Как можно накрутить лайки вконтакте: 15 лучших сервисов в 2021

Дэйви Мартинес переместил Хуана Сото на на правое поле во второй игре вчерашнего даблхедера против Филлис, и это сработало.

«Просто хотел выбросить его оттуда», — сказал Мартинес во время сегодняшней видео-сессии Zoom перед игрой. «Я говорил с ним об этом довольно долго. Недолгое время, которое он провел в низших лигах, приближался, вот где он играл, на правом поле. Ему там комфортно. Итак, мы подумали, что дадим ему шанс сыграть там. Он собирается сегодня снова сыграть там и посмотреть, как это будет выглядеть.

Мартинес сказал, что хочет поставить Сото в правое поле, чтобы все запутать, но также этот ход дает Nationals вариантов для левого поля в будущем.И Сото действительно поразил Гомера с тремя раундами в игре, его первый круговой обход с 31 августа

«Посмотрим, что произойдет в будущем», — сказал Мартинес. «Честно говоря, это часть его заинтересованности. Мы об этом говорили. Он был в восторге от этого. Он пошел туда вчера, во вторую игру, и играл, и ему было очень весело. Я сказал ему перед игрой: «Знаешь, правые полевые бьют из-за силы». А он отвечает: «Хорошо, я тебя понял». В конце концов, он попадает в трехходового хомера, что отчасти неплохо. Пытаюсь доставить ему удовольствие.”

Так могут ли Натс покупать левого полевого игрока в межсезонье?

«Это могло быть возможным», — улыбнулся Мартинес. «Использовать свое воображение.»

Игрок слева во второй игре вчера был Эндрю Стивенсон . С Адамом Итоном в сезоне, Стивенсон будет много играть в дальней части поля, когда клубу будут противостоять правши. И как недавно вышедший в лидеры Стивенсон стал дублером.

«У него фантастические дела», — сказал Мартинес.«Мы любим Стивенсона. Мы действительно делаем. Мы чувствуем, что он станет частью нашего будущего. Сейчас он вроде как ролевой игрок. Он сталкивается с праведниками, но преуспел. Мне действительно нравится, когда он играет левым полем, и ему нравится играть левым полем.

«Я переместил его на первое место, потому что вот парень, который действительно атакует фастбол, и он хорошо попадает в фастбол. Я подумал, уведите его, и он получит несколько быстрых мячей. Он доказал, что это правда. Он отлично отбивает мяч. Он забирается к нам на базу.Он будет играть там, пока будет правый питчер, он будет вести за нас ».

Стивенсон имеет по крайней мере один базовый хит во всех семи играх, которые он сыграл в сентябре, отбивая 0,400 (8 из 20) с тремя двойными, одним тройным и семью ИКР. Его базовый процент 0,478.

Отрывок «Лето на берегу»

Райан Батлер бросил свою спортивную сумку армейского образца на палубу и уселся на скамейку рядом с портом парома. Как обычно, он сохранил свое снаряжение до минимума, чтобы приехать домой.И ему показалось странным, что он все еще считал остров Сишелл-Бэй своим домом, несмотря на его решительный побег много лет назад. Большую часть лета он проводил со своими родными всего три или четыре дня, но этот отпуск мог продлиться намного дольше. У него, конечно, были планы, но годы в армии научили его, что нужно сохранять гибкость. Если бы остров начал приближаться к нему, он бы прыгнул на паром и направился в другое место. У него были деньги, время и никаких обязанностей, поэтому он мог делать все, что хотел, когда хотел.Райан называл это свободой, и ему нужна была хорошая доза прямо сейчас.

После его последнего изнурительного контракта с Double Shield Corporation, Райан дал понять своему контролеру, что ему нужен серьезный перерыв. Десять месяцев он сидел с дипломатами в Багдаде. Еще шесть после этого его работа заключалась в том, чтобы защищать генерального директора из списка Fortune 500 и его команду, пока они прыгали по целому ряду стран, которые варьировались от полубезопасных до откровенно смертоносных. Эта работа хорошо оплачивалась, но оставила у него еще большую долю неуверенности в своем будущем, чем когда он ушел из армии.Небольшая часть жизни наемного стрелка прошла долгий путь, и он, черт возьми, не мог рассчитывать на то, что добьется этого в долгосрочной перспективе.

Что до альтернатив? На данный момент он понятия не имел.

Полтора года назад кипящее разочарование своей армейской карьерой и соблазн хороших денег побудили его покинуть спецоперацию и соединиться с Double Shield, частным военным подрядчиком. Но вскоре стало понятно, что денег недостаточно. Фактически, его беспокойство только усилилось с концертом на корпоративном рынке.По крайней мере, в армии Райан чувствовал, что у него есть корни, которые поддерживают его. Теперь он плыл. Его банковский счет стал толще, но это было единственное хорошее, что он смог показать в своей жизни за последние восемнадцать месяцев.

Он повернулся на сиденье, чтобы еще раз взглянуть на залив, вдыхая острые ароматы морского воздуха и рыбацких лодок. Он ездил на одном из этих паромов между Портлендом и островом тысячи раз, в том числе каждый день в течение четырех лет в школе Peninsula High.Поездка могла быть утомительной занозой в заднице, но она расслабляла. От сорока минут до часа чистого покоя. Вставьте наушники и отключитесь.

За исключением случайной безумной утренней спешки, чтобы закончить домашнюю работу до того, как лодка пришвартуется в Портленде. Ладно, может быть, более чем случайно.

Веселая безмятежность окутывала гавань, даже несмотря на то, что туристы и местные жители в равной степени бросались плести лодки к различным островам, буксируя детей и собак, а также продукты на тележках и потрепанных брезентовых сумках.Возвращение домой никогда особо не волновало его, и все же Райан провел достаточно времени, поедая пыль и уклоняясь от пуль и самодельных взрывных устройств, чтобы рассматривать старые добрые США и прибрежный штат Мэн в частности, как, вероятно, самое близкое к миру место, которое он когда-либо находил. Да, он был пойман в ретро-временном искажении, что определенно не для такого адреналинового наркомана, как он, но он действительно ценил непринужденную красоту этого места, которая оставалась неизменной из года в год.

Паромный гудок прозвучал один раз, сигнализируя о скором отплытии лодки.Пара загорелых и подтянутых молодых матросов — вероятно, студентов — закончили закреплять груз, а двое других натянули металлический трап на лодку. Как и они, Райан провел лето после окончания средней школы, путешествуя по островным паромам. Это была тяжелая, горячая работа, но что-то в том последнем лете, работе и вечеринках с его школьными друзьями, было почти идиллическим.

А потом он уехал в армию и довольно скоро в Афганистан, Ирак, а затем снова в Афганистан.В процессе он потерял слишком много товарищей по армии и видел достаточно уродства, чтобы продлиться несколько жизней.

«Держись!» — крикнул голос с пирса. «Ребята, пожалуйста, мне действительно нужно сделать эту лодку».

Райан узнал этот женский голос еще до того, как увидел Моргана Меррифилда, бегущего на полном наклоне буги-вуги по бетонной платформе паромного терминала. Ее красивое лицо
покраснело, а светлые волосы падали на глаза, она тащила в правой руке набитый мешок с бобами, а левой тащила колесную тележку.Инстинкт заставил его вскочить и броситься на нижнюю палубу лодки, чтобы помочь ей.

Хотя один из матросов закатил на нее глаза, другой ухмыльнулся и начал толкать трап обратно через щель между платформой и лодкой. С самой милой улыбкой, которую Бог когда-либо появлялся на лице женщины, Морган поблагодарил их, когда она поставила сумку и стала искать свой билет. Райан подождал, пока парни закрепят проход, а затем подошел к нему, чтобы помочь девушке, которую знал с тех пор, как она едва пошла.

«Эй, Морган, похоже, ты мог бы использовать руку с этим. Если моя помощь не оскорбит твою девичью гордость, — поддразнил он.

Морган и ее лучшая подруга, Лили Дойл, всегда были упрямы, когда дело доходило до доказательства того, что они так же способны, как и все остальные в заливе Ракушек. В случае Лили эта решимость вылилась в сражение с морем в качестве капитана ее собственной лодки для омаров. У Моргана все было связано с организацией. Морган Меррифилд мог организовать адскую жизнь из чего угодно, от кампании референдума до детских мероприятий на Blueberry Festival.Она была рождена, чтобы быть учителем, и Райан полагал, что она, вероятно, управляет своим классом начальной школы так же эффективно, как инструктор армейских рейнджеров выполняет свои упражнения.

— Райан, — выдохнула она, и ее взгляд расширился от удивления. Она смотрела несколько секунд, а затем сверкнула великолепной улыбкой, которая глубоко проникла в его кости. «Ой, черт возьми, обиди прочь. Но будьте осторожны. Эта сумка тяжелая.

Хотя он легко поднял холщовую сумку, она не шутила насчет веса. Тянуть тяжелую ношу было бы неплохо для более слабой женщины.Но Морган держала себя в форме, и сегодня она выглядела такой же гибкой и подтянутой, как всегда. Он не прочь отметить, что она невероятно женственная — стройная, но с действительно красивыми формами во всех нужных местах.

«Что вообще в этой присоске?» он спросил.

«Пиво, среди прочего.» Она бросила на него насмешливый взгляд, ведя тележку через узкий проход к лодке. «Между прочим, я тоже очень рад снова тебя видеть, старый приятель».

Райан последовал за ней на борт, смеясь над ее добродушным раскопками.«Точно так же, Морган. Но зачем вообще тащить пиво с материка? В магазинах на острове есть все, что угодно ».

«У меня есть постоянный гость, который настаивает на своем любимом Мусхеде, и будь я проклят, если бы я не забыл попросить сестер Дженкинс заказать его. Я все равно ходил по магазинам в городе сегодня, поэтому решил, что выберу немного вверх. » Она провела рукой по шелковистым волосам до плеч, которые продолжали развеваться по ее лицу, и ее губы из бутона розы изогнулись в хитрой улыбке.«Мы зарабатываем немного денег, управляя баром чести. Это немного помогает чистой прибыли ».

Райан переложил сумку в другую руку и помог ей направить тележку вокруг кучи чемоданов, оставленных на палубе. «Ну, а разве вы не просто внимательная хозяйка? Или это хост? Я не хочу быть политически некорректным ».

«Вы, политически некорректны? Бросьте эту мысль. Но да, я сделаю для гостей особые вещи, чтобы они не перестали возвращаться. Видит Бог, мы не можем позволить себе больше терять бизнес ». На мгновение ее веселое выражение лица потускнело.

Матросы снова подняли трап на борт и закрыли ворота. Морган повернула тележку через каюту к левому борту и обнаружила пустую скамейку.

