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/GKy2kuyU0LIhttps://vkvideo.ru/video-228941334_456239068