Нескучный Data Science
前往频道在 Telegram
Нюансы работы в Data Science, о которых ты не узнаешь в школе 👨💻 Managing AI Director, Sber @smirnovevgeny https://www.linkedin.com/in/smirnov-evgeny/ По вопросам сотрудничества @datascience_assist Регистрации в Роскомнадзор № 5278866657
显示更多📈 Telegram 频道 Нескучный Data Science 的分析概览
频道 Нескучный Data Science (@not_boring_ds) 俄语 语言赛道中的 是活跃参与者。目前社区聚集了 12 038 名订阅者，在 职业 类别中位列第 3 218，并在 俄罗斯 地区排名第 53 704 位。
📊 受众指标与增长动态
自 невідомо 创建以来，项目保持高速增长，吸引了 12 038 名订阅者。
根据 25 八月, 2026 的最新数据，频道保持稳定运转。过去 30 天订阅人数变化为 128，过去 24 小时变化为 -5，整体触达仍然可观。
- 认证状态： 未认证
- 互动率 (ER)： 平均受众互动率为 26.49%。内容发布后 24 小时内通常能获得 11.97% 的反应，占订阅者总量。
- 帖子覆盖： 每篇帖子平均可获得 3 190 次浏览，首日通常累积 1 442 次浏览。
- 互动与反馈： 受众积极参与，单帖平均反应数为 38。
- 主题关注点： 内容集中在 лаборатория, automl, llm, продакт, стажировка 等核心主题上。
📝 描述与内容策略
作者将该频道定位为表达主观观点的平台：
“Нюансы работы в Data Science, о которых ты не узнаешь в школе
👨💻 Managing AI Director, Sber @smirnovevgeny
https://www.linkedin.com/in/smirnov-evgeny/
По вопросам сотрудничества @datascience_assist
Регистрации в Роскомнадзор № 5278866657”
凭借高频更新（最新数据采集于 26 八月, 2026），频道始终保持新鲜度与高覆盖。分析显示受众积极互动，使其成为 职业 类别中的关键影响点。
12 038
订阅者
-524 小时
+277 天
+12830 天
数据加载中...
相似频道
标签云
进出提及
---
---
---
---
---
---
吸引订阅者
八月 '26
八月 '26
+237
在7个频道中
七月 '26
+110
在0个频道中
Get PRO
六月 '26
+129
在0个频道中
Get PRO
五月 '26
+113
在0个频道中
Get PRO
四月 '26
+85
在0个频道中
Get PRO
三月 '26
+125
在1个频道中
Get PRO
二月 '26
+96
在0个频道中
Get PRO
一月 '26
+61
在1个频道中
Get PRO
十二月 '25
+85
在0个频道中
Get PRO
十一月 '25
+114
在1个频道中
Get PRO
十月 '25
+119
在1个频道中
Get PRO
九月 '25
+184
在0个频道中
Get PRO
八月 '25
+304
在2个频道中
Get PRO
七月 '25
+250
在4个频道中
Get PRO
六月 '25
+1 298
在4个频道中
Get PRO
五月 '25
+313
在2个频道中
Get PRO
四月 '25
+200
在3个频道中
Get PRO
三月 '25
+7 859
在10个频道中
Get PRO
二月 '25
+1 559
在5个频道中
Get PRO
一月 '25
+229
在2个频道中
Get PRO
十二月 '24
+232
在4个频道中
Get PRO
十一月 '24
+481
在1个频道中
Get PRO
十月 '24
+1 517
在4个频道中
Get PRO
九月 '24
+552
在2个频道中
Get PRO
八月 '24
+270
在6个频道中
Get PRO
七月 '24
+171
在3个频道中
Get PRO
六月 '24
+208
在1个频道中
Get PRO
五月 '24
+194
在2个频道中
Get PRO
四月 '24
+314
在4个频道中
Get PRO
三月 '24
+215
在0个频道中
Get PRO
二月 '24
+116
在1个频道中
Get PRO
一月 '24
+153
在0个频道中
Get PRO
十二月 '23
+170
在2个频道中
Get PRO
十一月 '23
+198
在0个频道中
Get PRO
十月 '23
+239
在1个频道中
Get PRO
九月 '23
+262
在0个频道中
Get PRO
八月 '23
+158
在0个频道中
Get PRO
七月 '23
+228
在0个频道中
Get PRO
六月 '23
+487
在0个频道中
Get PRO
五月 '23
+183
在0个频道中
Get PRO
四月 '23
+270
在0个频道中
Get PRO
三月 '23
+199
在0个频道中
Get PRO
二月 '23
+136
在0个频道中
Get PRO
一月 '23
+247
在0个频道中
Get PRO
十二月 '22
+356
在0个频道中
Get PRO
十一月 '22
+178
在0个频道中
Get PRO
十月 '22
+104
在0个频道中
Get PRO
九月 '22
+262
在0个频道中
Get PRO
八月 '22
+1 401
在0个频道中
Get PRO
七月 '22
+2 318
在0个频道中
| 日期 | 订阅者增长 | 提及 | 频道 | |
| 26 八月 | +1 | |||
| 25 八月 | +2 | |||
| 24 八月 | +4 | |||
| 23 八月 | +12 | |||
| 22 八月 | +4 | |||
| 21 八月 | +4 | |||
| 20 八月 | +7 | |||
| 19 八月 | +18 | |||
| 18 八月 | +3 | |||
| 17 八月 | +10 | |||
| 16 八月 | +3 | |||
| 15 八月 | +6 | |||
| 14 八月 | +8 | |||
| 13 八月 | +7 | |||
| 12 八月 | +13 | |||
| 11 八月 | +10 | |||
| 10 八月 | +35 | |||
| 09 八月 | +5 | |||
| 08 八月 | +11 | |||
| 07 八月 | +6 | |||
| 06 八月 | +34 | |||
| 05 八月 | +8 | |||
| 04 八月 | +1 | |||
| 03 八月 | +24 | |||
| 02 八月 | 0 | |||
| 01 八月 | +1 |
频道帖子
✈️ Альфа оплатит до 20 000 рублей на обеды состоятельным сотрудникам Сбера
🍽 У премиальных клиентов Альфа-Банка есть привилегия: банк компенсирует еду в ресторанах российских аэропортов.
