наше все В этом году устроила для себя необычный отпуск - поехала с маленькой дочкой в ее первый математический лагерь: напитаться детским счастьем, поддержать интерес к математике, а еще пооткисать за любимыми делами и пет-проектами пока детей занимают) Оказалось, что в матлагеря детей везут очень интересные родители. Довольно быстро мы перезнакомились и я обнаружила себя в центре обсуждения задачки по ML в нефтепереработке, в которой «математики, клод, чатгпт и эксперты бьются над решением уже больше 6 месяцев». Предложила поговорить детальнее и проверить дизайн системы. За 15 минут беседы мы выяснили 2 вещи: • Задача на ML была поставлена неверно. Так, что ее и не имеет смысла решать ни клодом, ни математиками: ни 6 месяцев, ни год. Пользы для процесса и бизнеса решение не принесет. • В решении задачи не используется 80% данных, которые есть и которые могли бы очень помочь при правильной постановке задачи. Еще за 10 минут мы разобрались, как именно можно поставить первую задачу на ML (классификацию) и какие данные стоит взять. При такой постановке любой DS справится за несколько дней. Обсудили, какие полезные решения для бизнеса можно будет принять на основе результатов. Еще за 5 минут накидали, как можно далее усложнять решение, когда первая итерация уже будет внедрена. Мама, отвечающая за внедрение проекта, ушла с листочком A4 и со схемами, менять ход проекта. К чему я это все? Качайте ML System Design и учитесь выходить за рамки задачи. Ключевое - решать проблему бизнеса, а не пытаться сделать быстро и круто задачу в том виде, как ее вам кто-то принес. Ну а мы с Димой готовим для вас большие обновления в части ML/AI System Design. Stay tuned! Ваш @Reliable ML #reliable_ml #ml_system_design #мысли_вслух

Онлайн Data Strategy от Reliable ML - уже начали! Data Fest 2026, Online, в 11:00 Стартовали онлайн Data Strategy! Нас ждет 2 доклада! 11:00-11:30 - Александр Кулиев - Data-Driven трансформация в ритейле: выученные уроки на пути от хаоса к культуре 11:30-12:00 - Мария Зырянова - Как внедрять AI в продукты, если они разные? Ссылка для подключения тык. Ваш @Reliable ML #reliable_ml #data_strategy #data_fest

Practical ML Conf - заканчивается подача докладов Дружественный Петр Ермаков пишет: Друзья, привет!) осталось менее 3х суток для подачи докладов на Practical ML Conf, и форма подачи продлеваться не будет. Закидывайте ваши заявки) Кисель налью каждому выступающему! https://pmlconf.yandex.ru/2026/call-for-papers

Секция Data Strategy от Reliable ML Data Fest 2026, Online, Анонс В это воскресенье проведем онлайн-день секции Data Strategy. К нам придут 2 очень интересных спикера. Фокус - опыт разработки и внедрения стратегии по данным и AI, эффективный и системный подход к масштабированию AI в организациях. Всех ждем! Только надо зарегистрироваться. Онлайн-день будет на платформе DION. Инструкции и ссылки по подключению появятся в ближайшие дни. Ваш @Reliable ML #reliable_ml #data_strategy #data_fest

Видео с датафеста в гостях у ВТБ - доклад Дмитрия Колодезева (и другие доклады второго дня) https://vkvideo.ru/video-164555658_456242002?t=1h23m29s Датафест в гостях у ВТБ #reliable_ml #data_fest #career

Data Strategy в эпоху AI Доклад на Data Fest 2026 в секции Data Strategy И снова привет с дата феста! Выкладываем слайды доклада Иры с секции Data Strategy. После доклада и потом в кулуарах успели обсудить много вопросов, но, кажется, что остались еще. Буду рада продолжить обсуждение в треде. Материалы всех докладов и записи должны появиться в течение 2х недель. Ваш @Reliable ML #reliable_ml #data_strategy #data_fest

