How often does this podcast release new episodes?

This podcast updates bi-weekly.

Where can I listen to this podcast?

This podcast is available on 8 platforms including Apple Podcasts, Spotify, and more. You can also use the RSS feed directly.

Does this podcast accept guests?

Yes, this podcast regularly features guests.

Machine Learning Podcast

Claim This Podcast

by Mikhail

5.0(2 reviews)

80 episodes

Updated Bi-weekly

Accepts GuestsHas SponsorsLocation 🇷🇺

Podcast Overview

Это подкаст о машинном обучении от неспециалиста для неспециалистов. Буду рассказывать о развитии индустрии, проводить ликбез, объяснять терминологию и профессиональные жаргонизмы, общаться с профессионалами из индустрии Искусственного Интеллекта. Я сам не так давно начал погружаться в эту тему и по мере своего развития буду делиться своим пониманием этой интересной и перспективной области знаний. Почта для обратной связи: kms101@yandex.ru Сообщество подкаста в ВК: https://vk.com/mlpodcast Телеграм-канал: https://t.me/toBeAnMLspecialist Я в телеграме: @kmsint

Language

🇷🇺

Publishing Since

1/15/2020

Visit Website View on Apple Podcasts RSS Feed

1 verified contact email on file for Machine Learning Podcast

Pitch yourself as a guest, propose sponsorships, or reach out directly to the host.

See contact details

Recent Episodes

May 26, 2026

#080 Антон Полднев. ML в рекламе в режиме хайлоада

В гостях выпуска Антон Полднев - руководитель инфраструктуры Яндекс Рекламы. А разговариваем мы о том, как в рекламе работает ML в режиме высоких нагрузок, а также про разные интересные задачи, стоящие перед инженерами в контексте рекламных сетей. Жив ли ещё язык программирования PERL? Можно ли программировать, не используя массивы? Почему так сложно даётся тема указателей в C++? Как работает реклама в интернете в условиях AdBlock'а? Как должны работать рекомендательные системы, если у вас миллионы запросов в секунду? Как понять, что пользователь совершил целевое действие "покупка", перейдя на сайт по рекламе, если рекламодатель некорректно отдаёт метрики? Как рекламодателю понять, что у пользователя "баннерная слепота" или установлен блокировщик рекламы и не тратить ресурсы на бесполезные показы? Как генерация следующего токена LLM-кой может помочь в предсказании следующего действия пользователя? Как экономить железо, когда его не хватает? Когда деградация это хорошо? Можно ли вайбкодить серьёзные сервисы или этот подход годится только для пет-проектов? Зачем крупным компаниям выкладывать свои наработки в открытый доступ? Можно ли ускорить выполнение программы с помощью перфоратора? Обо всём этом в выпуске! Ссылки выпуска: Рекомендательная [RecSys Channel] - телеграм канал о рекомендательных системах, про который говорил Антон ( https://t.me/RecSysChannel) Yandex Neuro Ads - совокупность технологий, которая объединяет тяжёлые модели глубокого обучения и классические ML и технологии генеративного ИИ для работы с рекламой ( https://ya.ru/project/yna) Буду благодарен за обратную связь! Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" ( https://t.me/toBeAnMLspecialist) Мой телеграм для связи ( https://t.me/kmsint) Также со мной можно связаться по электронной почте: kms101@yandex.ru Я сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике ( https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов! Также в соавторстве с крутыми разработчиками я пишу курс по продвинутой разработке телеграм-ботов с элементами микросервисной архитектуры ( https://stepik.org/a/153850?utm_source=mlpodcast&utm_campaign=ep_80). Выразить благодарность можно добрым словом и/или донатом ( https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

April 30, 2026

#079 Николай Полярный. Про компьютерное зрение, оптимизацию вычислений и преподавание лучшим школьникам

В гостях этого выпуска Николай Полярный - технический директор Agisoft: разрабатывает алгоритмы компьютерного зрения для Metashape - программы, которая строит 3D-модель объекта или даже целого города по фотографиям. Автор курса по фотограмметрии и курса по вычислениям на GPU. Преподаёт программирование в школе. Что такое фотограмметрия? Зачем нужны цифровые двойники деревьев? Используют ли до сих пор классические ML-алгоритмы в CV или всё захватили нейросети? Зачем алгоритмам машинного обучения нужен зазеркальный мир? Почему в научных статьях критически важен буквально каждый абзац и как это связано с проблемой воспроизводимости исследований? Как стать экспертом по профилированию? Как спидранят разработчики? Как не потеряться в бесконечном бэклоге? Как LLM-ки помогают готовить учебные материалы в Сириусе? Много ли бюрократии в современных школах? Какие есть сложности с проектными подходами в обучении? Обо всём этом в выпуске! Ссылки выпуска: Курс Николая по вычислениям на видеокартах ( https://www.youtube.com/playlist?list=PL5p-5hHpsHBoIL4WI6OaPdWpCTkr774zN) Курс Николая по фотограмметрии ( https://www.youtube.com/playlist?list=PL5p-5hHpsHBp4yTpeZJ_QMSmJPAuov-VF) Телеграм-канал Николая ( https://t.me/UnicornGlade) Буду благодарен за обратную связь! Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" ( https://t.me/toBeAnMLspecialist) Мой телеграм для связи ( https://t.me/kmsint) Также со мной можно связаться по электронной почте: kms101@yandex.ru Я сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике ( https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов! Также в соавторстве с крутыми разработчиками я пишу курс по продвинутой разработке телеграм-ботов с элементами микросервисной архитектуры ( https://stepik.org/a/153850?utm_source=mlpodcast&utm_campaign=ep_79). Выразить благодарность можно добрым словом и/или донатом ( https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

March 24, 2026

#078 Станислав Петров. Про ML в маркетинге.