Чтобы не заключать договор с каждым заведением вручную, Альфа подключила дата-сайентистов 👨💻 Как рассказали в статье на РБК, алгоритм анализирует карточные операции, сопоставляет их с координатами терминалов и определяет, прошла ли покупка на территории аэропорта.
📱 Подходящие операции автоматически появляются в приложении. Загружать чек обычно не нужно, хотя банк оставляет за собой право запросить билет или подтверждение покупки. Запомним этот момент)
Но недавно у алгоритма обнаружился интересный побочный эффект 😅
Ресторан в офисе Сбера на одном из верхних этажей определяется как ресторан в аэропорту. Возможно, терминалу присвоили неправильные координаты. Возможно, подвели исходные данные. А может быть, ресторан просто оказался слишком близко к небу ☁️
В итоге премиальные клиенты Альфы могут компенсировать там обычные рабочие обеды — как будто едят перед вылетом 🛫
💸 За один чек можно вернуть до 5 000 рублей. При остатках свыше 12 млн рублей количество визитов не ограничено, но действует общий лимит компенсации ресторанов — 20 000 рублей в месяц.
Работаешь в Сбере, держишь деньги в Альфе, а обеды в Сбере оплачивает Альфа. Получается не просто выгодно, а Альфа-Выгодно ❤️
😅😅😅 Если вы работаете в Сбере и соответствуете условиям премиального обслуживания, оформляйте карту Альфа-Банка, пока дата сайентисты в Альфе не исправили баг
А теперь два вопроса:
1️⃣ Технический: какую метрику или алерт вы бы поставили на мониторинг, чтобы быстро выявлять случаи неправильной геопривязки терминалов?
2️⃣ Бизнесовый: как бы вы поступили на месте Альфы — закрыли бы лазейку и исключили ошибочно привязанные терминалы или превратили бы баг в PR-ход для привлечения клиентов с крупными остатками?
👇 Пишите свои варианты в комментариях.
| 2 | 🐍 Как сделать автоматизацию 100% одной фразой
🎤 В 2018 году в одной крупной компании проходила презентация чат-бота. Команда защищала метрику автоматизации.
Один из топ-менеджеров выслушал доклад и сказал:
— Я знаю, как одной фразой довести вашу автоматизацию до 100%.
📊 В 2020 году уже в другой крупной компании топ-менеджера уволили за то, что он слишком успешно растил автоматизацию.
Автоматизацию растили. Топ-менеджера сократили. Баланс всё-таки нашёлся — просто не там.
🤖 В 2026 году помощь понадобилась одному AI-директору. Он обратился во внутренний хелпдеск, но ответа не получил: годом ранее компания успешно выполнила цели по внедрению AI и сократила поддержку.
AI внедрили. Помогать стало некому.
Когда-то я уже выпускал статью о том, как сделать контактный центр автономным. Похоже, кто-то воспринял слово «автономный» слишком буквально: теперь контактный центр не зависит ни от операторов, ни от обращений, ни от необходимости кому-то отвечать.
Что общего у этих историй?
У метрики автоматизации есть неприятная особенность: она не умеет отличать ситуацию «клиенту помогли» от ситуации «клиент не смог ни до кого достучаться». В обоих случаях оператор не понадобился.
Поэтому автоматизацию нельзя растить без второй метрики, которая показывает, не стало ли клиентам хуже. Иначе вместе с автоматизацией можно незаметно вырастить отток, а повторные покупки и кросс-продажи — так же незаметно сократить.
🐍 Говорят, на змею не действует собственный яд. Но в этой истории в конце концов подействовал. Правда, это был яд других гадюк.
💬 А теперь вопрос: какая одна фраза может сделать автоматизацию чат-бота 100%?
Пишите свои версии в комментариях 👇 | 1 259 |
| 3 |  没有文字... | 1 |
| 4 |  +3🚀 50 грантов Tech Orda: специализация AI Agents Engineer
Уникальная возможность для граждан РК от 18 до 45 лет:
1. Получить грант 400 000 ₸ от государства на обучение в IT;
2. С вероятностью 60+% достичь карьерных целей в ближайшие 6 месяцев при обучении с BigData Team.
📌 Как подать заявку? До 6 сентября:
1. Нажать "подать заявку" на портале Astana Hub
2. Зарегистрироваться и пройти тестирование на Learn BDT
3. Подписаться на наш Telegram, чтобы не пропустить новости.
Результаты отбора — на почту; анонсы — здесь.
Особенности 2026
1️⃣ Конечно же ИИ (Agentic Coding и AI Agents)
Не банальный prompt engineering, а фундаментальная база: tools, skills, MCP, окружения (*code*, *claw) или harness. Управление памятью (context, memory, fine-tuning vs RAG, embeddings vs Zettelkasten) и качеством (MAS, ralph-loop, evals, понимание LLMs).
2️⃣ Стоимость
Разработали программу доступную каждому:
— стоимость программы (level 1): 595 000 ₸
— грант Tech Orda: 400 000 ₸
— остаток: 195 000 ₸. Если поделить на 6 месяцев обучения:
🔥 32 500 ₸/месяц
3️⃣ Аналитика зарплат и выпускников от Astana Hub
По нашим выпускникам программы Tech Orda в Казахстане:
— 44% пришли без профильного ИКТ-образования
— 61% достигли карьерных успехов уже в период обучения
💰 1+ млн ₸ средняя зарплата выпускника
Откуда цифры — из налоговой (но анонимно). Подробности читайте в гайде по Data-профессиям.
