История выпускницы ШАДа

Войти в ID

Войти в ID

Загрузка

История выпускницы ШАДа

Почему ты выбрала ML?

Когда я писала диплом на мехмате МГУ, я зачиталась книгой про нейробиологию. Мне ужасно понравилась идея, что можно смоделировать работу мозга с помощью математики. Тогда я решила: напишу диплом про нейросети. Начала писать работу и поняла, что совсем не умею программировать, а ИИ — это что-то из параллельной вселенной. Курсов по ИИ почти не было, а научный руководитель смог дать мне только книжку Хайкина 80-х годов. Тогда я осознала: если хочу дальше заниматься нейросетями — надо идти в ШАД.

Откуда ты узнала про ШАД?

От соседки по общаге. Она училась там и рассказывала, что в ШАДе всё «по-взрослому»: хардкорная учёба, очень умные студенты и сильная математика. Тогда я поняла, что если где и научусь программировать, то точно здесь. Решение поступать пришло спонтанно — летом, после диплома. Я увидела, что можно попасть в совместную магистратуру ШАДа и ВШЭ, и подала заявку. Даже не готовилась — написала экзамен как есть, а потом мне позвонили и сказали, что я поступила.

Первая мысль была: это ошибка. «Скоро все поймут, что я оказалась здесь случайно» — этот синдром самозванца долго не давал покоя. Но потом нашла в ШАДе друзей — с ними стало проще.

Помогла ещё и атмосфера, которую создавал тогдашний руководитель Стас Федотов: при всей жёсткости учёбы там было удивительно тепло, были новогодние вечера, настолки и ощущение поддержки.

ШАД оправдал ожидания?

Да, у меня всё пересобралось в голове. На мехмате я много учила формулы, не до конца понимая, зачем они нужны. А тут мне показали, как математика работает в жизни.

Каждая формула и алгоритм превращались в конкретный инструмент. Это было почти озарение.

Самым важным для меня стал курс по Python. До него я была уверена, что программирование — сплошной стресс и боль. А потом вдруг что-то заработало, код стал простым и понятным. Плюс курсы по статистике, теории вероятностей, машинному обучению — они дали мне фундамент.

Я помню первую лабораторную Константина Воронцова по машинному обучению. Мы обучали простую линейную модель, и в тот момент, когда она начала правильно предсказывать события, я окончательно убедилась, что хочу заниматься ML.

А ещё на меня очень повлиял курс Евгения Бурнаева и работа с ним над дипломом: именно он дал мне ту теоретическую и техническую основу, на которой держится всё последующее.

Бывает, что ты по работе возвращаешься к лекциям?

В работе нужна не какая-то конкретная формула, а именно способ мышления, который в нас закладывали. Я часто вспоминаю курс Дмитрия Ветрова по байесовским методам. Он говорил, что теорема Байеса работает не только в данных, но и в жизни: у тебя есть априорное представление о мире, а когда ты получаешь новые наблюдения, оно немного корректируется. Мне кажется, это очень точное описание вообще всего обучения и исследований: ты постоянно обновляешь свою модель мира.

Но самое ценное, что я вынесла из ШАДа, кроме знаний, — это сообщество. Здесь невероятная концентрация умных увлечённых людей. Если честно, я не сразу осознала, насколько это ценно.

Многие выпускники делали совместные проекты, кто-то звал друг друга на работу. И вообще, строчка «ШАД» в резюме — это знак качества. Даже если ты не знаком лично, доверие уже есть. Думаю, это и есть настоящая сила комьюнити.

Расскажи о своих проектах. Где ты работала?

Если смотреть на моё CV, может показаться, что я хаотично выбираю области: медицина, нефтянка, звук, финтех. Но для меня это всегда была одна и та же история про данные и предсказания модели — менялся только физический смысл. Вначале я анализировала КТ-снимки и ощущала ценность работы для медицины; потом занималась почти тем же в нефтяной компании, только вместо лёгких изучала недра земли, публиковалась, ездила на конференции. Позже мне стало тесно в знакомых задачах, и я ушла в звук: TTS поразил меня сложностью, а результат можно было буквально услышать. Когда модель начинала говорить, это вызывало настоящий восторг.

Больше всего я люблю проекты, которые доходили до реальных пользователей. В Rask.AI мы создавали технологию клонирования голоса по нескольким секундам записи — с тем же тембром на другом языке. Это был настоящий «вау-эффект», потому что рынок только возникал — и мы были среди первых. В таких проектах постоянно приходится придумывать новое: данных не хватает, метрики не отражают качество и ты комбинируешь подходы, полагаешься на интуицию — особенно в синтезе речи, где многое решается на слух.

Учитывая такую специфику сферы, ты не разочаровалась в ML?

