Data2Good | Про данные, финансы, технологии и жизнь

Всем привет! Давно не писал, зарылся в задачах, да и наблюдается определенный кризис идей. Решил ответить на вопрос и заодно поделиться видением. Набросал с дипсик краткий план создания синтетического датасета для диагностики компрессора В целом это базовый, слегка усреднённый подход. Можно использовать как чек-лист при генерации данных. Шаг 1. Генерация «нормального» режима работы Для каждого из 380 тэгов нужно задать: · Базовое значение (среднее) — берётся из паспорта компрессора или экспертной оценки. · Допустимый разброс (σ) — например, 2–5% от базового значения. · Сезонность или цикличность — суточные, недельные или сезонные паттерны нагрузки, если они есть. Генерация выполняется для временного ряда длиной T (например, 100 000 точек с частотой 1 Гц). Шаг 2. Имплантация паттернов деградации Выбирается начало деградации t0 и её длительность L. Для каждого тэга определяется тип деградации. Один и тот же отказ может по-разному проявляться на разных датчиках. Я спросил дипсик, он предложил как вариант использовать такие соответствия: · Вибрация → рост дисперсии + появление гармоник. · Провисание штока → линейный дрейф среднего значения. · Температура → экспоненциальный рост. · Уровень → рост дисперсии (турбулентность). Шаг 3. Добавление реалистичного шума и помех Рекомендуется добавить несколько слоёв искажений: · Гауссовский шум N(0, σ) — для фонового шума измерений. · Импульсный шум — случайные выбросы. · Дрейф нуля — медленное изменение из-за калибровки. · Пропуски данных — обнуление случайных участков. Шаг 4. Кросс-корреляция между датчиками Отказы обычно видны на нескольких датчиках одновременно: · Построить матрицу корреляции реальных данных (если есть) или назначить связи экспертно. · При генерации деградации на одном датчике — добавить ослабленный сигнал (50–70% амплитуды) на коррелирующие датчики. Можно этот план использовать как основу. Дальше его можно расширять под конкретные типы оборудования и доступные данные. P.s. кстати, мне кажется создание датасетов для ИИ моделей, это неплохой бизнес и монетизация🤔

2 vby

Когда-то, давным давно, на заре цифровых технологий, я очень увлекался и компами, и железом и мобильными телефонами. Знал все марки и характеристики всех устройств, наизусть, знал их сравнение. Но потом в какой-то момент, зоопарк производителей и устройств становится такой большой, что на отслеживание новинок уходит много времени. И начинают появляться всякие заголовки, типа "убийца Айфона, убийца chatgpt, убийца тесла" и всё это обычный инфоповод чтобы новичка заметили. Но в контексте решения конкретных задач, бизнес задач, нет абсолютно никакого смысла знать всё на свете, гораздо лучше знать то, что будет работать, что будет удобно обслужить и что не исчезнет через Х лет с рынка. Наблюдаю сейчас такой же зоопарк и на рынке ИИ, где куча всего. И найти сейчас свое место на этом рынке - отдельная задача со звёздочкой.

Не сортировщик, а брокер сообщений ☝🏼

Милые девушки! Поздравляю вас с 8 Марта! Желаю, чтобы в душе всегда цвела весна, а глаза сияли счастьем. Оставайтесь такими же прекрасными и вдохновляйте нас на новые победы!💐💐💐

Kaggle.com давно стал больше чем просто портал с задачами по ИИ. Сейчас на сайте 660К датасетов, это просто супер источник данных. P.s. а если все эти датасеты объединить в RAG 🤔

Мужчины, поздравляю всех с праздником! Мирного неба над головой !

Контекст инференса как самостоятельный уровень AI-инфраструктуры Обзор тенденций рынка — в блоге BAUM ↗️ С ростом размеров и возможностей LLM-моделей узким местом перестают быть только вычисления. Всё чаще ограничением становится контекст инференса — данные состояния модели (KV-cache), которые хранят историю взаимодействия, длинные диалоги и промежуточные результаты агентных систем. При увеличении длины контекста требования к памяти растут линейно и быстро выходят за пределы HBM одного GPU. Недавно NVIDIA представила Inference Context Memory Storage Platform — архитектуру, где контекст инференса рассматривается как самостоятельный уровень инфраструктуры, а не побочный элемент работы модели. Платформа Context Memory Storage — первая реализация этой идеи на уровне датацентра, и, судя по динамике рынка, за ней следует новая эра архитектур AI, где вычисления и данные неразрывно слиты воедино для достижения максимальной производительности. #BAUMIndustry #BAUMStorage #BAUM_AI

Мне, кстати сегодня сон снился. Будто у меня свой робот, и он перестал мне помогать, а я его пытался обучать всякой ерунда, типа водить машину, а сам думаю, почему автопилота нет, зачем мне его обучать рулить)))

