Нескучный Data Science
رفتن به کانال در Telegram
Рассказываю как применять AI на практике ex. Managing AI Director at Sber, 👨💻ex. Head of ML LAB at Alfa https://www.linkedin.com/in/smirnov-evgeny/ По вопросам сотрудничества @datascience_assist Регистрации в Роскомнадзор № 5278866657
نمایش بیشتر📈 تحلیل کانال تلگرام Нескучный Data Science
کانال Нескучный Data Science (@not_boring_ds) در بخش زبانی روسی بازیگری فعال است. در حال حاضر جامعه شامل 12 043 مشترک است و جایگاه 3 219 را در دسته حرفه و رتبه 53 015 را در منطقه روسيا دارد.
📊 شاخص‌های مخاطب و پویایی
از زمان ایجاد در невідомо، پروژه رشد سریعی داشته و 12 043 مشترک جذب کرده است.
بر اساس آخرین داده‌ها در تاریخ 05 اکتبر, 2026، کانال فعالیت پایداری دارد. در ۳۰ روز گذشته تغییر اعضا برابر -4 و در ۲۴ ساعت گذشته برابر -6 بوده و همچنان دسترسی گسترده‌ای حفظ شده است.
- وضعیت تأیید: تأیید نشده
- نرخ تعامل (ER): میانگین تعامل مخاطب 26.69% است و در ۲۴ ساعت نخست پس از انتشار، محتوا معمولاً 10.27% واکنش نسبت به کل مشترکان کسب می‌کند.
- دسترسی پست‌ها: هر پست به طور میانگین 3 214 بازدید دریافت می‌کند. در اولین روز معمولاً 1 237 بازدید جمع‌آوری می‌شود.
- واکنش‌ها و تعامل: مخاطبان به‌طور فعال حمایت می‌کنند؛ میانگین واکنش به هر پست 66 است.
- علایق موضوعی: محتوا بر موضوعات کلیدی مانند лаборатория, automl, llm, продакт, стажировка تمرکز دارد.
📝 توضیح و سیاست محتوایی
نویسنده این فضا را محل بیان دیدگاه‌های شخصی توصیف می‌کند:
“Рассказываю как применять AI на практике
ex. Managing AI Director at Sber,
👨💻ex. Head of ML LAB at Alfa
https://www.linkedin.com/in/smirnov-evgeny/
По вопросам сотрудничества @datascience_assist
Регистрации в Роскомнадзор № 5278866657”
به لطف به‌روزرسانی‌های پرتکرار (آخرین داده در تاریخ 06 اکتبر, 2026)، کانال همواره به‌روز و دارای دسترسی بالاست. تحلیل‌ها نشان می‌دهد مخاطبان به‌طور فعال با محتوا تعامل دارند و آن را به نقطه اثرگذاری مهم در دسته حرفه تبدیل کرده‌اند.
12 043
مشترکین
-624 ساعت
-117 روز
-430 روز
در حال بارگیری داده...
