Как создаются лучшие системы машинного обучения в мире

Популярная механикаHi-Tech

Новый ум короля

Как создаются лучшие системы машинного обучения в мире

Текст: Александр Ершов

Свитер MaxMara Studio, брюки Marella, часы Omega Ladymatic (бриллианты, сталь)

У каждой технологической компании есть хорошо известные пользовательские продукты и внутренние разработки, на которых эти продукты держатся. Это своеобразные двигатели, которые вращают шестеренки механизма. Долгое время главным двигателем «Яндекса» была система машинного обучения «Матрикснет», которая обеспечивала и работу поиска, и подбор подходящих рекламных объявлений, и выбор оптимального маршрута в навигаторе. Этим летом «Яндекс» завершил работу над новой системой, которая должна полностью заменить «Матрикснет» и стать новым «умом» главного российского поисковика. Разработкой этой системы руководила Анна Вероника Дорогуш, выпускница МГУ, которой сейчас всего 28 лет.

«Просто я очень люблю решать математические задачки. Ты сидишь над ней час, другой, и когда вдруг начинает складываться, когда части пазла совпадают друг с другом, возникает удивительное ощущение, эйфория. Собственно говоря, с этого все и началось». Сейчас Анна Вероника – тимлид одного из самых важных проектов российского поисковика. Но несколько лет назад она была обычной выпускницей, которая зашла на лекцию известного математика, академика Альберта Николаевича Ширяева. Лекцию тогда почему-то отменили, и вместо нее решено было провести семинар для студентов яндексовской Школы анализа данных. «Было очень интересно, а одна из задач оказалась слишком сложной, и ее оставили студентам как домашнее задание. Она меня так зацепила, что очень хотелось ее доделать и показать решение преподавателю, Евгению Бурнаеву. Я не была студенткой Школы и могла только лично попросить его проверить мое решение вместе с другими работами. Но потом ведь надо было вернуться за результатом на следующий семинар, потом еще раз и еще, и так я неожиданно попала в ШАД».

Школа отпраздновала в нынешнем году свое десятилетие. Начиналась она как экспериментальный проект, задачей которого было научить потенциальных соискателей анализировать данные на индустриальном уровне, чего вчерашние студенты обычно не умеют. Сегодня ШАД – это фактически полноценный университет, который бесплатно дает фундаментальное образование. В области машинного обучения и анализа данных Школа может конкурировать с лучшими мировыми университетами, при этом от выпускника не требуют после окончания учебы работать в компании. Некоторые выпускники идут работать к конкурентам, и это считается вполне нормальным.

История Анны Вероники показывает, что часто так и бывает. Учеба в ШАД не помешала ей поработать и в российской компании ABBYY, и в американской Microsoft. «Тогда считалось, что надо обязательно уезжать в западную компанию, и это действительно многое мне дало. Но я, как оказалось, очень люблю Москву, поэтому, как и многие мои коллеги, все равно вернулась». Так Анна Вероника оказалась сначала сотрудницей российского Google, а потом начала работать в «Яндексе».

Загадка кошкиного зуба

В том, что лучшие специалисты по математическому обучению часто приходят именно в поисковые компании, нет ничего необычного. Ведь поиск – это прежде всего точное соответствие между желанием пользователя и ответом машины. И чтобы научить машины правильно понимать эти желания, нужны специалисты по машинному обучению.

Если отбросить технологический жаргон, то машинное обучение – это просто автоматическая система угадывания. Неважно чего: будущей погоды, котировок акций или адреса веб-страницы. Причем такая система основана не на программировании (когда есть четкий алгоритм поведения), а на демонстрации компьютеру большого числа обучающих примеров. В мире, где информации все больше, машинное обучение часто единственный способ как-то ее осмыслить.

Авторизуйтесь, чтобы продолжить чтение. Это быстро и бесплатно.

Регистрируясь, я принимаю условия использования

Рекомендуемые статьи

Ответы и воспоминания Ответы и воспоминания

Самая грандиозная миссия к Сатурну – в цитатах, цифрах и результатах

Популярная механика
Мы наш, мы новый мир построим Мы наш, мы новый мир построим

Как развивается крупнейшая империя коммерческой недвижимости в России

Forbes
Москва позади Москва позади

Елена Батурина уехала из России восемь лет назад. Чем она сейчас занимается?

Forbes
Борис Грачевский: Борис Грачевский:

Решили с Катей: ответим всем сразу в совместном интервью...

