Alfa Advanced Analytics
Открыть в Telegram
Канал про AI в Альфа-Банке. Делимся хардовыми постами по DS, DE и MLOps, обсуждаем их с профессиональным сообществом, публикуем актуальные вакансии и ивенты. IT и digital-вакансии: https://digital.alfabank.ru/vacancies
Больше5 683
Подписчики
-424 часа
-127 дней
-1730 день
Загрузка данных...
Похожие каналы
Облако тегов
Входящие и исходящие упоминания
---
---
---
---
---
---
Привлечение подписчиков
июль '26
июль '26
+66
в 0 каналах
июнь '26
+127
в 0 каналах
Get PRO
май '26
+75
в 1 каналах
Get PRO
апрель '26
+107
в 2 каналах
Get PRO
март '26
+59
в 0 каналах
Get PRO
февраль '26
+106
в 2 каналах
Get PRO
январь '26
+69
в 0 каналах
Get PRO
декабрь '25
+84
в 2 каналах
Get PRO
ноябрь '25
+448
в 0 каналах
Get PRO
октябрь '25
+141
в 1 каналах
Get PRO
сентябрь '25
+116
в 3 каналах
Get PRO
август '25
+109
в 3 каналах
Get PRO
июль '25
+108
в 1 каналах
Get PRO
июнь '25
+257
в 1 каналах
Get PRO
май '25
+95
в 1 каналах
Get PRO
апрель '25
+87
в 3 каналах
Get PRO
март '25
+164
в 1 каналах
Get PRO
февраль '25
+110
в 0 каналах
Get PRO
январь '25
+93
в 0 каналах
Get PRO
декабрь '24
+148
в 3 каналах
Get PRO
ноябрь '24
+458
в 3 каналах
Get PRO
октябрь '24
+214
в 1 каналах
Get PRO
сентябрь '24
+1 229
в 2 каналах
Get PRO
август '24
+177
в 2 каналах
Get PRO
июль '24
+143
в 0 каналах
Get PRO
июнь '24
+157
в 0 каналах
Get PRO
май '24
+141
в 0 каналах
Get PRO
апрель '24
+110
в 0 каналах
Get PRO
март '24
+153
в 1 каналах
Get PRO
февраль '24
+115
в 1 каналах
Get PRO
январь '24
+127
в 1 каналах
Get PRO
декабрь '23
+295
в 0 каналах
Get PRO
ноябрь '23
+104
в 1 каналах
Get PRO
октябрь '23
+642
в 0 каналах
Get PRO
сентябрь '23
+2 594
в 0 каналах
Get PRO
август '23
+48
в 0 каналах
Get PRO
июль '23
+859
в 0 каналах
| Дата | Привлечение подписчиков | Упоминания | Каналы | |
| 31 июля | 0 | |||
| 30 июля | 0 | |||
| 29 июля | +2 | |||
| 28 июля | +2 | |||
| 27 июля | +3 | |||
| 26 июля | 0 | |||
| 25 июля | 0 | |||
| 24 июля | 0 | |||
| 23 июля | +2 | |||
| 22 июля | +4 | |||
| 21 июля | +4 | |||
| 20 июля | +1 | |||
| 19 июля | +1 | |||
| 18 июля | +1 | |||
| 17 июля | +2 | |||
| 16 июля | +2 | |||
| 15 июля | +2 | |||
| 14 июля | +3 | |||
| 13 июля | +1 | |||
| 12 июля | +2 | |||
| 11 июля | +1 | |||
| 10 июля | +4 | |||
| 09 июля | +8 | |||
| 08 июля | +4 | |||
| 07 июля | +1 | |||
| 06 июля | +3 | |||
| 05 июля | +2 | |||
| 04 июля | +1 | |||
| 03 июля | +1 | |||
| 02 июля | +3 | |||
| 01 июля | +6 |
Посты канала
Чего вы боитесь от ИИ больше?