Утренний совет для меня от Deepseek 🫡

Всем привет! В продолжение темы, как заглянуть в будущее рынков Мы запилили ядро для работы с данными бирж. Получение данных первого, второго и третьего уровня. Что видят все: - график, уровни, формации, каналы и т.д. Что видим мы: - динамику книги приказов - дисбаланс по дельте, бидам, аскам - с помощью ИИ можем определить вероятность отработки стратегических уровней Особенности: - аккаунты и ключи разных площадок живут в одном месте; - текущие балансы, цены, ордера и история данных вытаскиваются одной логикой, а не зоопарком скриптов; - к этим данным можно спокойно подключать нейросети и торговые модели, не переписывая каждый раз интеграции. 🍿 В основе лежит как всегда модульная архитектура (Bi, Ai, MLOps концепция от вашего покорного слуги 🫡): Базовый код: - импорт библиотек, - учётные данные, константы, -служебные функции и набор классов, которые описывают биржу, - подключение и операции. Отдельные модули под биржи: Binance, OKX, Bybit, Hyperliquid, а также блок под Metamask как шлюз в on-chain‑транзакции. Менеджер, который управляет всем этим зоопарком: выбирает биржу, тянет данные, отправляет ордера, следит за лимитами и ошибками. Задача была не в том, чтобы “написать ещё одну обёртку над API”, а в том, чтобы сделать ядро, которое можно расширять: добавлять биржи, типы данных и сценарии без тотального рефакторинга. Что сервис уже умеет На текущем состоянии мы закрываем базовый цикл: “данные → решение → действие” ☑️Инициализация подключений и аккаунтов. ☑️Получение текущих балансов и актуальных цен. ☑️Загрузка OHLC‑данных и тиков по нужным инструментам и таймфреймам. ☑️Работа с книгой ордеров и лимитами биржи. ☑️Открытие ордеров на нескольких площадках (в том числе под управлением сигналов из нейросетей). ☑️Отправка транзакций через Metamask в нужных сценариях. Под это уже есть тест‑кейс: мы поднимаем сервис, подключаем биржи, тянем данные, проверяем, как проходят ордера и как система ведёт себя на реальных ограничениях и ответах API. Как у нас это стыкуется с AI и нейросетями? Отдельный блок - интеграция с моделями: - данные для нейронок забираются через единый интерфейс, а не через десяток разных запросов; - модель может отдавать сигналы на OKX, Bybit, Hyperliquid и on-chain‑операции через общий слой, не “зная” деталей конкретной биржи; - итоговый пайплайн выглядит как нормальный MLOps‑контур, а не набор разрозненных ноутбуков и JSON‑ов. Идея простая: чем меньше усилий уходит на борьбу с инфраструктурой, тем больше остаётся ресурса на сами гипотезы, модели и риск‑менеджмент.

Роботам нужно ваше тело ИИ не может ходить по траве. А вы можете. ИИ платит тебе, когда твой кожаный мешок нужен в реальном мире... 🍿

GTA 6 в Гренландии: пользователи тестируют генератор 3D-миров Project Genie от Google Похоже что наши дети в ближайшие 5 лет уйдут в виртуальный мир, который сами и создадут... Это очень пугающе круто)

Всем привет! Сегодня провели вебинар с коллегами. Мы собрали привычную архитектуру приложения Flask + сторонние сервисы. И добавили две модели LLM в структуру приложения: - YandexGPT - DeepSeek Обе модели добавили с помощью API, прописали новые маршруты API. Если кому-то интересно, или кто-то хотел узнать, как выглядит архитектура - то репозиторий добавили по ССЫЛКЕ Итог: у нас получилось совмести классический ML и LLM модели, а также настроить логику их работы. (Криво, косо, но за 4 часа больше и не родить🙈) P.S. Если у кого-то есть примеры подобных готовых решений, и хотите поделиться, кидайте ссылки в комментарии.

