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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #499 · 10.08

В массовых источниках информации пишут, что в Сочи сейчас дикие толпы людей на пляжах, и туда лучше не ехать. Но у нас пригород Сочи и выделенный пляж от отеля, толп вообще нет. Конечно, за это пришлось чуть больше заплатить (ненамного, учитывая в целом высокие сочинские цены), а ещё слегка потерять в инфраструктуре, но окупается полностью. И тут я подумал, а можно ли как-то объективно понимать разницу между издержками и выгодой? Не только с пляжами, вообще в жизни. Вот кто-то стоит в очереди в кассу метро, потому что лично для него это удобнее и комфортнее, чем учиться пользоваться автоматом. Можем ли мы отличать ситуации "Он выбирает то, что ему субъективно удобнее, отстаньте от него" и "Он совершает объективную ошибку, отказываясь тратить чуть больше усилий ради куда бОльшей выгоды впоследствии"? Если люди делают что-то, что вам кажется неудобным/неэффективным, то как понимать: это просто вариант личных предпочтений, или действительно людям стоило бы рассмотреть разные варианты? Допустим, кто-то не ест лук, но лук полезный, а ещё присутствует во многих блюдах. Почему бы такому человеку не терпеть личный дискомфорт от употребления лука ради объективно более удобного выбора? Чем это отличается от очередей в кассу вместо автомата, от вызова такси по телефону вместо приложений, от просмотра фильмов с рекламой по телевизору вместо стриминга? На мой взгляд ответ такой: если усилия нужно вкладывать единожды, либо непродолжительное время, но взамен ты получишь систематическую выгоду надолго или навсегда, то отказ от вложения усилий это объективная ошибка, а не вкусовое предпочтение. Например, ты один раз учишься пользоваться автоматом, и потом больше никогда не стоишь в очереди в кассу. Ты один раз платишь больше денег, и потом в течение многих дней не терпишь толпы на пляже. Ты один раз покупаешь паркинг, и потом никогда не ищешь часами место во дворе. При этом бывает и обратная ситуация: вот бросить курить очень сложно, в этом я верю курильщикам. Ты в течение многих месяцев вкладываешь значительные усилия, а потом до конца жизни так или иначе себя сдерживаешь, при этом выгода очень условная — трудно оценить, сколько лет тебе в итоге добавил отказ от курения. Разве что деньги на сигареты не тратишь, но вложения всё равно систематические. Так что выбор "не бросать курить" понятен. Другое дело, с этой точки зрения не понятен выбор "начинать курить", но это отдельный разговор. С луком аналогично: нельзя привыкнуть его есть, если ты его не любишь. Я вот за 32 года так и не привык, хотя периодически приходится: недавно в ресторане заказал пасту, и она почему-то оказалась с луком, а ведь по классическому рецепту не должна была. Наверняка, можно как-то более точно поделить. Не любые разовые усилия оправдываются даже систематической выгодой (пример: покупка автомобиля в городе, до сих пор очень спорная вещь). Но для меня граница лежит где-то тут. Однократная трата ресурсов для постоянного увеличения эффективности и/или комфорта — это форма автоматизации. #life

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