ЛИЦЕМЕРНАЯ сторона ML. Об этом не расскажут на ютубе.

Мой тг-канал (в том числе по вопросам менторства): https://t.me/+MmqiG1_oO8g1ZTQy Всем привет! Если вы уже работаете в ML или только пытаетесь туда попасть, то наверняка посмотрели десятки лекций на YouTube, докладов с конференций и прочитали кучу статей на Хабре, Medium и в научных блогах. И в этих историях почти всегда счастливый конец: метрики выросли, модель победила, A/B-тест успешен, компания заработала миллионы, а авторы совершили очередной технологический прорыв. Но если начать копать чуть глубже и смотреть на проблему не с одной, а с нескольких сторон, то очень часто выясняется интересная вещь. Многие допущения, которые на самом деле являются главной проблемой проекта, аккуратно выносятся в раздел «дальнейшее развитие». А метрики подбираются и интерпретируются так, чтобы подчеркнуть именно те результаты, которые хочется показать. Если вы думаете, что никогда не столкнётесь с такими вещами или сами никогда не окажетесь в роли человека, который начинает слишком удобно интерпретировать результаты своей работы, рекомендую досмотреть видео до конца. Потому что однажды это может спасти вас от очень неприятного профессионального кризиса. Сегодня поговорим о том, как на самом деле рождаются красивые графики, почему метрики иногда превращаются в религию, как люди попадают в ловушки собственных экспериментов, почему многие задачи приходится решать буквально на коленке и зачем иногда компании строят самолёты там, где нужен обычный велосипед. Тайм-коды 00:00 Интро 01:56 Источник манипуляций над интерпретациями 03:47 Рост бизнеса ценой абсурда 05:02 Перфекционизм и бесконечная спираль самосовершенствования 07:08 Репутация, инфоповод, легенда 07:56 Как со всем этим жить #machinelearning #datascience