Look for any podcast host, guest or anyone
Showing episodes and shows of

VTB Bank

Shows

REI Hot Seat2025-12-1615 minRoggin And Rodney2024-09-1339 minRoggin And Rodney2024-09-1233 minRoggin And Rodney2024-09-1233 minRoggin And Rodney2024-09-1132 minRoggin And Rodney2024-09-1032 minRoggin And Rodney2024-09-0730 minRoggin And Rodney2024-09-0536 minRoggin And Rodney2024-09-0333 minRoggin And Rodney2024-08-3034 minRoggin And Rodney2024-08-2939 minRoggin And Rodney2024-08-2835 minRoggin And Rodney2024-08-2734 minRoggin And Rodney2024-08-2437 minRoggin And Rodney2024-08-2336 minRoggin And Rodney2024-08-2234 minRoggin And Rodney2024-08-2131 minRoggin And Rodney2024-08-1934 minRoggin And Rodney2024-06-2830 minRoggin And Rodney2024-06-2630 minДеньги любят техно
Деньги любят техноМешают ли дата-сайентистам галлюцинации: подводим итоги года в ML, AI, DSС командой дата-сайентистов из ВТБ подводим итоги 2023 года в темах развития нейросетей, машинного обучения, инструментов на базе ИИ. Конечно же говорим про большие языковые модели и начало гонки генеративного AI среди бигтехов. Делимся своим опытом использования нейросетей в работе и в жизни. Говорим об этике, философски обсуждаем настоящее и немного фантазируем о будущем. И пытаемся узнать, когда ИИ поработит человечество.  Участники:   • Антон Бабак, тимлид в команде перспективных алгоритмов машинного обучения  • Иван Яруков, Senior DS, моделирование в крупном бизнесе и СМБ  • Анатолий Глушенко, тимлид DS, моделирование партнерств и ИТ-процессов   Ведущая:   • Технологический обозреватель Марина Эфендиева Подпишитесь, чтобы послушать другие эпизоды сезона Data Science в подкасте «Деньги любят техно».
2023-12-2041 minДеньги любят техно
Деньги любят техноMLOps, часть III: критерии выбора инструментов и возможности Open SourceМашинное обучение так или иначе уже применяется в компаниях самых разных масштабов и направлений деятельности. Однако для выстраивания зрелой ML-инфраструктуры и перехода к эффективным MLOps-практикам требуется понимание: с чего начать, на какие платформы обратить внимание, к каким инструментам присмотреться внимательнее, а какие подойдут лишь для разовых экспериментов.  К инструментам MLOps для больших исследовательских и бизнес-задач предъявляется три базовых требования: интерпретируемость, воспроизводимость, надёжность. Как среди десятков Open-Source-инструментов выбрать правильные, что могут или не могут использовать компании, к которым предъявляются высокие требования стандартизации, на чем должен основываться выбор между облаками и InHouse для ML — в третьем выпуске серии MLOps обсудили Юрий Карев, руководитель управления процессов и стандартов моделирования и машинного обучения ВТБ, и Алексей Незнанов, к.т.н, старший научный сотрудник международной лаборатории интеллектуальных систем и структурного анализа НИУ ВШЭ. Подпишитесь, чтобы не пропустить новые эпизоды сезона Data Science в подкасте «Деньги любят техно». Дополнительные материалы: Ссылки на полезные ресурсы к этому эпизоду ищите в нашем блоге на Хабр: https://habr.com/ru/companies/vtb/news/778270/
2023-12-0448 minJao Mile podcast2023-10-121h 23Деньги любят техно
Деньги любят техноMLOps, часть II: погружаемся в специфику работы с даннымиВо второй части большой темы про MLOps, которую мы разбили на несколько эпизодов подкаста, ещё глубже погружаемся в тему машинного обучения и работы с данными, лежащей в основе ML. Рассматриваем вопросы обогащения данных, разбираемся с разметкой, говорим о специфических аспектах управления данными.  В этом выпуске вы услышите:  Почему общепринятых стандартов управления данными недостаточно для работы с большими данными для ML; Что такое хвосты и артефакты в сверхбольших данных; Может ли overfeeding стать причиной overfitting’a (или это одно и то же?); И многое другое! Юрий Карев, руководитель управления процессов и стандартов моделирования и машинного обучения ВТБ, и Алексей Незнанов, к.т.н, старший научный сотрудник международной лаборатории интеллектуальных систем и структурного анализа НИУ ВШЭ, подошли к теме с двух сторон: теоретической и практической. Помогли ведущей подкаста разобраться с терминологией. А также поговорили про специфику подходов к образованию для специалистов в Data Science, DataOps и MLOps.  Полезные ресурсы и ссылки: Курс MLOps (OTUS): https://otus.ru/lessons/ml-bigdata/  Основные идеи из книги «Сотрудничество в DevOps-культуре»: http://agilemindset.ru/основные-идеи-из-книги-сотрудничест/  MLOps: Continuous delivery and automation pipelines in machine learning: https://cloud.google.com/architecture/mlops-continuous-delivery-and-automation-pipelines-in-machine-learning Как создавать качественные ML-системы. Часть 1: каждый проект должен начинаться с плана: https://habr.com/ru/companies/vk/articles/749850/  Как создавать качественные ML-системы. Часть 2: приручаем хаос: https://habr.com/ru/companies/vk/articles/749852/ The Data Engineering Cookbook: https://github.com/andkret/Cookbook Стандарты: ISO/IEC DIS 5259-1: https://www.iso.org/standard/81088.html ISO/IEC DIS 5259-4: https://www.iso.org/standard/81093.html ISO/IEC 8183:2023: https://www.iso.org/standard/83002.html
