LEFT JOIN

Сделай сам: мини-курс по обучению ИИ с нуля Лучший способ разобраться, как что-то работает — попробовать сделать это самому. С языковыми моделями это тоже работает. 🔜 На github выложили мини-курс, где автор предлагает собрать GPT своими руками, чтобы понять, как устроены современные LLM внутри. Идея проекта в том, что вместо использования готовых библиотек вроде Hugging Face или LangChain написать почти все основные части модели самостоятельно. Для успешного прохождения понадобится только знание Python — опыт работы с ИИ и машинным обучением не обязателен. Курс состоит из шести уроков, за время которых вы напишете токенизатор, познакомьтесь с трансформерной архитектурой, выстроите цикл обучения и в конце концов получите модель, которая пишет стихи почти как Шекспир.

Периодическаяя таблица ИИ-стартапов ИИ с нам уже достаточно долго, чтобы вокруг него выросла целая индустрия с разными направлениями — какие-то все еще бурно растут, а какие-то уже даже стабилизируются. Это хорошо видно на визуализации, опубликованной на Tableau Public. Автор свел воедино данные об успехах и развитии ИИ-стартапов из нескольких категорйи за год, с февраля 2025 по февраль 2026. Он выделил 4 большие группы ИИ-компаний: 🔵Базовый уровень — разрабатывают сами модели (OpenAI, Anthropic) и ИИ-инфраструктуру (Databricks). 🔵Горизонтальный уровень — создают инструменты для широкого списка задач, которые могут использоваться в разных сферах: от написания кода до генерации картинок и музыки. 🔵Вертикальный уровень — разрабатывают узкоспециализированные инструменты, которые применяются в медицине, юриспруденции, научных исследованиях и так далее. 🔵Передовые технологии — робототехника, кибербезопасность, умные голосовые помощники. На инфографике можно отследить основные тренды. На базовом уровне все стабильно, узкоспециализированный ИИ уверенно набирает обороты, а те, кто делает агентов и инструменты для разработчиков, переживают взрывной рост. Последняя разношерстная категория «передовых» стартапов тоже быстро растет и даже обгоняет некоторых ветеранов». А какие тренды на ИИ-рынке заметили вы?

С Днем труда, дорогие подписчики! В честь праздника принесли вам тематический плагин Endless Toil («бесконечный труд»). Если запустить его с Codex, Claude или Cursor, он будет издавать страдальческие стенания по мере того, как ИИ продирается через ваш код. Звук и правда душераздирающий и позволяет в полной мере прочувствовать всю тяжесть ИИ-труда.

А нужна ли вам база данных? Любой бизнес так или иначе генерирует и собирает самые разные данные, которые надо где-то хранить — в идеале так, чтобы еще и обеспечить к ним удобный доступ.Самое логичное решение этой задачи — развернуть базу данных. А что если попробовать без нее? По сути, данные в базе — это обычные файлы, с которыми вполне можно работать напрямую, без дополнительного слоя БДшной логики сверху. Вопрос только в том, будет ли это удобнее и быстрее? Ответ нашли ребята из DBPro — приложения по управлению базами данных. Они протестировали разные способы найти данные внутри простых JSONL-файлов на трех датасетах — с 1000, 100 000 и 1 000 000 записей: 🔵Линейный поиск — каждый запрос читает весь файл целиком от первой до последней строки. 🔵Загрузка в память — при запуске приложения файл читается один раз, данные сохраняются в хэше, и поиск ведется по нему. 🔵Бинарный поиск по индексу — данные хранятся на диске и сортируются по Id, на основе чего и создается индекс. 🔵SQLite — собственно, классический вариант работы с данными через СУБД. Вы уже, наверное, можете догадаться, что было в результатах, хотя бы частично: SQLite одинаково легко справляется что с 1000, что с 1 000 000 записей, а вот линейный поиск на больших датасетах позиции резко сдает. А вот то было неожиданно, так это то, что загрузка в память и бинарный поиск оказывались быстрее SQLite. SQLite обрабатывала стабильные 25-26 тысяч запросов в секунду, бинарный поиск — до 45 тысяч, а поиск в памяти — до 169 тысяч. Этого не просто достаточно для большинства сайтов или приложений — многие и близко не подходят к такому объему. Но надо учитывать, что эксперименте проводили на простых запросах, в которых не приходилось искать данные по нескольким полям сразу, объединять таблицы и применять другие интересные функции. То есть при всей простоте реализации и высокой производительности, способы применения ограничены проектами без сложной архитектуры, где не нужно работать с аналитикой. 🔜 В итоге эксперимент не столько убеждает срочно отказаться от использования БД, сколько подталкивает почаще мыслить нестандартно и смотреть критически даже на вещи, которые кажутся очевидными.

