Анализ данных (Data analysis)

Хаос в данных — это хаос в прибыли. Наводим порядок. Вы ежедневно тонете в разрозненных источниках, противоречивых отчётах и «ручном» Excel? Ваша команда тратит 80% времени на “вычистку” данных, а не на инсайты? Представьте: единая, прозрачная структура, где каждый цифровой актив ложится на своё место, а скорость принятия решений растёт в разы. Без простоев, перекладывания битых CSV и устаревших метрик. Практикум «Порядок в данных» — это не скучная теория. Это управленческий инструментарий:

✅ Как построить систему управления данными без сбоев ✅ Как избавиться от «аналитического мусора» и срезать операционные издержки ✅ Как делегировать контроль качества так, чтобы подразделения сами несли ответственность за чистоту информации

Живой Практикум от руководителя Яндекс eLama - 22 апреля в 19:00 (мск) Количество мест ограничено - зарегистрируйтесь сейчас

⚡️ Claude Opus 4.7 - апдейт не про скорость, а про контроль и качество Anthropic усилили сразу несколько критичных зон Vision: • модель теперь обрабатывает изображения с более чем в 3 раза большим разрешением • результат - заметно лучшее качество интерфейсов, презентаций и документов API: появился новый уровень усилия - xhigh между high и max, даёт более точный контроль баланса reasoning ↔ latency добавили Task Budgets (beta) можно управлять приоритетами и стоимостью в длинных задачах Claude Code: • новая команда /ultrareview • запускает отдельную сессию ревью • проходит по изменениям и находит то, что обычно ловит внимательный ревьюер • расширили auto mode для Max пользователей длинные задачи теперь выполняются с меньшим количеством прерываний https://claude.ai/new

✔️ Монополия ChatGPT рушится Ещё год назад казалось, что рынок GenAI уже поделен ,ChatGPT держал 77% трафика и выглядел недосягаемым. Сейчас - уже 57% И это падение за 12 месяцев Gemini резко вырос до 25% за счёт главного оружия Google - дистрибуции поиск, почта, документы — пользователь даже не замечает переход Claude - самый опасный конкурент, почти утроил долю до 6% за месяц, без агрессивного маркетинга просто потому что людям начинает нравиться больше. Даже шум вокруг Mythos сыграл в плюс это внимание, которое не купишь. Внизу остаются DeepSeek, Grok, Copilot, Perplexity у всех меньше 4% они пока не влияют на расстановку сил. https://x.com/Similarweb/status/2044682637860573534

⚡️ Вышло большое обновление популярного курса- Ai AI агенты, которые реально работают в проде! Вы всё ещё пишете обёртки над ChatGPT и называете это «AI-продуктом»? Пока вы промптите - рынок переходит на агентные системы. Те, что принимают решения, ходят в API, работают с Postgres и Redis, управляют браузером через Playwright. И 90% таких систем ломаются между ноутбуком и продом. AI Agents Engineering - курс, который закрывает этот разрыв. LangGraph, AutoGen, Computer Use, LLMOps. 8 модулей, 120+ шагов - от архитектуры до деплоя в Docker. На выходе: реальный опыт на большой практической базе, а production-агент и навыки, за которые уже платят. 👉 48 часов действует скидка на курс 55 процентов: https://stepik.org/a/276971/

⚡️ В Telegram завезли агентов, которые создают других ботов Павел Дуров сообщил, что теперь в Telegram можно развернуть бота-агента буквально в пару кликов Агент может сам создавать новых ботов и управлять ими от вашего имени Похоже, фича не случайная, её явно готовили под экосистему вроде OpenClaw Ранее разработчик OpenClaw говорил, что с ним связалась команда Telegram и предложила помощь с интеграцией Если это так, Telegram превращается не просто в мессенджер а в платформу для запуска AI-агентов с доступом к миллионам пользователей https://t.me/durov/490

⭐️ Google DeepMind представил Gemini 3.1 Flash TTS - свою самую управляемую модель генерации речи Главная фишка - Audio Tags. Это текстовые команды прямо в промпте, которыми можно управлять стилем голоса, подачей и темпом речи. По сути, вы режиссируете озвучку через текст. Что ещё важно: — Более естественное звучание речи — Поддержка 70+ языков (русский, японский, немецкий и др.) — Все выходные аудио маркируются SynthID (цифровой водяной знак, чтобы отличить синтезированную речь от настоящей) На бенчмарке Artificial Analysis TTS Arena модель заняла 2-е место с Elo-рейтингом 1211 - сразу за Inworld TTS 1.5 Max (1215) и выше ElevenLabs v3 (1179). Где попробовать: → Рreview через Gemini API и Google AI Studio → Бизнесу -а Vertex AI → Всем пользователям - скоро появится в Google Vids https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-1-flash-tts/ @ai_machinelearning_big_data #google `#tts