📌 Ключевая информация
В AI-native эпоху в IT профессии базовых навыков Computer Science уже недостаточно — важно уметь ускорять процессы разработки и аналитики в десятки раз с помощью автономных ИИ-агентов, не теряя контроля над кодовой базой и архитектурой. В 2026 году мы трансформировали программу BDMLE в новый стандарт — AI Agents Engineer (AIE).
🗓 Старт обучения: сентябрь–октябрь
▶️ Видео о школе и программе (10 минут)
🔄 Волны отбора
— I волна — до 23 августа, 23:59 🔥
— II волна — до 30 августа, 23:59
— III волна — до 6 сентября, 23:59
Last, but not least
Поспешите! (почему)
📩 Вопросы: личка, комментарии или techorda@bigdatateam.org
🤗 Лайк и репост — у кого-то из ваших знакомых сейчас закроется вопрос "а на что учиться".
BigData Team: the way you learn best
AI Agents | Py4BDA | Python | Machine Learning | Big Data
#study #BigDataTeam #TechOrda #AstanaHub #BDMLE #AIE | 2 202 |
| 5 |  +2🤣 Яндекс сам себя забанил
Помните, я писал, как Тинькофф защитил меня от собственного спама?
Похоже, тг-боты Яндекса это прочитали, решили повторить успех и применили тот же подход к рекламе.
🍽 Хотел купить рекламу для @mirabistro на Яндекс Картах. Написал в чат-бот поддержки. Бот объяснил, что нужно отправить письмо на указанный им адрес, добавить номер телефона и логин — всё сделал по инструкции.
✉️ Причём для надёжности отправлял письмо из Яндекс Почты на аккаунт Яндекса. Текст — практически тот же, который предложил бот.
🛡 Но письмо не ушло: Яндекс решил, что оно похоже на спам, и временно заблокировал отправку.
Итого: бот Яндекса написал инструкцию, я ей последовал, а другой бот Яндекса защитил Яндекс от покупки рекламы в Яндексе.
Вот она — настоящая сквозная автоматизация бизнес-процессов 😅
P.S. @yandex свяжитесь со мной) | 3 385 |
| 6 |  🧠 10 бит в секунду, или Почему люди тупые
Когда я учился в университете, мой сосед любил повторять:
— Люди тупые. В том числе и я.
Вторая часть фразы нравилась мне гораздо больше первой. В ней была полезная мысль: свои когнитивные ограничения лучше учитывать заранее, а не обнаруживать постфактум.
💾 Позже я попал к научному руководителю, у которого одновременно со мной было ещё несколько десятков студентов. Он честно предупреждал:
— Женя, я обещаю, что забуду всё, о чём мы сегодня говорили.
Он просто хорошо понимал ограничения собственной памяти и не делал вид, что способен удержать в голове всё.
🔬 Ещё в 1952 году психолог Уильям Хик оценил скорость обработки информации в задачах выбора примерно в 5 бит в секунду. Спустя семь десятилетий исследователи из Caltech проанализировали самые разные виды человеческой деятельности — от чтения и печати до игр и запоминания — и получили величину того же порядка: около 10 бит в секунду, или 1,25 байта.
⚠️ Это не скорость всего мозга. Сенсорные и двигательные системы работают значительно быстрее. Скорее, речь об узком канале, через который информация превращается в осознанный выбор и контролируемое действие.
🤔 Отсюда простой вывод.
Если вы задали человеку сложный вопрос, а через секунду получили уверенный ответ, возможны три варианта:
1. Перед вами гений.
2. Человек уже долго думал об этом раньше.
3. Он озвучил первое, что пришло в голову.
Чаще, чем нам хотелось бы, срабатывает третий вариант.
🤖 Для GPT мы специально включаем thinking mode и соглашаемся немного подождать. А от человека почему-то ожидаем качественного решения немедленно — желательно прямо на созвоне, между двумя уведомлениями и вопросом «ну что тут вообще думать?».
Но человеку тоже можно включить thinking mode.
📝 Поэтому сложные вопросы лучше задавать заранее, а важные договорённости — записывать. И не стоит путать скорость ответа с качеством мышления.
🗂 Кажется, единственный выход с учётом наших ограничений — учиться структурировать знания и сохранять их так, чтобы потом быстро находить. Такая внешняя память медленнее оперативной, но гораздо быстрее, чем каждый раз вспоминать или придумывать всё заново.
🛡 И тут начинается самое интересное: если мы понимаем ограничения естественного интеллекта, становится понятнее, как работают некоторые виды атак на него — и как от них защищаться.
Возможно, об этом поговорим в следующих статьях. | 3 032 |
| 7 |  Исследуйте сферу AI в T-Lab
Т-Образование зовет участников в проект T-Lab. Это годовая программа научно-исследовательской работы в области AI. Станьте соавтором научных открытий, которые меняют индустрию!
Вы сможете выбрать один из проектов в сфере AI и участвовать в исследовании на всех этапах. Итоги вашей работы могут лечь в основу научных публикаций и стать вектором новых продуктов.
Кого ждут в T-Lab?
Студентов бакалавриата и магистратуры, недавних выпускников технических направлений.
Участники получат:
🔴Официальное трудоустройство с зарплатой.
🔴Доступ к ресурсам бигтеха для исследований.
🔴Возможность получить оффер в IT-компанию.
Узнайте больше и оставьте заявку до 23 августа по ссылке | 3 361 |
| 8 |  Конференция Ozon Tech, уже успевшая заслужить высокоранговую славу, обещает и в этом году собрать много интересного для тех, кто работает с ML&DS. Программа E-CODE 2026 еще пополняется, но трек уже выглядит вполне серьезно: сложный индустриальный ML, генеративные подсказки, уровни дообучения и агентский Cotype.
