🏆 Data Feeling | AIeron

📢 MCP AI Agent Hackathon от Ogon.AI — хакатон для тех, кто хочет создавать новейших ИИ-агентов 📢 Приглашаем вас на второй онлайн-хакатон от Ogon.AI, посвящённый технологии Model Context Protocol (MCP)! 🚀 Что вас ждёт: ✔️ Разработка собственного AI-агента на базе MCP — протокола, который связывает AI-агентов с внешними данными и инструментами ✔️ Поддержка опытных менторов и экспертов, готовых помочь на всех этапах ✔️ Прокачка навыков работы с современными AI-инструментами ✔️ Возможность проявить себя, найти команду и заявить о проекте ✔️ Нетворкинг, поддержка и вдохновляющее сообщество 📅 Даты хакатона: 9 июня — 16 июня 2025 📍 Формат: Онлайн 👥 Участвуйте индивидуально, со своей командой или присоединяйтесь к новой прямо в чате! 💡 Задача хакатона: Создать AI-агента, использующего Model Context Protocol (MCP) для эффективного взаимодействия с внешними API, источниками данных и инструментами. Примеры возможных решений: — Ассистент в Slack или Telegram с доступом к корпоративной базе знаний — AI-помощник для отдела продаж — AI-агент для поддержки клиентов и автоматической маршрутизации тикетов — Генератор протоколов встреч с созданием задач — Агент для отслеживания активности конкурентов — Инструмент для автоматизированного тестирования интерфейсов — Ассистент для почты с функциями резюме, черновиков и планирования Поощряется креативность и нестандартные подходы! 🎁 Призы и возможности: Победители смогут собрать индивидуальные призы в рамках бюджета: 🥇 1 место — $1,500 USD 🥈 2 место — $1,000 USD 🥉 3 место — $500 USD ➕Консультации с командой Ogon.AI и поддержка в развитии проекта. Регистрация команд уже открыта! Собирайте свою команду, присоединяйтесь к чату Ogon.AI Hackathons (https://t.me/+M8WvHckqkF5iMmI6) делитесь идеями и находите единомышленников🦾 Готовы к новому AI-вызову? Тогда вписывайтесь в битву интеллектов! 🤖 До встречи 9 июня! 🚀

Там про новые штуки рассказывают для кода в OpenAI. Вы смотрите? https://www.youtube.com/live/hhdpnbfH6NU

Сделал пост в своем микро блоге и тут же налетела стая нейрокомменторов. Не могу понять, почему этих роботов становится только больше? Неужели это выгодно и люди ведутся на такое? И главные вопрос, почему до сих пор никто не придумал решение от этого, чтобы я его у вас купил!? Честно скажу, иногда даже приятно читать такие комменты, они бывают активнее живых, но суть их бесит 😂😢

🤖 Топ-новость для начинающих DS'ов — Альфа-Банк и МФТИ открыли набор в бесплатную магистратуру Обучают «машинке» в финансах два года, препы — действующие эксперты Альфы. В магу берут выпускников любых вузов. 🟠За обучение платите не вы, а банк; 🟠Магистрантам дают стипу каждый месяц; 🟠С первого дня обучения стартует оплачиваемая стажировка в Альфе; 🟠Учитесь на реальных задачах — прокачиваете софт- и хард-скилы. Ах да, лучшие студенты получат оффер в команду. Вот так пришёл в магу, а ушёл спецом самого технологичного банка страны. 🎚️ Рекомендую долго не думать и отправлять заявку — еще успеваете до 26 мая. Если это не лучший старт в DS, то что? 😎

Вопрос подписчика: Как решаешь вопросы с тем что агенты галлюцинируют и входят в циклы без решения задач где только новые ошибки? В Cursore это можно решать так: 1. Использовать новую модель 2. Создавать новый чат 3. Пытаться переформулировать задачу, добавляя контекст 4. Переодически откатывать то, что было сделано, и начинать правки сначала

