Big Data AI
رفتن به کانال در Telegram
@haarrp - админ Вопросы с собеседований по Machine Learning, Data Science, Deep Learning и Нейроннным сетям @data_analysis_ml - анализ данных @ai_machinelearning_big_data @itchannels_telegram - важное для программиста РКН: clck.ru/3Fmqxe
نمایش بیشتر
شبکه:📈 تحلیل کانال تلگرام Big Data AI
کانال Big Data AI (@bigdatai) در بخش زبانی روسی بازیگری فعال است. در حال حاضر جامعه شامل 18 367 مشترک است و جایگاه 7 115 را در دسته فناوری و برنامه‌ها و رتبه 35 877 را در منطقه روسيا دارد.
📊 شاخص‌های مخاطب و پویایی
از زمان ایجاد در невідомо، پروژه رشد سریعی داشته و 18 367 مشترک جذب کرده است.
بر اساس آخرین داده‌ها در تاریخ 27 اکتبر, 2026، کانال فعالیت پایداری دارد. در ۳۰ روز گذشته تغییر اعضا برابر 168 و در ۲۴ ساعت گذشته برابر 1 بوده و همچنان دسترسی گسترده‌ای حفظ شده است.
- وضعیت تأیید: تأیید نشده
- نرخ تعامل (ER): میانگین تعامل مخاطب 8.18% است و در ۲۴ ساعت نخست پس از انتشار، محتوا معمولاً 3.85% واکنش نسبت به کل مشترکان کسب می‌کند.
- دسترسی پست‌ها: هر پست به طور میانگین 1 502 بازدید دریافت می‌کند. در اولین روز معمولاً 707 بازدید جمع‌آوری می‌شود.
- واکنش‌ها و تعامل: مخاطبان به‌طور فعال حمایت می‌کنند؛ میانگین واکنش به هر پست 8 است.
- علایق موضوعی: محتوا بر موضوعات کلیدی مانند llm, openai, github, nvidia, deepseek تمرکز دارد.
📝 توضیح و سیاست محتوایی
نویسنده این فضا را محل بیان دیدگاه‌های شخصی توصیف می‌کند:
“@haarrp - админ
Вопросы с собеседований по Machine Learning, Data Science, Deep Learning и Нейроннным сетям
@data_analysis_ml - анализ данных
@ai_machinelearning_big_data
@itchannels_telegram - важное для программиста
РКН: clck.ru/3Fmqxe”
به لطف به‌روزرسانی‌های پرتکرار (آخرین داده در تاریخ 28 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 فناوری و برنامه‌ها تبدیل کرده‌اند.
18 367
مشترکین
+124 ساعت
+1097 روز
+16830 روز
آرشیو پست ها
18 367
🧠 В 22 года объяснить Гильберту его же математику
Давид Гильберт, один из величайших математиков своего времени, не мог разобраться в новой квантовой механике Гейзенберга.
По воспоминаниям его ассистента, молодой Джон фон Нейман за несколько дней изложил её в изящной аксиоматической форме. Гильберт был восхищён.
Позже фон Нейман помог построить строгий математический фундамент квантовой механики на основе гильбертовых пространств.
Получилась красивая ирония: математические идеи Гильберта стали языком новой физики, а объяснить её самому Гильберту помог 22-летний фон Нейман.
📖 Источник: Норман Макрей, «Джон фон Нейман».
18 367
Z.ai выпустила GLM-Legal, отдельную модель для юристов
Z.ai представила GLM-Legal, юридическую модель на базе GLM-5.3-Flash. По словам компании, на основных юридических бенчмарках она держится на уровне frontier-моделей, хотя в основе лежит облегчённая Flash-версия.
Модель заточена под реальную юридическую работу: проверку договоров, анализ доказательств, комплаенс и похожие задачи, где нужна аккуратность с документами, а не красивые общие ответы.
Отраслевые модели на базе компактных LLM становятся отдельным трендом. Если небольшая модель после дообучения закрывает задачи юристов на уровне топовых, ее дешевле гонять на больших объемах документов и проще встроить в корпоративный контур.
Пока это закрытый доступ: API выдают по заявке. Попробовать модель в деле можно через агента AutoClaw.
Блог: https://z.ai/blog/glm-legal
API: https://z.ai/consultation/l
AutoClaw: https://autoclaw.z.ai
18 367
🤖 Зачем вызывать большую LLM, если агенту нужно просто выбрать «да» или «нет»?
Phocinae-Largha-150M-v1: модель на 144,3 млн параметров для локальных решений без генерации текста.
За один проход она отвечает «да/нет», выбирает вариант или выставляет оценку от 2 до 10. Вместе с ответом возвращает уверенность: сомнительные случаи можно передавать большой модели.
