Tech talk + збір = ?: як легко проходити співбесіди та потрапити в FAANG та інші міжнародні компанії та стартапи?

Коли: 13 березня о 19.00 за Києвом.

Ціль: збираємо на автомобіль для підрозділу НГУ Хартія. Кінцева ціль 150000грн.

Про мене: ?, я Марк. 5+ років працюю в AWS, Bloomberg (linkedin) і пройшов та спробував пройти понад 20 співбесід у різні компанії серед яких Apple, Microsoft, Twitter, Reddit, Meta та багато інших. Також регулярно проводжу інтерв'ю і вже налічую більше 100+ інтерв'ю різного типу.

Про що поговоримо:
- як оформляти CV
- як готуватися та що очікувати від інтерв'ю
- які етапи інтерв'ю зазвичай бувають та яка підготовка потрібна для кожного з них
- Leetcode та дизайн інтерв'ю та їхня користь для вас.
- як працює система найму з іншого боку.

Також поділюсь нескінченною кількістю матеріалів та підходів до найскладніших у підготовці етапів.

Тривалість: до 2 годин з Q&A сесією.

Ціна: будь який донат від 1000грн буде рахуватись вхідним ?. Задонатити на квиток

Ото людина, яка найбільше коментарів під останнім постом бахнула. Обов’язково долучіться, якщо тема вам цікава

2024 TBD

Опівночні Балачки №43: Дизайн-інтерв'ю

▶️ Youtube - Last
? Apple Podcasts - Christmas [колись кеш роздуплиться]
?Spotify - You
?‍♂️Інші Платформи - Gave

Тайм-коди:
0:00-1:16 Інтро
1:17-4:35 Як проходить дизайн-інтерв'ю? Мета-кроки, які повторюються.
4:36-7:09 Особливість інструментів для дизайн-інтерв'ю. Усякі ⁠https://excalidraw.com/⁠, ⁠https://miro.com/⁠ і подібне. А також варіант для багатих – беріть планшет
7:10-9:54 Основні аспекти дизайн інтерв'ю. Компоненти і їх взаємодія. Збереження даних. Нефункціональні вимоги, де довгий перелік *bility штук
9:55-12:31 Чи будуть на дизайн-інтерв'ю питати про внутрянку Postgres?
12:32-14:06 Можливі варіації дизайн задач. Питання щодо речей, про які ви не думаєте в стартапі на 3 юзера
14:07-21:49 Як готуватися до дизайн інтерв'ю? ⁠bytebytego⁠, ⁠donnemartin/system-design-primer⁠. Блоги ⁠github⁠, ⁠discord⁠. Блог ⁠AWS Solutions⁠. ⁠https://www.educative.io⁠
21:49-25:50 А тепер насправді, як готуватися. Dry-run інтерв'ю. І в цілому про важливість говорити слова ротом. ⁠ExponentTV⁠ на ютуб
25:51-28:23 Хот-тейки від Ігоря. ⁠7 DBs in 7 Weeks⁠.
28:24-33:09 За що можуть "віднімати бали" при проходженні. Чи варто казати, що юзатимеш технологію, з якою не знайомий? Показуйте ініціативність. І не сперечайтеся
33:10-36:57 Висновки. Що прикольне/не прикольне в дизайн-інтерв'ю. Outro

Ми в твітері o_balachky
Музика: streambeats | @stasgavrylov

Привіт!
Сьогодні, як і наступних Х тижнів, нових випусків не буде.
А поки ми відпочиваємо, можемо порекомендувати контент з тг каналу "Шось про айтішку", де Роман ділиться своїми експериментами з ШІ і в прямому ефірі розповідає про прогрес побудови продукту з використанням МЛ
Тому заходьте -> https://t.me/frontender_clj

Telegram

Шось про айтішку

Шось про все підряд від @roman01la Фронтенд, ШІ, 3D друк, FPV, історії з життя та роботи Підтримати канал https://base.monobank.ua/5syXusBFAzG6T6 Twitch https://twitch.tv/roman01la YouTube https://youtube.com/c/roman01la Чат https://t.me/+Fus7pc6OMlRjMTcy

Опівночні Балачки №42: Рекомендаційні системи, ч.2. Будуємо моделі, зворотній зв'язок, а як схочемо, то і ChatGPT підключимо

В гостях – Дмитро Войтех, СТО @ S-PRO?️ Youtube – Складний
? Apple Podсasts – Машинний
? Spotify – Біт
? Інші платформи – Ха!