В гостях выпуска Станислав Петров - Senior Data Scientist в Capital.com, международной финтех-компании, занимающейся развитием высокотехнологичной торговой платформы. Чем маркетинг отличается от пиара? Что такое рекламные сети? Как работают автоматические аукционы? Актуальны ли марковские цепи для современных практических задач? Почему классический ML ещё не скоро вымрет? Что делать, когда нет возможности провести A/B-тестирование, но принять решение надо? Далеко ли мы от нативной рекламы в генерации ответов ChatGPT-like моделями? Будет ли условный adblock резать такую рекламу? Стоит ли продолжать писать тексты самостоятельно или уже можно 100% работы сгрузить на LLM? Почему МММ - это не только про финансовые пирамиды? Обо всём этом в выпуске! Ссылки выпуска: Станислав Петров в LinkedIn ( https://id.linkedin.com/in/stanislav-petrov-bba1799a) Телеграм-канал Евгения Мунина про ML advertising ( https://t.me/dsinsights) Крутой блог для всякой байесовщины ( juanitorduz.github.io) применительно не только к маркетингу, но и для многого другого Статьи Станислава на Хабре: - Введение в МММ. Часть 1 ( https://habr.com/ru/articles/803359/) - Введение в МММ. Часть 2 ( https://habr.com/ru/articles/803687/) Буду благодарен за обратную связь! Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" ( https://t.me/toBeAnMLspecialist) Мой телеграм для связи ( https://t.me/kmsint) Также со мной можно связаться по электронной почте: kms101@yandex.ru Я сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике ( https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов! Также в соавторстве с крутыми разработчиками я пишу курс по продвинутой разработке телеграм-ботов с элементами микросервисной архитектуры ( https://stepik.org/a/153850?utm_source=mlpodcast&utm_campaign=ep_78). Выразить благодарность можно добрым словом и/или донатом ( https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

80 total episodes available

Recent guests on Machine Learning Podcast

Guests from recent episodes — sign up to see every guest that has ever appeared on this show.

Максим Шапошников

Guest

See every guest on Machine Learning Podcast

Similar Podcasts

Discover related shows you might enjoy

Запуск завтра

libo/libo

План Б

Т—Ж

Экономика на слух

РЭШ

Подкаст Глеба Соломина

Глеб Соломин

Что случилось

Медуза / Meduza

Интересный Подкаст

KULTBAZA

Почему мы еще живы

libo/libo

Два по цене одного

libo/libo

Психология с Александрой Яковлевой

Александра Яковлева

Сперва роди

libo/libo

Лекции Arzamas

Arzamas / Арзамас

Схема

Т—Ж

‎Неловкая пауза

Arzamas

«Закладка» с Екатериной Шульман и Галиной Юзефович

Эхо Подкасты

Текст недели

Медуза / Meduza

Deep-dive analytics for Machine Learning Podcast

Frequently asked questions

Have a different question and can't find the answer you're looking for? Reach out to our support team by sending us an email and we'll get back to you as soon as we can.

What is Machine Learning Podcast?: Это подкаст о машинном обучении от неспециалиста для неспециалистов. Буду рассказывать о развитии индустрии, проводить ликбез, объяснять терминологию и профессиональные жаргонизмы, общаться с профессионалами из индустрии Искусственного Интеллекта. Я сам не так давно начал погружаться в эту тему и по мере своего развития буду делиться своим пониманием этой интересной и перспективной области знаний.

Почта для обратной связи: kms101@yandex.ru Сообщество подкаста в ВК: https://vk.com/mlpodcast Телеграм-канал: https://t.me/toBeAnMLspecialist Я в телеграме: @kmsint
How often does this podcast release new episodes?: This podcast updates bi-weekly.
Where can I listen to this podcast?: This podcast is available on 8 platforms including Apple Podcasts, Spotify, and more. You can also use the RSS feed directly.
Does this podcast accept guests?: Yes, this podcast regularly features guests.

Legal Disclaimer

Pod Engine is not affiliated with, endorsed by, or officially connected with any of the podcasts displayed on this platform. We operate independently as a podcast discovery and analytics service.

All podcast artwork, thumbnails, and content displayed on this page are the property of their respective owners and are protected by applicable copyright laws. This includes, but is not limited to, podcast cover art, episode artwork, show descriptions, episode titles, transcripts, audio snippets, and any other content originating from the podcast creators or their licensors.

We display this content under fair use principles and/or implied license for the purpose of podcast discovery, information, and commentary. We make no claim of ownership over any podcast content, artwork, or related materials shown on this platform. All trademarks, service marks, and trade names are the property of their respective owners.

While we strive to ensure all content usage is properly authorized, if you are a rights holder and believe your content is being used inappropriately or without proper authorization, please contact us immediately at hey@podengine.ai for prompt review and appropriate action, which may include content removal or proper attribution.

By accessing and using this platform, you acknowledge and agree to respect all applicable copyright laws and intellectual property rights of content owners. Any unauthorized reproduction, distribution, or commercial use of the content displayed on this platform is strictly prohibited.