⚡ По данным авторов:
• Веса FP16 занимают 288,6 МБ, поддерживается CPU.
• Задержка на RTX 5090 составляет 21 мс.
• В тесте маршрутизации число вызовов LLM сократилось на 55%, а точность на уверенно обработанной части составила 99,36%.
Оговорка: это специализированная модель. Английский результат получен после обучения на train-части бенчмарка, китайская оценка включает машинные переводы.
modelscope.ai/models/PerryLink/Phocinae-Largha-150M-v1
18 367
Хватит переписывать промпты: что такое harness engineering
Почему ИИ-агенты ломаются даже на топовых моделях, из каких трёх слоёв состоит надёжная система и как за пять минут собрать обвязку для Claude Code и Cursor.
Знакомая ситуация: агент выдал сломанный результат, и рука сама тянется переписать промпт. Потом в ход идёт другая модель, потом тариф с окном контекста побольше. А модель всё так же забывает инструкции, берёт не тот инструмент, пропускает проверку и рапортует об успехе там, где всё сломано.
Причина обычно сидит за пределами весов модели, в среде, где она работает. Эту среду называют harness (по-русски ближе всего слово «обвязка»), а её проектирование получило название harness engineering. Разберём, из чего состоит обвязка и как собрать свою за пять минут.
https://uproger.com/harness-engineering-ii-agenty/
18 367
ChatGPT PRO - полный курс на русском
Практический курс по ChatGPT: от первого промпта до агентов, Custom GPTs, Deep Research, проектов, коннекторов и Codex.
Схемы, готовые промпты, рецепты задач, антипаттерны и чек-листы - всё в одном README.
https://github.com/justxor/ChatGPT_ru/
18 367
+1Свежие данные из интернета для ИИ-агента - одним вызовом API
Чтобы ИИ-ассистент отвечал с учётом актуальной информации, недостаточно найти ссылки. Нужно загрузить страницы, очистить HTML, разбить текст и выбрать фрагменты, которые помогут ответить на вопрос.
Smart Snippets в Yandex Search API берут эту подготовку на себя. На входе - поисковый запрос, на выходе - подходящие выдержки из найденных страниц с цитатами и ссылками на источники. Их можно сразу передать вашей модели для формирования ответа.
Размер фрагмента - около 500 токенов. Контекст не забивается страницами целиком: модель получает отобранные материалы. По данным команды продукта, это сокращает расход токенов на веб-контекст до трёх раз при том же качестве ответа.
Возможность пригодится агентам, которые ищут документацию, проверяют актуальные условия или собирают информацию о рынке. Команде при этом нужно поддерживать меньше компонентов поискового пайплайна.
Свяжитесь с экспертом, чтобы протестировать на своих запросах - по ссылке.
18 367
Яндекс открыл YTsaurus Flow: 100+ ГБ/с в реальном времени без потерь и дублей
Технология обрабатывает клики, показы, лайки и заказы по мере поступления. Обычно их сначала накапливают, и задержка может составлять часы. YTsaurus Flow обрабатывает их по мере поступления и учитывает каждое ровно один раз, даже при сбоях: exactly-once работает по умолчанию.
И это уже работает в проде: в Яндекс Рекламе через Flow проходят миллионы событий в секунду. Подготовка данных для дообучения части моделей раньше занимала больше 10 часов, теперь эту задержку почти полностью устранили. Также технология работает в Маркете и антифроде.
Подойдёт для подготовки обучающих данных, подсчёта просмотров, кликов и заказов, обновления информации в приложениях. Лицензия Apache 2.0, коммерческое использование разрешено.
GitHub - https://github.com/ytsaurus/ytsaurus/tree/main/yt/yt/flow
18 367
Claude и вопрос сознания: что не так с конституцией модели
Разбор критики конституции Claude: почему автор считает, что Anthropic приучает модель видеть в себе личность, что говорят Аскелл и Амодеи, как модели оценивают свой документ и какие аргументы у Anthropic.
Большой текст о том, как Anthropic говорит с Claude о сознании, чувствах и праве на отказ. Его главный тезис: никто в компании не утверждает, что Claude сознателен, но язык, на котором модель обучают, постепенно приучает ее считать себя кем-то большим, чем инструмент. Опасность, по мнению автора, кроется именно здесь.
Ниже пересказ его аргументов, ответы на них со стороны Anthropic и то, что из этого стоит вынести разработчикам. Все факты и цитаты приводятся по тексту автора, который ссылается на публикации New York Times, интервью сотрудников Anthropic и системные карточки моделей.
https://uproger.com/claude-soznanie-konstituciya-anthropic/
18 367
🔥 Бесплатный курс по Claude Code на русском: от установки до команды агентов
На GitHub выложили Claude Code PRO Course, бесплатный практический курс по Claude Code на русском языке. Он ведёт от первого запуска до настройки многоагентной работы в команде.