Такое нам определенно надо. Еще и участие бесплатное - осталось только зарегистрироваться: https://ecode.ozon.tech/
Ну и в рамках соблюдения work-life balance вечерком прям там же можно и под «Хлеб» с «Нейромонахом Феофаном» отжечь 😅 | 3 477 |
| 9 |  ИИ крадёт у нас или учится у нас? 🧠
Недавно сидел на панельной дискуссии. Во время вопросов из зала прозвучало примерно следующее:
— Как быть с тем, что ИИ будет обучаться на наших данных? Как защитить то уникальное, на создание чего человек потратил столько времени?
Но тут возникает неудобный вопрос: а в чём именно заключается эта уникальность?
Я люблю сравнивать работу ИИ с ЕИ — естественным интеллектом. Такое сравнение помогает лучше замечать некоторые паттерны человеческого мышления и обучения.
Так вот: ЕИ тоже учится на чужих данных 📚
Человек читает книги, слушает преподавателей, разбирает чужие работы, наблюдает за другими людьми и запоминает удачные решения.
В творческих профессиях это называют насмотренностью и начитанностью. А затем человек комбинирует знания и приёмы, придуманные до него, — и создаёт нечто, что мы считаем уникальным.
Даже гены в некотором смысле можно рассматривать как накопленный поколениями опыт 🧬
Это, конечно, не обучение в обычном смысле, а результат эволюционного отбора. Но принцип сохранения успешных решений здесь тоже просматривается.
Поэтому мне немного странно слышать от ЕИ, что ИИ обязательно что-то у него «украдёт». Ведь ИИ обучается на созданном людьми примерно так же, как сам человек когда-то учился на наследии предыдущих поколений.
Возможно, главное, чему ИИ пока не научился, — это вкус 🎨
Не просто способность скомбинировать знакомые элементы, а умение почувствовать: что действительно стоит создавать, зачем и для кого.
Хотя и вкус, если честно, тоже формируется не в вакууме.
На фото мы с Радославом @girafe_ai — довольные тем, что обсудили эту тему и поняли друг друга с полуслова 🤝
💬 Как думаете, что на этом изображении создано с ИИ? | 2 981 |
| 10 | Как понять по письму, что задача не выполнена? 📨
За годы работы в крупных компаниях мне пришлось прочитать очень много писем. Иногда их приходит до сотни в день. Поэтому навыки анализа данных приходится применять и здесь.
Представьте: вы поставили кому-то задачу, подошёл срок — и вам присылают отчёт. Это может быть один абзац, а может быть целый лист А4. Вы читаете про процесс, коллег, сложности и то, как все героически преодолевали препятствия. Первый абзац, второй, третий… Очень интересно. Все явно вспотели 😅
Письмо заканчивается, а вы так и не поняли: задача выполнена или нет? 😅
Чем выше вы поднимаетесь в компании, тем сильнее вас интересуют две вещи: какой результат получен и сколько пользы он принёс бизнесу в рублях 💰
Письма с результатом обычно короткие:
✅ «Задача выполнена. Конверсия выросла с X до Y. Эффект для компании — N миллионов рублей».
Но даже если письмо длинное, при наличии результата о нём напишут в первом абзаце. В крайнем случае — в последнем.
Поэтому длинные письма можно читать по простому алгоритму 🔍: сначала первый абзац, затем последний. Если ответа нет ни там ни там, скорее всего, внутри будут процесс, сложности и оправдания.
А если вам сложно писать короткие и ёмкие тексты, советую прочитать книгу «Пиши, сокращай: Как создавать сильные тексты» 📘 Она хорошо учит убирать лишнее и сразу доносить главную мысль.
Конечно, бывают исключения. Но в классификации статусных писем и отчётов длина письма — топ-фича 🎯 Если результата нет в первом или последнем абзаце, с большой вероятностью его нет. Более того, если такие письма вам приходят постоянно от одного и того же оправителя, то результат можно вовсе не ждать. | 3 179 |
| 11 | На конференциях только и разговоров, что об агентах.
Вообще, я бы назвал это harness'ами. Они могут приносить кучу пользы, и их огромное количество: Claude Code, Codex, pi, Hermes, OpenClaw, Cursor, Muse Code...
Хорошая новость в том, что под капотом +- одни и те же механизимы, и если в них разобраться, почти не важно, какой harness у вас под рукой.
Поэтому проведу в понедельник, 10 августа в 18:30 открытый вебинар «Агенты без магии».
Разберём:
* как правильно ставить задачи агенту
* что такое скиллы, MCP и зачем они нужны
* в чем разница с пайплайнами, и почему для повторяемых задач они лучше подходят (например, n8n)
И с теорией, и с примерами. Свои подписки не требуются (но точно не будут лишними :) )
Участие, как и в предыдущий раз, свободное. Но нужно будет заполнить формочку (чтобы я знал, сколько вас будет).
А если есть вопросы или кейсы, которые хочется разобрать – пишите в комментарии.
А для тех, кто хочет глубоко погрузиться в ИИ и стать магистром AI ☕️ – у нас целая программа в МФТИ есть, с которой успешно выпустилось пять потоков. Онлайн, на английском, совместимо с работой, в небольшой группе. Подача документов через Госуслуги до 11 августа, вам достаточно оставить заявку, дальше мы проведем по шагам. Присоединяйтесь!
P.s. Долго думал, какие аналогии провести, получилось вот такое:
Claude Code – для храбрых
Codex – для спокойных
Goose – для желающих пропатчить KDE2 под FreeBSD
Hermes – для отаку
pi – 🐭 | 2 402 |
| 12 |  ❓ Научитесь отвечать на вопрос «зачем?», прежде чем ставить задачу ИИ
Моё знакомство с Codex началось, когда появилась вполне конкретная задача: собрать сайт для @mirabistro.
Сайты я делал и раньше — первый написал на PHP ещё в восьмом классе. Но никогда не вайбкодил и относился к этому довольно скептически. Несмотря на десять лет работы в анализе данных, мне казалось, что нормальный рабочий продукт всё равно придётся долго собирать руками. А тратить время на проект без понятной цели я не хотел.