Привет с датафеста! Сегодня Дмитрий Колодезев рассказывал про влияние AI на рынок труда. Запись будет попозже (непонятно когда), но слайды с пометками спикера можно скачать уже сейчас 😉 Датафест в гостях у ВТБ #reliable_ml #data_fest #career

Reliable ML на Data Fest 2026 Это мы с Димой сегодня провели две секции на первом дне Data Fest: Data Strategy и Reliable ML. Устали, но довольны) Докладчики огонь, Х5 молодцы, организация Data Fest тоже на высоте. Всех были рады видеть! С кем не успели поговорить - пишите, или увидимся на других днях феста. Завтра, в гостях у ВТБ, в секции Open Career, Дима расскажет доклад о том, как AI меняет рынок IT труда. Это будет ремейк доклада 2025 года, на свежих данных и свежих вайбах. Посмотрим, что сбылось (спойлер: почти все), а что нет из прогнозов прошлого года. И какие прогнозы на будущий. Ваш @Reliable ML #reliable_ml #data_fest #data_strategy

Секция Reliable ML на Data Fest 2026 23 мая 2026, в гостях у X5 В субботу 23 мая пройдет и наша традиционная секция Reliable ML в рамках Data Fest 2026! Встречаемся в X5. Секция Reliable ML будет сразу после обеда в главном зале - как и секция Data Strategy. Будет четыре топ-доклада по крайне полезным в процессах разработки ML-решений вопросах вокруг Causal Inference & AB. Ждем всех неравнодушных. Ваш @Reliable ML #reliable_ml #data_strategy #data_fest

Секция Data Strategy от Reliable ML на Data Fest 2026 23 мая 2026, в гостях у X5 Уже в эту субботу 23 мая ждем вас на открывающий день Data Fest 2026! В этот раз он пройдет в гостях у X5. Секция Data Strategy пройдет в главном зале - сразу после открывающего доклада секции OpenCareer от Валеры Бабушкина. Планируем три доклада про актуальные новости и тренды в стратегических подходах к управлению данными и AI. Скоро увидимся! P.S. Онлайн день тоже будет и в нем будет еще три замечательных доклада по Data Strategy. Ваш @Reliable ML #reliable_ml #data_strategy #data_fest

Data Fest 2026 - Секции Reliable ML Предварительная дата - 23 мая 2026 г. В этом году на Data Fest планируем проводить 2 секции: Data Strategy и Reliable ML. - Data Strategy - как внедрять AI на уровне компании. Какие бывают проблемы и что с этим делать. Хочется сделать сильный фокус на AI in Engineering (AI в SDLC). - Reliable ML - о том как эффективно внедрять AI/ML решения в бизнес-процессы. Будем рады вашим практическим кейсам/советам/опыту. Особенный акцент планируем на оценку эффектов.  Ждем ваших заявок! Можно регистрироваться сразу в общей форме дата феста. И мы к вам придем. А если есть сомнения и вопросы, то пишите нам (Ира, Дима). Ваш @Reliable ML #reliable_ml #data_strategy #data_fest

Кэмп Snowbase от SouthHUB 19-22 марта 2026 На следующей неделе буду участвовать в кэмпе Snowbase от SouthHUB. Планируется интересный движ на тему реальных кейсов внедрения AI. Вот тут есть довольно подробный пост про программу. Для меня это новый опыт участия в конференции не как спикера или организатора, а как участника 😀. Жду много интересных инсайтов - накопилось, что пообсуждать. Если вы тоже планируете поехать - буду рада увидеться! Ваш @Reliable ML #reliable_ml