👏 Автоматизация с помощью AI агентов начинает набирать обороты, а я еще ни разу не написал про MCP. С появлением LLM-агентов, которые самостоятельно принимают решения и выполняют сложные задачи, возникла проблема отсутствия единого стандарта взаимодействия между ними и внешними источниками данных. Ребята из Anthropic предложили решение - новый протокол Model Context Protocol (MCP), который стандартизирует взаимодействие 🕵'в с различными сервисами и между собой. Теперь давайте сравним 3 подхода взаимодействия ИИ с внешними системами: Имеем, MCP, A2A и Function Calling - это разные способы, как ИИ общается с внешними системами. Вот кратко, что и как: С MCP время интеграции может сократиться на 30-50%. Он создает единый протокол для взаимодействия ИИ с разными инструментами, упрощая и ускоряя процессы. Идеально подходит для сложных и безопасных решений. A2A (Agent-to-Agent) - когда агенты общаются друг с другом напрямую. Это повышает их эффективность на 20-40%, отлично для задач, где нужно координироваться и работать вместе, создавая слаженную команду ИИ. Function Calling - это cамый простой метод - помогает выполнить базовые задачи быстрее на 10-20%, вызывая конкретные функции или инструменты прямо из модели. Но он не подходит для сложных систем и масштабирования. 🎚️ Если хочется помощнее - MCP или A2A. Для простых и быстрых задач - Function Calling. Выбирай, что тебе подходит и вперед! Подробнее про MCP реализацию расписал на Хабре

📌 Друзья, сейвим дату! 26 и 27 июня в Питере пройдет конференция по разговорному и генеративному AI Conversations 2025. Интересно будет как бизнесу, так и разработчикам, ведь программа очень насыщенная: 4 трека, доклады от 40+ спикеров, церемония награждения Generation AI Awards и вечеринка в самый разгар белых ночей 🔥 ⚡️ Что интересного в программе: 🔘 Как ATOM обучает автопилот для электромобилей с помощью ML-платформы Selectel: опыт и решения. Selectel & АТОМ 🔘 Как AI трансформирует CustDevs и анализ рынка? Artefacto learning platform 🔘 Кремниевые помощники в каждый дом: как мы пришли к своей LLMOps платформе? ЛАНИТ 🔘 AI-ревью онлайн-звонков под капотом: что происходит «внутри» и какие баги могут всплыть наружу? Битрикс24 С полной программой можно ознакомиться тут (она регулярно обновляется). 📌 Подробности и билеты по ссылке. Специальный промокод на скидку 10% для моих подписчиков: DATAFEELING

Вайб-разработчики делятся на 2 типа: 🎚️ 2-й вайб на максималках 😎 Пишите какой у вас в комментарии👇

Новый классный апдейт в OpenAI. Наконец поняли, как важны качественные данные из PDF-файлов в Deep Research! Честно говоря, успели устал копаться в отчетах по 20-30 страниц, чтобы найти нужные ссылки. 🎚️ Теперь этот процесс будет намного проще, и это очень приятно!

⚡️Создаём свою нейросеть в PyTorch Хотите быстро разобраться в PyTorch и написать свою нейросеть? Мы подготовили для вас вебинар, где на практике разберём все этапы создания ML-модели. Вебинар проведет Владислав Агафонов — ML-инженер, ранее работал в Yandex и Huawei. Что будет на вебинаре? 🟠Установим PyTorch в Google Colab и настроим работу на бесплатном GPU; 🟠Поймём, что такое тензоры и почему они — фундамент всех нейросетей; 🟠Скачаем готовый датасет, разберём его структуру и подготовим для обучения; 🟠Научимся использовать DataLoader для эффективной загрузки данных; 🟠Пошагово соберём облегчённую версию классической свёрточной нейронной сети (CNN); 🟠Обучим и протестируем модель. 🕗 Встречаемся 14 мая в 18:30 по МСК, будет много практики, ответы на вопросы и полезные инсайты от эксперта. 😶Зарегистрироваться на бесплатный вебинар

Как сэкономить до 4 раз на длинных промптах в OpenAI API Если ваш стартап, продукт или сервис часто отправляет в OpenAI один и тот же системный промпт, вы можете существенно сократить расходы благодаря функции кеширования (Prompt Caching). Интересно, что многие об этом не знают и не используют эту возможность в полной мере. Хотя мы про это рассказывали тут. Что это такое? OpenAI автоматически кеширует начало промпта (префикс), если оно уже обрабатывалось недавно. Это позволяет избежать повторного вычисления при каждом запросе. Результат: – Задержка может снизиться до 80% 😱 – Стоимость токенов для префикса — до 50% 😱 Когда работает кеш? – Срабатывает, если промпт длиннее 1024 токенов. – Проверяется, использовался ли этот префикс недавно. – Время жизни кеша — от 5 до 10 минут, иногда до часа (если не было запросов, кеш очищается). Эта функция нереально полезна, когда отправляется много запросов с одинаковым началом. Вангую, ваш случай подходит, даже если у вас RAG 🦞 Что считается совпадением? Промпт должен совпадать с точностью до символа: пробелы, порядок строк и даже кавычки имеют значение. Кеш работает блоками: 1024, 1152, 1280 токенов и далее с шагом 128 токенов (в зависимости от длины вашего входного промпта). Что кешируется? – System-промпт – Инструкции, примеры, структура вывода – Список инструментов – Изображения (когда они передаются в формате base64 и если они одинаковые каждый раз) Важно: все эти элементы должны находиться в начале промпта. Как понять, что кеш сработал? Обратите внимание на поле cached_tokens в ответе API. Если значение больше нуля, это означает, что часть промпта была взята из кеша. Нужно ли что-то включать? Нет. Кеш работает автоматически, без дополнительных настроек и доплат. Он встроен во все модели, начиная с gpt-4. Рекомендации: – Фиксируйте начало промпта (префикс должен оставаться статичным). – Избегайте мелких правок и случайных изменений. – Динамический контент размещайте в конце. Если вы работаете с длинными и повторяющимися промптами, кеширование is all you need 😉 🎚️ Подробнее о кешировании в OpenAI API можно прочитать здесь.

