Чем отличается хороший ML lead от плохого? — выложили! Вот что обсудили (ссылочные тайм-коды внутри видео): 00:00 — Почему вообще решили говорить про ML Lead 01:58 — Почему ML-проекты фейлятся 03:48 — «Neural net training fails silently» — главная проблема ML 06:28 — Почему ML Lead — это “супергерой” проекта 08:28 — Чем ML Lead отличается от Senior DS 10:08 — 3 ключевых блока ответственности ML Lead 11:48 — Delivery: за что отвечает ML Lead в проекте 15:58 — Почему ML Lead обязан ходить на встречи с заказчиком 18:18 — Что такое ML System Design на практике 21:28 — Хороший ML Lead сначала задает вопросы, а не пишет код 22:48 — Что такое Data Science Review и зачем он нужен 24:28 — Типичные silent-fail ошибки в ML 28:48 — Кейс с металлургическим заводом и data leakage 36:28 — Интерактив: кейс про сортировку алмазов 40:58 — Почему важно общаться с доменными экспертами 46:58 — Работа с командой: найм, увольнение, развитие 49:58 — Почему ML Lead должен защищать команду от хаоса 52:28 — Почему PM не заменяет ML Lead 56:58 — Нужны ли вообще PM и аналитики в ML-командах 01:02:28 — Почему ML Lead не может вести 10 проектов одновременно 01:06:28 — Как понять, что тебе пора становиться ML Lead 01:09:58 — Технический эксперт vs ML Lead — два карьерных трека 01:14:28 — Почему не всем стоит идти в лиды 01:18:28 — Разбор вопросов из чата 01:27:28 — High-level system design vs ML Lead 01:30:58 — Финальные мысли и завершение https://youtu.be/GKy2kuyU0LI https://vkvideo.ru/video-228941334_456239068