Райан положил сумку рядом с ней. «Хорошо, если я сяду с тобой? Или вы бы предпочли побыть одному? »

Она посмотрела на него так, будто он только что сошёл с ума. «Что, ты думаешь, я лучше буду один, чем буду сидеть с самым горячим чуваком, который когда-либо гулял по коридорам средней школы Peninsula? Каждая женщина на этой лодке думает, что я сорвал джекпот, мальчик-солдат.”

Хотя она явно шутила, у Райана внезапно мелькнула вспышка Моргана, цепляющегося за него, как вторая кожа, на фестивальном танце прошлым летом. Тогда никто из них не шутил.

«Да ладно тебе», — сказал он, его мозг на мгновение остановился, когда его взгляд переместился на поистине красивое декольте, открытое ее синей майкой.

Хромой, мужик. Действительно хромой.

Райан упал на скамейку рядом с ней. «Милая, мне очень жаль твоего отца. Он был отличным парнем.Желание заключить ее в свои объятия, чтобы утешить, удивило его своей силой. Вместо этого он быстро сжал ее руку.

Лицо Морган стало мрачным, ее взгляд упал на причал, где стояли водные такси, когда паром двигался к открытой воде гавани. Она повернулась к нему на скамейке, ее юбка развевалась вокруг загорелых ног. «Спасибо, Райан. И спасибо за открытку сочувствия. Я знаю, что должен был это признать, но … . . хорошо . . . » Она остановилась, чтобы издать низкий, убитый горем вздох, который практически убил его.«Я просто не выдержал, чтобы пройти через все это снова, и тогда мне показалось, что уже слишком поздно».

Кэл Меррифилд скончался от сердечного приступа в конце апреля. Райан был ошеломлен, когда Эйден Флинн прислал ему шокирующую новость по электронной почте. Мать Морган умерла от рака около трех лет назад, а теперь ее отец умер всего в шестьдесят лет. Кэл владел баром и рестораном Lobster Pot в течение многих лет, прежде чем продать его, чтобы купить единственный на острове отель типа «постель и завтрак». Он был действительно одним из хороших парней, и Райан знал, что его внезапная потеря опустошила Морган и ее младшую сестру Сабрину.По словам Эйдена, он в значительной степени потряс весь остров Seashell Bay.

«Я слышал, вы бросили преподавательскую работу», — сказал он, не желая заставлять ее останавливаться на подробностях смерти ее отца.

Ее лицо скривилось в гримасе, которая была бы смешной, если бы объект не был таким ужасным. «Да, пока. Я взял отпуск ».

«Полагаю, это было ради твоей сестры?» Сабрина Меррифилд никак не могла управлять этим B&B. Несмотря на то, что она была верным помощником Кэла, бедной Сабрине всегда было достаточно проблем, просто справляясь со своей жизнью.

«Да. Это и моя вина ».

Он нахмурился. «Чувство вины?»

Взгляд Моргана упал в сторону, когда капитан парома ткнул в рог, заглушая крик чаек. «Это была глупая оговорка. Просто забудьте, что я это сказала, — наконец ответила она.

Поскольку Морган был откровенен и честен, как никто из всех, кого он когда-либо знал, ее ответ удивил его. Но затем она улыбнулась, и, хотя ему показалось, что это было вынуждено, это вернуло к жизни ее тихую красоту.

Проще говоря, Морган была младенцем с голубыми, как июньское небо, глазами, гладкой, как мед, кожей и милым носиком с легким наклоном, придававшим ее лицу характер. У нее также были самые восхитительные губы, которые он когда-либо видел. Но хотя все островитяне теперь соглашались, что она первоклассная красотка, так было не всегда. В детстве она была немного занудной, немного полноватой и застенчивой от природы. Но к середине старшей школы она начала превращаться в очень сексуальную девушку. В то время Морган, Лили и их подруга Холли Тайлер представляли собой чертовски тройную угрозу, и почти каждый подросток в заливе Ракушек потратил много времени и энергии, кружа вокруг них, как стая чрезмерно нетерпеливых щенков.

«Давайте поднимемся на верхнюю палубу», — сказал он. «Слишком хороший день, чтобы застрять здесь, в хижине». Морган, вероятно, села на нижнюю палубу, потому что она не хотела тащить все свое дерьмо наверх по лестнице, но он решил, что им обоим нужен свежий воздух.

«Хорошая идея», — сказала она, вставая.

«Хочешь, я принесу твои вещи?»

Она усмехнулась. «Мальчик, приятель, ты слишком долго отсутствовал. Вы знаете, что оставлять вещи на лодках безопасно. Кроме того, там нет ничего ценного.”

«Кроме пива», — пошутил он. Тем не менее, он решил следить за людьми, выходящими из лодки на тех двух остановках, которые они сделают перед заливом Сишелл-Бей. Он научился не доверять полностью — даже здесь.

Поднимаясь по лестнице позади Моргана, Райан внимательно, хотя и осторожно, осмотрел ее вид сзади. Будь она проклята, если она не становилась все красивее каждый раз, когда он видел ее, с телом, которое просто не сдавалось. Когда она села на скамейку на корме, она сунула руку в сумочку и вытащила пару солнцезащитных очков, прикрывающих бледную голубизну, на которую он мог смотреть весь день.Его озадачивало то, что Морган не была в постоянных отношениях с каким-то парнем с материка, так как она годами преподавала в школе на побережье. Он сомневался, что между ней и кем-нибудь из островных парней когда-нибудь что-нибудь случится. Большинство молодых людей в Seashell Bay считали своих островных современников больше раздражающими братьями и сестрами, чем потенциальными товарищами. Друзья, да. Родственные души и любовники, не так много.

«Если ты здесь немного крут, — сказал он, — у меня в сумке есть шерсть.”

Освежающий ветерок обычно появлялся примерно в то время, когда паром покинул гавань и превратился в открытые воды. В жаркий летний день вы можете поджарить яйцо на тротуаре в центре Портленда и потянуться за свитером, прежде чем лодка минует руины Форт-Ущелья посреди залива.

Морган на мгновение склонила лицо к солнцу. «Спасибо, но я в порядке». Затем она посмотрела на него, заглядывая на него сквозь большие очки кинозвезды. «Райан, я очень удивлен видеть тебя здесь в июне.Обычно ты возвращаешься только на Фестиваль Черники.

Он откинулся на спинку сиденья и вытянул ноги, как бы непринужденно. «Скажем так, это не будет моим стандартом. Я мог бы даже остаться на все лето или большую его часть ».

Он услышал ее резкий вдох. «Ну, это будет впервые», — сказала она после паузы. «Ваши мама и папа, должно быть, так счастливы. И, черт возьми, это означает, что люди действительно могут получить шанс узнать вас настоящего, а не только таинственного крутого парня, которого вы изображаете.Она улыбнулась и дружески ткнула его в руку. Это был не первый раз, когда Морган дразнил его тем, что она назвала его «сильным, но тихим» поступком.

«О чем ты говоришь? Я открытая книга.

«Возможно, открытая книга с пустыми страницами».

«Ого, это не пощекотало», — сказал он, приняв обиженный взгляд.

Морган рассмеялся — легкий мелодичный смех, который Райан всегда находил безумно сексуальным.

«Хорошо, я беру это обратно», — сказала она. «Может быть, не пустое, но написанное каким-то нерушимым кодом.Мистер Энигма, навсегда окутанный тайной ».

Да, и вот как мне это нравится.

Райан никогда особо не любил, чтобы люди лезли в его бизнес, а вмешиваться в чужие дела в Сишел-Бэй было в значительной степени командным видом спорта. «Может, мне просто нечего рассказать».

Она уставилась на него. «Чувак, это большая жирная ложь, если я когда-либо слышал ее».

«Давай, Меррифилд, сколько раз мы болтались в« Горшке », пили пиво и играли в дартс?» — сказал он с насмешливой ухмылкой.«Или танцевали на светском фестивале? Черт, я же не прячусь в пещере, когда возвращаюсь на остров. Черт, он почти забыл, как ему нравилось шутить над ней.

Выражение лица Моргана мгновенно стало серьезным, что снова его удивило. «В каком-то смысле ты прячешься, Райан. Вы почти никогда не говорите о себе и никогда о том, что вы на самом деле делаете. Все знают, что вы много лет служили в армии, а потом ушли. Поверьте, мы провели много долгих часов на острове, размышляя о том, какие гнусные дела мог бы затеять Райан Батлер.Некоторые даже думают, что вы участвовали в рейде на резиденцию бен Ладена, и, возможно, произошедшее там заставило вас покинуть армию ».

Эта теория была полностью надуманной, хотя Райан принимал участие в операциях, столь же непростых, как и миссия Шестой команды SEAL в Абботтабаде. «Даже не близко. Кроме того, морские котики — это флот, а я — армия. Кто был тем барашком, который придумал эту дурацкую идею? »

Морган заскользила по губам. «Я никогда не раскрываю свои источники. Но если вам не нравятся слухи, вы можете попытаться быть более откровенным.Пытливые умы хотят знать ».

«То есть любопытные люди хотят знать. Хорошо, вот в чем дело: я служил в армии, ушел, а теперь работаю на частного военного подрядчика Double Shield.

Она наградила его ободряющей улыбкой. «Это начало. Что именно вы делаете для Double Shield? Что, кстати, звучит как реклама презерватива «.

Райан разрывался между смехом и раздражением. Он не любил, чтобы люди требовали от него подробностей его жизни, но он знал, что Морган просто шутит.«Я защищаю людей, нуждающихся в защите».

«Святая корова, вы имеете в виду, как кинозвезды и рэп-исполнители?»

Она хлопнула ресницами, черт возьми, имитируя кого-то, на кого действительно произвело впечатление то, что он сделал.

«Разные люди», — сказал Райан с достаточной резкостью, чтобы дать понять, что тема закрыта для обсуждения.

Морган вздохнул. «Понимаете, что я имею в виду? Получать от вас информацию — все равно что копать золото в заливе Ракушек. Совершенно бессмысленно.

«Это маленький кусочек анализа.”

Она застонала от его глупой шутки. Он действительно поразил их сегодня.

Лодка подошла к причалу Литл-Даймонд-Айленд, и несколько пассажиров начали собирать свои вещи.

«Назовите меня параноиком, — сказал Райан, — но я собираюсь на несколько минут спуститься вниз, чтобы убедиться, что никто не знает о ваших вещах». Может быть, они смогут поговорить о чем-нибудь другом, помимо его жизни, когда он вернется.

Она улыбнулась. «Если от этого тебе становится легче, дерзай.Они были бы сумасшедшими, если бы попробовали с тобой поиграть в сторожевого пса. Чувак, ты выглядишь более разорванным каждый раз, когда я тебя вижу.

Райан согнул бицепс, чтобы не обращать внимания на ее комментарий. «Верно, обычный стальной человек».