Восстанию машин отмена, у меня сегодня день рождения! Да, верю что вы помните) 🤯 Мне теперь 28, а вас больше 11к Спасибо, что читаете! Буду стараться писать еще полезнее! На вопрос вчера про wishlist, у меня появилась прикольная идея купить доп мониторы на ноут🧑‍💻. ⭐️ Поэтому при желании поучаствовать кидайте star’ы на этот пост. А я взамен сделаю для вас обзор этого девайся) 🚀 Или просто голоса на канал закиньте, тоже буду рад). 🤗 Обнимаю, мои чемпиончики!

⚡️ Будущее нейросетей и поисковиков — за их объединением. Аналитики OneLittleWeb выяснили, что ИИ-чат-боты за год выросли по количеству обращений на 80,92%. Поисковые системы, потеряв всего 0,5% аудитории, не зевали — быстро начали встраивать ИИ-инструменты. Ярчайший кейс — Яндекс, который после запуска «Нейро» выстрелил с ростом трафика на 32,65%. Рынок сейчас движется к умному симбиозу — где ИИ усиливает поисковики, а те взамен дают мощную базу данных. Заметил, что мой малоизвестный сервис фаворит черного цвета тоже попал в отчет. 🎚️ @datafeeling

🧐 Где используется ML в приложения для изучения английского типо Duolingo? Спойлер почти везде! Но я решил поресерчить и выписать только то, что относится к алгоритмам машинного обучения с доказанным эффектом Первой моделью является Half-Life Regression (HLR), которая предназначена для оптимизации интервалов повторений. Исследование Settles и Meeder (2016) показывает, что применение этой модели приводит к повышению запоминания на 15-25%. Второй алгоритм — Sleeping, Recovering Bandit Algorithm, который используется для оптимизации уведомлений. Согласно публикации Yancey и Settles (2020), этот алгоритм способствует увеличению вовлеченности пользователей на 12%. Третья модель — LSTM для прогнозирования и определения ошибок. Рекуррентные сети, описанные в исследовании Mirea и Bicknell (2019), позволяют адаптировать сложность заданий, что приводит к снижению количества ошибок у обучающихся. Четвертой группой являются генеративные языковые модели, такие как GPT-4 и другие. Эти модели обеспечивают автоматическую генерацию учебного контента, что, согласно данным Duolingo Research (2023-2025), позволяет расширить курс на 148 языков. Вообще GenAI группой алгоритмов можно реализовать кучу сложных лингвистических фичей - к примеру подсвечивать ошибки. Берите себе на заметку!

Личное. Я не успел написать про Websummit и про то, какие карьерные IT возможности я оттуда вытащил, но тут мне подвернулось еще одно мероприятие … ⚡️Концерт Леди Гаги в Рио-де-Жанейро 🔥 Собрал более 2М зрителей, установив рекорд как самое масштабное сольное выступление женщины в истории. 🇧🇷 Мероприятие, как ожидается, принесет экономике Рио около 100М долларов. В свою очередь бразильская полиция сообщила о предотвращении теракта на концерте. Я хочу, чтобы вы тоже почувствовали грандиозность этих фото и вынесли для себя ответ на вопрос… 🎚️ Не «заскуфились» ли вы? И может начать уже путешествовать? Особенно, если у вас удаленная работа!🧑‍💻

