FAANG Interview AI

А що на базі zvec можна knowledge graph побудувати ?

Graph не робив, просто векторний пошук - основна задача пошук контексту і дублікатів коду/ функціоналу/ідей

@shurioque давай зайдемо

щиро дякую за запрошення, а яка time zone?

7:00 PM UK timezone. Щойно згадав що це вихідний. Тому можливо перенесу заняття. Спишемося на пряму, щоб не флудити тут.

А лінк на програму є якийсь?

Всім привіт! Чи проходив хтось інтервʼю ml case study саме з rl нахилом? Задизайнити rl систему?

Добрий день. Чи можете порадити роадмап та матеріали для вивчення мл? Я маю програмерський бекграуд та хочу змінити спеціалізацію.

я на математичному аналізі або диференціальному та інтегральному численні. Вибачте на калькусі ) Загалом відчуваю що це довгий ран, але це весело. сподіваюсь є ще люди яким це дійсно зайшло, тримайтесь ахаха

Трапилось «Every algorithm gets built from raw math first. Backprop. Tokenizer. Attention. Agent loop. By the time PyTorch shows up, you already know what it's doing under the hood» https://github.com/rohitg00/ai-engineering-from-scratch

Привіт, шукаю ресурси з cross-platform design для Computer Vision на С++. Наприклад, для задачі спроектувати visual odometry для Android-девайсу, де розробка та research відбуваються на Windows.

Привіт. Місяць тому став тімлідом в АІ/МЛ команді. Якщо тут є люди з релевантною експертизою, підкажіть, будь ласка, де можна почерпнути досвіду з найкращих практик управління командами в ФААНГ компаніях? Статті, книги, відео, ваші власні думки - вітаються 🤝 Дякую.

ну я глянув твій лінкедін, ти ж в своїй компанії-команді виріс, це загалом має дати все що треба тобі з точки зору знання процесів. Імхо тобі саме фаанг практики будуть мінімум релевантні, головне знати як спілкуватись з бізнес стейкхолдерами, менеджити очікування, і пріоретизувати купу всієї роботи яка звалиться на команду) від себе скажу топ порад • все має бути записано і в імейлах - завжди пиши фолоуапи після зустрічей з бізнесом - захистиш себе від “я не це їм казав, вони не так зрозуміли” і тд • роби демки бізнесу якомога частіше, їх будуть дивитись раз в сто років, але завжди буде paper trail твоєї роботи • захищай команду від бізнесу, до них не мають приходити рандомні люди з рандомними задачами (якщо саме так зараз є, то змінити це важко, як мінімум на початку) ну і загалом - в тебе така компанія (маю на увазі що я таку вперше чую, сорян)) , що бери на себе побільше відповідальності, якщо хочеш побільше навчитись - ризики мінімальні.

Дякую за поради.

думаю стосовно фаанг порада тільки мабуть робити 1х1 з командою, і записувати все в документ, а так не знаю чим там досвід може допомогти (я не з фаанг)

Якраз перевів це в процес минулого тижня, дякую.

я не проти будь-яким чином перефразувати, щоб було просто розуміння що є люди в різних напрямах, що мають більше контексту в бізнес проблемах і формально ставлять задачі для тебе і можуть пояснити що саме конкретна модель буде вирішувати) а так я звичайно згоден що мл команда в серці бізнесу

умовний СМО, CFO і тд і ті хто їх репрезентують

Це все дуже залежить від специфіки роботи. Мені якраз цей клеш безнес - не бізнес зрозумілий. Бо, як правило все що вище менеджера, вже більше про бізнес. І твоя задача як менеджера балансувати між людьми які дають тобі бізнес задачі. (Задачі які треба робити щоб досягати бізнес цілі) і командою що їх реалізує.

AI специфіка додала швидкості чи важливості цим ініциативам, але як на мене нічо не змінилось.

В моєму уявленні наразі головне правильно транслювати бізнес-метрику в технічні проксі-метрики та щоспринта слідкувати, чи останні все ще адекватні першим.