Морган сказала себе, что ее быстро бьющийся пульс, когда она наблюдала, как Райан исчезает внизу, было просто совпадением. Большинство сверхмасковых парней в возрасте чуть старше тридцати склонны к чванству, особенно с женщинами. Но Райан. . . он двигался с тихой, но могущественной грацией, что было чудом.Его тело тоже было чертовски чудесным, с широкими плечами, переходящими в классические шесть кубиков, и длинными мускулистыми ногами. Его футболка Red Sox облегала его мускулистую грудь и демонстрировала его сокращенные бицепсы. Это удивительное тело было результатом долгих лет военной подготовки и его любимого плавания на байдарках, и было слишком легко представить, как оно будет чувствовать себя обернутым вокруг нее.

Она тяжело вздохнула и рухнула на спинку скамейки, повернув лицо к теплому июньскому солнцу. Она часами носилась по Портленду за припасами.Обычно она находила достаточно времени до отплытия лодки, чтобы воспользоваться грузовым сервисом для своих товаров, но слишком много дел сегодня и кранец возле гаража задержали ее. Так что было действительно здорово, что после ее безумного рывка Райан появился, чтобы помочь ей. Тот факт, что ему нравилось трясти ее цепью, говорил о легкой дружбе, которая все еще существовала между ними.

За эти годы ее мысли о Райане часто уходили от дружбы в область фантазий, и их встреча на фестивале танцев прошлым летом ничего не изменила.В конце вечера они оба закончили медленный танец, подстрекаемый их подругой Лорой Викерс. Напившись к тому времени, Морган обнаружил, что легко раствориться в опасном убежище в объятиях Райана.

Это был кульминационный момент напряженного вечера, вызванного ужасной и очень публичной конфронтацией между отцом Лили Дойл и его давним врагом Шоном.
Флинн. Морган была так взволнована и обеспокоена за Лили, что в ответ она выпила больше, чем обычно, что ослабило ее стойкую защиту от сверхсекретной влюбленности в Райана.Ее сердце билось, как таран, когда он держал ее близко — слишком близко. Его щетинистая челюсть нежно терлась о ее щеку, и она подумала, что он собирается поцеловать ее прямо здесь, на переполненном танцполе. Под воздействием алкоголя и нервов — и да, чистой похоти — ее
умов испарились в пылу таинственного взгляда Райана.

Ровно в один и тот же момент они оба выскочили из него. По какой-то невысказанной, но явной взаимной договоренности, они с Райаном пустили под откос сбежавший поезд.Даже в своем инстинктивном облегчении Морган была потрясена, осознав, как приятно быть с ним на руках. Каким волнующим был момент в его грубой сексуальной силе.

И как безумно глупо было позволить этому зайти так далеко.

Хотя теоретически ей нравилась идея заняться горячим сексом с Райаном Батлером, она не собиралась быть на одну ночь стойкой для крепкого солдата, который то появлялся, то выходил с острова
, даже не останавливаясь достаточно долго, чтобы сделать паромный перевал экономичный. И Райан явно чувствовал то же самое, потому что они быстро разошлись после танца, ни слова не говоря о том, что произошло в те несколько волнующих минут.

Черт возьми, один взгляд на него сегодня снова отправил ее в тиски эмоционального — и гормонального — цунами. Что бы ни всколыхнул этот танец на светской вечеринке, ей, очевидно, не удалось похоронить его достаточно глубоко, Морган знала, что ее предательское тело с радостью оседлает колени Райана для горячего поцелуя прямо сейчас на виду у кучки островитян, которые знал их обоих. Но, конечно же, все, что ей говорило, было то, что это было слишком давно, с тех пор, как она занималась сексом.

Да, конечно, так и должно быть.

Райан снова поднялся по лестнице, ведя их по два за раз, пока лодка отходила от причала. Он сел рядом с ней и сказал: «Итак, расскажи мне о Golden Sunset. Как вы с Сабриной целовались с этим местом?

Она мысленно вздрогнула, ненавидя идею озвучивать свою борьбу с гостиницей. Должна ли она быть честной с Райаном или иметь храброе лицо, которое она поддерживала для всех, кроме своих ближайших друзей? Неуверенно она пожала плечами.

«Не очень хорошо, да?» Его взгляд выглядел одновременно сочувствующим и озабоченным, и она могла сказать, что он хотел честного ответа.

Она капитулировала. «Это было грубо. Ужасно много наших постоянных гостей возвращались год за годом, в основном потому, что любили папу. Вы знаете, какой у него был выдающийся характер, и он действительно знал, как сделать так, чтобы люди чувствовали себя желанными и желанными ».

«Кэл был стойким парнем. Один из лучших.»

Морган глубоко вздохнула, горе почти душило ее. «Довольно много пар отменили свои летние бронирования после того, как узнали, что папа скончался. Я не знаю, не хотели ли они приехать, если его не было, или они думали, что место может быть слишком унылым после того, как мы его потеряли.”

Черт, несмотря на все ее усилия, атмосфера в гостинице была удручающей. Все еще казалось невозможным, чтобы это продолжалось без ее отца.

«Может быть, понемногу и того и другого», — сказал Райан, немного нахмурившись. «Жаль, что они не рассматривали это как возможность продолжать поддерживать это место. И ты.»

«Аминь. В любом случае, если дела как-то не пойдут на поправку, похоже, что летом мы можем остаться в минусе. И я думаю, вы помните, насколько остальная часть года является мертвой для туризма в Seashell Bay.”

«Хлеб с маслом» этого отеля типа «постель и завтрак» всегда были популярными на летних каникулах. Хотя большая часть этого дохода поступала от туристов, у многих жителей острова не было
комнат в своих домах и коттеджах для всей семьи и друзей, которые приезжали к ним летом, поэтому эти люди часто оказывались и в Golden Sunset. Такой бизнес будет продолжаться на разных уровнях в течение всего года, но только на Рождество гостиница была почти заполнена в межсезонье. Если Морган не удастся наладить хорошие летние дела, отель типа «постель и завтрак» ее отца окажется на грани катастрофы.

Райан взглянул на другой паром, когда он проходил мимо них по правому борту на обратном пути в Портленд. По крайней мере, дюжина людей махала им рукой, как всегда, когда лодки проходили мимо друг друга. Она выдавила легкую улыбку и помахала в ответ.

«Вы когда-нибудь думали о продаже?» — сказал Райан. «Или ты сможешь пережить это?»

О, я думаю о продаже каждый долбанный день.

«Я не уверен, что кто-нибудь купит это место на данный момент. Все было в воздухе еще до смерти отца.Эйден, Лили и их партнеры строят этот новый курорт. . . и, ну, кто знает, как это отразится на нашем маленьком городке? » Морган была действительно счастлива, что Эйден Флинн вернулся на остров навсегда, но ее беспокоило влияние его высококлассного эко-курорта на ее малый бизнес.

«Большинство ваших постоянных клиентов должны оставаться лояльными», — сказал Райан. «Многие люди предпочитают атмосферу небольших гостиниц. Насколько я знаю, дом Эйдена понравится другой публике «.

Морган криво улыбнулся ему.«Да, толпа, которая любит много комфорта и новейшие современные удобства. Боюсь, что у нас мало и того, и другого. Черт возьми, папа даже хмыкнул и хмыкнул, прежде чем наконец включить Wi-Fi в прошлом году. И наши комнаты красивые. . . ну, базовый.

Она чуть не сказала обветшалость, но это было нелояльно. Столкнувшись с все более жесткими финансовыми трудностями, ее отец последние пару лет позволял всему скользить, и теперь здесь нужно было провести много работы, как структурной, так и косметической. «В любом случае, я должен попытаться сделать это ради сестры.Она бы развалилась без отеля типа «постель и завтрак».

Хотя он в основном отсутствовал на острове более десяти лет, Райан знал Сабрину достаточно хорошо, чтобы понять. Когда она была подростком, ей поставили диагноз «неспособность к обучению». Хотя она много работала в отеле типа «постель и завтрак», готовила, убирала и выполняла другие дела, которые были для нее привычными, но никак не могла справиться с этой работой. Большинство обычных административных задач было ей просто не по силам, а это означало, что все они ложились на Морган.

«Похоже, вы откладываете свою педагогическую карьеру на обозримое будущее», — сказал Райан.

Когда бы Морган ни думала об этом, мне казалось, что кто-то ударил ее кулаком в живот. Хотя она и сказала своему директору, что намерена вернуться в класс в сентябре, небольшое количество подтвержденных бронирований в гостинице сделало эту возможность все более и более маловероятной.

«Я надеялся, что этим летом мне удастся заставить это место работать достаточно эффективно, чтобы позволить мне нанять менеджера на неполный рабочий день, чтобы он управлял им с Сабриной после того, как я уйду, но на данный момент это больше похоже на желание, чем на план.Так что я просто беру это один день за раз и пытаюсь во всем разобраться ». Морган не хотела поддаваться пессимизму, но и закапывать голову в песок отказалась. Ставки для обеих сестер были слишком высоки, чтобы заниматься самообманом.

«Один день — неплохая идея». Райан откинулся на скамейке и вытянул длинные ноги. Его ноги доходили до противоположной скамейки. «Думаю, я собираюсь делать что-то подобное и сам какое-то время».

Морган приветствовал изменение в разговоре.«Итак, что ты собираешься делать на острове? Каякинг повсюду и пиво пить? Или твоему отцу этим летом понадобится суровый мужчина? Как и многие люди на острове, отец Райана рыбачил на лобстеров.

«На самом деле, я думал, что, если я в конечном итоге проведу здесь весь сезон, я постараюсь сплавиться на байдарках до всех Календарных островов. Дайте себе небольшой вызов, чтобы скоротать время ».

Острова залива Каско иногда называли Календарными островами, имея в виду, что их предположительно 365.Однако некоторые из них были едва достаточно большими, чтобы на них можно было стоять.

«Что ж, это будет чертовски тяжелая тренировка». Мозг Моргана, который отказывался вести себя прилично, легко вызвал в воображении образ полуобнаженной разорванной фигуры Райана, блестящей на солнце, когда он плыл по заливу.

«Просто прогулка по парку, если я останусь здесь на пару месяцев. Что касается помощи папе, да, если ему нужно, чтобы я ушла на подводную лодку, пока его штурман возьмет отпуск, я буду на лодке.

«Это мило с твоей стороны, потому что ты ненавидишь ловлю омаров», — сказала она, сочувственно сморщив нос.Как и Райан, многие представители молодого поколения Seashell Bay не желали идти по стопам своих отцов, когда дело доходило до тяжелой работы по перетаскиванию ловушек от восхода до заката.

Райан пожал плечами. «Мне не очень нравится многое из того, что я должен делать. Это не значит, что я не отвечу на звонок ».

Она улыбнулась типично загадочному заявлению Райана Батлера. «Ваши родители будут счастливы, что вы, наконец, проведете дома больше, чем на несколько дней».