Нет, но со временем понимание того, что может ML, сильно изменилось. Вначале мне казалось, что модели почти всемогущие: дай им вводные — и они решат любую задачу. Потом пришло осознание, что всё упирается именно в данные — в их объём, качество и разнообразие. В стартапе я это почувствовала особенно остро: если данных не хватает, перепиши архитектуру хоть десять раз — не взлетит.

А потом пришёл обратный шок — когда LLM обрели популярность и стало ясно: то, что вчера казалось невозможным, сегодня уже работает. Поэтому сейчас я скорее оставляю в себе немного байесовской гибкости: у меня есть априорное представление о границах ML, но я готова его пересматривать каждый раз, когда мир показывает новый пример.

Расскажи про стартап. Каково работать с новой технологией в интенсивном режиме?

Стартап рос как на дрожжах. Каждый день что-то менялось, к нам приходили пользователи, инвесторы, журналисты, и казалось, что всё впереди. Драйв был от этого чувства: ты у самых истоков индустрии.

Навыки из ШАДа тогда очень пригодились. Прежде всего — умение быстро учиться. В стартапе нет времени на «войти в контекст»: тебе сегодня нужно разобраться в новой архитектуре, завтра — в бизнес-логике, послезавтра — в DevOps. И шадовское «всё можно понять, если сесть и разобраться» спасало.

Иногда приходилось идти на риск. Например, мы выкатывали фичи, не протестировав их до конца, потому что сроки поджимали. Однажды девопсам вообще пришлось ночью спасать прод: после залетевшего видео пришёл стократный наплыв пользователей. Понятно, что это не та стратегия, которую хочется повторять.

Но потом всё изменилось. Когда появились конкуренты, в том числе крупные компании, стало понятно, что рынок уже не наш. Сложно конкурировать с техногигантами, когда у тебя тридцать человек, которые работают на пределе, а у другой стороны — данные, инфраструктура, маркетинг и ресурсы.

Закончилась история болезненно: рост замедлился, пошли волны увольнений. Из этого я вынесла важный урок: энтузиазм не спасёт без устойчивой бизнес-модели. А ещё — что выгорание в стартапе приходит не от нагрузки, а от неопределённости.

После стартапов я вдруг поняла, что хочу стабильности: спокойно делать технологию, не доказывая миру, что мы вообще имеем право на существование. Поэтому корпоративная среда оказалась логичным выбором, и я ушла в грузинский TBC Bank.

Из стартапа в корпорацию? И как оно ощущается?

Смена ритма ощущалась как культурный шок. Первое время в банке казалось, что процесс идёт слишком медленно. Но потом я втянулась и начала получать удовольствие от того, что можно выстроить архитектуру спокойно, продумать долгосрочную стратегию.

Сейчас мы с командой строим голосовую платформу: собираем данные, обучаем модели, интегрируем их в продукты. Драйв от работы есть, а вот хаоса, который был в стартапе, — нет.

Хотя годы гонки научили меня не паниковать, когда всё идёт не по плану. Я стала спокойнее относиться к неопределённости: всегда что-то будет ломаться, но почти всё можно починить. И ещё: я теперь гораздо внимательнее к людям.

В стартапе выгорание было нормой, а теперь я вижу, что можно строить процесс иначе — с ритмом, где команда не горит, а работает в устойчивом темпе.

Если смотреть со стороны, то переход в TBC Bank действительно выглядел странно: после стартапа с синтезом речи — финтех, да ещё и грузинский банк. Но именно это меня и зацепило: проект новый, международный, технологический, у него реальный импакт. Мы не просто делаем голосового ассистента, мы помогаем целому региону — Узбекистану — перейти в цифровую экономику.

О чём ты мечтаешь как специалист и как человек?

Если говорить о профессиональных мечтах — мне интересно увидеть, как технологии, с которыми мы сегодня работаем, дойдут до следующего этапа. Например, как голосовые модели и ассистенты превратятся в настоящих роботов, которые встроятся в жизнь — будут помогать, упрощать быт, выполнять полезные функции.

Иногда я вспоминаю, как в детстве смотрела фильм «Я, робот» и думала: «Вот это круто — быть тем, кто разрабатывает таких роботов». Забавно, что спустя годы я действительно занимаюсь чем-то похожим — создаю голосовых «роботов».

Мне хочется поучаствовать в том, как всё это будет развиваться, но мне важно, чтобы технологии при этом оставались гуманными — чтобы они помогали людям, а не причиняли вред.

А ещё мне бы хотелось когда-нибудь объединить две сферы — ИИ и психотерапию. Например, сделать систему, которая помогает человеку возвращать внимание к себе: персонализированные медитации, где голосовая модель мягко сопровождает тебя, помогает что-то почувствовать, принять. Или создать сервис, где можно разделить этот опыт с другими людьми, чтобы даже в цифровой среде сохранялось живое человеческое общение.

Всё это про то, как оставаться человеком, не растворяясь в технологиях. И если получится сделать что-то в этом направлении — это и будет настоящее исполнение моей мечты.