ИИ решил задачу Эрдёша за 80 минут. Люди тратили на неё годы GPT-5.4 Pro закрыл проблему №1196 из списка Эрдёша. Это задачи про primitive sets - наборы чисел, где ни одно число не делит другое. Пример простой: • {2, 3, 5} работает • {2, 4} ломается, потому что 2 делит 4 На этом простота заканчивается. Дальше начинается сложная теория чисел, связанная с простыми числами и факторизацией. Конкретно эта задача про то, как такие наборы ведут себя в целом. Не один пример, а общая структура и ограничения. Контекст важный. Один из главных экспертов по теме, Jared Lichtman, разбирал эту задачу около 7 лет вместе с топовыми математиками. Это не забытая проблема, её активно пытались решить. ИИ справился примерно за 80 минут. Все десятилетиями шли через один и тот же подход. Аналитика плюс вероятностные методы. Это стало негласным стандартом. Модель просто отказалась от этого пути и осталась в чистом анализе, используя веса фон Мангольдта. Фактически она пошла дорогой, которую люди игнорировали из-за математической интуиции и привычек. В результате получилось не просто решение, а аккуратное доказательство, которое потенциально упрощает более широкий класс задач. Если это подтвердится, это повлияет не на одну задачу, а на целый кусок теории чисел. Похоже, что модели начали находить не только ответы, но и неожиданные идеи, которые люди системно пропускали. https://x.com/jdlichtman/status/2044298382852927894

Трансформация профессии разработчика в эпоху ИИ Профессия разработчика меняется прямо сейчас: ИИ уже пишет код, предлагает архитектуру и собирает прототипы за минуты. Но без фундаментальных знаний архитектуры, алгоритмов, сетей, безопасности и DevOps использовать такие инструменты рискованно. Центральный университет запускает серию бесплатных вебинаров о том, как меняется роль разработчика в 2026 году, какие навыки остаются критически важными и как безопасно и эффективно использовать нейросети в разработке. На вебинарах разберем: — почему ИИ не заменит программиста, но изменит его роль; — какие навыки и языки будут востребованы; — чего ждут работодатели от разработчиков сегодня; — почему магистратура по бэкенд-разработке может стать преимуществом; — как вырасти в техлида и тимлида, не теряя технических экспертных знаний. Спикеры — лидеры индустрии из Центрального университета, Авито и cloud. ru. Даты вебинаров: 21, 23 и 27 апреля 2026, 19:00 мск. Регистрируйся по ссылке

🖥 NVIDIA переписала правила квантовых компьютеров Главный стопор квантовых технологий был не в железе, а в хаосе. Кубиты слишком хрупкие: малейшее изменение температуры или микровибрация и вычисление просто разваливается. Поэтому инженеры тратят дни на ручную калибровку. Медленно, дорого и нестабильно. А системы коррекции ошибок банально не успевают за происходящим в реальном времени. NVIDIA зашла с другой стороны и превратила ИИ в «операционку» для квантовых машин. Они выкатили open-source семейство моделей - NVIDIA Ising. Теперь вместо ручной настройки модель буквально «смотрит» на квантовый процессор через vision-language подход и мгновенно реагирует на изменения. Калибровка сжимается с дней до часов. NVIDIA сделали 3D-нейросеть, которая в реальном времени декодирует и исправляет ошибки квантового состояния. Быстрее и точнее текущих open-source решений в разы. ИИ фактически предугадывает, где система сломается, и чинит её до того, как это произойдёт. Хуанг называет это control plane для квантовых компьютеров. И это уже не лабораторный эксперимент. Harvard University, Lawrence Berkeley National Laboratory и Fermilab уже интегрируют решение. Пост в X: https://x.com/nvidianewsroom/status/2044058999029473407 Пресс-релиз NVIDIA: https://nvidianews.nvidia.com/news/nvidia-launches-ising-the-worlds-first-open-ai-models-to-accelerate-the-path-to-useful-quantum-computers NVIDIA Ising: https://www.nvidia.com/en-us/solutions/quantum-computing/ising/ NVIDIA CUDA-Q: https://developer.nvidia.com/cuda-q NVIDIA NVQLink: https://www.nvidia.com/en-us/solutions/quantum-computing/nvqlink/ NVIDIA NIM: https://www.nvidia.com/en-us/ai-data-science/products/nim-microservices/ NVIDIA Quantum Day: https://www.nvidia.com/en-us/events/quantum-day/ @data_analysis_ml

🔧 Вышел «Claude Code для хакеров» - Decepticon. И это уже не игрушка, а полноценный боевой агент, который может заменить команду пентестеров. ИИ строит цепочки атак и ломает бизнес-логику систем. По сути, ты получаешь симуляцию настоящего противника у себя под рукой. Главное отличие от подобных решений - автономность. Агент сам принимает решения, двигается по системе и подбирает стратегии под задачу. Тебе не нужно вручную вести каждый шаг, достаточно задать цель. Под каждую задачу поднимается отдельный агент, чтобы не было каши в контексте и лишней нагрузки. Управление через консоль — без перегруза, всё быстро и понятно. Разворачивается через Docker, а вся активность остаётся внутри изолированной среды. Можно спокойно тестировать сценарии атак и прокачивать навыки без риска. Фактически это твой персональный red team в коробке. https://github.com/PurpleAILAB/Decepticon