🌐 Здесь наконец появилась конкретная цель. К тому же все «эксперты по ИИ» в соцсетях уже рассказывали, что теперь такие вещи можно собрать чуть ли не за один вечер. Я решил проверить — и сайт действительно получился. Напишите в комментариях, как он вам 👇
После этого я начал вайбкодить почти каждый день. 😁
Но именно тогда я понял главное: когда ИИ позволяет очень быстро собрать практически любой MVP, становится особенно важным ещё до начала работы ответить на вопрос: «зачем?»
🏠 Недавно у меня появилась новая «задача».
Дома стоит старый видеодомофон Tantos. У него есть приложение vhOme, которое работает довольно медленно, не присылало уведомления о звонках на iPhone и просто не нравилось мне визуально.
Приложения под Android я тоже писал — как вы помните. Правда, это было ещё в 2014 году. И самое смешное, что vhOme выглядело примерно так же, как мои приложения того времени. Но у меня хотя бы не было дизайнера. Точнее, дизайнер был — я сам 😅
Я такой:
— Сейчас сделаю своё приложение.
📱 Закинул в Codex APK Android-приложения. Он разобрал его, вытащил используемые методы, нашёл механизмы подключения к домофону и получения видеопотока. Ещё немного — и можно было начинать писать полноценное приложение под iOS.
Можно было упороться окончательно: сделать системный экран входящего звонка, после ответа сразу открывать видео, добавить две кнопки — «Открыть» и «Не открывать», оформить аккаунт разработчика и попробовать выложить всё это в App Store.
В целом многие приложения теперь действительно можно допиливать и переделывать под себя. Если есть работающий клиент, ИИ способен исследовать его поведение, разобраться с протоколами и собрать свое решение.
В итоге я потратил несколько часов на исследование vhOme.
🤔 Но перед тем, как переходить к полноценной разработке и публикации в App Store, я всё-таки остановился и задумался: а точно ли эту задачу нужно решать таким сложным способом? Нет ли чего-то проще?
И главное: зачем мне вообще собственное приложение?
Мне было нужно не приложение само по себе. Мне было нужно не пропустить звонок в дверь.
🔔 А потом выяснилось, что проблема была не в домофоне: пришлось поиграться с режимами «Фокусирование» на iPhone и правильно настроить допуск уведомлений.
После этого они начали приходить.
Собственное приложение с быстрым переходом к видео и двумя кнопками всё ещё было бы удобнее. Но когда пуш уже работает, потенциальный аплифт от разработки резко снижается.
🎓 Если, конечно, перед вами не стоит образовательная цель. Тогда ответ на вопрос «зачем?» тоже есть: разобраться в чужом приложении, исследовать протоколы и научиться собирать собственные продукты под iOS. В этом случае само исследование уже становится результатом.
🤔 Но изменилось ли что-то с появлением вайбкодинга?
В вопросе целеполагания — ничего. Ведь и раньше существовало огромное количество бесполезных стартапов, научных статей и корпоративных проектов, которые пятый год подряд делают одно и то же второй раз.
ИИ не решает проблему целеполагания. Он помогает быстрее написать код и дешевле проверить гипотезу, но не способен решить за вас, какой результат действительно нужен и стоит ли вообще браться за проект.
🎯 Поэтому главный навык сейчас — умение отвечать на вопрос «зачем?».
Так было всегда: на вопрос «зачем?» должен уметь отвечать заказчик и любой руководитель, который несёт ответственность за результат. Но теперь, когда вы ставите задачу ИИ и с его помощью пишете код, вы тоже становитесь руководителем — как минимум собственного проекта.
А значит, теперь и вам нужно уметь отвечать на главный вопрос:
«зачем?» | 2 920 |
| 13 | 🔥 ODS Moscow × Нескучный Data Science: бранч в эту субботу
После поста про МИРА можно уже не делать вид, что выбор места — случайное совпадение и не очень нативная рекламная интеграция 😅
В эту субботу снова собираемся там на офлайн-бранч вместе с ODS Moscow.
Будем знакомиться, есть и обсуждать ИИ, Data Science, карьеру и собственный бизнес. Заодно можно будет посмотреть на тот самый «очень дорогой pet-проект» из предыдущего поста и спросить, что в нём уже удалось оцифровать, а где операционка пока побеждает ИИ.
📆 Когда: суббота, 8 августа
🕛 Время: 12:00
📍 Место: МИРА бистро, Тверская ул., 16, стр. 1
Вход со стороны метро «Тверская» / «Пушкинская»
Бронь на имя Даниель ODS.
Ставьте 👍, если планируете прийти — будет полезно понимать примерное количество людей.
Буду рад увидеться! | 2 894 |
| 14 |  🎉 Мы запустили МИРА бистро — это очень дорогой pet-проект 😅
👀 Внимательные читатели уже могли что-то заподозрить: последние бранчи ODS Moscow × Нескучный Data Science проходили именно там.
Пора признаться — это было не случайное совпадение и не очень нативная рекламная интеграция.
🏦 Четыре с половиной года назад, когда мой банковский стаж уже перевалил за пять лет, в самом первом посте я признался, что никогда не собирался работать в крупных компаниях, тем более в банках.
К настоящему моменту стаж приблизился к десяти годам, а я прошёл путь от джуна до управляющего директора с командой из 150 человек. Прогноз оказался неточным, зато обучающая выборка получилась отличной.
🤖 Все эти годы главной темой канала было практическое применение ИИ в бизнесе — ровно то, чем я занимался в финтехе: находил точки применения ИИ, оценивал потенциальный эффект и встраивал решения в бизнес-процессы.
Теперь похожую задачу мы уже решаем в собственном бизнесе.