🤯 — Галлюцинаций
🙈 — Что не пойму, что это ИИ
😭 — Что станет умнее меня
| 2 |  Правила приличия для ИИ 🤖
В декабре 2025 года Банк России опубликовал Кодекс этики в сфере разработки и применения ИИ на финансовом рынке. К нему присоединился Альфа-Банк и другие крупнейшие банки страны.
Кодекс этики — набор принципов, которые помогают выстраивать безопасное и прозрачное взаимодействие человека с ИИ.
В его основе — пять принципов:
🤡 Человекоцентричность — ИИ должен улучшать качество и безопасность услуг
🤡 Справедливость — без дискриминации и использования данных без согласия
🤡 Прозрачность — человек должен понимать, когда взаимодействует с ИИ
🤡 Безопасность, надёжность и эффективность — качество работы моделей нужно постоянно контролировать
🤡 Ответственное управление рисками — возможные угрозы важно выявлять и снижать
«Если прочитать документ, становится понятно, что это не “свод этических заповедей для разработчиков”, а скорее руководство по комфортному и прозрачному взаимодействию банков с клиентом»,
— Михаил Васильев, руководитель Департамента развития и контроля ИИ-решений Альфа-Банка
Как эти принципы работают на практике, зачем нужен добровольный кодекс и почему ответственность за решения ИИ всё равно несёт человек, рассказываем в статье 🤡
#aaa_hardpostin | 614 |
| 3 |  Как Kaggle помогает прокачивать навыки в Data Science? 🏆
Для многих Kaggle — это соревнования по машинному обучению. Но для наших специалистов ещё и возможность изучать новые предметные области, тестировать подходы и решать нестандартные задачи.
Поговорили с Кириллом Кривошеевым, старшим специалистом по интеллектуальному анализу данных, о том, как он пришел в Kaggle и какие решения помогли занять призовые места.
▶️ Как ты пришел в Kaggle?
«Про Kaggle я узнал во время обучения в институте. Участвую в соревнованиях, когда есть свободное время, для меня это хобби. Соревнования очень разнообразные, и часто это способ познакомиться с новой предметной областью, задачами и подходами к их решению».
В каких соревнованиях ты участвовал?
🥈 Optiver — Trading at the Close (декабрь 2023, серебряная медаль, топ-4%)
Задача — прогнозирование временных рядов на основе истории и текущих данных аукциона.
«Основная идея решения заключалась в том, чтобы автоматически дообучать модель каждые 20 дней на новых данных во время периода предсказаний».
🥇 Santa 2025 — Christmas Tree Packing Challenge (январь 2026, золотая медаль, 16 место)
Участникам нужно было найти оптимальный способ упаковать 2D-елки в квадрат минимального размера.
«Ключевыми стали использование специализированной библиотеки sparrow, идея регулярного прямоугольного шаблона и своевременное объединение в команду».
🥇 Predicting Irrigation Need (апрель 2026, 1 место)
Нерейтинговое соревнование по табличным данным.
«Основой решения стал стекинг сильнейших табличных моделей — бустингов (XGBoost, CatBoost) и современных нейросетей (TabM, RealMLP и других) с разнообразной генерацией признаков».
🥈 Orbit Wars (июнь 2026, серебряная медаль, топ-4%)
Задача — разработать бота для стратегии в реальном времени по захвату планет.
«Основной идеей стала оптимизация начальной фазы расширения с учетом полезности планет и добавление возможности ожидания при захвате нейтральных планет».
А вы делитесь, если тоже участвовали в соревнованиях Kaggle 🔽
#aaa_experts | 1 347 |
| 4 |  +4Как рекомендовать задания миллионам пользователей? 🎮
В играх Альфа-Банка пользователи выполняют задания ради игровых бонусов, а для банка это реальные действия: оплата ЖКУ, бронирование отелей, заказ карты и другие продуктовые сценарии.
Когда таких заданий стало много, появилась задача рекомендовать каждому пользователю именно те, которые он с большей вероятностью выполнит. Казалось, что логичным решением станет одна модель для всех заданий. Но на практике всё оказалось сложнее: единая архитектура плохо работала с разными типами продуктов. В итоге лучшим решением оказался совсем другой подход.
