Привет! С октября прошлого года без постов. Знаю, знаю. Чем занималась? Шла вперед и оглядывалась назад. И, как всегда, смотрела на мир через призму Data Science 😅

Иногда оглядываешься назад — и понимаешь, что твоя жизнь шла по тому же пути, что и эволюция больших языковых моделей.

В октябре я закрыла вкладку блога и ушла в глубокое погружение: никаких публикаций, только работа, работа и ещё раз работа. Как будто моя личная LLM ушла в режим unsupervised pre‑training — без чётких задач, зато с поглощением всего подряд.

Представьте: импортозамещение в разгаре, и команде нужно перенести весь стек моделей машинного обучения на новую инфраструктуру. Не просто «перетащить» — а адаптировать, пересобрать, заставить работать так же или лучше. Ну что ж, надо — значит будет.

И вот мы: ⬆️ тестируем новые инструменты — то, что ещё вчера было «экспериментальным», сегодня должно стать боевой системой; ⬆️ рисуем архитектуру — сначала в блокнотах, потом в коде: как связать модели, данные, пайплайны без потерь производительности; ⬆️ оптимизируем бизнес‑функционал — чтобы каждый алгоритм давал осязаемый эффект: сокращал время обработки, снижал издержки, повышал точность решений.

А параллельно — бесконечные встречи со стейкхолдерами. Объясняем, доказываем, убеждаем: «Да, это не просто „ещё одна фича“ — это изменит процесс. Нет, это не увеличит риски — мы заложили отказоустойчивость. Да, эффект будет положительным — вот расчёты».

И знаете, что самое интересное? Это и было наше unsupervised learning в чистом виде. Мы не решали одну конкретную задачу.

Мы впитывали контекст:

🕘 изучали ограничения новой инфраструктуры; 🕘 разбирались, какие инструменты реально работают, а какие — только на бумаге; 🕘 учились говорить на языке бизнеса, переводя технические преимущества в деньги и метрики; 🕘 находили точки соприкосновения между интересами команд: дата‑сайентистов, инженеров, продактов, топ‑менеджмента.

И вот он, момент истины: каскад новых моделей успешно перенесён на новую инфраструктуру. Запускаем масштабный A/B‑тест — сравниваем старый и новый подходы по всем ключевым метрикам. Смотрим на данные, сверяем гипотезы, корректируем параметры.

А потом — раскатка на весь поток. Без фанфар, без пресс‑релизов, просто тихий запуск, который меняет процессы на уровне всей компании. И финальный аккорд: несколько миллиардов рублей в плюс. Не гипотетических, не «в перспективе», а реальных, посчитанных, подтверждённых отчётами.

Сидишь потом, смотришь на эти цифры — и понимаешь: вот он, результат pre‑training. Не было чёткой цели «заработать вот столько», не было готового плана действий. Был процесс накопления знаний, проб, ошибок, переговоров — а потом система «щёлкнула» и выдала результат, который даже нас удивил. Как будто модель, которая долго училась на случайных текстах, вдруг собрала все паттерны воедино и сгенерировала идеальный ответ. Только вместо текста — архитектура, код и бизнес‑метрики.

Продолжение в след.посте #dswork