کانال‌های مشابه
ابر برچسب‌ها
اشارات ورودی و خروجی
---
---
---
---
---
---
جذب مشترکین
اکتبر '26اکتبر '26
اکتبر '26
+18
در 0 کانال‌ها
سپتامبر '26
+118
در 0 کانال‌ها
Get PRO
اوت '26
+271
در 7 کانال‌ها
Get PRO
ژوئیه '26
+110
در 0 کانال‌ها
Get PRO
ژوئن '26
+129
در 0 کانال‌ها
Get PRO
مه '26
+113
در 0 کانال‌ها
Get PRO
آوریل '26
+85
در 0 کانال‌ها
Get PRO
مارس '26
+125
در 1 کانال‌ها
Get PRO
فوریه '26
+96
در 0 کانال‌ها
Get PRO
ژانویه '26
+61
در 1 کانال‌ها
Get PRO
دسامبر '25
+85
در 0 کانال‌ها
Get PRO
نوامبر '25
+114
در 1 کانال‌ها
Get PRO
اکتبر '25
+119
در 1 کانال‌ها
Get PRO
سپتامبر '25
+184
در 0 کانال‌ها
Get PRO
اوت '25
+304
در 2 کانال‌ها
Get PRO
ژوئیه '25
+250
در 4 کانال‌ها
Get PRO
ژوئن '25
+1 298
در 4 کانال‌ها
Get PRO
مه '25
+313
در 2 کانال‌ها
Get PRO
آوریل '25
+200
در 3 کانال‌ها
Get PRO
مارس '25
+7 859
در 10 کانال‌ها
Get PRO
فوریه '25
+1 559
در 5 کانال‌ها
Get PRO
ژانویه '25
+229
در 2 کانال‌ها
Get PRO
دسامبر '24
+232
در 4 کانال‌ها
Get PRO
نوامبر '24
+481
در 1 کانال‌ها
Get PRO
اکتبر '24
+1 517
در 4 کانال‌ها
Get PRO
سپتامبر '24
+552
در 2 کانال‌ها
Get PRO
اوت '24
+270
در 6 کانال‌ها
Get PRO
ژوئیه '24
+171
در 3 کانال‌ها
Get PRO
ژوئن '24
+208
در 1 کانال‌ها
Get PRO
مه '24
+194
در 2 کانال‌ها
Get PRO
آوریل '24
+314
در 4 کانال‌ها
Get PRO
مارس '24
+215
در 0 کانال‌ها
Get PRO
فوریه '24
+116
در 1 کانال‌ها
Get PRO
ژانویه '24
+153
در 0 کانال‌ها
Get PRO
دسامبر '23
+170
در 2 کانال‌ها
Get PRO
نوامبر '23
+198
در 0 کانال‌ها
Get PRO
اکتبر '23
+239
در 1 کانال‌ها
Get PRO
سپتامبر '23
+262
در 0 کانال‌ها
Get PRO
اوت '23
+158
در 0 کانال‌ها
Get PRO
ژوئیه '23
+228
در 0 کانال‌ها
Get PRO
ژوئن '23
+487
در 0 کانال‌ها
Get PRO
مه '23
+183
در 0 کانال‌ها
Get PRO
آوریل '23
+270
در 0 کانال‌ها
Get PRO
مارس '23
+199
در 0 کانال‌ها
Get PRO
فوریه '23
+136
در 0 کانال‌ها
Get PRO
ژانویه '23
+247
در 0 کانال‌ها
Get PRO
دسامبر '22
+356
در 0 کانال‌ها
Get PRO
نوامبر '22
+178
در 0 کانال‌ها
Get PRO
اکتبر '22
+104
در 0 کانال‌ها
Get PRO
سپتامبر '22
+262
در 0 کانال‌ها
Get PRO
اوت '22
+1 401
در 0 کانال‌ها
Get PRO
ژوئیه '22
+2 318
در 0 کانال‌ها
| تاریخ | رشد مشترکین | اشارات | کانال‌ها | |
| 06 اکتبر | +6 | |||
| 05 اکتبر | +3 | |||
| 04 اکتبر | +2 | |||
| 03 اکتبر | +1 | |||
| 02 اکتبر | 0 | |||
| 01 اکتبر | +6 |
پست‌های کانال
Объектное хранилище в эпоху быстрых данных
Объём данных, с которыми нужно работать, растёт ежедневно. Стандартных решений уже не хватает для задач ИИ и аналитики. Большие объёмы данных нужно не только хранить, но и быстро записывать и читать.
В MWS Cloud Platform мы построили объектное хранилище не только на привычных HDD-дисках, но и на NVMe. На вебинаре покажем, какие сценарии работы это открывает и как меняет привычные подходы.
