ЭмелиДраль

Одна из распространённых проблем ML-моделей — они демонстрируют хорошее качество на обучении, но после деплоя начинают давать некорректные результаты.

Это происходит из-за изменений в данных: модель устаревает. При этом явных ошибок нет — сервис работает, но его полезность снижается.

Поэтому сложно понять, когда нужно вмешаться, например, откалибровать или переобучить модель.

Я неоднократно сталкивалась с этой проблемой в разных индустриях и искала инструменты для мониторинга качества моделей, но готовых решений не нашла.

Так появилась идея создать стартап, который решает эту задачу.

В Evidently AI мы разрабатываем инструменты для тестирования, валидации и мониторинга моделей машинного обучения.

Наш инструмент сравнивает данные из обучения или валидации с новыми продакшн-данными и показывает, как изменилась среда, в которой работает модель.

Изначально мы разрабатывали его для текстовых и табличных данных, но постоянно появляются неожиданные сценарии использования — например, в анализе аудиоданных. Это всегда захватывающе!

Ещё мы придумали решение для тестирования различных ИИ‑ассистентов и приложений. Оно генерирует синтетические данные, симулирующие запросы пользователей.

Мы создаём сценарии и вопросы и проверяем, как ассистент реагирует на нестандартные ситуации. Например, клиент просит скидку, а бот соглашается, хотя этого быть не должно.

Эти риски можно протестировать до запуска сервиса в продакшн с помощью наших датасетов.

Я поступила в ШАД после третьего курса физмата РУДН, и это было одно из лучших решений в моей жизни.

Когда я узнала про ШАД, то сначала подумала, что это не для меня, а для каких-то других клёвых ребят.

Но начала усиленно готовиться и брала дополнительные задания у преподавателя по линейной алгебре — в экзамене были темы, до которых в универе мы ещё не добрались. И я поступила с первой попытки!

Мне нравилась математика, но я была абсолютно не в тусовке. В ШАДе же я впервые оказалась в комьюнити, где все увлечены наукой, пишут статьи, защищают патенты и запускают стартапы.

Все казались невероятно крутыми, и я чувствовала, что хочу быть частью этого сообщества.

Учиться одновременно в ШАДе и университете было сложно, но я ощущала эту нагрузку как привилегию и крутую перспективу.

Считаю, что ШАД — это лучшее место для обучения качественной промышленной разработке.

Причём как в плане алгоритмов, структур данных и процесса непрерывного тестирования и деплоя, так и со стороны управления проектами и работы в команде.

Если человек сумел пройти ШАД — значит, мы точно сработаемся по рабочей этике.

Вне работы я люблю погружаться в учебные задачи. Но порой я включаю лекции ШАДа просто для того, чтобы расслабиться.

Уже ничего не нужно сдавать, я слушаю знакомого преподавателя и думаю: «Какое красивое доказательство».

Для меня это способ вернуться в моменты, которые были по‑настоящему вдохновляющими и радостными. Что‑то стабильное и понятное, что очень успокаивает.

Ещё я слежу за развитием стартапов в странах Африки, анализирую перспективные идеи и их рост — мне интересно наблюдать за растущими рынками.

И, конечно, из-за моей сферы я активно интересуюсь безопасностью и этикой в AI — отслеживаю тренды и по возможности участвую в дискуссиях с коллегами.