🤰А чем ты займешься после увольнения? Обещал писать про мой предпринимательский опыт в IT. Делюсь!. После ухода с работы я из ML тим лидера превратился в какого-то прОджекта. А дело в том, что меня затянуло в несколько пет-проектов, где я даже успел собрать свою команду ребят разработчиков. У меня появился большой интерес к mini app в телеграм. Поэтому взял несколько коммерческих заказов на разработку (один из них превратился в ночной кошмар, но об этом позже). Помимо коммерции сделал несколько спринтов по прокачке AI Спикадоры., в которой наговорили уже 1 500 часов. Что успел из интересного? Мы с легкостью завайбкодили в нее интерактивную web app компоненту с рейтингом 🏆, достижениями за практику🥇, страйками, как в Дуолинго, и прочим 🗺. Вышло прям классно, но что это дало? 👼Люди начали активно пользоваться и делиться с друзьями, чтобы получить премиум 😈. Органический приток вырос до 40 человек в день (без рекламы). Знаете, что сильнее всего зашло людям? 🍎 Яблочки за ответы на вопросы или использование рекомендованных фраз в речи. Люди теперь прям маньячат эти яблочки, лишь бы оказаться в топе. (привет Kaggle по изучению языка). А знаете, как мы это поняли? 📊Мы все покрыли аналитикой с помощью внешнего дашборда. Оказывается, есть очень продвинутые решения для ловли событий с бэкенда. Так мы отцифровали весь клиентский путь до оплаты. Поняли, что есть проблемки. Знаете, чего людям не хватало? 🙊Мы тоже не знали, но устали от низкого ретеншена и в итоге провели кастдевы тех, кто купил и кто не купил. Все гениальное просто. Оказывается, людям не хватало секса корректировок ошибок. И мы вкатили исправление спустя 4 месяца от момента, когда впервые это услышали. Теперь люди видят прямую ценность в диалоге с ботом. А как это превратить в деньги? 💸 В качестве премиум фичей решили добавлять более продвинутую аналитику и рекомендации по замене слов на уровень выше. 🎚️ Спикадора все еще мало приносит, поэтому занимаюсь ей чисто для эксперимента и генерации моего дофамина. Поэтому учите английский)

Ребят, я вам так скажу, цените матерей своих и никогда не спрашивайте вайб-кодера на каком фрэймворке у него написан фронтенд.

🪐 Cursor & статистика самых популярных среди разработчиков моделей Топ-5 самых популярных: 1. Claude 3.7 Sonnet 2. Gemini 2.5 Pro 3. Claude 3.5 Sonnet 4. GPT-4.1 5. GPT-4o Топ-5 быстрее всего набирающих популярность: 1. o3 2. o4-mini 3. DeepSeek 3.1 4. GPT-4.1 5. Grok 3 🎚️ Пользуемся! Кстати, на днях основатель Cursor заявил, что сейчас их кодовый агент генерирует порядка миллиарда строк кода в день (и это только те, которым пользователь поставил апрув). Это при том, что во всем мире ежедневно пишется всего несколько миллиардов строчек 🧑‍💻🔥

🤯 Нейросети заменят нас еще быстрее Если боитесь потерять работу из-за ИИ, бойтесь еще сильнее 😄. В новой статье AI Digest исследователи рассказали, что AI-технологии стали развиваться практически в 2 раза быстрее. Если в период с 2019 по 2025 способности моделей росли каждые 7 месяцев (считалась длительность задач, которые агенты выполняли верно в 50% случаев), то в 2025 году время обучения сократилось до 4 месяцев 😱. В итоге сейчас модели (конкретно модель o3) может больше, чем в 50% случаев верно решить задачу, на решение которой люди тратят около 1,5 часов. Раньше исследователи делали такие прогнозы: В 2026 году нейронки смогут решать 2-часовые задачи. В 2027 — 1 рабочий день (8 часов). В 2028 — 1 рабочая неделя (40 часов). В 2029 — 1 рабочий месяц (167 часов) (И это все за один подход! 🙃) Звучит и так ничего себе, но теперь предсказания сдвинулись: если тенденция к ускорению AI сохранится, то в 2027 году операторы смогут выполнять задания продолжительностью в месяц 🫣. Я до сих пор не могу это представить. Все развивается настолько быстро, что, кажется, пора это искусственно замедлять. Иначе мы можем быть не готовы к такому сверхпрогрессу и когда он настанет, не будем знать, что делать. 🎚️ @datafeeling

⚡️Строим рекомендательную систему фильмов на Kaggle Вы когда-нибудь хотели сделать свою собственную систему рекомендаций фильмов? 🎬 Приходите на бесплатный вебинар, где Савелий Батурин, Senior ML-Engineer и преподаватель курса по ML школы Simulative в прямом эфире покажет как построить рекомендательную систему фильмов на Kaggle. Что будем делать на вебинаре: 🟠Разберем имеющиеся данные фильмов с их оценками 🟠Проведем предобработку данных 🟠Построим рекомендательную систему на основе машинного обучения 🟠Проведем расчет и анализ метрик на основе результатов работы модели Вебинар будет интересен как новичкам, так и уже опытным специалистам 😶Зарегистрироваться на бесплатный вебинар