⚡️В июне этого года компания Microsoft выпустила новую модель Florence-2. И уже сейчас она — крутой помощник для вашего бизнеса.

Почему — рассказываем в небольшой статье: https://telegra.ph/Case-study-Computer-vision-model-07-12

Хотели бы вы применить Florence-2 в работе?
__________
Подписывайтесь: "Как приручить ИИ"

Ищем кандидатов на прожарку!

Прожарка — это бесплатный разбор вашего резюме от профессионала в области продуктового менеджмента и найма. Практически мини-карьерная консультация. В одном посте мы:

🔵Подчеркнем сильные стороны
🔵Отметим слабые и расскажем о том, как их исправить

Кого ждём:

— Продакт-менеджеров.
— Тех, кто хочет стать ML-продактом.

На прожарку возьмём того, кто первым поставит + в комментариях 👇🏻 под этим постом. Обязательно укажите, на какую должность хотите попасть.

⚡️Дайджест вакансий для ML-продактов

Не секрет, что у каждого руководителя свое видение должности «ML-продакт». Кто-то ищет сильного менеджера, другим требуется мощный технический бэкграунд. Мы узнали, какие требования сейчас предъявляют крупные компании:

🔵Компания: МТС

Менеджер продукта в голосовой экосистеме (B2C)

Основное требование — продуктовый опыт и мышление, а работа с ML идет в качестве плюса. Хорошая возможность войти в эту сферу, не имея за плечами уже реализованных AI-продуктов.

Зарплата: 250-350к с учетом годового бонуса.

🔵Компания: Сбер Бизнес Софт

Product owner (Новые гипотезы AI)

Еще одна вакансия без высоких требований к опыту в AI. Важно: работа проектная, внедрять AI предстоит в бизнесы компаний-клиентов.

Зарплата: 260-370к (11 грейд) + годовой бонус.

🔵Компания: Циан

Senior Product manager (ML)

Здесь ищут опытного человека по части управления ML-продуктами, нужно быть в теме минимум пару лет. Преимуществом будет опыт запуска продуктов с монетизацией в крупных компаниях.

Зарплата: приблизительно 250-300к

Какие выводы мы можем сделать:

Что важно на старте?

Для начала, определитесь в какой именно технологии в рамках AI вам хочется заниматься (например, рекомендательные системы, речевые технологии, NLP). А потом уже углубляйтесь в эту область — чем раньше, тем лучше.

Можно ли «вкатиться» в сферу без технического опыта?

Да. Некоторые компании выдвигают довольно мягкие требования: они не ожидают от вас уже реализованных крупных проектов в области искусственного интеллекта. Достаточно знать основы.

Новичкам подойдут «смежные» вакансии: на старте вы будете решать задачи бизнеса, и параллельно — продумывать, как закрыть их с помощью ML.

Кстати, о техническом опыте мы недавно рассуждали 👉🏻 тут.

И самое главное: внимательно читайте, на какие скиллы компания делает упор в конкретной вакансии. Да, совет звучит универсально, но внимание к деталям — 50% успеха при откликах.

Как вам рубрика? Идеи, пожелания и благодарности можно оставить в комментах 👇🏻

__________
Подписывайтесь: "Как приручить ИИ"

🔥Большое интервью с Сергеем Шелепиным, AI/ML Product Owner GigaCode

Поговорили с Сергеем Шелепиным — экспертом в области AI/ML. Узнали, как он попал в Сбер, над какими задачами работает сейчас и стоит ли разработчикам опасаться ИИ:

0:00 — Как пришел в IT и как стал заниматься AI?
2:58 — Как перешел в GigaCode и над чем работает сейчас
09:47 — Заменит ли ИИ айтишников?
13:18 — Про процесс запуска фичей
32:06 — Чем ML-продакт отличается от классического?
41:00 — Какие курсы посмотреть?
42:12 — Про собеседования на позицию ML-продакта и пет-проектах
54:30 — О рынке зарплат ML-продактов

Полное интервью смотрите 👉🏻 по ссылке.
__________
Подписывайтесь: "Как приручить ИИ"

⚡️Yandex Research нашли способ сжимать нейросети без потери качества ответов

Специалисты Yandex Research совместно с коллегами из IST Austria и Kaust выложили в открытый доступ новые методы сжатия больших языковых моделей.

Зачем это?

Большая языковая модель требует больших мощностей — дорогостоящих процессоров. А это всегда расходы для бизнеса. Новая разработка позволяет сжать нейросеть в 8 раз и включает два инструмента:

🔵Первый — уменьшает языковую модель и позволяет запускать ее всего на одном графическом процессоре.
🔵Второй — исправляет возникающие при сжатии ошибки.

Качество ответов нейросети при этом почти не страдает — сохраняется до 95%.

Код нового метода сжатия нейросетей уже опубликован на GitHub и доступен для применения.

Ну что, ждем по llmке в каждой микроволновке и кофеварке?

__________
Подписывайтесь: "Как приручить ИИ"