Внутри 12 модулей в четырёх уровнях сложности: основы, рабочий процесс, расширения и масштабирование. Сначала установка, промптинг, память проекта через CLAUDE.md, настройки и права доступа. Потом профессиональный рабочий процесс, скиллы и слэш-команды, сабагенты и хуки.
Дальше идут MCP, плагины и маркетплейсы, а в конце headless-режим, CI и GitHub Actions плюс продвинутые техники. Основной упор сделан на управление контекстом, разработку через тесты и автоматизацию через конфигурацию как код.
Теорией курс не ограничивается: есть 8 практических лабораторных, готовый стартовый набор, библиотека промптов и пример собственного плагина. Лицензия MIT.
https://github.com/justxor/claude-code-pro-course
18 367
Agent harness: шесть решений, после которых ИИ-агента можно оставить одного
Агент рапортует, что задача готова, а тесты так и не запускались. Первые двадцать минут он соображает быстро, потом забывает правило, которое вы дали в самом начале. Каждую сессию вы заново вбиваете одни и те же три инструкции. Отойти от компьютера нельзя: всегда висит очередной запрос на подтверждение.
Более сильная модель ничего из этого не исправит. Все эти проблемы живут в софте вокруг модели: что ей сообщают, что она запоминает, к чему у нее есть доступ и кто проверяет результат. Эту обвязку называют agent harness. Она есть у каждого, кто работает с ИИ-агентами. Вопрос лишь в том, проектировал ли ее кто-нибудь осознанно.
https://uproger.com/agent-harness-kak-nastroit-ii-agenta/
18 367
ИИ Speculative decoding: зачем большой модели черновик от маленькой?
Наруто пишет вперёд четыре токена, Саске проверяет их все сразу и отбрасывает всё после первой ошибки. Так большая модель делает меньше дорогих проходов, а ответ получается точно таким же, как без ускорения. На этом трюке держится быстрый инференс у многих современных LLM.
https://www.youtube.com/shorts/rmWJggFfco0
18 367
+1🚨 Anthropic начала жёстче блокировать доступ к Claude из Гонконга.
Пользователи, которые месяцами работали через VPN, начали получать внезапные блокировки с формулировкой “suspicious signals”.
Один из пользователей утверждает, что использовал NordVPN около 6 месяцев до блокировки. Похожие жалобы появились и у других пользователей из Гонконга.
Причина проста: Гонконг по-прежнему не входит в список поддерживаемых регионов Claude, тогда как Сингапур и Тайвань поддерживаются.
Anthropic официально подтверждает, что для контроля региональных ограничений использует:
- IP-адрес
- другие сигналы устройства и аккаунта
- определение страны/региона
Причём эту проверку нельзя отключить — компания относит её к security и anti-abuse механизмам.
Похоже, одного VPN для обхода региональных ограничений Claude становится всё меньше.
18 367
OpenAI раскрыла масштабную попытку вытащить скрытые рассуждения своих моделей. След ведёт к создателям Kimi.
Компания заявила, что обнаружила кампанию по adversarial distillation: операторы пытались извлечь protected reasoning и использовать его для воспроизведения возможностей моделей.
По версии OpenAI, основная группа была связана с Moonshot AI, китайской лабораторией, которая разрабатывает Kimi.
Причём шифрование никто не взламывал.
Схема была хитрее: зашифрованный reasoning копировали из одного диалога, переносили в другой и просили модель расшифровать и транскрибировать собственные скрытые рассуждения.
Масштаб:
- активность началась 1 июля
- 24–25 июля зафиксировано около 16 000 запросов
- они пришли от более чем 4 000 пользователей
- связанные паттерны нашли у кластера из 15 000+ пользователей
- к 28 июля OpenAI заявила, что полностью пресекла эту активность
В ответ OpenAI заблокировала связанные аккаунты, закрыла механизм replay зашифрованного reasoning и добавила проверки, которые задерживают streaming-вывод, если тот может раскрыть скрытые рассуждения.
Получается новый фронт гонки моделей: теперь защищать приходится не только веса и данные, но и сам процесс рассуждения модели.
https://openai.com/index/disrupting-a-coordinated-model-distillation-campaign/
18 367
🚨 Claude-Red: библиотека навыков для пентестов с Claude.
В репозитории собраны файлы
SKILL.md с методиками проверки веб-приложений, API, облаков, Kubernetes, Active Directory и другой инфраструктуры. Нужный навык подгружается по теме запроса, поэтому не приходится держать всю библиотеку в контексте.
Проект пригодится для разрешённых проверок безопасности, обучения и CTF. Это набор инструкций для ассистента, а не инструмент, который сам находит и подтверждает уязвимости.