Про эффекты от GenAI В чем сила ML, брат? Сила в эффектах. У кого эффекты, тот и сильней. В сентябре на афтепати Data Fest X большое групповое фото получилось не сразу. То кто-то отвернется, то заболтается, то сделает слишком серьезное лицо. Потом вспомнили, что нужно выкрикивать какие-нибудь фантастические фразы, чтобы всем стало весело. В итоге лучшие фото получились после фразы "LLM-ки работают". Очень всем весело и смешно сразу стало. Вот мы с Димой и решили, что нам срочно необходимо где-то секцию про эффекты от GenAI достать. А потом вспомнили, что мы ж ее в общем-то каждый год проводим. В этом году дата фесту снова быть. И секции Reliable ML тоже. Хотим ее построить вокруг кейсов внедрения GenAI с измерением эффектов. Тема непростая, готовиться будем заранее. Если готовы вписаться и есть, о чем рассказать - пишите нам (Дима, Ира). Будет время собрать крутую секцию. P.S. Мы, конечно, не умеем проводить только одну секцию за фест. Поэтому по Career и Data Strategy тоже можно писать, на самом деле. Форму чуть позже соберем. Ваш @Reliable ML #reliable_ml #data_fest #gen_ai

Инструменты Reliabme ML - квантильная регрессия Реальные данные зашумлены. Наша способность их предсказывать ограничена. Например биржевая цена на серебро как бы должна определяться спросом, но торгуемый объем значительно превосходит тот объем, который реально потребляется. А значит, цена зависит от слухов, дня недели и способности китайских производителей солнечных батарей влиять на цену неэкономическими методами. Всего этого в данных обычно нет, поэтому предсказания содержат ошибку - реальные значения разбросаны вокруг предсказанных нами. Квантильная регрессия помогает целиться в верхнюю или нижнюю часть облака разброса. Возьмем пример попроще, из управления запасами. Предположим, мы хотим купить X, одну штуку. X - не всегда доступный товар, он то появляется, то изчезает. У нас есть данные о наличии X в торговых точках за последний год, мы строим модель - где он есть, предсказываем наличие на сегодняшнее утро и идем в выбранный магазин. У модели низкая средняя ошибка, но в выбранном магазине X отсутствует. Вчера был, да, и всю неделю до того, завтра приходите, наверняка привезут. Возвращаемся в прошлое и снова строим модель. Нам все равно, какова будет средняя ошибка, мы хотим чтобы в выбранном нами магазине была одна штука X. Строим логистическую регрессию, которая предсказывает веростность того, что в магазине будет X. Приходим в выбранный магазин - и да, он там есть. Одна штука. Прямо сейчас ее пробивают покупателю перед вами. Ой, уже кончилась. Назад в прошлое, и подумаем еще раз. Нам нужно 2 единицы X и мы хотим, чтобы они были в магазине с 95% вероятностью. На этот раз мы берем квантильную регрессию. Квантильная регрессия дает отвратительный RMSE на валидации - в полтора раза больше чем обычная регрессия. С покерфейсом, чтобы не выдать своего разочарования моделью, мы идем в выбранный магазин - и, о чудо, X там есть. Повезло. Недостаток квантильной регрессии - оценку нельзя просто так использовать в других вычислениях. Например, если мы сложим средние продажи по всем торговым точкам города, мы получим средние продажи города. С квантилями так не получится - сумма квантилей не дает квантиль суммы. Неудобно. Если вам нужно предсказание само по себе (чтобы управлять запасами, или оценивать финансовые риски) - квантильная регрессия работает отлично. Идеальный выбор для данных, которые кто-то пропустил через мясорубку. Нельзя ли было вместо квантильной регрессии взять доверительный интервал? Не, не сработает. Доверительный интервал оценивает разброс предсказанного значения, а не вероятность получить предсказанное значение в реальности. Очень приличная квантильная регрессия есть в CatBoost: from catboost import CatBoostRegressor model = CatBoostRegressor( loss_function='Quantile:alpha=0.95' ) Что делать, если хочется быть и умным, и красивым? Конформное прогнозирование (Conformal Prediction) умеет строить интервалы, в которые попадает нужная часть распределения. Мы по-прежнему предсказываем среднее, но знаем, что наше предсказанное среднее 3 - это с 95% вероятностью "где-то от 1.3 до 7". Звучит не очень, но такова жизнь. На скриншотах - обычная регрессия и регрессия по 99% квантилю, чтоб наверняка. Дальше разберем конформное прогнозирование , не переключайтесь! * Квантильная регрессия * Quantile Regression, Roger Koenker and Kevin F. Hallock Ваш @Reliable ML #reliable_ml #tools