Мысли. Командная игра и красные флаги Нужно строить команды. Живые, дышащие организмы, где есть: - общая цель, а не просто задачи, - доверие, а не только контроль, - ответственность, а не вина. Такой переход, это не смена вывески. Это как замена фундамента. И первое, с чем приходится сталкиваться, это необходимость жёсткой селекции не просто по навыкам, а по типу мышления и энергии. Я постарался структурировать мысли и выработал для себя «красные флаги» типажей, с которыми дела могут не взлететь. Узнаёте? 1. Те, кто меняет проекты, команды и роды деятельности как перчатки. Не из любви к вызовам, а из-за неспособности погрузиться, дождаться результата и преодолеть первую сложность. 2. Те, чьё мнение меняется три раза за одну встречу. Сегодня они яростно «за», завтра такие же яростные «против», не помня вчерашних аргументов. С ними невозможно строить стратегию... 3. Те, у кого весь их мир, это одна большая проблема. Не важно, в чём дело, они всегда в тисках обстоятельств, в состоянии перманентной сложности. Они не приносят решений, только тяжесть. После разговора с ними чувствуешь себя эмоционально опустошённым. 4. Те, у кого всегда виноваты другие: клиенты, рынок, партнёры, «система». Они мастерски перекладывают ответственность, оставаясь в белом фраке невинности. Создают культуру оправданий, а не действий. 5. Те, для кого единственный мотиватор, это деньги. Не миссия, не рост, не азарт созидания, а только цифра на счёте. Они упустят гениальную возможность, если она не сулит сиюминутной прибыли 6. Те, кто просто "говорильщики". Они мастерски проводят совещания-марафоны, генерируют тонны идей, критикуют и предлагают «сверху». Но когда доходит до дела и вопроса «Что именно ты сделаешь?» , наступает тишина. За их красивыми словами остается нулевая исполнительская функция. Ну вот как-то так. Строить команды, значит в первую очередь создавать иммунитет против таких паттернов. Искать не просто «таланты», а зрелых, ответственных, взрослых людей, которые умеют доводить дело до конца, держать слово и нести свет, а не тьму.

Всем привет! Рубрика "вы спрашивали..."

Григорий,здравствуйте. Меня зовут Женя. Вы у нас в Баумана вели занятие в воскресенье 18.01 и сказали,что можно написать вам ,узнать на счет того, как попасть в сферу финтеха, в трейдинг. Прежде всего хочу сказать спасибо,что вы один из немногих преподавателей,кто понятно объясняет! 🙏 Подскажите, на сколько это вообще реально попасть в трейдинг без профильного высшего образования,но имея огромное желание учиться? На что упор делать в обучение сейчас?

Так, ну тут стоит начать с того, что Фото к посту в стиле ХОЧУ ЛЕТА рынок трейдинга - это супер сложный и самый конкурентный рынок в мире. 95% участников остаются в пролете. (как и в любом другом бизнесе кстати) Поэтому, предупреждение - фин рынки, это супер рискованный бизнес, который может оставить вас без штанов. Теперь отвечаю на вопрос читательницы, Евгении ) Евгения, для того чтобы освоить трейдинг потребуется дорожная карта и следование ей, вот она: 1. Освойте азы фин грамоты. Начните с простого, ведите журнал затрат, анализируйте ваш онлайн банк, Записывайте ваши траты и старайтесь предсказать, сколько вы потратите в следующем отчетном периоде. 2. Изучите теорию рынков. Посмотрите, например, как меняется цена в магазинах на ключевые группы товаров, в зависимости от сезона, спроса и предложения. 3. Изучите теорию аукционов и закон спроса и предложения 4. Изучите типы рынков - товарные (CME) - фондовые (NYSE, MOEX ) - валютные (Forex) - фьючерсные (CME) - опционные - крипта По сути подойдёт любой рынок, где есть временные ряды. 5. Изучите технический анализ математика - царица наук, поэтому психология рынков, это тоже математика. 6. Изучите объемный анализ именно объемы двигают цены, а книга с рыночными приказами и её глубина дадут вам понимание, чего ждать от рынка. 7. Научитесь работать с выставлением приказов на биржах а также сопровождать позиции 8. САМОЕ ВАЖНОЕ! Научитесь управлению риском и профитом. Изучите управление капиталом позиций. 9. Научитесь создавать простую стратегию. Точка входа + подтверждение + уровень риска + уровень прибыли = сделка 10. Освойте технологии бэктестинга стратегий. Удивительно, но более 80% трейдеров никогда не тестируют свою стратегию на исторических данных.🤦‍♂️ 11. Научитесь создавать БИЗНЕС-ПЛАН своей торговой стратегии 12. Научитесь вести свой торговый журнал 13. Если дочитали досюда, то можете подключать питон, для автоматизации стратегий 14. ВАЖНОЕ №2! Когда освоитесь, приходите к нам в команду, создавайте алгоритмы, и управляйте выделенным вам капиталом👍 ДОПОЛНИЕЛЬНО, полезные материалы: - блог Trade2good.com - блог ATAS

Друзья, сегодня Татьянин день! Всем, кто грызет гранит науки, желаю неиссякаемого запаса конспектов, мудрых преподавателей и верных друзей на всю жизнь.🔥

Капучино Когда рисуют латте-арт: Я: "бесполезная мишура. Суть напитка — в глубине вкуса, а не в этих поверхностных эстетических ужимках."🧐 Когда простая белая пенка: Я: "Где мой листочек? Я что, слишком безвкусен для вас?"🤨