«Да, но я не собираюсь оставаться с ними.Я хочу свое собственное место, место, где можно. . . » Он остановился на пару мгновений, его взгляд был рассеян. «В любом случае, я собираюсь снять коттедж или дом, надеюсь, что на воде».

Морган приподнял бровь. «Арендовать будет нелегко. К этому времени сезона почти все забронировано ».

«Знаю, но тут ничего не поделаешь. Я принял решение сделать это всего несколько дней назад. Я полагаю, что там должно быть что-то доступное, даже если это немного помойка. Ничего особенного мне не нужно.Если в доме есть водопровод, мне хорошо идти.

Дамп. В одни из своих худших дней Морган молча использовала это резкое слово, чтобы описать текущее состояние отеля типа «постель и завтрак». Но на его губах это слово вспыхнуло довольно интересной, хотя и немного сумасшедшей идеей. Некоторое время она играла с ним, проверяя это в своей голове. Конечно, это могло быть опасно, по крайней мере для нее, но попытаться стоило.

Когда паром пересекал глубокую синюю воду залива Хасси, Морган мысленно надела трусики большой девочки и приготовилась сделать предложение самому сексуальному мужчине, который когда-либо выходил из залива Сишелл.

CAS 2014: VK Music поет песню сирены

Хватит этих трюковых систем с высоким фалутином. Давайте будем честными на несколько минут.

Hi-Fi становится веселее после того, как вы несколько раз ударились током. Hi-Fi становится намного веселее, когда вы оставляете немного крови внутри вашего оборудования. Hi-Fi звучит лучше, когда ты гордый папа. Откровенно говоря, если вы не причиняете себе вреда, не разрушаете отделку на кухонном столе и не жарите что-то ценное , вы просто упускаете некоторые из лучших частей этого хобби.

Имея это в виду….

Если вы пройдете пять шагов мимо стойки регистрации, вы наткнетесь на длинную очередь банкетных столов, заваленных всевозможными маленькими и дружелюбными поделками. Если вы остановитесь и посмотрите, то почти наверняка поговорите с очаровательным Виктором Кунгом. Виктор является владельцем VK Music в Ванкувере, Британская Колумбия, и является североамериканским поставщиком наборов наборов от Triode Corp, 47 Labs, Elekit и других. Хотя Виктор уже показывал это раньше, я не думаю, что когда-либо видел столько его инвентаря в одном месте.

Это было проблемой для меня. Я начал с лучшими намерениями, фотографировал, делал заметки и делал вид, что мне небезразлична «журналистика». Я даже не дошел до конца стола. Я проигнорировал камеру и сделал заметки в пользу того, чтобы ласкать снаряжение, слушать его кусочки, тыкать в него палкой и пытаться выяснить, сколько из этих комплектов я смогу собрать между Рождеством и Новым годом.

Мне не удалось получить фотографии Elekit TU-H80 (215 долларов США), крошечного гибридного усилителя с входной лампой 12ax7 и 5 полными ваттами твердотельного питания на задней панели, который не требует пайки для сборки.«Это как Lego», — сказал г-н Кунг, взволнованно рискуя подать иск о нарушении прав на товарный знак, от которого он никогда не оправится.

Меня поразил внешний вид Elekit 22 (795 долларов), продукт настоящего промышленного дизайна, маленький гибрид с двумя лампами 6SN7GT на входе и мощностью 12 Вт. Меня заинтриговал Elekit TU-8100 (299 долларов), соперник по размеру и качеству звука старому Miniwatt N-3, но с пространством внутри, чтобы втиснуть его в ЦАП PS-3249E USB (всего 65 долларов).

Я не скручивал дома компакт-диск (за исключением того, чтобы его скопировать) десять лет, но меня полностью захватил Sparkler Audio S303 (1250 долларов США), полнофункциональный проигрыватель компакт-дисков с верхней загрузкой и любимым ретро-ЦАП TDA1543.

Я серьезно откопал простой в сборке TU-8233 (1075 долларов), с 6SN7 спереди и на ваш выбор 2a3 или 300b в качестве выходной лампы. Черт возьми, эта штука определяет, какую трубку вы используете, и зажигает идиотскую лампу с цветной кодировкой вокруг ручки регулировки громкости на случай, если вы забыли, в какую трубку вставили.

Я едва заметил, что одна пара динамиков, Elekit SP-BR02WM (695 долларов США), имела деревянные диффузоры. Я никогда не делал хороших снимков с приятным звучанием и чудесно утилитарным — то есть: ускользающим! — 47 Labs Treasure Model 0647 CD-плеер (1375 долларов).Черт возьми, я просто спрятал его за парой Senn HD650, пока делал пару снимков смехотворно соблазнительного Elekit Tu-8200DX (750 долларов).

Я уже слышал обманутый образец Боба Саттина в комнате директоров, но это был образец костяного инвентаря, издающий сладкую, сладкую музыку посреди громкого, переполненного холла. Среднечастотный диапазон через деревянные динамики? Сладкий. Звук через сеннов? Сладкий. Музыка из спиннера 47 Labs или встроенного USB-ЦАП (этот вариант за 65 долларов)? Сладкий.

также приятны: восемь ватт на лампах 6L6 в ультралинейном или пентодном режиме.Четыре ватта на триоде. Спереди вездесущие трубки 12au7. Возможность замены на горячий KT88, хрустящий 6550 или среднечастотный el34 — все это вы можете купить в местном магазине гитар. Эй, у меня даже валяется несколько десятков el34…

Я вытаскивал кредитную карту, когда Кирстен напомнила мне, что у меня дома еще осталось не менее семнадцати незавершенных проектов DIY, и оттащила меня от стола. Я так и не закончил фотографировать. Мне даже не пришлось попрощаться с мистером Куном.

Но я уверен, что поговорю с ним еще раз.

Нравится:

Нравится Загрузка …

Новая кампания ВКонтакте для любителей летнего сезона со скидкой 20% в New Look

Чтобы отпраздновать новый листинг в Tesco и вознаградить преданных поклонников ВКонтакте, самый эффективный традиционный RTD в Великобритании, VK, будет предоставлять потребителям 20% скидку на ведущего модного ритейлера New Look при каждой покупке его смешанного пакета из десяти. .

Летняя кампания «VK Sorts Your Summer» поддерживается шестизначным маркетингом, в рамках которого ВКонтакте будет работать со звездами «Острова любви» Алексом и Оливией Боуэн и множеством других влиятельных знаменитостей.

В течение лета бренд будет проводить экспериментальную деятельность, во время которой фанаты смогут выиграть шанс быть стилизованными дуэтом Love Island в одежде New Look, приобрести эксклюзивные товары VK и отведать эксклюзивные товары для взрослых со вкусом VK. сладости.

Купленные персонализированные товары ВКонтакте можно выиграть летом на официальном сайте ВКонтакте и в социальных сетях. Больше и лучше, чем когда-либо прежде, плюс элементы индивидуального дизайна, товары включают кроссовки VK, рюкзаки и солнцезащитные очки.

Кроме того, бренд также приступит к масштабной рекламной кампании ATL в журналах Heat, The Metro, Lad Bible, Daily Mail и The Sun, чтобы еще больше укрепить ROS пакета. Ожидается, что в сочетании с активностью в социальных сетях кампания VK Sorts Your Summer охватит более 30 миллионов потребителей.

Стив Перес, председатель Global Brands, сказал: «Мы очень рады, что наш новый список Tesco позволяет еще большему количеству поклонников ВК получить смешанный пакет ВКонтакте и воспользоваться предложением New Look.

«Поклонники ВКонтакте искренне увлечены продуктом, и мы хотели сотрудничать с брендом, который разделяет наши взгляды, фанатскую базу и демографию, и вознаградить их предложением завершить их летний образ.

«Впереди захватывающее лето, и ВКонтакте готов на каждом этапе отсортировать лето потребителей, будь то их летняя мода, фестивали или развлечения, такие как барбекю или домашние вечеринки.”

Купон на скидку 20%, который можно выкупить в магазинах New Look или в Интернете, выдается на коробке для смешанного тропического пакета VK для новой кампании. Смешанный пакет VK в настоящее время штурмом выходит из торговли, опережая конкурентов по всем направлениям, + 21% по стоимости и + 23% по объему в годовом сопоставлении. В пакете также есть лучшая ROS из всех десяти пакетов RTD, добавив в категорию почти 2 миллиона фунтов стерлингов за последний год.

К большому энтузиазму потребителей, упаковка теперь постоянно содержит новейший аромат ВК, ВК Арбуз, за ​​который энтузиасты ВК проголосовали прошлым летом во время кампании 2018 года «Какой у вас вкус?», Опередив такие вкусы, как Фиалка, Дикие фрукты и Малина. & Ананас, чтобы стать чемпионом.

Смешанный набор VK будет доступен в офлайн-магазинах в магазинах Tesco, Asda, B&M, Spar, McColl’s и Nisa, а также в независимых магазинах шаговой доступности. Рекомендуемая розничная цена пакета составляет от 8 до 10 фунтов стерлингов.

Подробности читайте на официальном сайте ВКонтакте: www.vkofficial.com .

👨🏼‍🚀 🚴🏼 🖐🏽 Как специалисты VK Data Scientists делают рекламу эффективной 🧚🏾 🎏 👁️

С другой стороны, технически мы — команда инженеров машинного обучения, довольно обычных разработчиков, которые тратят много времени на задачи, связанные с наукой о данных и машинным обучением.Сегодня я хочу поговорить об этих двух темах, потому что они обе мне интересны, я люблю о них говорить. Очень надеюсь, что у нас будет живое общение; если кто-то смотрит трансляцию, будет интереснее, если вы напишете вопросы.



В целом, хочу разделить наш разговор на два блока. В первой я расскажу о различных задачах, которые встречаются в рекламе на стыке с наукой о данных.Вот почему реклама может быть интересной областью для специалиста по машинному обучению, для специалиста по науке о данных. С другой стороны, я хочу поделиться своим опытом перехода в инженерный проект машинного машинного обучения, тем, что я изучал в течение тех четырех лет, когда я занимался машинным обучением как часть истории разработки. И поговорим о том, что есть в крупных компаниях, но о чем не говорят в разных курсах; какие навыки сложно освоить, когда вы изучаете науку о данных или машинное обучение в университете или онлайн-обучении.Я постараюсь уделить каждой теме полчаса.

Сначала я расскажу о рекламе, рекламных технологиях, компьютерной рекламе как области исследований, научной и инженерной деятельности, то есть области знаний; какие есть задачи и почему их весело выполнять, когда есть НЛП и другие ажиотажные вещи, но о рекламе не часто говорят.