Подключайтесь! Обсудим:
✅ Чем классы хранения MWS Object Storage отличаются от привычных
✅ В каких сценариях новый тёплый класс проявляет себя лучше всего
✅ Преимущества и слабые места в разных сценариях работы
📆 7 октября в 14:00 (мск)
| 2 |  🤖 Как дать AI-агенту кошелёк и не уехать в тюрьму
Посмотрел второй выпуск «ПРОДАКТовой корзины» и поймал себя на мысли: мы слишком долго обсуждали, умеет ли AI нормально отвечать на вопросы. Теперь пора решать, можно ли давать ему деньги.
В выпуске разбирают AI-поиск, научные эксперименты с участием нейросетей, персональные цены, роботакси, магазины-склады и кошельки для агентов.
Ведёт шоу стендап-комик Сева Ловкачёв, а вместе с ним новости обсуждают:
— Артём Петренко, CPO «Магнит Плюс»;
— Александра Прокшина, руководитель Security Development в «Авито»;
— Антон Сачков, CTO MAGNIT OMNI;
— Даниил Гаврилов, руководитель научной лаборатории T-Банк AI Research и специалист по LLM.
Больше всего мне запомнилось обсуждение кошельков для AI-агентов. Агенту предлагают выделить ограниченный бюджет, чтобы он самостоятельно покупал API, MCP-инструменты и контент.
Разговор довольно быстро дошёл до идеи сказать агенту: «Братан, теперь содержи себя сам». А затем — до агентского сетевого маркетинга, сомнительных схем и вопроса, кто понесёт ответственность, если автономный помощник решит зарабатывать наиболее маржинальным способом 😅
Не менее интересным получился спор о персональных ценах.
Предложить конкретному человеку скидку — звучит как забота. Показать ему цену выше, потому что модель поняла, что он готов заплатить, — уже как повод возненавидеть продукт. Хотя данные и модель могут быть теми же: меняется только бизнес-правило.
В итоге получился нормальный разговор о технологиях без восторгов в стиле «AI завтра изменит всё». Здесь пытаются разобраться, где уже появляется реальный продукт, а где пока есть только громкая новость и красивая презентация.
Смотреть выпуск:
🎞 YouTube:
😄 VK Видео: | 2 182 |
| 3 |  💩 Как улучшить F1-micro и насрать на рекламодателя — в прямом смысле
Вас тоже бесит, когда вы ищете один товар, а рекламный алгоритм настойчиво подсовывает совсем другой? Обычно мы видим эту проблему со стороны пользователя. А сейчас покажу, как она выглядит со стороны рекламодателя, которому алгоритм привёл совсем не тех пользователей.
В @mirabistro нет-нет да заходят люди исключительно ради туалета. Мы находимся в центре, пешеходный трафик огромный. Я думал, что это неизбежные издержки локации. Туалет у нас — комплиментарная услуга для гостей.
👀 Неделю назад сижу в бистро и наблюдаю: заходит человек и сразу направляется в туалет.
У этого сегмента, кстати, есть устойчивый поведенческий паттерн. Они закрывают не только дверь туалета, но и дверь в зону с раковиной. Как будто пришли не руки помыть, а помыться целиком.
Через минуту заходит второй.
Два одинаковых события подряд меня уже насторожили.
💡 И тут меня осенило: дело в таргетинге.
📈 Недавно я купил продвижение в одном картографическом сервисе. Как аналитик, первым делом полез смотреть, как люди находят бистро и по каким запросам переходят в карточку.
Среди запросов был «туалет», хотя мы вообще-то кафе.
Давайте разберёмся, что пошло не так при обучении поискового алгоритма. Достоверно я этого не знаю, но с большой вероятностью — всё было именно так.
1️⃣ Поставили цель на квартал выбить XX% по F1-micro.
2️⃣ В датасет поискового движка долили запросы про туалеты.
3️⃣ Кафе, в которых есть туалет, разметили как релевантные ответы — то есть на уровне таргета фактически приравняли кафе к туалету.
