Все · 2270

Red Flags to Look Out for When Joining a Data Team

Юджин Ян (Eugene Yan) перечисляет «красные флаги», на которые стоит обращать внимание перед тем, как принять оффер в дата-команду: отсутствие или плохо организованные данные, отсутствие внятного роадм

How to Keep Learning about Machine Learning

Статья Eugene Yan о том, как продолжать учиться в быстро развивающейся области machine learning. Автор предлагает пять практических стратегий: пробовать новые инструменты в каждом проекте, делать личн

The Data Scientist Show - Building end-to-end ML systems

Юджин Ян (Eugene Yan) рассказывает о своём участии в подкасте Daliana «The Data Scientist Show», где почти за 2 часа они обсудили самые разные темы из области data science и ML. Среди затронутых вопро

Solve a Hard Problem (Tinder). Chapter 8 of my upcoming book, The Cold Start Problem at andrewchen

Эндрю Чен публикует 8-ю главу своей книги «The Cold Start Problem», выходящей 7 декабря, посвящённой сетевым эффектам. Ключевая идея — у каждой сети есть «лёгкая сторона» и «трудная сторона»: меньшинс

I’m on the Tim Ferriss podcast — talking my new book, growth hacking, metaverse, creator economy, and more at andrewchen

Andrew Chen объявляет, что его первая книга «The Cold Start Problem» о запуске и росте стартапов через сетевые эффекты выходит на следующей неделе и доступна для предзаказа на coldstart.com в твёрдой

2021 Year in Review

Юджин Янь подводит итоги 2021 года: переезд в Сиэтл, работа в Amazon над рекомендациями книг, поездки по США и здоровая семья создали фон для прогресса по целям. Из запланированных пунктов он выполнил

Previewing a full chapter of The Cold Start Problem — my upcoming book dropping in December at andrewchen

Эндрю Чен анонсирует свою книгу «The Cold Start Problem», выходящую в декабре, и впервые публикует превью вступительной главы. Книга — это сборник кейсов (Tinder, Twitch, кредитные карты, Dropbox и др

The Pros and Cons of Working Directly for the CEO

Jason Lemkin делится личным опытом первой работы в подчинении напрямую у CEO в стартапе из 60 человек, где он сидел в одном открытом офисе с CEO, президентом и контролёром. Он быстро оказался вовлечён

5 Lessons I Learned from Writing Online (Guest post by Susan Shu)

Гостевой пост Susan Shu на блоге Eugene Yan: пять уроков, которые она вынесла из ведения блога. Susan рассказывает, как привычка писать первые черновики без редактирования резко ускорила её работу, и

Why the best way to drive viral growth to increase retention and engagement at andrewchen

Эндрю Чен пересматривает классическую идею вирального роста и утверждает, что она неразрывно связана с удержанием пользователей. Прежний подход с агрессивными приглашениями и максимизацией viral facto

What to look for when you’re hiring a Head of Growth at andrewchen

Эндрю Чен разбирает, как нанимать Head of Growth, опираясь на пятистадийную модель из своей книги The Cold Start Problem: Cold Start Problem, Tipping Point, Escape Velocity, Hitting the Ceiling и The

What I Learned from Writing Online - For Fellow Non-Writers

Юджин Янь делится уроками, которые он извлёк из ведения личного блога и написания более ста постов. Он утверждает, что не обязательно быть экспертом — иногда лучший учитель тот, кто опережает читателя

Reinforcement Learning for Recommendations and Search

Эжен Янь разбирает применение обучения с подкреплением (RL) в рекомендательных системах и поиске. Обычные рекомендательные системы максимизируют сиюминутную награду (клики/покупки), переоценивают попу

Why premature scaling fails: The Traction Treadmill at andrewchen

My first book, The Cold Start Problem. Plus Clubhouse, and more. It’s 2021, and I’m back! at andrewchen

Эндрю Чен возвращается к блогингу после почти годового перерыва и объявляет о своей первой книге THE COLD START PROBLEM, которая выйдет в конце 2021 года в издательстве Harper Business. Работа над кни

What today’s social apps can learn from Web 2.0, the social network revolution from 15 years ago at andrewchen

Эндрю Чен возвращается к блогу после трёхлетнего перерыва и публикует объединённую версию двух тредов о будущем социальных приложений и уроках эпохи Web 2.0. Он противопоставляет прошлую модель соцсет

The next generation of the SF and LA tech ecosystem at andrewchen

Andrew Chen рассказывает о сближении технологических экосистем Сан-Франциско и Лос-Анджелеса. Долгое время индустрия развлечений и Кремниевая долина конфликтовали — студии судились со стартапами вроде

Amazon Science - Eugene Yan and the Art of Writing about Science

Статья Amazon Science рассказывает о Eugene Yan — прикладном научном сотруднике Amazon, который занимается рекомендательными системами для подбора книг в Amazon Store. Сингапурец по происхождению, он

Bootstrapping Labels via ___ Supervision & Human-In-The-Loop

Юджин Ян разбирает, как получать обучающие метки, когда размеченных данных нет, и рассматривает три подхода: полу-, активное и слабое обучение. Полуобучение генерирует псевдо-метки итеративно; активно

Dear SaaStr: Should a Startup Founder Handle Sales Themself When First Getting Started?

Джейсон Лемкин (Jason Lemkin) из SaaStr отвечает на вопрос, должен ли основатель стартапа сам заниматься продажами на старте: да, в 95% случаев. Оптимальная последовательность построения воспроизводим

Mailbag: How to Bootstrap Labels for Relevant Docs in Search

Читатель спрашивает, как в индустрии получают общее число релевантных документов для пар «запрос-документ», необходимое для расчёта метрики Recall@K (упоминаются работы Semantic Product Search от Amaz

SF Big Analytics - System Design for RecSys & Search

Евгений Янь выступил на митапе SF Big Analytics в Сан-Франциско с докладом о проектировании систем рекомендаций и поиска. Публикация содержит запись выступления и слайды презентации. Доклад состоялся

Influencing without Authority for Data Scientists

Юджин Ян делится советами о том, как дата-сайентистам влиять на коллег без формальной власти, когда нужно добиться приоритизации задач у смежных команд (инфра, инженерия, продукт) или предложить улучш

System Design for Recommendations and Search

Юджин Ян разбирает типовой системный дизайн промышленных рекомендательных и поисковых систем, описывая его через матрицу 2×2: оффлайн против онлайн и retrieval против ranking. В оффлайн-среде обучаютс