Общая проблема: у нас есть набор рекламодателей.Это могут быть любые пользователи, которые хотят продвигать знания о своем продукте, своем бизнесе. У всех свои цели. Кто-то просто хочет показать свою рекламу как можно большему количеству людей; Например, условная Coca-Cola ставит задачу рассказать всем о своем бренде, чтобы все помнили, что есть такой напиток, что сейчас новый год, и нет другой альтернативы, кроме этого напитка, если вы пойдете в магазин. Еще один хороший пример — Фея: сколько еще моющих средств вы знаете, кроме него? Все дело в узнаваемости бренда; крупные рекламодатели ставят цель — сделать так, чтобы у каждого в голове было знание о том, что тот или иной продукт существует.

Есть другие цели. Например, более прикладные, так называемые производственные цели. Это когда рекламодатель хочет, чтобы вы подписались на рекламу и предприняли какое-то действие. Например, зашли на сайт и оставили заявку на получение кредита. Или вы купили что-то в интернет-магазине. И т.п.

В общем, задача рекламы — привлечь в какой-то бизнес новых пользователей (так называемые лиды) и заставить этих пользователей делать что-то полезное для рекламодателя и приносить прибыль его бизнесу.

У нас есть площадка — место, где мы разрешаем показывать рекламу. В случае ВК — это лента; в случае какого-либо другого сайта это может быть, например, баннер. Цель сайта — зарабатывать на рекламе; он продает внимание пользователей за деньги. Благодаря этому ВК остается бесплатным проектом; можно подумать о других моделях монетизации, но рекламная модель хорошо работает для аналогичной услуги.

Пользователи обычно не хотят видеть рекламу: они не поэтому пришли на сервис.Но оказывается, что рекламный договор работает именно так: пользователь своим вниманием платит за использование сервиса. Поэтому наша цель как рекламной сети — сделать так, чтобы пользователи не злились, реклама их не отталкивала и не отпугивала.

Было бы замечательно, если бы реклама оказалась полезной для пользователя — то есть продвигаемые бизнесы и посты оказались для пользователя не менее интересными, чем обычный контент.Это вообще идеально.

У нас есть три силы: пользователь, рекламодатель и сайт. Мы должны установить такое взаимодействие между ними, чтобы каждый из них выполнял свои задачи. Представьте: вы заходите в сервис ВК, открываете ленту — и видите место, куда мы вставляем рекламу. Есть много рекламодателей, которые подают заявки на этот ресурс и хотят, чтобы их реклама показывалась именно так, но как выбрать рекламу, которая должна быть показана в любой момент каждому пользователю?

Стандартный метод, который активно используется в рекламе, — это онлайн-аукцион.Возможно, вы видели различные варианты аукциона в реальной жизни или, например, на Ebay: это может быть ситуация, когда каждый может сделать ставку. Один пользователь говорит — я ставлю 10 рублей, другой идет — ставит 20, третий — 100 и т. Д. Однако проводить аукционы типа «кто больше заплатил, выиграл» в Интернет-среде нецелесообразно, поэтому используются закрытые аукционы. В этом случае каждый из участников молча делает ставку. Образно говоря, все бумажки со ставками складываются в горшок, а потом кто-то подходит, разбирает их, находит бумажку с наибольшим числом и говорит — вы выиграли.

Допустим, есть два рекламодателя — например, Nike и Coca-Cola. Один из них готов платить по 5 копеек за каждую выставку, а другой — 10. Побеждает другой, и дальнейшее развитие истории зависит от типа аукциона. Существует два основных типа рекламы: аукционы первой и второй цены. На аукционе первой цены победитель платит указанную им цену. Например, Coca-Cola говорит: «Я заплачу 10 копеек», не видя ставок других пользователей; аукцион говорит — ОК, 10 копеек.Nike говорит «5 копеек», выигрывает Coca-Cola и платит 10 копеек.

Однако существует также аукцион второй цены: в этом случае победитель должен заплатить ровно столько денег, сколько необходимо, чтобы выиграть все остальные ставки. В нашем случае можно использовать, например, шаг в 1 копейку. Представьте себе ситуацию: приходят те же Coca-Cola и Nike. Coca-Cola говорит: «Я готова заплатить за шоу 100 рублей», а Nike говорит: «Я готова заплатить 1 копейку». И Coca-Cola очень обидится, узнав, что могла выиграть, заплатив 2 копейки вместо 100 рублей.Аукцион второй цены считается более справедливым для всех участников.

Исходя из этого, определенное свойство считается очень важным для рекламодателя: всегда выставляйте на аукционах честную максимальную цену, которую вы готовы платить за показ. Это необходимо для построения любой грамотной торговой стратегии.

На аукционе первой цены нужно придумать хитрую стратегию, подумайте — здесь такие-то рекламодатели могут столько-то делать ставки, а на аукционах второй цены в этом нет необходимости.Каждый устанавливает ставку, которую он готов заплатить по максимуму. Если вы выиграли, вы платите ровно столько же или меньше; в противном случае вы не были готовы платить больше. Это отличное свойство аукционов такого типа, которые распространились от теории до широкого использования в рекламных системах.

Однако это было не так. Казалось бы, с теоретической точки зрения аукцион второй цены очень хорош, а его свойства позволяют быть очень практичным.Но на самом деле, когда мы сталкиваемся с реальными системами, оказывается, что существует несколько факторов, обеспечивающих популярность аукционов первой цены — почему-то люди предпочитают использовать их, а не аукционы второй цены. Один из двух основных моментов, о которых я хотел бы сказать, — это непрозрачность аукциона второй цены. То есть, когда рекламный аукцион организуется какой-то платформой, о которой вы ничего не знаете — вы просто участвуете в качестве рекламодателя — это говорит вам, что ваша ставка (скажем) в 10 копеек выиграла, и вы должны заплатить вторую цену — пусть будет 9 копеек.Эта вторая цена непрозрачна; непонятно откуда это взялось. Как правило, сайт может легко обмануть рекламодателя, делая так называемые поддельные ставки. Также существуют справедливые механизмы дополнительных ставок — например, «обратная цена»: вы заявляете, что конкретный аукцион не может быть продан менее чем за 9 копеек, и появляется такая честная ставка. Но прозрачность очень важна, а ее непрозрачность отпугивает рекламодателей. Когда вы не знаете, что происходит под капотом рекламной системы, вам снова нужно придумать некоторые стратегии: вы не можете просто взять и использовать подход, устанавливающий только те цены, которые вы готовы платить.а его отсутствие отпугивает рекламодателей. Когда вы не знаете, что происходит под капотом рекламной системы, вам снова приходится придумывать некоторые стратегии: вы не можете просто взять и использовать подход, устанавливающий только те цены, которые вы готовы платить. рекламодатели отключены. Когда вы не знаете, что происходит под капотом рекламной системы, вам снова нужно придумать некоторые стратегии: вы не можете просто взять и использовать подход, устанавливающий только те цены, которые вы готовы платить.

Второй момент заключается в том, что аукцион второй цены хорошо работает в идеальных условиях, когда одновременно проводится только один аукцион. В реальной рекламной системе, условно, миллионы из них происходят в секунду. В таких условиях уже необходимо придумывать стратегии, и идея о том, что у рекламодателя всегда есть простая и готовая стратегия для безупречной торговли на аукционе, рушится.

Хочу рассказать о моментах, которые возникают на фоне задач по проектированию аукционов — как сделать их интереснее, полезнее и так далее.Хочу отметить два момента. Во-первых, на аукционе, кажется, все должно происходить исходя из максимальной стоимости, максимальной суммы денег, которую рекламная сеть заработает на продаже площади; однако в действительности стоимость, проданная на аукционе, может быть выражена для сайта по-разному, а не только в сумме, которую рекламодатель готов заплатить. Например, для нас очень важно, чтобы наша реклама не приводила пользователей в ярость — желательно, чтобы она была им полезна.В рамках задачи по разработке аукциона вам необходимо разработать дополнительные показатели для ранжирования рекламы. Получается ряд метрик: ожидаемая прибыль, вероятность негативной реакции пользователя и так далее.

Второй вариант задачи — «нежадный» аукцион. В этом случае мы понимаем, что мы, как рекламная сеть, могли бы заработать больше, если бы мы не всегда продавали рекламные места победителю, а распределяли их среди всех рекламодателей таким образом, чтобы максимизировать все их рекламные бюджеты, оставив при этом некоторые потом честность на аукционе.То есть, если у нас несколько рекламодателей, и один из них богаче других и постоянно выкупает аукционы, то, возможно, нам не всегда следует давать ему ставку победителя. Такая вот «задача о рюкзаке» — может быть, вы помните те из курсов по программированию или алгоритмам структуры данных, если бы у вас была такая история. Это очень крутая задача, очень интересно ее выполнять, и по ней есть научные статьи.

В ВК мы только подходим к этой задаче; У нас много задач, а другая большая часть задач, которые есть в рекламе, уже ближе к ML.В связи с тем, что мы должны выполнять разные задачи рекламодателей, нам необходимо спрогнозировать, с какой вероятностью пользователь совершит то или иное действие, чтобы использовать эти знания при формировании стратегии торгов на аукционе.

То есть рекламодатель говорит: я хочу, чтобы в моем магазине было как можно больше покупок, чтобы максимально эффективно потратить свой бюджет. Мы, как рекламная площадка, думаем, как выделить тех пользователей, которые, скорее всего, что-то купят в магазине.Возникает типичная проблема машинного обучения. Бинарная классификация: «1» — пользователь нажал на рекламу и сделал что-то хорошее (купил), «0» — пользователь проигнорировал рекламу. Исходя из этой проблемы, нам нужно построить двоичную классификацию, где на выходе мы используем вероятность полезного события как часть дальнейших вычислений, какую ставку мы будем использовать на аукционе. В терминах машинного обучения задача звучит банально — мол, бери и делай. Но в реальной жизни у такой задачи много трудностей, и я расскажу вам о некоторых.Главный из них: реклама — это, как правило, высоконагруженный проект. И по данным, и по нагрузке. Вам нужно очень быстро ответить на запрос. Окно, скажем, 100 миллисекунд — и нужно успеть ответить. Исходя из этого, на нас накладываются определенные ограничения — в частности, в отношении того, как — в инженерии — модели, которые мы используем для прогнозирования рекламы, могут работать. Можно придумывать много крутых вещей, создавать сложные нейронные сети, которые через несколько слоев выделяют нелинейные взаимодействия между функциями, но в жизни требуется, чтобы все это работало очень быстро.который мы используем для прогнозирования рекламы. Можно придумывать много крутых вещей, создавать сложные нейронные сети, которые через несколько слоев выделяют нелинейные взаимодействия между функциями, но в жизни требуется, чтобы все это работало очень быстро, что мы используем для прогнозирования рекламы. Можно придумывать много крутых вещей, создавать сложные нейронные сети, которые через несколько слоев выделяют нелинейные взаимодействия между функциями, но в жизни требуется, чтобы все это работало очень быстро.