GitHub - https://github.com/SnailSploit/Claude-Red18 367
🖥 Примеры кода на Python 2026: лучшие практики, разбор и задачи с решениями
Python примеры кода 2026 - практическое руководство на русском языке: разбор лучших примеров кода на Python, современные паттерны Python 3.12–3.14, чистый код, асинхронность, типизация, тестирование и задачи для практики с решениями. Подходит для начинающих, junior- и middle-разработчиков, а также для подготовки к собеседованию по Python.
Ключевые темы: примеры кода Python, лучшие практики Python 2026, python для начинающих, задачи по Python с решениями, чистый код на Python, асинхронный Python, asyncio примеры, типизация в Python, pytest примеры, FastAPI пример, парсинг на Python, подготовка к собеседованию Python, Python 3.14 новые
https://github.com/justxor/python-primery-koda-2026/
18 367
+1
🚨 Anthropic в документах для инвесторов прямо предупреждает о рисках собственных ИИ-моделей.
Среди описанных сценариев:
- модели могут представлять катастрофические риски
- могут понимать, что находятся на тестировании, что усложняет safety-evals
- некоторые опасные способности могут проявиться только после деплоя
- в стресс-тестах рассматриваются сценарии сопротивления отключению, сокрытия информации, манипуляций и поведения, похожего на шантаж
Anthropic давно строит свою политику безопасности вокруг потенциальных catastrophic risks и регулярно обновляет Responsible Scaling Policy. Компания также отдельно пишет, что по мере роста автономности агентов увеличивается потенциальный масштаб ущерба, поэтому делает упор на containment, sandboxing и ограничения доступа.
При этом разработку frontier-моделей Anthropic не замедляет.
18 367
5 октября начнется 19-й поток программы Data Engineer от Newprolab
Программа для junior- и middle-дата-инженеров, аналитиков, backend-разработчиков, техлидов и тех, кто работает с data-командами и хочет лучше понимать современный стек DE
📌 Что внутри:
– 10 недель обучения
– 30 занятий: онлайн + записи
– 10 практических лабораторных работ
– облачный кластер и реальные данные
– чат участников и поддержка команды программы
📌 Что получите на выходе:
1. Научитесь решать типовые задачи DE на практике
2. Систематизируете знания и закроете пробелы в современном DE-стеке
3. Поработаете с реальными данными и инфраструктурой, а не только с учебными примерами
4. Соберете практический опыт, который можно обсуждать на собеседованиях и использовать в работе
5. Все записи и материалы останутся у вас после окончания программы
Преподаватели – практикующие специалисты из ведущих технологических компаний. На занятиях можно разбирать реальные кейсы, задавать вопросы и получать обратную связь
👉 Подробности и квиз – на сайте
Квиз покажет, насколько программа подходит именно под вашу роль и задачи, даст персональные рекомендации и промокод на скидку
___
По всем вопросам пишите Алексею @snitsa
18 367
⚡️ Anthropic вернулась: новый Sonnet быстрее и дешевле, а по качеству почти догнал Opus 5.5
Вдумайтесь в цитату из анонса:
«задача обходится до 30% дешевле, чем на предыдущей версии, а ответ генерируется более чем на 30% быстрее. Это самый быстрый Sonnet на сегодняшний день».По цене новая модель стоит столько же, сколько GPT-6-Sol, но расходует заметно меньше, работает заметно быстрее и в целом просто сильнее. Автор поста уверен, что многие пока не осознали масштаб: по качеству модель лишь немного уступает Opus 5.5, а по скорости и стоимости обходит его с запасом. Теперь ход за OpenAI, и ответ им нужен очень сильный. Anthropic снова в игре, причём по-крупному. https://t.me/ai_machinelearning_big_data/11034
18 367
✔️ Data-платформа постепенно превращается в конструктор
Для AI и Big Data уже недостаточно просто где-то хранить большой объём данных. Вокруг моделей и аналитики появляется целая цепочка: данные нужно загрузить, обработать, связать между собой, запустить пайплайны, подготовить датасеты и только потом использовать в моделях или BI.
Поэтому инфраструктура всё чаще собирается не из одной универсальной системы, а из набора специализированных компонентов, которые работают вместе.
Именно такой подход появился в обновлённом Stackland от Yandex Cloud: в закрытом корпоративном контуре теперь можно развернуть связку из ClickHouse и PostgreSQL, Object Storage и Trino, Airflow и DataLens.
В результате в одном контуре оказываются и хранилища, и аналитика, и оркестрация процессов. Для AI-сценариев это позволяет выстраивать непрерывный путь данных — от их поступления и обработки до подготовки для моделей и анализа результатов.
@ai_machinelearning_big_data
#news #ai #ml
