Разбор статьи "STaRK: Benchmarking LLM Retrieval on Textual and Relational Knowledge Bases".

Разбор статьи "ReFT: Representation Finetuning for Language Models".

Разбор статьи "BLADE: Enhancing Black-box Large Language Models with Small Domain-Specific Models".

Машинное обучение в физике ускорителей заряженных частиц - обзор подходов

Разбор статьи "GaLore: Memory-Efficient LLM Training by Gradient Low-Rank Projection".

Лекция про устойчивость моделей машинного обучения

Разбор статьи "Seven Failure Points When Engineering a Retrieval Augmented Generation System".

Устойчивость ML-моделей после выкатки в прод. Выступление на Datafest2023 в секции Reliable ML.

Устойчивость ML-моделей Как часто дообучать модель и как делать это правильно. О том, что модели нужно не только делать, но и поддерживать + пара советов на этом пути.

Лекция ML System Design Doc от Reliable ML. AI Talent Hub в ИТМО ai.itmo.ru

Разбор статьи "GPTs are GPTs. An Early Look at the Labor Market Impact Potential of Large Language Models".

Выступление на митапе Омского сообщества по машинному обучению

Что нового в интерпретируемости ML-моделей. Выступление на DataFest / Reliable ML

Лекция на Comptech @ 2022 про машинное обучение в бизнесе

Краткое введение в ML/AI для студентов курса Big social data кафедры медиакоммуникаций СПбГУ

Что у ней внутри: Зачем и как интерпретировать модели машинного обучения. НГУ, "Семинар невозможного"

Месторождения ошибок. Анализ пространства ошибок моделей машинного обучения (Dataconf, Барнаул)

На Датаелке OpenDataScience выступил с новогодними новостями про интерпретируемость

На Датафесте 2020 обсуждали новости Interpretable ML

Выступление на ML-митапе Центра Финансовых Технологий

Выступление на IT-площадке Сборка (Кемерово)

Лекция в НГУ про интерпретируемость моделей машинного обучения

Лекция в НГУ про машинное обучение в бизнесе

Process Mining - готовые решения и велосипеды.

Интерпретация моделей машинного обучения, часть 4 (CompTech@20, Новосибирск)

Краткая история новосибирских датазавтраков в скриншотах. Выступление на ДатаРождестве в ЦФТ, Новосибирск

Интерпретация моделей машинного обучения, часть 3 (Data Fest Siberia, Новосибирск)

Интерпретация моделей машинного обучения (Dataconf, Барнаул)

Лекция про интерпретацию моделей машиннного обучения (ЦФТ, Новосибирск).

Лекция в НГУ про машинное обучение в бизнесе

Лекция про процесс разработки дата-сервисов

Рассказ про эффективную работу с Jupyter ноутбуками

Рассказ о том, как Dask может помочь справиться с большим набором данных.

Лекция про ML в полях

Лекция про Process Mining - анализ процессов на основе журналов событий

Обзорная лекция про работу с пространственными данными