Обучен на больших объемах данных.Задача получается масштабная, с терабайтными наборами данных. Исходя из этого, вам обычно приходится заниматься такими вещами, как распределенные вычисления, обучение распределенным моделям, думать о том, какие модели вообще использовать. В рекламе традиционно используются линейные модели, такие как логистическая регрессия или повышение градиента; иногда они переключаются на более крутые вещи, такие как машины факторизации. То есть выбор моделей большой, но обычно используются достаточно простые — из-за большой нагрузки.

Еще один момент, близкий к ML: мы используем данные, которые крайне несбалансированы с точки зрения обратной связи.На каждые 10 000 нулей приходится 1 единица. Как тренировать машины ML в этих условиях — хороший вопрос. Приходится использовать разные приемы; основной из них — именно постановка задачи: не пытайтесь предугадать, будет ли, например, клик (покупка) или нет, а используйте подходы, связанные с вероятностями, сгладьте данные с низкой мощностью до максимума и т. д. на. Можно многое придумать, но сложность в том, что в задаче редко возникают позитивные события.

Когда вы нажимаете на объявление и что-то покупаете, вы не всегда делаете это сразу.То есть очень часто целевые события, которые хотят получить рекламодатели, происходят с большой задержкой. Это может быть не только покупка — например, это может быть регистрация в игре и прокачка персонажа до 10 уровня, либо одобрение заявки на кредит. Такое может случиться за несколько дней. И когда нам нужно обучить моделей, которые, согласно рекламе, должны прямо сейчас сказать, что пользователь что-то сделает, но на самом деле мы получаем положительный отзыв только через несколько дней после того, как что-то произошло, и это создает дополнительные проблемы.Для решения этих проблем в науке и практике было предложено несколько различных решений. Такая забавная сложность.

Еще один момент: когда пользователь видит рекламу определенных продуктов, он может контактировать с ними из различных маркетинговых каналов. Например, вы вышли на улицу — вы увидели рекламный щит «Такси ВКонтакте»; начал листать ленту — там тоже реклама «Такси ВКонтакте», зашел в другой сервис — и еще есть реклама «Такси ВКонтакте», от рекламного сервиса Яндекс или Гугл.Вы говорите — да, я уже понял, ставьте приложение. И после этого Яндекс, ВК, Гугл, билборд должен выяснить, сколько процентов участие в этом процессе — в полезном для рекламодателя действии.

Этот процесс называется «атрибуцией» — вопрос о том, какой контакт с рекламодателем так сильно повлиял на ваше решение предпринять целевое действие. Обычно используются простые модели — например, «атрибуция по последнему клику»: последнее объявление, на которое вы нажали, получает все призы.Но потом выясняется, что заниматься первым «холодным контактом» — показом рекламы пользователю, не знакомому с продуктом, невыгодно. Исходя из этого, существует множество различных моделей машинного обучения (в том числе), которые позволяют лучше распределять прибыль от показов. Они используют, среди прочего, микросхемы типа внимания, еще несколько интересных вещей из нейронных сетей. Классная задача. И его цель, в конце концов, — лучше, правильнее, правильнее торговаться на аукционе и т. Д.

Чем лучше вы понимаете, кто повлиял на окончательное решение о покупке, тем лучше вы понимаете, сколько доставить в любой момент.В результате вся отрасль движется к осознанию того, что работа с прогнозом вероятности того, что вы что-то купите, менее эффективна, чем работа с идеей о степени влияния на решение о покупке. Возможно, вы уже были готовы купить настольную игру, которую посетили. Но интернет-реклама начинает догонять. Возможно, этой рекламы не было бы, если бы все изначально решили, что вы все равно купите эту игру, а дополнительная реклама не нужна — вы уже приняли решение.Я думаю о термине «инкрементальное тестирование», и он все еще имеет отношение к области машинного обучения «причинный вывод». То есть мы переходим от задачи прогнозирования вероятности выполнения целевого действия к прогнозированию воздействия, то есть разницы в вероятности того, что вы купите после просмотра рекламы, за вычетом того, что вы уже купили. Это тоже очень крутой переход, переход к новому представлению о том, как работать, как предсказывать какие-то события.

Вообще в рекламе много задач, и почти все они вытекают из изначального желания выполнить задачу рекламодателя.Цель «Я хочу как можно больше покупок в моем магазине» превращается в последовательность ставок на аукционе, потому что все рекламодатели участвуют в аукционе за показы. Это стратегия. И нам нужно сделать самый крутой переход от исходной цели к последовательности ставок. Это подразумевает желание понять поведение пользователей, выявить коммерческие интересы, автоматически настроить таргетинг рекламы, собрать креативы — так выглядит реклама — и так далее.

Если кому-то интересно узнать об этом больше, у меня есть разговор на митапе, где я подробно рассказываю о том, что аналитик данных может делать в рекламе, и почему работа над этим может быть интересной.Для меня это оказалось открытием. Изначально, когда я впервые вошел в индустрию, подумал — ну реклама, что интересно. Прошел первый, второй, третий год — и я понял, сколько есть крутых задач, и как интересно это делать с точки зрения инженера.

Теперь я перейду к ML в производстве. Сейчас вы прошли курсы машинного обучения или учились в университете. Скажем, вы отличный специалист по Кегелю и отлично справляетесь с задачами анализа данных на соревнованиях.Вы попадаете в реальную компанию, в которой последовательно и последовательно разрабатывается крупный продукт. И тут происходит лом. Оказывается, у вас просто не так много навыков, которыми вы хотели бы владеть в тот момент, когда вы входите в отрасль. Никто вас этому не учил и не объяснял, как это работает на самом деле; какие трудности в отрасли, чем отличается решать задачи с четкой постановкой. Если в области программирования об этом еще много говорят, то в области науки о данных — мало.

С какими задачами сталкиваются новички в продуктовых командах, которые долгое время работают над одним и тем же продуктом — например, сделать рекламу ВКонтакте эффективной? Под «новичками» я подразумеваю себя, в том числе; Я занимаюсь этим четыре года и до сих пор чувствую себя новичком. Это очень сложная вещь, и ее интересно понять.

Первое, о чем я хочу сказать, это желание сразу начать существующую задачу с помощью какого-нибудь крутого прогрессивного метода, который можно найти в науке; желание придумать космический корабль, который будет делать все круто и сразу.В реальной жизни в области разработки продуктов наука о данных — это то место, где мы очень плохо можем предсказать, какой метод в конечном итоге сработает. Работать с исходными требованиями к продукту очень сложно, потому что вы не знаете, как решить проблему.

У вас есть формулировка задачи: например, создать систему автоматической модерации, которая должна решить некоторые начальные проблемы. Можно запустить и найти какую-нибудь супер-топовую статью, в которой задача решена идеально, заводят трансформаторы.Или вы можете сделать простую эвристику, которая посмотрит, сколько раз мы одобряли того или иного рекламодателя раньше, взять долю от этого числа, сравнить, например, с 70%, и сказать: этот часто одобрялся раньше. Такая вещь может сразу очень помочь бизнесу, принести полезную информацию. А сложная система требует много времени, и не факт, что она окупится. В науке о данных вам нужно очень быстро прийти к этой идее: вы постоянно работаете в режиме гипотез, вы не знаете, что сработает, и чтобы снизить риски и принести пользу конечному пользователю и бизнесу так быстро, как возможно, вам нужно заниматься задачами от простого решения до сложного.Часто — чтобы иметь дело, начиная с эвристики, без машинного обучения — для этого могут не быть данных. Это может встревожить специалиста по данным, интересующегося вращением нейронных моделей. Но без этого вы не сможете получить начальную базу — небольшой шаг, с которого вы можете начать. Вы можете очень долго заниматься чем-то, что вообще не сработает.

Самое сложное и необычное в отрасли то, что после того, как вы сделали модель, запустили ее в производство, ее жизнь только начинается.Его нужно активно поддерживать и менять. С моделью, пока она живет, происходит большое количество разнообразных изменений. Во-первых, это такая вещь, как тренировка перекоса подачи.

Проще говоря: если модель работает в производственной среде с определенными данными или с набором общих наборов задач, которые должна решать ваша модель, — и она была обучена на других данных, полученных другими способами, — тогда на этом этапе часто возникают ошибки. , и модель начинает плохо работать.В идеале вам необходимо построить систему, в которой модели во время аналитики и начальной подготовки обучаются на тех же данных, с которыми они будут работать в производственной среде.

Во-вторых, в любой момент какая-то функция или сама модель может начать работать некорректно, неадекватно. У вас есть репозиторий, в котором хранятся характеристики; что-то изменилось, вместо нулей стал стекать null, вместо «-1» стали возвращаться другие значения; или кто-то умножил эти значения на 100, потому что считал их процентами, а не дробями.И ваша модель вдруг начинает давать сбои. Эти изменения нужно как-то замечать. Самое классное качество модели ML — это тихая ошибка; она никогда не скажет, что что-то пошло не так — она ​​всегда даст какой-то результат, в зависимости от того, что вы ей дали. Мусор на входе, мусор на выходе. Это нужно как-то контролировать. Исходя из этого, существует огромное количество вещей, которые необходимо отслеживать, пока модель работает в производстве. Вам нужно построить систему мониторинга, контролировать, чтобы распределение функций сильно не менялось и так далее.Вы должны понимать, что модель может выдать полную игру в любой момент, и как-то жить в этих условиях. Что, если эти результаты напрямую снимают деньги с наших пользователей — делая ставки на рекламном аукционе, или торгуя на бирже, или что-то еще? Есть много способов сделать это, но сначала важно об этом подумать.

Исходя из этого, как меняется жизнь специалиста по данным, который попадает в среду, где необходимо итеративно разрабатывать модели? Мне кажется, что сначала нужно быть хорошим инженером, а во-вторых, хорошим исследователем.Потому что ваш код и ваши выводы, идеи, которые вы получаете в ходе исследования и анализа, ваши модели — все, что является продуктом вашей работы специалиста по данным — не будет использоваться 2 или 10 раз. Многие люди будут смотреть на то, как строятся эксперименты, как получаются результаты, почему, где, как что работает и как это используется в производстве. Поэтому людям, пришедшим в отрасль с нуля, например из университета, увлеченным темой науки о данных, аналитиков или машинного обучения, больше всего не хватает инженерных навыков.Прежде всего, специалист по данным — это подтип разработчика, он также работает с кодом, он также работает с чем-то, что затем работает в производственной среде в изменяемой среде, которую используют люди. Они прочитают ваш код. Вам нужно будет найти эффективные, хорошо поддерживаемые и проверяемые решения. Это то, чего не хватает многим кандидатам. Поэтому, если вы новичок в науке о данных, уделите много внимания навыкам разработчика. Как писать эффективный, понятный, хорошо обслуживаемый код; инженерные решения для эффективного построения процессов обмена данными.Все это очень поможет вам в карьере, которой не хватает большому количеству кандидатов. Поэтому, если вы новичок в науке о данных, уделите много внимания навыкам разработчика. Как писать эффективный, понятный, хорошо обслуживаемый код; инженерные решения для эффективного построения процессов обмена данными. Все это очень поможет вам в карьере, которой не хватает большому количеству кандидатов. Поэтому, если вы новичок в науке о данных, уделите много внимания навыкам разработчика.Как писать эффективный, понятный, хорошо обслуживаемый код; инженерные решения для эффективного построения процессов обмена данными. Все это очень поможет вам в карьере.