4️⃣ При micro-усреднении все true positive складываются в общую копилку, поэтому новая категория помогла вытянуть итоговый F1
Классический случай: офлайн-метрику оптимизировали, заборы успешно покрасили, менеджеры получили бонусы, а на рекламодателей оказалось насрать — в прямом смысле слова, но хотя бы чужими силами.
😆 Публиковать статистику сервиса я не хотел, но 8% туалетного трафика это уже не смешно. | 3 261 |
| 4 |  Как научиться предсказывать что угодно? 🔮
На видео спикер рассказывает, что его команда научилась за три дня до расставания предсказывать, что девушка бросит парня.
Когда я впервые увидел это в трансляции, то понял только часть проблемы: спикер вообще не шарит, а команда решает странные задачи и пилит такие же фичи 😅 Тогда моего руководительского опыта не хватило, чтобы задуматься о процессах внутри компании — меня просто поразил уровень абсурда.
Причём настолько, что эта история догнала меня даже спустя семь лет.
Но сейчас, когда я строю собственную компанию, меня гораздо больше беспокоит другой вопрос: какие процессы внутри компании привели к тому, что топ-менеджмент рассказывает об этом на конференции как об успешном кейсе? 🤔
Начнём с самого кейса.
Пока я не пересмотрел видео, у меня были разные гипотезы о том, как они собрали целевую переменную:
— может быть, провели опрос?
— спарсили социальные сети?
— а как тогда собрали хард-негативные сэмплы?
Но нет.
Судя по видео, аналитики придумали сегмент на основе набора косвенных признаков.
С какой точностью этот сегмент отражал реальность?
Правильно: никто не знает 🙃
Дальше, вероятно, построили модель, которая научилась предсказывать эту синтетическую целевую переменную.
И здесь появляется ещё один уровень неопределённости.
Сначала мы с неизвестной точностью восстанавливаем целевую переменную по косвенным признакам. Затем с некоторой точностью обучаем модель предсказывать уже эту восстановленную переменную.
То есть модель предсказывает не само расставание, а предположение аналитиков о расставании.
На ошибку при создании таргета накладывается ошибка самой модели. Поэтому итоговое качество относительно реального события становится ещё менее понятным 🎯
Следующий вопрос: как проверяли лики?
Не протекли ли в модель те же признаки, на основе которых изначально восстановили целевую переменную? 🫠
Ну и самое интересное: как измерили эффект?
Никак.
Модель встроили в рекомендательную систему, в которой, судя по рассказу, нет прозрачно рассчитанного финансового эффекта 💸
Итак, рецепт, как научиться предсказывать что угодно:
1. Конструируете целевую переменную с неизвестной точностью.
2. Обучаете модель предсказывать этот синтетический таргет.
3. Получаете два слоя ошибки: в разметке и в самой модели.
4. Встраиваете модель в продукт, где невозможно оценить её эффект в деньгах.
5. Рассказываете об успешном кейсе на конференции.
6. Готово — вы великолепны! 🚀
Всё это звучит смешно ровно до того момента, пока вам самим не приходится собирать такие фантастические сегменты и обучать на них модели.
Напишите в комментариях, если знаете достоверный источник данных для такого сегмента. Особенно интересно, где взять качественные хард-негативные сэмплы 👇 | 3 476 |
| 5 |  Конференция, на которой точно не соскучишься🎙️
26 сентября Яндекс празднует 10-летие Data Driven, и празднует с размахом: доклады про AI-first-аналитику, стенды с экспертами, Random Coffee с топовыми аналитиками, а вечером — афтерпати с музыкой, закусками и IT stand-up от аналитиков про наболевшее.
Из докладов особенно ждём: Роман Халкечев расскажет о том, как AI переписывает правила игры при работе с данными, Артём Солоухин покажет MARS — первую мультиагентную рабочую среду Яндекса, а Максим Стаценко поделится, как собрать агента-аналитика, которому можно доверять, — с конкретными шагами.