🔗 Почему простая архитектура победила более сложные варианты, рассказал Сергей Валин, старший специалист по интеллектуальному анализу данных. Главное собрали в карточках, а полная история экспериментов уже на Хабре.
#aaa_hardposting | 1 268 |
| 5 | Нет текста... | 1 925 |
| 6 | Text2SQL.pptx | 359 |
| 7 |  Как научить LLM писать SQL для банка? ⚡
На Saint HighLoad++ наш коллега Никита Круглов, DS-разработчик, рассказал, как команда Альфы создавала сервис Text2SQL, который переводит запросы на естественном языке в SQL-запросы к данным банка.
Сегодня сервис помогает аналитикам работать с данными без знания SQL. В нём уже описано 200+ таблиц, а спрос со стороны команд растёт.
В докладе Никита подробно рассказал:
▶️ Какую актуальность представляет Text2SQL для банка
▶️ Как устроена архитектура сервиса, выделив ключевые компоненты влияющие на генерацию SQL
▶️ Как команда контролирует качество сервиса, оценивает работу tool calling, поиска документов и генерации SQL на «золотом» датасете
▶️ Почему успех Text2SQL зависит не только от архитектуры модели, но и от пользователей
▶️ Поделился, какие шишки команда успела набить по пути создания собственного Text2SQL
А подробнее про сервис узнавайте из презентации с выступления 🔽
#aaa_event | 2 388 |
| 8 |  +4Взяли Generation AI Awards 2026 в номинации «Лучшее применение генеративного AI для разработки и тестирования» 🏆
Победу нам принес AgenticML — система AI-агентов, которая автоматизирует жизненный цикл ML-моделей. Проект помогает сократить рутинную работу сотрудников, ускоряет вывод моделей в прод и снижает модельные риски.
«Победа Agentic ML в премии Generation AI Awards подтверждает правильность стратегического движения банка в области ИИ.
Мы начинаем применять агентов там, где раньше требовалась значительная ручная экспертная работа: анализ артефактов, подготовка документации, проверка качества кода и сопровождение моделей. Это позволяет дата-сайентистам меньше времени тратить на повторяющиеся операции и больше фокусироваться на исследовательской работе.
Для банка это шаг к повышению операционной эффективности ML-разработки. Экспертиза DS/ML-команд масштабируется и стандартизируется, time-to-market моделей сокращается, а качество решений растет при снижении модельных рисков»,
— Константин Четин, начальник управления по разработке инструментов автоматизации моделирования.
В карточках рассказываем, как устроен AgenticML, что происходит под капотом и каких результатов удалось добиться благодаря AI-агентам 🔼
#aaa_hardposting | 2 116 |
| 9 |  +9Хотели заменить RNN трансформерами
Не всё пошло по плану, но без важных открытий не остались 💡
В новой статье команда прикладных исследований и разработки моделей глубокого обучения делится актуальными разработках в области нейросетевого кредитного скоринга физических лиц.
На карточках рассказываем коротко, как менялась архитектура моделей, что дало максимальный аплифт и почему некоторые идеи оказались не такими эффективными, как ожидалось.
А полностью про эксперименты команды читайте в статье 🔗 | 2 202 |
| 10 |  Видеосообщение | 1 274 |
| 11 |  Видеосообщение | 1 267 |
| 12 |  Видеосообщение | 1 319 |
| 13 |  Видеосообщение | 1 166 |
| 14 | На связи Ольга Кравченко, начальник управления оценки продуктовых изменений и развития А/В тестирования, а ещё модератор на Saint HighLoad++.
Показываем закулисье конференции, скорее смотрите 🔽 | 980 |
| 15 |  +5ИИ внедряют многие. А считать его эффект умеют единицы 📊
В офисе Альфа-Банка вместе с Альянсом ИИ собрали представителей крупнейших компаний страны, чтобы обсудить важный вопрос для рынка: какую реальную пользу приносит ИИ бизнесу.