🏪 Главное отличие — в начальной точке: в бигтехе и финтехе данные обычно собираются и логируются, хотя используются далеко не всегда, а в небольшом офлайн-бизнесе их обычно не собирают системно.
📊 Но в главном небольшой бизнес ничем не отличается от крупного: путь к AI-native компании начинается с data-driven фундамента.
Сначала мы описываем и оцифровываем процессы, организуем сбор данных и выстраиваем систему метрик, а затем внедряем ИИ.
🔬 Основные принципы при этом остаются прежними: начать с изучения бизнес-процесса — подобно тому, как физик изучает природу, понять, как его можно улучшить и где ИИ принесёт измеримый эффект, а затем довести решение до внедрения.
👨🏫 Этим же принципам я учил руководителей на курсе «Принятие решений на основе данных», а теперь применяю их уже в роли владельца компании.
В МИРА мой опыт в данных, ИИ и построении процессов соединился с ресторанной операционкой — на том самом стыке ортогональных областей, о котором я писал в посте про настоящий аплифт от ИИ.
🚀 Для подписчиков это будет кейс о том, как перенести опыт из ИИ и крупного бизнеса в собственную компанию.
В предыдущем посте я писал, что работодатель больше платит тем, кто помогает ему больше зарабатывать. Но эта сделка работает в обе стороны: когда вы относитесь к чужой компании как к своей и выбираете сложный путь, который приносит ей дополнительный результат, вы одновременно накапливаете опыт и инструменты.
Теперь проверим, насколько хорошо этот опыт переиспользуется уже в собственном бизнесе.
🎁 Но прежде чем рассказывать о применении ИИ, нужно понять сам продукт и изучить его процессы. Только после этого станет ясно, где и зачем нужен ИИ.
Поэтому в следующем посте будет первая коллаборация с каналом @mirabistro и акция для подписчиков. Сначала познакомлю вас с продуктом, а уже потом перейдём к данным, метрикам и применению ИИ. | 4 226 |
| 15 |  От стажёра до Head of DS: что я узнал, изучив почти 700 карьер в Data Science 🧬
Наконец-то дождались 🗿
Чуть больше года назад вы заполнили мой зарплатный опрос. Я обещал проанализировать результаты, но 695 анкет превратились в технический долг, о котором мне регулярно напоминали в комментариях.
Сегодня я этот долг возвращаю. Кажется, даже с процентами: вместо очередной таблицы «кто сколько получает» получилось большое исследование карьер в Data Science.
Да, за прошедшее время зарплатные вилки успели сдвинуться. Но карьерные зависимости никуда не делись, поэтому статья не только о суммах, а о профессиональном росте, удовлетворённости работой и готовности её сменить.
Внутри вас ждет лонгрид, где в том числе есть ответы на пять не самых очевидных вопросов:
1️⃣ Можно ли удержать недовольного дата-сайентиста высокой зарплатой и запереть его в золотой клетке?
2️⃣ Какие навыки помогут быстрее вырасти в грейде и больше зарабатывать?
3️⃣ Одинаково ли зарабатывают мужчины и женщины с одним грейдом и опытом?
4️⃣ Что дата-сайентисты хотят сказать Head of DS, когда отвечают анонимно?
5️⃣ Как часто дата-сайентисты *** и связано ли это с доходом и удовлетворённостью работой?
Ещё там премии стажёров, ШАД на скейтборде, зарплата CDS до 4,5 млн рублей 😳, переработки и попытка понять, где заканчивается развитие и начинается менеджмент. В анализ вошли 694 анкеты.
👉 Читать на Хабре | 17 463 |
| 16 | 24 сентября скучно не будет – в этот день пройдёт Yandex Scale 2026, флагманская технологическая конференция Yandex Cloud.
🎨🎨🎨🎨🎨🎨🎨🎨🎨🎨
🎨🎨🎨🎨🎨🎨🎨🎨🎨🎨
🎨🎨🎨🎨🎨🎨🎨🎨🎨
Четыре офлайн-трека: Data – обновления сервисов управляемых баз данных, новые возможности аналитики и честный разбор одного из самых сложных кейсов миграции данных, плюс AI, Hybrid Infrastructure & DevOps и Security.
А в онлайне — отдельный технологический трек DeepTech: реальные воркшопы, в которых можно принять участие, игровые механики и эксклюзивные гости.🎨
🎨🎨🎨🎨🎨🎨🎨🎨🎨🎨
🎨🎨🎨🎨🎨🎨🎨🎨🎨🎨
🎨🎨🎨🎨🎨🎨🎨🎨🎨
Кроме того — виртуальный стенд VibeCraft, где можно завайбкодить проект.
Плюс отдельная онлайн-студия с интерактивной программой где можно:
🔴 оценить юмор на Лиге IT-шуток;
🔴 задать вопросы СТО Yandex Cloud;
🔴 послушать известных научпоп-спикеров и задать им свои вопросы;
Зрители голосуют и в реальном времени влияют на взаимодействие в студии. И это ещё не всё!
🎨🎨🎨🎨🎨🎨🎨🎨🎨🎨
🎨🎨🎨🎨🎨🎨🎨🎨🎨
🎨
Актуально для дата-сайентистов, ML-инженеров, аналитиков и всех, кто хоть раз чинил пайплайн в пятницу вечером.
24 сентября, Москва + онлайн. Оставить заявку можно по ссылке – участие бесплатное!
Реклама. ООО «Яндекс.Облако». ИНН 7704458262. Erid: 2VtzqwwQoy4 | 3 798 |
| 17 |  🥩 Как перестать быть жирным как поезд пассажирный?
Сейчас я снова в «отпуске» и наконец возвращаюсь к серии постов про work-life balance.
Год назад в предыдущем посте я рассказывал про свой первый подход к снаряду — борьбе с лишним весом:
Я собрал дома спортзал, регулярно тренировался, купил велосипед и иногда проезжал на нём по 80 километров. Но желаемого результата не было.
