Влад Куликов

Lead AI/ML (LLMs) в FinTech. В ML с 2017 года — R&D, разработка ML/GenAI систем, консультирование бизнеса по созданию и внедрению AI. Магистратура МФТИ — Modern State of AI. Диссертация и публикации — LLMs, Learning and Reasoning at the Inference stage.

Первый факультет — Физтех Харьковского университета. Последний — МФТИ, ФПМИ (физтех-школа прикладной математики и информатики), «Современные методы искусственного интеллекта». Курсы я делал в том виде, которого мне самому не хватало (или до сих пор не хватает) при изучении этих тем. Например, теория информации преподаётся в некоторых вузах (у меня её, кстати, нигде не было) и почти всегда лишь как курс про связь, каналы и передачу информации по ним. Но в ML-специализациях мы её успешно пропускаем и практически не адаптируем под свои задачи, хотя весь ML ею пронизан. Чего стоит один cross-entropy loss... Открытые материалы всех курсов на: https://vladgkulikov.github.io/ (только лекции без тестов, упражнений, кода и ноутбуков): Если что-то кажется излишним, слишком детальным, с непонятной математикой или просто сложным — спокойно пропускайте и возвращайтесь по мере надобности. Но всегда есть вариант спросить о неясных подробностях у самой продвинутой из доступных LLM — очень достойный ныне путь обучения. Цель курсов — систематизировать и собрать материал в одном месте и помочь выстроить его понимание на разной глубине: от инженерной интуиции и реализации в коде до математических принципов, лежащих в основе каждого механизма.