Караван историй
Перемен! 8 мифов о лидере группы «Кино» Перемен! 8 мифов о лидере группы «Кино»

Симулянт, мастер кунг-фу и жертва агентов КГБ. Это все о Викторе Цое?

Вокруг света
Все на митинг Все на митинг

Революционные лозунги украшают футболки и даже платья

Vogue
Toyota Prius Toyota Prius

Prius интересен широкой аудитории. Однако для многих новый непозволительно дорог

АвтоМир
Кра­со­та решения Кра­со­та решения

Вадим Мошкович — про миллионы, которые он тратит на школу для одаренных детей

Tatler
Обучение по-китайски Обучение по-китайски

Где лучше обучаться восточным практикам – на Западе или на их родине, в Китае? Специалист по китайской медицине Анна Владимирова много путешествовала по странам Юго-Восточной Азии, изучая практики цигуна. Она делится впечатлениями, как происходит обучение у восточных мастеров.

Psychologies
Квартал желаний Квартал желаний

Архитектор Эрик Оуэн Мосс — упрямый оптимист, перфекционист и мечтатель

AD
Камер станет больше Камер станет больше

Новые системы видеофиксации нарушений

АвтоМир
Удовольствие vs страдания: современные технологии работы с телом Удовольствие vs страдания: современные технологии работы с телом

Мы привыкли считать, что чем труднее нам дается движение к результату, тем выше должно быть вознаграждение. Ту же формулу применяют и к здоровью: чем утомительнее упражнение и чем болезненнее процедура, тем быстрее наступит оздоровление. Откуда взялась эта идея и правдива ли она? Размышляет специалист по китайской медицине Анна Владимирова.

Psychologies
Я привыкла сама содержать свою семью Я привыкла сама содержать свою семью

Интервью с Ольгой Тумайкиной

Добрые советы
7 неверных установок 7 неверных установок

Они накрепко засели у нас голове еще с детства – и сильно отравляют нашу жизнь

Лиза
Мартин Скорсезе Мартин Скорсезе

Великий режиссер Мартин Скорсезе — о мафии, вере и чувстве юмора

Playboy
Будет как маяк Будет как маяк

Юрий Колокольников сыграл самую сложную роль в карьере — Владимира Маяковского

Vogue
Алхимик Тони Алхимик Тони

Один из самых прогрессивных миксологов мира Тони Конильяро

The Rake
Третья жизнь СТС Третья жизнь СТС

Что ждет медиахолдинг, который лишился иностранцев и биржи

РБК
Вылететь в трубу Вылететь в трубу

Илон Маск и его инженеры-иммигранты создают будущее наземного транспорта

Playboy
Ксения Безуглова: «Я стала очень независимым человеком на коляске» Ксения Безуглова: «Я стала очень независимым человеком на коляске»

Девять лет назад в результате аварии Ксения Безуглова лишилась возможности ходить. Как ни парадоксально, благодаря травме перед ней открылась новая яркая жизнь. Сейчас Ксении 34 года, она воспитывает троих детей и руководит благотворительным фондом «Все возможно».

Psychologies
Лик коммунизма Лик коммунизма

Кто стоит за убийством родственников лидера КНДР Ким Чен Ына

Esquire
Валдис Пельш:  Рассказывать истории – это мое! Валдис Пельш:  Рассказывать истории – это мое!

О первом парашютном прыжке и о том, чем ему помогает философское образование

Лиза
Японский бог Японский бог

В «Гараже» открывается ретроспектива Такаси Мураками

Vogue
Правила жизни Сергея Бодрова младшего Правила жизни Сергея Бодрова младшего

Правила жизни Сергея Бодрова младшего

Esquire
Политика — зашквар Политика — зашквар

Могут ли видеоблогеры изменить страну и мир

Русский репортер
Молодость навсегда Молодость навсегда

Fiat 500 – это не просто автомобиль, а культурное явление

АвтоМир
Возраст йоги Возраст йоги

Как со временем меняется практика йоги

Yoga Journal
Домоседы и непоседы Домоседы и непоседы

Как ужиться вместе, если интересы супругов не совпадают?

Лиза
6 фитнес-советов, которым лучше не верить 6 фитнес-советов, которым лучше не верить

Отделяй правду от заблуждений!

Лиза
Способны на многое Способны на многое

Как помочь ребенку раскрыть потенциал?

Psychologies
Открыть в приложении