Тем не менее я продолжал пытаться.
🌍 Как мне помогли полгода путешествий
Волею судьбы я провёл полгода в путешествиях: Турция, Казахстан, Таиланд, ОАЭ, Сейшелы и Армения. Вроде ничего не забыл.
С едой возникло сразу несколько проблем.
Во-первых, я довольно привередлив. Во многих ресторанах мне не нравится, когда настоящий вкус продукта пытаются спрятать под тонной соуса.
Во-вторых, в каждой стране своя кухня. А ежедневные эксперименты создавали дополнительную нагрузку не только на желудок, но и на бюджет.
В-третьих, с тех времён, когда я качался и переставал быть дрищом (как сейчас, лол), я люблю мясо.
Но приходишь в Турции, Таиланде или даже ОАЭ выбирать мясо — и абсолютно ничего не вызывает доверия. А отравиться за рубежом без медицинской страховки совсем не хочется.
🥩 Так появилась стейковая диета
Я начал сам готовить себе на обед стейк с гарниром и овощами, а на ужин — красную рыбу с овощами.
Рецептом стейка со мной ещё в студенческие годы поделился сосед по общаге. Он уже тогда был аспирантом и поэтому мог позволить себе стейк на ужин.
Изначально главным преимуществом такого рациона для меня было стабильное и предсказуемое качество. Я сам выбирал продукт и полностью контролировал приготовление.
Неожиданно именно такой рацион помог мне начать сбрасывать вес.
🔍 Как это сработало в моём случае?
Раньше я ел курицу. Чтобы нормально наесться, её требовалось много. Но даже после большой порции довольно быстро снова хотелось есть.
Отсюда появлялась проблема перекусов: я заходил на кухню и сметал всё, что плохо лежало. А иногда и то, что лежало хорошо.
После стейка с гарниром и овощами я просто не думал о еде до ужина вообще.
Стейк — достаточно калорийный, сытный и питательный продукт. Но именно поэтому после него у меня пропала потребность постоянно перекусывать. В результате общая калорийность моего дневного рациона снизилась, и дефицит наконец сошёлся.
🏠 Что было после возвращения?
Вернувшись в Россию, я продолжил придерживаться этого рациона и стал развивать навык приготовления стейков.
Купил домой гриль и постепенно начал получать от самого процесса эстетическое удовольствие. Дошло до того, что на командных тимбилдингах я вставал за гриль и готовил стейки уже на всех.
Разнообразие в собственный рацион начал добавлять только примерно через три года.
В студенчестве я пять лет ел куру с гречкой и не страдал. А тут всего три года — практически высокая кухня.
В результате я сбросил чуть больше десяти килограммов.
⚠️ Важная ремарка
Это мой личный опыт с выборкой из одного наблюдения, а не рекомендация переходить на стейки.
Перед регулярным употреблением красного мяса лучше проконсультироваться с врачом. Я со своим консультировался. ВОЗ и IARC относят красное мясо к вероятно канцерогенным продуктам, а переработанное мясо — к канцерогенным. Риск зависит в том числе от количества: Поэтому повторять мой эксперимент бездумно не стоит.
А какой способ похудеть неожиданно сработал у вас? | 4 687 |
| 18 |  +5🔥 Как прошёл офлайн-бранч ODS Moscow × Нескучный Data Science
🧠 Начали с доклада Альберта про то, как в Avito обучают собственную LLM.
Это не история про «взяли открытую модель и немного дообучили», а полноценный процесс: выбор базовой модели, собственный токенизатор, адаптация на данных Avito, SFT и дальнейшее обучение с помощью RL.
Для SFT собрали больше 800 тысяч примеров: открытые датасеты, синтетические данные, олимпиадные задачи, внутренние бизнес-кейсы и диалоги пользователей с большими моделями.
На этапе RL отдельно развивают несколько навыков модели: решение математических задач, следование сложным инструкциям и корректный вызов инструментов. Причём для каждого навыка нужен свой автоматически проверяемый reward.
В математике система извлекает финальный ответ и проверяет его эквивалентность правильному. В instruction following — смотрит, выполнила ли модель все заданные ограничения. В function calling — проверяет название инструмента, аргументы и их значения.
Отдельно поговорили про инфраструктуру. Для моделей на 8B параметров можно относительно быстро запускать эксперименты и проверять гипотезы. Но при переходе к большим MoE-моделям главным вызовом становятся масштабирование, распределение модели по GPU, батчинг, инференс и offloading.
👨🔬 После продуктовых LLM резко переключились на химию.
Константин начал с важной мысли: химическая информация — это не один универсальный тип данных. Одну и ту же молекулу можно представить текстом, строкой SMILES, двумерным графом, трёхмерной структурой или структурой, которая изменяется во времени. И под каждое представление нужны свои методы и модели.
Поговорили о том, почему даже на фоне сложных нейросетевых архитектур связка Morgan fingerprints + XGBoost всё ещё остаётся очень сильным базовым решением для многих задач с химическими данными.
Затем перешли к геометрическим графовым нейронным сетям. Они учитывают расположение атомов и позволяют предсказывать свойства молекул в десятки раз быстрее традиционных DFT-расчётов.
Отдельно разобрали нейронные потенциалы и delta-ML. Идея в том, чтобы не выполнять каждый раз дорогой квантово-химический расчёт полностью: часть свойства можно посчитать более дешёвым методом, а нейросети поручить предсказать необходимую поправку.
Дошли и до LLM с агентами. Здесь пока всё не так магически, как иногда выглядит в заголовках: модели могут по-разному отвечать на один и тот же вопрос в зависимости от того, передали им обычное название соединения, IUPAC или SMILES. А некоторые агенты, которые должны самостоятельно запускать вычислительные эксперименты, пока скорее напоминают roadmap, чем полностью автономного исследователя.
