Четвертый выпуск: Жизненный цикл взаимодействия Data Scientist-a с моделью

В какой момент модель начнет “бредить”? Как правильно передавать информацию и что такое регуляризация? Какие задачи решает наука и чем они отличаются от задач, которые решает бизнес? Какова роль бюджета в разработке моделей? Что такое воспроизводимость, и с чем ее едят? Почему все важнее становится интерпретируемость моделей? Об этом Александр Бородин беседует с Игорем Куралёнком. Игорь отвечает за data science в Яндекс.Облаке. В беседе упоминаются: Belkin M. et al. (2019).  Reconciling modern machine learning practice and the bias-variance trade-of. URL: https://arxiv.org/pdf/1812.11118.pdf Доклад Артёма Трофимова “Мифическая воспроизводимость в ML разработке” (2021) URL: https://youtu.be/sTC_nayC8qc Этот подкаст мы - компания GlowByte - делаем совместно с NoMLCommunity https://t.me/noml_community Присоединяйтесь к нам! 1:16 - О трендах в машинном обучении 7:20 - Возможно ли понять, что происходит внутри модели? 25:30 - Способна ли наука дать решения прикладным задачам? 30:58 - Какие знания нужны специалисту в области Data Science? 37:20 - Кто такой Data Scientist? 50:20 - AvtoML - автоматизация рутинных задач Редактор —  Мария Андрюкова; Также над подкастом работали: Наталья Тоганова, Ирина Мефёдова. Подкаст записан в студии “Норм”. _____________ Это подкаст компании GlowByte  — https://glowbyteconsulting.com/ и NoML Community  — https://t.me/noml_community Мы на Linkedin — https://www.linkedin.com/company/glowbyte-consulting/