Второй совет и вторая вещь, которая отделяет крутых специалистов по данным от тех, кто усердно работает, — это погружение в контекст продукта и в инженерную часть среды вашей модели. Допустим, вы разрабатываете модель, и вам как специалисту по данным легко сказать: «Моя работа — разработать модель, все остальное — вне моей ответственности.Обучаю моделей, это мое дело. Серверная часть встраивает их, инженер по обработке данных подготовит данные, тестировщик протестирует их, менеджер по продукту решит, как их использовать. «Но огромное количество выводов и способов сделать модель более крутой и ценной выходит за рамки процесса проектирования самой модели. Пример: если вы ранжируете результаты поиска, то вы ранжируете документы, поступающие извне; есть своего рода отбор кандидатов.Если вы знаете, как работает этот отбор, то легко поймете, что узкое место в работе не в том, что модель плохо работает, а в том, что на вход подаются некорректные, неинтересные, неполные документы.С другой стороны, если вы знаете, что в вашем продукте ваша модель может при определенных обстоятельствах работать не так, как вам хотелось бы, но очень сложно улучшить эту работу, тогда вы можете сменить продукт на модель. Можно сказать: теперь товар устроен по-другому, теперь модель вызывает не пользователь, а какой-то автоматический инструмент, который координирует несколько параметров, за которыми пользователь не может следить. По идее, вы можете поменять товар на модель, а не наоборот.Если вы погружены в эти области, то как специалист по анализу данных и инженер машинного обучения вы можете получить огромную прибыль и выгоды для своего продукта и своих пользователей. Модель не работает хорошо, но неверные, неинтересные и неполные документы представлены для Вход. С другой стороны, если вы знаете, что в вашем продукте ваша модель может при определенных обстоятельствах работать иначе, чем вы хотели бы, но очень сложно улучшить эту работу, тогда вы можете изменить продукт на модель.Можно сказать: теперь товар устроен по-другому, теперь модель вызывает не пользователь, а какой-то автоматический инструмент, который координирует несколько параметров, за которыми пользователь не может следить. По идее, вы можете поменять товар на модель, а не наоборот. Если вы погружены в эти области, то как специалист по анализу данных и инженер машинного обучения вы можете получить огромную прибыль и выгоды для своего продукта и своих пользователей. Модель не работает хорошо, но неверные, неинтересные и неполные документы представлены для Вход.С другой стороны, если вы знаете, что в вашем продукте ваша модель может при определенных обстоятельствах работать не так, как вам хотелось бы, но очень сложно улучшить эту работу, тогда вы можете сменить продукт на модель. Можно сказать: теперь товар устроен по-другому, теперь модель вызывает не пользователь, а какой-то автоматический инструмент, который координирует несколько параметров, за которыми пользователь не может следить. По идее, вы можете поменять товар на модель, а не наоборот.Если вы погружены в эти области, то как специалист по данным и инженер машинного обучения вы можете получить огромную прибыль и выгоды для своего продукта и своих пользователей. Неполные документы. С другой стороны, если вы знаете, что в вашем продукте ваша модель может при определенных обстоятельствах работать не так, как вам хотелось бы, но очень сложно улучшить эту работу, тогда вы можете сменить продукт на модель. Можно сказать: теперь товар устроен по-другому, теперь модель вызывает не пользователь, а какой-то автоматический инструмент, который координирует несколько параметров, за которыми пользователь не может следить.По идее, вы можете поменять товар на модель, а не наоборот. Если вы погружены в эти области, то как специалист по данным и инженер машинного обучения вы можете получить огромную прибыль и выгоды для своего продукта и своих пользователей. Неполные документы. С другой стороны, если вы знаете, что в вашем продукте ваша модель может при определенных обстоятельствах работать иначе, чем вы хотели бы, но очень сложно улучшить эту работу, тогда вы можете изменить продукт на модель. Можно сказать: теперь товар устроен по-другому, теперь модель вызывает не пользователь, а какой-то автоматический инструмент, который координирует несколько параметров, за которыми пользователь не может следить.По идее, вы можете поменять товар на модель, а не наоборот. Если вы погружены в эти области, то, как специалист по данным и инженер машинного обучения, вы можете получить огромную прибыль и выгоды для своего продукта и ваших пользователей. Как мы хотели бы, но очень сложно сделать эту работу лучше, тогда вы можете поменять товар на модель. Можно сказать: теперь товар устроен по-другому, теперь модель вызывает не пользователь, а какой-то автоматический инструмент, который координирует несколько параметров, за которыми пользователь не может следить.По идее, вы можете поменять товар на модель, а не наоборот. Если вы погружены в эти области, то, как специалист по данным и инженер машинного обучения, вы можете получить огромную прибыль и выгоды для своего продукта и ваших пользователей. Как мы хотели бы, но очень сложно сделать эту работу лучше, тогда вы можете поменять товар на модель. Можно сказать: теперь товар устроен по-другому, теперь модель вызывает не пользователь, а какой-то автоматический инструмент, который координирует несколько параметров, за которыми пользователь не может следить.По идее, вы можете поменять товар на модель, а не наоборот. Если вы погружены в эти области, то как специалист по данным и инженер машинного обучения вы можете получить огромную прибыль и выгоды для своего продукта и ваших пользователей, за которыми пользователь не может следить. По идее, вы можете поменять товар на модель, а не наоборот. Если вы погружены в эти области, то как специалист по данным и инженер машинного обучения вы можете получить огромную прибыль и выгоды для своего продукта и своих пользователей.за которыми пользователь не может следить. По идее, вы можете поменять товар на модель, а не наоборот. Если вы погружены в эти области, то как специалист по данным и инженер машинного обучения вы можете получить огромную прибыль и выгоды для своего продукта и своих пользователей.

Возвращаясь к вопросу о том, что ML — это область спекуляций. Мы никогда не знаем, как создать отличный продукт, мы должны пробовать разные пути к окончательному решению.Поэтому нужно выстраивать рабочий процесс немного иначе. Часто люди, особенно инженеры на начальных этапах развития карьеры, думают, что всякие управленческие фишки — SCRUM, Agile — это чушь собачья, и они не работают. Однако они часто не работают, потому что используются в неправильном контексте. Например, если вы когда-нибудь попадете в команду по обработке и анализу данных SCRUM, вам будет сложно и болезненно. Вдруг выясняется, что исследования стало сложно прогнозировать, и вы не будете знать, как вы выйдете к результату, а здесь — двухнедельные итерации, что-то еще, в общем, менеджмент генерирует ненужный мусор.Рабочие процессы, в которых вы работаете, должны вам помогать, а не мешать. То есть, когда наука о данных берет и применяет методы традиционной разработки программного обеспечения, это не всегда эффективно.

Поэтому я хочу сказать отдельно: если вы работаете специалистом по данным, и вам приходится взаимодействовать с разными людьми — клиентами, коллегами, сотрудничать на работе — тогда вам было бы хорошо позаботиться о понимании того, как лучше строить совместный процесс, самоорганизованная командная деятельность.Хороший способ понять, как это сделать — зайти в сообщество под названием LeanDS. Собрались такие люди, которым интересно понять, как лучше выстраивать процессы работы над проблемами ML в среде разработки продукта. Оттуда вы можете узнать много интересных вещей, которые люди уже придумали, и которые используют разные специалисты в разных компаниях. И из того, что я бы посоветовал, в первую очередь нужно перейти к подходу, когда вы формулируете все задачи через продуктовые гипотезы.Когда не знаешь, что принесет результат, но понимаешь: я думаю, что то-то и то-то поможет продвигать такие-то задачи пользователя, качать метрики, и в такое-то время это можно проверить. С такими гипотезами работать намного проще. Основываясь на таком непонятном потоке работы, где очень сложно предсказать, сколько времени займет ваша задача, когда вы придете к результату и каким образом, на мой взгляд, Канбан работает очень хорошо. Я не собираюсь долго об этом говорить, просто рекомендую: попробуйте заглянуть в сообщество LeanDS.Ознакомьтесь с их материалами. Я думаю, что каждый, кто работает в области науки о данных и сталкивается с процессами, которые перешли из обычной разработки, будет заинтересован в понимании того, что можно сделать по-другому и как использовать процессы в своих интересах. Что такая-то вещь поможет продвигать пользовательские задачи , качать метрики, и в такое-то время это можно проверить. С такими гипотезами работать намного проще. Основываясь на таком непонятном потоке работы, где очень сложно предсказать, сколько времени займет ваша задача, когда вы придете к результату и каким образом, на мой взгляд, Канбан работает очень хорошо.Я не собираюсь долго об этом говорить, просто рекомендую: попробуйте заглянуть в сообщество LeanDS. Ознакомьтесь с их материалами. Я думаю, что каждый, кто работает в области науки о данных и сталкивается с процессами, которые перешли из традиционной разработки, будет заинтересован в понимании того, что можно сделать по-другому и как использовать процессы в своих интересах. Что такая-то вещь поможет продвигать пользовательские задачи , качать метрики, и в такое-то время это можно проверить. С такими гипотезами работать намного проще.Основываясь на таком непонятном потоке работы, где очень сложно предсказать, сколько времени займет ваша задача, когда вы придете к результату и каким образом, на мой взгляд, Канбан работает очень хорошо. Я не собираюсь долго об этом говорить, просто советую: попробуйте заглянуть в сообщество LeanDS. Ознакомьтесь с их материалами. Я думаю, что каждый, кто работает в области науки о данных и сталкивается с процессами, которые перешли из обычной разработки, будет заинтересован в понимании того, что можно сделать по-другому и как использовать процессы в своих интересах.С такими гипотезами работать намного проще. Основываясь на таком непонятном потоке работы, где очень сложно предсказать, сколько времени займет ваша задача, когда вы придете к результату и каким образом, на мой взгляд, Канбан работает очень хорошо. Я не собираюсь долго об этом говорить, просто рекомендую: попробуйте заглянуть в сообщество LeanDS. Ознакомьтесь с их материалами. Я думаю, что каждый, кто работает в области науки о данных и сталкивается с процессами, которые перешли из обычной разработки, будет заинтересован в понимании того, что можно сделать по-другому и как использовать процессы в своих интересах.С такими гипотезами работать намного проще. Основываясь на таком непонятном потоке работы, где очень сложно предсказать, сколько времени займет ваша задача, когда вы придете к результату и каким образом, на мой взгляд, Канбан работает очень хорошо. Я не собираюсь долго об этом говорить, просто советую: попробуйте заглянуть в сообщество LeanDS. Ознакомьтесь с их материалами. Я думаю, что каждый, кто работает в области науки о данных и сталкивается с процессами, которые перешли из обычной разработки, будет заинтересован в понимании того, что можно сделать по-другому и как использовать процессы в своих интересах.просто совет: попробуйте взглянуть на сообщество LeanDS. Ознакомьтесь с их материалами. Я думаю, что каждый, кто работает в области науки о данных и сталкивается с процессами, которые перешли из обычной разработки, будет заинтересован в понимании того, что можно сделать по-другому и как использовать процессы в своих интересах. Просто совет: попробуйте взглянуть на сообщество LeanDS. Ознакомьтесь с их материалами. Я думаю, что каждый, кто работает в области науки о данных и сталкивается с процессами, которые перешли из традиционной разработки, будет заинтересован в понимании того, что можно сделать по-другому и как использовать процессы в своих интересах.

