Подкаст о машинном обучении (Machine Learning Podcast)
Подкаст о машинном обучении (Machine Learning Podcast)

#080 Антон Полднев. ML в рекламе в режиме хайлоада

26 May 2026 1:25:31 Mikhail

Listen to episode

About this episode

В гостях выпуска Антон Полднев - руководитель инфраструктуры Яндекс Рекламы. А разговариваем мы о том, как в рекламе работает ML в режиме высоких нагрузок, а также про разные интересные задачи, стоящие перед инженерами в контексте рекламных сетей. Жив ли ещё язык программирования PERL? Можно ли программировать, не используя массивы? Почему так сложно даётся тема указателей в C++? Как работает реклама в интернете в условиях AdBlock'а? Как должны работать рекомендательные системы, если у вас миллионы запросов в секунду? Как понять, что пользователь совершил целевое действие "покупка", перейдя на сайт по рекламе, если рекламодатель некорректно отдаёт метрики? Как рекламодателю понять, что у пользователя "баннерная слепота" или установлен блокировщик рекламы и не тратить ресурсы на бесполезные показы? Как генерация следующего токена LLM-кой может помочь в предсказании следующего действия пользователя? Как экономить железо, когда его не хватает? Когда деградация это хорошо? Можно ли вайбкодить серьёзные сервисы или этот подход годится только для пет-проектов? Зачем крупным компаниям выкладывать свои наработки в открытый доступ? Можно ли ускорить выполнение программы с помощью перфоратора? Обо всём этом в выпуске!


Ссылки выпуска:


Рекомендательная [RecSys Channel] - телеграм канал о рекомендательных системах, про который говорил Антон (https://t.me/RecSysChannel)

Yandex Neuro Ads - совокупность технологий, которая объединяет тяжёлые модели глубокого обучения и классические ML и технологии генеративного ИИ для работы с рекламой (https://ya.ru/project/yna)


Буду благодарен за обратную связь!


Подписывайтесь на телеграм-канал "Стать специалистом по машинному обучению" (https://t.me/toBeAnMLspecialist)


Мой телеграм для связи (https://t.me/kmsint)

Также со мной можно связаться по электронной почте: [email protected]


Я сделал бесплатный курс по созданию телеграм-ботов на Python и aiogram на Степике (https://stepik.org/120924). Присоединяйтесь, если хотите научиться разрабатывать телеграм-ботов!


Также в соавторстве с крутыми разработчиками я пишу курс по продвинутой разработке телеграм-ботов с элементами микросервисной архитектуры (https://stepik.org/a/153850?utm_source=mlpodcast&utm_campaign=ep_80).


Выразить благодарность можно добрым словом и/или донатом (https://www.tinkoff.ru/rm/kryzhanovskiy.mikhail11/NkwE718878/)

Want to find AI jobs?

Join thousands of AI professionals finding their next opportunity

We respect your inbox. Unsubscribe at any time.

© 2026 Подкаст о машинном обучении (Machine Learning Podcast). All rights reserved.

Common Questions

Frequently asked questions

Quick answers about how DevFound's AI matching, resumes, and referrals work.

DevFound's AI Copilot ingests your profile, goals, and live job data to deliver curated matches in seconds. Every match includes a resume variant, suggested referrals, and interview prep so you can act immediately. The more feedback you provide, the sharper the Copilot becomes.

AI-led job searches shrink the hours spent sifting through boards and formatting resumes. DevFound pairs automation with your personal outreach, so you reserve energy for interviews and negotiation. Traditional networking still matters, but AI gives you a lift before you even send a message.

Modern AI roles expect comfort with production-grade code, data fluency, and practical ML tooling. The strongest candidates pair deep technical chops with storytelling—translating model impact to product, GTM, and exec partners. Continuous learning keeps you ahead as stacks evolve.

DevFound rewards active seekers. Keep your profile fresh, respond to match quality prompts, and enable alerts so you never miss a role. The AI prioritizes companies and teams that align with your feedback, accelerating both introductions and interview invites.

High-density tech hubs continue to host the deepest AI talent pools, yet distributed teams are catching up fast. Use DevFound filters to hone in on onsite, hybrid, or fully remote roles and watch openings expand across time zones.

DevFound aggregates thousands of remote AI openings and flags the nuances—core hours, async culture, and visa needs—up front. The Copilot also recommends how to position your distributed work experience so hiring managers know you can thrive on a remote team.