Тайм-коди:
00:00 - 00:56 - Intro
00:57 - 02:50 — з чого почати побудову recommender system; як будувати baseline моделі
02:51 - 04:10 – говоримо про бейзлайн систему рекомендації для зображень
04:11 - 7:30 – говоримо про бейзлайн систему рекомендації для текстових даних; Bag of Words; BM-25
7:31 - 11:15 – які хороші методи для отримування вектора ознак для тексту? TF-IDF
11:16 - 14:47 — проблема холодного старту (Cold Start)
14:48 - 20:10 – моделі рекомендацій на основі механізму зворотнього зв’язку; кенселінг за дієвидло; колаборативна фільтрація – @benfred/implicit, улюблена Alternating Least Squares у каглерів
20:11 - 22:06 – знову говоримо про cold start; маленький кейс megogo
22:07 - 30:25 – Word2Vec, чи то пак Entity2Vec — як оригінальний NLP алгоритм можна використовував для побудови рекомендацій
30:26 - 33:20 – векторна арифметика на елементах вашої системи — як віднімати та додавати зображення та тексти один від/до одного; фантазуємо, які пошукові системи потрібні людям; слухайте подкаст з Олесем Петрівом, де космічні кораблі подорожують просторами ембедінгів
33:21 - 36:53 – рекомендації на базі графових нейронних мереж (GNN); чому це можна розглядати як логічне продовження моделей на базі Word2Vec; кейс AliBaba;
36:54 - 39:45 – чим графові нейронні мережі схожі на конволюційні; 3b1b про конволюції
39:46 - 45:50 – як використовувати Mixture of Experts моделі в рекомендаціях; пейпер Outrageously Large Neural Networks: The Sparsely-Gated Mixture-of-Experts Layer; згадуємо symbolic AI та експретні системи
45:51 - 51:56 – рекомендаційні системи на основні архітектури нейронних мереж Трансформер; паралелі з Deep & Wide model; слідкуйте за https://eugeneyan.com/
51:57 - 1:01:46 – алгоритми Learning to Rank (навчання ранжуванню) — побороли recall, починаємо бороти precision; поточкові, попарні та помножинні підходи; RankNet; LambdaMart
1:01:47 - 1:06:19 – рекомендації на базі моделі CLIP - Contrastive Language–Image Pre-training; як тюнити CLIP
1:06:20 - 1:07:28 – знову фантазуємо про просунуті пошукові інтерфейси; reverse image search
1:07:29 - 1:11:40 – як використовувати LLM для рекомендацій? Забудьте про ембеддінги – несемо prompt engineering в маси!
1:11:41 - 1:17:18 – крейзі ідеї в світі LLM – ChatGPT розкаже вам, як спати та бігати, враховуючи дані з вашого Apple Watch; як LLM обробляє великі дані через маленьке контекстне вікно
1:17:19 - 1:22:13 – Підбиваємо підсумки; перераховуємо теми в галузі рекомендаційних систем, про які ми НЕ поговорили, але які варто подосліджувати. Оголошення подальших планів подкасту

Ми в твітері o_balachky
Музика: streambeats | @stasgavrylov

YouTube

Опівночні Балачки. Епізод 42: Створюємо модель ШІ для рекомендації контенту. Чи замінить це ChatGPT?

Рекомендаційні системи, ч. 2 В гостях Дмитро Войтех, СТО @ S-PRO Долучайтесь до нашого телеграм каналу, де всі посилання - робочі https://t.me/midnight\_chatter Ми в твітері http://twitter.com/o\_balachky Музика: https://www.streambeats.com/ | @stasgavrylov…

Вітаю, друга частина подкасту про рекомендації вже зійшла з монтажного столу, тому днями запостимо. Останній випуск цього сезону. Безпечного всім вам дня ?

Опівночні Балачки №41: Рекомендаційні системи, ч.1. Побудова рекомендаційних систем, їх складові і оцінку якості

В гостях – Дмитро Войтех, СТО @ S-PRO▶️ Youtube – Крізь
? Apple Podсasts – хащі
? Spotify – лісового
?️ Інші платформи – бога

Тайм-коди:
0:30 - 1:18 — рекомендаційна система для банок на донати - поповнюйте рахунки Повернись Живим
1:19 - 5:45 — Дмитро (ex-Giphy, CTO@S-PRO) розказує, чому він хороша людина на поговорити про рекомендаційні системи
5:46 - 8:10 — чутки про те, в який ML/AI хочуть вкладати гроші європейські компанії
8:10 - 11:43 — визначимо проблему рекомендацій, говоримо про задачу отримання інформації (information retrieval)
11:44 - 12:20 — чому задачу рекомендацій варто розбивати на підсистеми
12:21 - 17:15 — candidate generation – бази даних, векторні індекси, текстові індекси
17:16 - 19:20 — що таке precision та recall, скільки потрібно сіньйорів…
19:21 - 22:20 — чому фільтрувати кандидатів в рекомендації є хорошою ідеєю
22:21 - 30:50 — на чому тренувати рекомендаційну систему: не забудьте полайкати наш подкаст на вашій улюбленій платформі!
30:51 - 40:45 – для чого потрібні офлайн та онлайн метрики; роздумуємо про інтуїцію метрик для оцінки якості рекомендацій
40:46 - 46:50 — чому Mean Reciprocal Rank (MRR) — ймовірно, не найкращий вибір для метрики, говоримо про Expected Reciprocal Rank (ERR) — чому структура гріда рекомендацій має значення
46:51 - 47:45 – Click Through Rate (CTR)
47:46 - 49:55 — говоримо про customer satisfaction та функції втрат для тренування рекомендаційної системи
49:56 - 55:28 — проблема feedback loop, exploration vs exploitation, рандомізуємо рекомендації; багаторукі бандити
* 55:29 - 57:28 — робимо паузу; оутро і канал 'Kyiv Data Science’; чекайте продовження в наступному випуску!

Ми в твітері o_balachky
Музика: streambeats | @stasgavrylov

Привіт! Випуск буде завтра. Розмовляли з гостем про рекомендаційні системи, це буде перша частина міні-циклу. Щасти і спокійного вам дня ✌️