В результате я расскажу вам, чего не хватает парням, которые приходят выполнять задачи по анализу данных в начале своей карьеры, и как вы можете стать круче в качестве специалиста и повысить шансы получить работу в месте, которое вы нравиться.

Во-первых, как я уже сказал, инженерные навыки очень важны для специалиста по данным. Равно как и навыки, связанные с машинным обучением, анализом данных, теорией вероятностей и так далее.Во-первых, желаю вам быть крутым инженером, во-вторых, разработчиком. Во-вторых, многим людям не хватает четкого навыка переформулировать бизнес-проблему в проблему науки о данных. Это отдельный навык. Это ситуация, когда нужно точно понимать, чего от вас хочет заказчик — ну, назовем его человеком, который хочет, чтобы что-то круто работало. Возвращаясь к примеру автоматической модерации: что именно он хочет? В конце концов, задача автоматической модерации может быть установлена ​​по-разному, с разными конкретными вещами, которые мы хотим улучшить в нашей системе.Исходя из поставленных задач, задача data science формулируется по-разному; На основе задачи науки о данных оптимизированные метрики формулируются по-разному: метод выбора набора данных, оценка качества и т. д. Этот навык очень ценен для всех специалистов по данным. Допустим, заказчик говорит, что его модераторы не могут справиться с потоком задач по обработке, чтобы проверить, хорошее ли объявление или его нужно заблокировать по определенной теме. Тогда вы узнаете, что есть много разных причин для бана, и во время модерации нужно их четко описать, чтобы рекламодатель мог исправить объявление.Исходя из этого, вы решаете, что вам нужно провести какую-то мультиклассовую классификацию, которая будет генерировать текст, объясняющий причину, и задача будет очень сложной. Но подождите — может быть, проблему можно переформулировать по-другому. И оказывается, что можно сосредоточиться не на отказе от рекламы, а на выборе подходящей рекламы. Если объявление хорошее, вы можете просто пропустить его, если оно плохое, его можно передать модераторам, и никаких объяснений не требуется. Исходя из этого, вы понимаете: если вам нужно сконцентрироваться на том, что хорошо, что можно пропустить, тогда вам нужно понять, как управлять этим бизнесом — этим потоком рекламы, который будет проходить через вашу систему.Вы понимаете: да, исходя из этой задачи, я могу выбрать ROC AUC в качестве метрики, которая мне подходит, она хорошо описывает взаимосвязь между точностью модели и количеством объявлений, которые будут автоматически проходить через нашу систему. И т. Д. То есть на основе этого диалога между условным заказчиком и вами, как специалистом, вы можете значительно упростить свою задачу, хорошо понимая, как переформулировать бизнес-задачу в задачу науки о данных. Чтобы сосредоточиться на том, что хорошо, что можно пропустить, тогда вам нужно понять, как управлять этим бизнесом — этим потоком рекламы, который будет проходить через вашу систему.Вы понимаете: да, исходя из этой задачи, я могу выбрать ROC AUC в качестве метрики, которая мне подходит, она хорошо описывает взаимосвязь между точностью модели и количеством объявлений, которые будут автоматически проходить через нашу систему. И т. Д. То есть на основе этого диалога между условным заказчиком и вами, как специалистом, вы можете значительно упростить свою задачу, хорошо понимая, как переформулировать бизнес-задачу в задачу науки о данных. Чтобы сосредоточиться на том, что хорошо, что можно пропустить, тогда вам нужно понять, как управлять этим бизнесом — этим потоком рекламы, который будет проходить через вашу систему.Вы понимаете: да, исходя из этой задачи, я могу выбрать ROC AUC в качестве метрики, которая мне подходит, она хорошо описывает взаимосвязь между точностью модели и количеством объявлений, которые будут автоматически проходить через нашу систему. И т. Д. То есть на основе этого диалога между условным заказчиком и вами, как специалистом, вы можете значительно упростить свою задачу, хорошо понимая, как переформулировать бизнес-задачу в задачу по науке о данных. в этой задаче я могу выбрать ROC AUC в качестве метрики, которая мне подходит, она хорошо описывает взаимосвязь между точностью модели и количеством объявлений, которые будут автоматически проходить через нашу систему.И т. Д. То есть на основе этого диалога между условным заказчиком и вами, как специалистом, вы можете значительно упростить свою задачу, хорошо понимая, как переформулировать бизнес-задачу в задачу по науке о данных. в этой задаче я могу выбрать ROC AUC в качестве метрики, которая мне подходит, она хорошо описывает взаимосвязь между точностью модели и количеством объявлений, которые будут автоматически проходить через нашу систему. И т. Д. То есть на основе этого диалога между условным заказчиком и вами, как специалистом, вы можете значительно упростить свою задачу, хорошо понимая, как переформулировать бизнес-задачу в задачу по науке о данных.как переформулировать бизнес-проблему в проблему науки о данных. как переформулировать бизнес-задачу в проблему науки о данных.

Хочу рассказать еще об одной вещи, которая очень помогает. Речь идет о понимании того, какие конкретные сигналы передаются модели, которую вы разрабатываете в виде функций, и как она их обрабатывает. Это навык, который напрямую относится к компетенции команды ML-разработчиков. По какой-то причине, по моему опыту, многие кандидаты придерживаются подхода «ML съест все» — поместите все в градиентное усиление, и он будет работать.Я преувеличиваю, но в целом это очень круто, когда вы четко понимаете, что знак, который вы используете, несет именно ту информацию, которую вы передали, а не информацию, которую вы планировали передать.

Например, предположим, вы решили, что хорошим показателем реакции пользователя на рекламу будет рейтинг кликов. То есть мы берем количество рекламных объявлений, просмотренных за все время, и количество кликов по объявлению, делим одно на другое и получаем индикатор пользователя.В одном случае он говорит, что пользователю нравится нажимать на рекламу, в другом — что он вообще не нажимает. И мы передаем это число в нашу модель — повышение градиента или линейная регрессия. Тогда может возникнуть мысль: в модели нет способа отличить тех пользователей, по которым у нас много статистики, от тех, кого мало. Один показатель может не означать, что пользователь всегда нажимает на объявление, а означает, что у него был только один показ. Возникает вопрос: как представить эту особенность таким образом, чтобы модель отличала большой объем статистики от небольшого? Первое, что приходит в голову, — это ввести в модель количество показов рекламы.Вы можете просто указать количество показов, но зависимость нашей уверенности в статистике от количества показов рекламы у пользователя является нелинейной. Получается, что нужно ставить не просто впечатления, а квадрат или логарифм впечатлений. Тогда оказывается, что если у нас есть линейная модель, то эти две функции не взаимодействуют друг с другом. Сделать схемы типа «если у пользователя такое-то количество статистики, то мы доверяем ей столько-то, используем фичу с таким-то весом» — не получится.Линейная регрессия не может построить такие связи, но повышение градиента может. Или вы можете переформулировать функцию. Вместо необработанной статистики вы можете сгладить ее, использовать подходы из байесовских переходов, добавить некоторые априорные знания о том, как пользователи щелкают в среднем, и использовать определенную формулу для их смешивания. И т.д. Оказывается, очень важно понимать, какой именно сигнал вы передаете как знак.

Во-вторых, очень важно знать, как эта функция будет использована в модели.В линейной регрессии он будет использоваться по очереди, в повышении градиента — по-другому, и если это нейронная сеть, то она работает с другим типом данных и с тем, как там работает контекст.

Вам не нужно точно знать, как работает модель, но вам нужно интуитивное понимание того, что возможно, а что нет. Это отличный навык для специалиста по машинному обучению. Если вы спросите меня, как работает какой-либо конкретный алгоритм в повышении градиента, мне будет сложно подробно объяснить, но на моих пальцах я могу это сделать.И в большинстве практических ситуаций этого достаточно для эффективного использования инструмента.

В заключение, я бы посоветовал всем использовать такой итеративный подход в реальной жизни, в продуктах, когда вы переходите от простого к сложному. Вы начинаете с простых гипотез, которые быстро проверяются, и постепенно переходите к очень сложным и интересным научным статьям. И тогда базовый план готов, и вы уже можете написать статью, например, для KDD.

Еще хочу сказать — может они мне помогут; У меня два выступления на митапах. Один посвящен тому, какие задачи по науке о данных можно решать в рекламе (и в целом, почему специалисты по науке о данных могут интересоваться рекламными технологиями как трамплином для применения своих навыков при решении интересных инженерных задач). А вторая — это рассказ о ловушках, в которые мы попали как команда ML-разработчиков системы, о том, как мы из них выбрались, и как не попасть в те же ловушки, в которые мы попали из-за отсутствия опыта.Хочу поделиться этим опытом. Думаю, здесь есть много полезного.

И еще — до этого я говорил о сообществе LeanDS, посвященном процессам науки о данных, управлению проектами науки о данных в машинном обучении. Еще очень советую посмотреть их материалы, ребята делают очень крутые вещи.

Вы когда-нибудь строили полную модель воронки продаж?

И такой вопрос: как связать сущности (задать атрибуты) при построении модели?

Вероятно, неплохо было бы просто начать с некоторой предыдущей активности пользователя.Обычно это делается разными способами; Могу рассказать об одной, которая используется при построении рекламных систем, она называется look-alike. Возможно, вы слышали о нем. Это ситуация, когда мы говорим: вот пользователи, которые посетили наш сайт, а вот те, кто что-то купил. Давайте посмотрим, какие пользователи больше всего похожи на тех, кто что-то купил, и меньше на тех, кто ничего не делал. Когда мы обучаем такую ​​модель, где «1» — это те, кто купил, «0» — это те, кто ничего не сделал, и условно «0.5 ”- это те, кто посетил сайт, мы можем узнать, как ранжировать всех пользователей нашей системы по сходству с потенциальным клиентом. Мы можем использовать эти знания в нашей модели и рассказать клиенту, какие функции, с точки зрения модели, отделяют клиентов от обычных посетителей.