TGTGInsightтелеграм анализLIVE / telegram public index
← Такты, стеки, два колеса

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #356 · 24.05

Некоторые нашли ответ на вчерашнюю загадку: это последовательность животных из песни What Does The Fox Say. И это породило интересное обсуждение здесь, в Телеграме. Часть людей никогда не слышали об этой песне, что лично меня очень сильно удивило. В моём информационном пространстве она является бесспорным масс-культурным феноменом, поэтому знакомство с ней не зависит, например, от ваших музыкальных вкусов. Вам достаточно просто заходить в интернет. По аналогии с, например, Gangnam Style или Harlem Shake: для меня это вещи, которые невозможно было не застать, если вы в принципе пользовались интернетом в период их популярности. Но, как выяснилось, это совершенно не так, и люди действительно живут немножко в разных информационных слоях. Вот я и задумался: от чего это зависит? Какие источники нужно читать или не читать, чтобы ни разу не наткнуться на какой-то относительно популярный феномен, не обсудить его ни с кем из знакомых, не увидеть в ленте ни одной из соцсетей? В моих компаниях друзей, например, очень часто шутят с отсылками к масс-культуре, поэтому буквально невозможно не знать чего-то известного. Я просто не мог ничего сделать, чтобы пропустить какой-нибудь Ice Bucket Challenge, The Dress или Coffin Dance. Но как-то люди пропускают (наверняка среди читающих это есть те, кто не знает о чём-нибудь из перечисленного). И другой вопрос: что отличает масс-культурный феномен от просто очень популярной вещи? В комментариях мне справедливо заметили, что если мы откроем в Википедии топ популярных видео на YouTube, там будут ролики с миллиардами просмотров, о которых мы и не слышали. Например, я никогда не видел и не слышал детский стишок «Johny Johny Yes Papa», а ведь это топ-3 видео на YouTube за всю историю, с поразительными 6 миллиардами просмотров! Ну ладно, допустим, видео для детей нельзя считать, потому что современные родители их просто ставят младенцам по 100 раз в день, чтобы отвлечь и чем-то занять. Но, например, у песни Джастина Бибера «Sorry» более 3.5 млрд просмотров, а я её никогда не слышал. На мой взгляд произведение становится массовым, когда выходит за свои первоначальные границы. Например, если о песне знают не только те, кто в принципе слушает такую музыку и этого исполнителя. А особенно если песня вообще выходит за рамки музыкальной сферы. Например, по песне про лису писали научпоп-статьи о том, какой звук издают лисы. Челлендж Ice Bucket выполняли люди, которые никакого отношения не имеют к медицине или благотворительности. Танец Harlem Shake исполняли люди в военных частях, офисах, в Кембриджском университете. Для меня именно проникновение в нейтральную среду — основной признак. #web

Hashtags

Резултати

Намерени 2 подобни публикации

Търсене: #mle

当前筛选 #mle清除筛选
Data Science Jobs

@datasciencejobs · Post #2994 · 22.10.2025 г., 09:01

#Вакансия#Senior#MLE#DL Находимся в поиске Senior MLЕ Компания: highsky.io Мы осуществляем полный цикл работы над продуктом: от анализа бизнес-задачи до вывода в продакшен полноценного решения, также осуществляем поддержку и мониторинг работающих решений. Находимся в поиске MLE Чем предстоит заниматься: • разрабатывать MVP-решения для задач из различных областей (генерация текста / аудио, сбор данных, извлечение блокчейн данных) • проектировать и разрабатывать архитектуру решения задач, выбирать подходящие БД и другие инфраструктурные компоненты • проводить ресерч, тестировать SOTA алгоритмы и подходы для конкретной задачи, адаптировать существующие решения для конкретной задачи. Выводить в прод ML-модели • тестировать различные ML-модели, находить оптимальные гиперпараметры, дообучать модели Требования к кандидату: • Опыт работы от 5 лет; • Опыт коммерческой разработки с нуля; • Опыт в deep learning и анализе данных или машинном обучении • Сильные навыки разработки на python • Высшее образование в области компьютерных технологий / прикладной математики и (или) прикладной информатики; Будет плюсом: • ! Опыт с AI-агентами • Научные исследования по Computer Science • Призовые места в соревнованиях (kaggle, boosters), опыт участия в хакатонах • ШАД / Школа 21 Что мы предлагаем: • Участие в разработке динамично развивающегося продукта, работающего на рынке в реальном времени; • Справедливую заработную плату по результатам собеседования и вашей квалификации в вилке от 5.000$-9.000$; • Возможность прокачивать свою экспертизу за счет работы с топовыми коллегами и обучения в моменте; • Классный молодой коллектив профессионалов, заряженных на результат. Ценим порядочность, честность и открытость; • Возможность реализовывать смелые и амбициозные инициативы; • Горизонтальную структуру, отсутствие бюрократии и синдромов «больших начальников»; • Мы за результат, а не процесс. У всех наших сотрудников удобный график и полностью удаленная работа. Если увидел в этом описании себя - скорее откликайся, чтобы стать частью нашей команды! Контакт: @dybovanya

Data Science Jobs

@datasciencejobs · Post #2244 · 02.08.2024 г., 18:03

#вакансия#Москва#senior#mlops#ml#llmops#devops#mle Мы - международная компания, лаборатория продуктов, где мы стремится стать лидерами в области VR/XR, web3, машинного обучения и нейронных сетей. Компания разрабатывает и внедряет революционные решения, устанавливая новые стандарты и вдохновляя на достижение невозможного в области информационных технологий. Наша команда - это открытый, заряженный и молодой коллектив, который приветствует инновационные идеи и поддерживает инициативу и творчество наших сотрудников. Один из приоритетных продуктов нашей компании - внутренний стартап GenAI (на ранней стадии), в который сейчас ищем Senior ML Ops. Мы запускаем целую линейку инновационных продуктов (B2B, B2C сервисы полностью на основе ИИ), которые уже влияют на эволюцию генеративного ИИ в мире. Какие задачи вас ждут: - Разработка с нуля MLOps для задач генерации аудиоконтента, генерации видеоконтента, исполнения LLM: среды разработки, тестирования, инференса и мониторинга моделей в различных режимах (Batch, Streaming) и использования ресурсов (CPU, GPU); Deploy моделей в продакшн; - Внедрение инструментов отслеживания жизненного цикла моделей и версионирования модельных артефактов (ClearML, MLFlow, DVC и т.п.); - Развитие LLMOps-практик (эффективный инференс LLM, Diffusion Models). Мы ждем, что вы: - Имеете опыт работы в качестве DevOps/MLOps/MLE -Engineer не менее 2 лет; - Имеете опыт работы с k8s, уметь разрабатывать и поддерживать сервисы в этой среде; - Имеете опыт разработки высоконагруженных сервисов; - Имеете опыт развертывания и использования MLOps инструментов (ClearML, DVC, MLflow и т.п.); - Имеете опыт выстраивания CI/CD; - Имеете опыт деплоя моделей в формате ONNX; - Знаете принципов организации распределеаюнных информационных систем и баз данных. Что мы предлагаем: - Вилка: 4k$ - 5k$ - Сильная команда, с которой можно расти; - Работа над задачами, которые до вас никто не решал; - Возможность присоединится в компанию у самых ее истоков; - Офис в Москва Сити; - Гибкое начало рабочего дня (до 10:00); - Sick days; - Медицинская страховка; - Реферальная программа. По всем вопросам обращайтесь к @IraRozhnova