Москва + онлайн💻, 26 сентября.
Мест офлайн немного — регистрируйтесь по ссылке
Новости конференции | 2 828 |
| 6 |  +7🎙 Мини-интервью с руководителем ML-департамента рисков в Яндекс Финтехе
Владимир Ершов — ex. Visa, Сбер и Alfa-Bank, выпускник МГИМО и IE Business School.
Четыре интересных факта про героя интервью:
1️⃣ Пришёл в ML из экономики: после МГИМО выбрал магистрату по Big Data в испанской IE Business School.
2️⃣Успел поработать во всех ML-направлениях бизнес-группы Персональных сервисов Яндекса.
3️⃣ Сейчас его команда отвечает за порядка 50 моделей для Сплита, кредитной карты, кредита наличными и B2B-кредитования.
4️⃣ Практически не пишет код уже четыре года, но иногда сам ревьюит самые важные куски.
👉 Подробнее — на карточках.
Ставьте 🔥, если хотите больше интервью с ML-руководителями. Вопросы Владимиру оставляйте в комментариях 👇
#мини_интервью | 2 912 |
| 7 | 🤣 Как за год заработать банку 50 тысяч
👼 После того как я стал руководителем, мне хотелось решить как можно больше задач силами своей команды. Мы умели работать с текстами, и эту экспертизу хотелось применить в продуктах банка.
📈 Одна такая задача нашлась в инвестиционном продукте. Новости без категорий было неудобно читать. По крайней мере, так казалось мне — человеку, который умел их классифицировать. Решение выглядело очевидным: давайте сделаем классификатор. Я убедил бизнес, собрал первую модель и передал её джуну на доработку. Мы разметили данные, улучшили качество и показали результат заказчику. Тексты хорошо раскладывались по категориям, заказчик был доволен — договорились внедрять в мобильное приложение.
🗓️ А дальше приложение переделывали, команда менялась, приоритеты уезжали. Так прошёл год. Сейчас я понимаю, что постоянные переносы были неслучайны: бизнес не видел ценности классификатора, а мы не смогли объяснить, какую ценность он должен принести.
🎉 Наконец классификатор внедрили, запустили A/B-тест и ещё через месяц подвели итоги. Оказалось, что он приносит банку 50 тысяч рублей в месяц — примерно зарплату джуна, который его допиливал.
🤦♂️ Где мы облажались?
- Не спросили, какую продуктовую метрику хотим изменить, за счёт чего и насколько. Мы просто решили, что категоризированные новости — это хорошо.
- Заранее не договорились, как будем измерять эффект. В итоге продакт что-то как-то протестировал, а мы что-то как-то посчитали.
Этот печальный опыт усилил мою аллергию на внедрение технологий по мотивам русских сказок: «Пойди туда, не знаю куда. Внедри затем, не знаю зачем». После этой истории у меня закончился нейросетевой недотрах. 😅
🎯 Прежде чем делать модель, ответьте на два вопроса: какой бизнес-эффект она должна дать и как вы его измерите. До продакшена классификатор мы довезли. До бизнес-эффекта — нет.
А на каком этапе вы бы остановили этот проект? Пишите в комментариях. 👇 | 3 692 |
| 8 |  ✈️ 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. | 3 873 |
| 9 | 🐍 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 👇 | 3 268 |
| 10 |  بدون متن... | 1 |
| 11 |  +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 | 3 899 |
| 12 |  +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) | 4 180 |
| 13 |  🧠 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. | 3 409 |
| 14 |  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 | 3 432 |
| 15 |  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 😅 | 3 955 |
| 16 |  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? | 3 604 |
| 17 | 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. | 3 420 |
| 18 | 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 – 🐭 | 2 553 |
| 19 |  ❓ 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?» | 3 044 |
| 20 | 🔥 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! | 2 981 |