Эксперты из 20+ компаний больше года работали над единой методикой оценки финансового эффекта от ИИ, а на митапе поделились своими кейсами и подходами.
👨💼 Михаил Васильев, руководитель департамента внедрения, развития и контроля ИИ-решений Альфа-Банка, рассказал, почему эффект от ИИ зависит не только от запуска модели, но и от её дальнейшей работы:
«Искусственный интеллект уже стал частью бизнес-процессов, и теперь ключевой вопрос, какой результат он приносит. Для рынка важно вырабатывать общую логику оценки и учитывать не только вклад технологии, но и устойчивость результата после запуска»
Три ключевые мысли встречи:
➡️ Запуск модели не гарантирует результата. Важно, как она работает после внедрения
➡️ Если модель ошибается или даёт нестабильный результат, финансовый эффект тоже может уменьшиться
➡️ Бизнесу нужно не только внедрять ИИ-решения, но и управлять ими после запуска
Методика уже прошла экспертную валидацию и опубликована, теперь её могут использовать компании по всему рынку.
#aaa_event | 1 427 |
| 16 |  ИИ тоже стареет 👀
И чем умнее модели становятся, тем сложнее поддерживать их точность.
Данные устаревают, а LLM всё чаще начинают галлюцинировать. Поэтому внедрить ИИ один раз и забыть о нём не получится, моделям нужно регулярное «техобслуживание».
В новой статье разбираем, почему ИИ деградирует, как это проявляется на практике и какие инструменты помогают держать качество моделей под контролем.
«Если проводить аналогию с добычей золота, то раньше у отрасли была золотая руда, которую можно брать — и сразу выплавлять чистый металл. Теперь же для качественного обучения ИИ нужно работать с золотым песком: промывать всё больший объем данных, чтобы намыть что-то ценное»,
— Дмитрий Рузанов, директор департамента по разработке моделей в Альфа-Банке
А ещё рассказываем, как в Альфе борются с деградацией моделей с помощью мониторинга, AutoML, стресс-тестов и работы с качеством данных.
Читать статью
#aaa_habr | 1 525 |
| 17 |  +6🏆 Сразу два наших проекта стали победителями премии «Лидеры цифровизации».
Один помогает новым клиентам малого бизнеса быстрее разобраться с продуктами банка и начать ими пользоваться. А второй с помощью AI подбирает продукт, контент и момент коммуникаций для миллионов клиентов.
Показываем, как работают оба решения и каких результатов достигли 🔼
#aaa_hardposting | 1 984 |
| 18 |  Остаётся несколько дней 🔥
Захотите на Яндекс Контест и решайте задачу до 3 июня. | 1 583 |
| 19 |  +5Что стоит за быстрыми AI-сервисами, аналитикой и отчётностью в банке?
Обычно все говорят про модели и алгоритмы, но без сильной data-платформы масштабировать это просто невозможно.
Рассказываем про Big Data Platform 2.0, единую платформу данных Альфы, которая помогает быстрее запускать дата-решения, интегрировать новые системы и работать с данными почти в реальном времени.
Кстати, этот проект недавно получил TECH & AI Awards 2026 в номинации «Платформа года» 🏆
А на карточках читайте, как устроена платформа и чум она помогает бизнесу 🔼
#aaa_experts #aaa_hardposting | 2 020 |
| 20 |  +5Все говорят про AI, LLM и агентов 🧠
Но что происходит, когда нейросеть все-такие решили попробовать?
В новой статье разбираем, как компании переходят от AI-экспериментов к промышленному внедрению, зачем бизнесу AI-платформы и почему без Feature Store уже никуда, как считают эффект от AI и где всё ещё выигрывает классический ML. А самое главное, почему главный фактор AI-трансформации — люди, а не модели.
Cобрали ключевые мысли из материала на карточках 🔼
Читайте статью на РБК или Компьютерре.
#aaa_hardposting | 1 688 |