В Claude Code добавили Routines - способ превратить разовые команды в повторяемые сценарии. Теперь вместо ручного управления ты задаёшь поведение: Claude сам выполняет цепочки действий под задачу. По сути это не промпты, а воспроизводимые workflow внутри Claude Code Что это даёт: - автоматизация типовых задач - меньше ручного контроля - стабильный результат от запуска к запуску - экономия времени на рутине Ты один раз описываешь, как работать. дальше Claude просто повторяет это как систему. code.claude.com/docs/en/routines

🖥 Агентные системы ломаются не из-за моделей. Они ломаются, когда человек слишком рано выходит из процесса. Peter Steinberger (создатель OpenClaw) точно подметил: нельзя ожидать крутой результат, если ты убрал главное - собственый взгляд и контроль. Агент сам по себе не понимает, что «хорошо», а что «средне». Это задаёшь ты. Результат всегда складывается из трёх вещей: чёткое видение задачи, постоянное управление и корректировка работы агента по ходу работы. Если этого нет, даже лучший агент превращается в генератор хаотичных действий Агенты не работают вместо тебя. Они работают лучше вместе с тобой.

⚡️ NVIDIA раздает жирнейший набор API - почти сотка нейросетей бесплатно Без лишнего шума: открыли доступ к 95+ моделям сразу. Внутри всё, что сейчас в топе - DeepSeek, Kimi, Mistral, Qwen, Flux, Whisper, GLM и ещё пачка инструментов под любые задачи. Можно собирать свои продукты без вложений: озвучка, чат-боты, липсинк, генерация видео, дизайн. Всё через API, без костылей и с нормальным качеством. Самое интересное - выкатили доступ к своим моделям. Обязательно попробуй Nemotron: отлично режет шум и вытягивает звук даже с плохого микрофона. Забирай, пока не прикрыли. https://build.nvidia.com/models #NVIDIA

🤖 Автономные AI-агенты для инженерии AutoAgent позволяет AI-агентам самостоятельно настраивать и улучшать свои конфигурации, используя мета-агента. Пользователь задает задачи через program.md, а агент автоматически модифицирует свою архитектуру и оценивает результаты. 🚀 Основные моменты: - Автоматическая настройка AI-агентов без прямого редактирования кода. - Использует Markdown для задания задач и инструкций. - Оценка производительности через числовые баллы. - Поддержка Docker для изоляции выполнения. - Совместимость с задачами Harbor. 📌 GitHub: https://github.com/kevinrgu/autoagent #python

Bloomberg: чиновники администрации Трампа призывают банки протестировать модель Mythos от Anthropic. Речь идёт о том, чтобы рассматривать Mythos как рабочий инструмент киберзащиты. В Anthropic заявляют, что Mythos - это универсальная модель, которая неожиданно показала высокую эффективность в обнаружении и эксплуатации уязвимостей нулевого дня, то есть таких багов, для которых ещё не выпущены исправления. Также в компании отмечают, что Mythos находила уязвимости в крупных операционных системах и браузерах, поэтому доступ к ней был ограничен через Project Glasswing вместо широкого релиза. В Великобритании тоже отреагировали: регуляторы и национальное киберагентство обсуждают, несёт ли Mythos риски для банков, страховых компаний и бирж. bloomberg.com/news/articles/2026-04-10/wall-street-banks-try-out-anthropic-s-mythos-as-us-urges-testing

🖥 Сохраняй МЕГАШПАРГАЛКУ ПО CLAUDE CODE. В н Это один из самых плотных гайдов по Claude Code. В сеть слили один из самых плотных гайдов по Claude Code. Не набор советов, а реально сжатая карта всей системы на одном листе. Внутри разобрано - как устроен сервис изнутри, как правильно стартовать проект, как работает память и иерархия. Плюс показали нормальную структуру проекта, без хаоса. Отдельно прошлись по практическим вещам. Скиллы, хуки, рабочие паттерны, горячие клавиши. То, что реально экономит часы в повседневной работе. Это информация о том, как люди реально используют Claude Code каждый день. Сохрани. Чтобы потом не искать.

🖥 У NVIDIA и Unsloth опубликован один из самых полезных гайдов по созданию RL-окружений с нуля, закрыв пробелы, которые обычно пропускают в туториалах. Разбирают: • почему RL-окружения вообще важны и как их правильно строить • в каких случаях RL выигрывает у SFT • best practices для GRPO и RL • как работают проверяемые награды и RLVR Годнота) https://unsloth.ai/blog/rl-environments