Зато роботизация лабораторий уже вполне реальна: специализированные платформы, роборуки, автоматическое проведение серий экспериментов и превращение обычного оборудования в high-throughput-системы.
🎬 После двух технических докладов разговор с Денисом про ИИ в кино оказался очень кстати 😅
Обсудили, где новые инструменты уже помогают при работе с контентом, какие процессы способны ускорить, где вызывают сопротивление и в каких задачах пока остаются скорее экспериментом.
Но, как обычно, самое ценное происходило не только во время выступлений. После докладов продолжили обсуждать услышанное за завтраком, задавать вопросы, спорить, знакомиться и делиться своими кейсами.
Спасибо Альберту, Константину и Денису за содержательные выступления, ODS Moscow — за очередную совместную встречу, МИРА бистро — за пространство, а всем, кто пришёл, — за вопросы и атмосферу.
Формат «бранч + несколько докладов» точно будем повторять.
Поэтому уже начинаем собирать темы для следующего бранч-митапа. Если вам есть о чём рассказать — про рабочий кейс, исследование, неожиданный эксперимент, применение ИИ в своей индустрии или даже неудачу, из которой можно сделать полезные выводы, — присылайте тему доклада и пару предложений о себе в комментарии или личные сообщения.
P.S. Будем учиться фотографироваться до того, как все разошлись 😅 | 5 324 |
| 19 |  🔥 ODS Moscow × Нескучный Data Science: офлайн-бранч в эту субботу
В эту субботу снова собираемся на офлайн-бранч вместе с ODS Moscow.
Раньше наши бранчи проходили совсем без программы: просто встречались, ели и разговаривали про ИИ, data science и рабочие истории. В этот раз хотим сохранить этот живой формат, но добавить несколько докладов — чтобы было от чего оттолкнуться в обсуждении и куда глубже копнуть.
На позапрошлом бранче мы обсуждали, зачем Avito вообще обучать свою LLM. Тогда тема вызвала много вопросов, и я предложил Альберту рассказать об этом подробнее — уже не на уровне «а зачем», а на уровне технических деталей.
Альберт Акопян
LLM research engineer Avito | ex. Alfa Bank | MIPT & YSDA alumni
«Как мы в Avito делаем RL для нашей LLM»
Поговорим про то, как выглядит RL для LLM внутри большого продукта: какие задачи этим решают, как это связано с качеством модели и что вообще приходится учитывать, когда LLM живёт не в демке, а в реальном сервисе.
На прошлом бранче у нас была очень живая дискуссия про применение ИИ в медицине. В этот раз продолжим смотреть на ИИ в науке, но уже со стороны химии.
Ушенин Константин
ведущий научный сотрудник AIRI | кандидат физ-мат наук | препод в УрФУ и ТГУ | ex. Академия наук РФ | автор канала «эйай фор сайенс» — @not_only_llm
«Применение ИИ в химии»
Константин расскажет, как ИИ применяется в химии: где он действительно помогает исследователям, какие задачи уже можно решать с помощью моделей и как это выглядит не в хайповых заголовках, а ближе к реальной научной практике.
А ещё мне не хочется, чтобы наши бранчи превращались исключительно в разговоры про работу, метрики и продакшен. Это полезно, но иногда получается слишком душно 😅
Поэтому я позвал Дениса рассказать про ИИ в кино. Если вы давно читаете канал, возможно, помните, что он помогал вытаскивать книжный сериал «Дата Сапиенс», а сейчас сам активно начинает применять ИИ в жизни и творческих проектах.
Ну и, конечно, у нас будет шанс разведать, что произойдёт в следующем сезоне одного из сериалов с его участием. Скажу честно: у меня пока не получилось 😅
Денис Бузин
актёр театра и кино | выпускник ВГИК | основатель бренда одежды CNSTRCTR | снимался в «Универ. 15 лет спустя», «Кузя. Путь к успеху», «Полицейский с YouTube», «Солдаты», «Полярный»
«Как использует ИИ индустрия кино в РФ»
Обсудим, как ИИ уже используется в киноиндустрии: где он помогает, где вызывает сопротивление, какие задачи действительно закрывает, а где пока остаётся игрушкой.
📆 Когда: суббота, 11 июля
🕛 Время: 12:00
📍 Место: МИРА бистро, Тверская ул., 16, стр. 1
Вход со стороны метро «Тверская» / «Пушкинская»
Бронь на имя Александр ODS.
Ставьте 👍, если планируете прийти — будет полезно понимать примерное количество людей. Буду рад увидеться! | 5 719 |
| 20 |  Оффер на Senior Data Science роль за 1 неделю — реально? 🚀
Да. Авито запускает Fast Track — ускоренный отбор для Senior и Senior+ Data Science специалистов. Одна неделя на все технические этапы и финал → оффер в классифайд №1 в мире по количеству пользователей.
📅 Основные этапы — 20–26 июля. Регистрация по ссылке открыта до 15 июля, 23:59 МСК.
Как проходит:
🟣 До 15 июля — заявка + HR-скрининг
🟣 До 24 июля — техническая секция (ML-теория + Python)
🟣 25 июля — ML System Design
🟣 26 июля — финал
🟣 До 28 июля — оффер
Преимущества фаст-трека:
🟣 Быстрый отбор и совмещённые этапы
🟣 Все даты известны заранее
🟣 Возможность оценить свои скилы — результат закрепляется на год
Кого ждут:
🟣 От 4 лет опыта в крупных российских и международных IT, BigTech и FinTech компаниях
🟣 Полный цикл разработки моделей — от ресёрча до выкатки в прод
🟣 От 1 года самостоятельного лидирования проекта, автономность и инициативность
Команды на выбор: антифрод и модерация, монетизация и реклама, поиск и рекомендации, вертикальные DS-команды.
⏳ Регистрация — до 15 июля. Успей оставить заявку. Рекрутеры проведут тебя через все этапы за рекордно быстрые сроки! | 4 231 |