2023-09-151h 19The Rob Tetrault Show2023-08-2905 minДеньги любят техно2023-08-1850 minДеньги любят техно2023-07-2137 minДеньги любят техно2023-06-3042 min夜晚的约定2023-04-0303 minSame Page2023-01-1905 minДеньги любят техно2022-12-2918 minДеньги любят техно2022-12-2918 minДеньги любят техно2022-12-2849 minДеньги любят техно2022-12-2849 minДеньги любят техно2022-12-2628 minДеньги любят техно2022-12-2628 minДеньги любят техно2022-12-2632 minДеньги любят техно2022-12-2632 minДеньги любят техно
Деньги любят техноДата-сайентисты — современные предсказатели?Экспериментальный выпуск, который поможет эффективнее бороться с категоричностью и с крайностями в суждениях. Такого ещё никто не делал, а мы попробовали. В новом выпуске постарались выяснить, является ли профессия дата-сайентиста одной из древнейших. В дискуссии приняли участие специалисты из самых разных областей: Бронислав Виногродский, китаевед, писатель, переводчик основополагающих китайских текстов; Константин Воронцов, доктор физико-математических наук, профессор РАН, МГУ и МФТИ; Дмитрий Доронин, социальный антрополог, этнограф, научный сотрудник РГГУ и РАНХиГС; Наталия Пузырникова, заместитель председателя правления, руководитель службы управления рисками Газпромбанка; Денис Суржко, начальник управления перспективных алгоритмов машинного обучения департамента анализа данных и моделирования ВТБ. Ведёт дискуссию Вадим Кулик, заместитель президента-председателя правления ВТБ.
2022-12-2342 minДеньги любят техно
Деньги любят техноДата-сайентисты — современные предсказатели?Экспериментальный выпуск, который поможет эффективнее бороться с категоричностью и с крайностями в суждениях. Такого ещё никто не делал, а мы попробовали. В новом выпуске постарались выяснить, является ли профессия дата-сайентиста одной из древнейших. В дискуссии приняли участие специалисты из самых разных областей: Бронислав Виногродский, китаевед, писатель, переводчик основополагающих китайских текстов; Константин Воронцов, доктор физико-математических наук, профессор РАН, МГУ и МФТИ; Дмитрий Доронин, социальный антрополог, этнограф, научный сотрудник РГГУ и РАНХиГС; Наталия Пузырникова, заместитель председателя правления, руководитель службы управления рисками Газпромбанка; Денис Суржко, начальник управления перспективных алгоритмов машинного обучения департамента анализа данных и моделирования ВТБ. Ведёт дискуссию Вадим Кулик, заместитель президента-председателя правления ВТБ.
2022-12-2342 minДеньги любят техно2022-12-2030 minДеньги любят техно2022-12-2030 minДеньги любят техно2022-12-1931 minДеньги любят техно2022-12-1931 minThe Canadian Real Estate Investor2022-12-1644 minДеньги любят техно2022-12-1346 minДеньги любят техно2022-12-1346 minДеньги любят техно2022-11-2548 minДеньги любят техно2022-11-2548 minДеньги любят техно2022-11-2250 minДеньги любят техно2022-11-2250 minAdvanced Real Estate Investing Talk2022-08-0329 minThe Experts: School of Finance
The Experts: School of FinanceS02E06: Work Abroad - Alexey Tishakov (Investment Officer, Private Equity & Special Situations, VTB Capital)Спикером очередного открытого мероприятия в Школе финансов, посвященного работе в ведущих зарубежных финансовых центрах, выступил Алексей Тишаков, Investment Officer, Private Equity and Special Situations, VTB Capital. Алексей закончил бакалавриат МГИМО и начинал свою карьеру в финансах в качестве стажера инвестиционно-банковского департамента московского офиса Goldman Sachs, после чего работал в качестве аналитика в инвестиционно-банковской команде Bank of America в Москве. С 2016 по 2018 год Алексей работал на позиции Associate в QInvest, дочерней компании ведущего ближневосточного суверенного фонда Qatar Investment Authority, в Дохе (Катар). С 2018 года Алексей работает в команде Private Equity and Special Situations VTB Capital в Москве. Содержание: 0:00 Вступление 1:23 Про образование 7:15 Начало карьеры 10:55 Работа в Private Banking в начале карьеры 16:55 Дальнейший карьерный путь 27:23 О работе в Goldman Sachs 32:07 Отличие работы в Goldman Sachs от Bank of America 33:52 О работе в Катаре 39:14 Про сложности в новой среде 46:07 Про ритм жизни в Катаре 48:33 О фонде QInvest 1:01:20 Об ошибках и их преодолении 1:06:08 Перспективы Private Equity в Катаре 1:08:38 О возвращении в Россию 1:11:13 Компетенции необходимые для работы в VTB Capital PESS 1:15:45 Как происходит скрининг потенциальных сделок 1:19:29 Про частные инвестиции в компании 1:25:13 О проекте Droice Labs и роли Алексея в нем 1:29:30 Про свободное время 1:33:16 Про режим работы 1:38:30 Совет молодым специалистам
2022-01-311h 41Сила Слова ВТБ Беларусь2022-01-1048 minСила Слова ВТБ Беларусь2022-01-101h 01Сила Слова ВТБ Беларусь2022-01-1054 minСила Слова ВТБ Беларусь2022-01-0647 minСила Слова ВТБ Беларусь2022-01-061h 07Сила Слова ВТБ Беларусь2021-12-3155 minСила Слова ВТБ Беларусь2021-12-311h 04Сила Слова ВТБ Беларусь2021-12-311h 07Деньги любят техно2021-12-281h 00Деньги любят техно2021-12-281h 00Сила Слова ВТБ Беларусь2021-12-241h 23Сила Слова ВТБ Беларусь2021-12-2458 minСила Слова ВТБ Беларусь2021-12-241h 00