Приближатеся дефицит ИИ? Взрывной рост ИИ столкнулся с серьезным препятствием — таким же взрывным ростом цен на железо и недостатком вычислительных мощностей. Стоимость аренды часа использования ИИ-чипов NVIDIA Blackwell подскочила на 48% по сравнению с тем, что было еще в начале года. Дата-центры в США, мало того что перегружены, так еще и встречают постоянное — и объяснимое — сопротивление местных жителей, которые выступают против их строительства. Если тенденция сохранится, то рынок неизбежно изменится. 🔵Доступ к самым продвинутым и умным моделям будет ограничен. Mythos, новая нашумевшая модель от Anthropic, которой те поделились с достаточно небольшим количеством компаний, тому пример. 🔵Бизнесам, полагающимся на ИИ в работе, и разработчикам ИИ-продуктов придется тщательнее отбирать модели и искать, где можно сэкономить. Возможно, вместо «рассуждающих» флагманов придется задуматься о небольших, локальных опциях. 🔵Рост цен на железо и поддержание инфраструктуры приведет к росту цен на использование ИИ — а значит, и компаниям, которые построили вокруг него свои продукты, придется поднимать цены. Только мы все привыкли к ИИ, как тут же появился риск, что он станет только для богатых. 😕

OpenAI представила Images 2.0 Это новая «думающая» модель для генерации изображений. Вместо тысячи слов — одна картинка, которую она сделала сама целиком, включая текст. Эх, уходит эпоха мемов со смешной кривой кириллицей на ИИ-картинках. Главные особенности модели по сравнению с предыдущей версией: 🔵Точнее следует промптам и за счет этого дает пользователю больше контроля над процессом генерации изображения. 🔵Знает больше языков, включая японский, хинди и, как видите, русский. 🔵Лучше придерживается заданного стиля — и реалистичную фотографию сделает и страничку из манги. 🔵В целом серьезнее подходит к задачам за счет умения «рассуждать» — может искать информацию в интернете, создавать сразу несколько изображений, рисовать схемы и инфографики. Хотя с очень уж сложными задачами она еще справляется неидеально. В качестве примера таких задач приводят инструкции по сборке оригами или изображения с большим количеством мелких деталей. Модель доступна бесплатно, так что ничто не мешает потестить, что еще она умеет.

ИИ, который работает для бизнеса Бронируйте слот в календаре! 🔥 28 апреля в 12:00 МСК пройдет KARPOV.CONF 2026 — большая онлайн-конференция от karpovꓸcourses про работу с ИИ. Там обсудят все, что действительно важно сегодня: как компании внедряют ИИ в свои процессы, какие задачи он решает и какой результат это дает на практике. Среди спикеров — эксперты из топовых российских компаний, которые работают с ИИ не в теории, а каждый день. На конференции не будет обзорных докладов и пересказа очевидных вещей. Только реальные кейсы, цифры и выводы: 🔵какие решения действительно работают; 🔵где ИИ дает ощутимый эффект; 🔵с какими ограничениями и рисками сталкиваются команды; 🔵какие ошибки допускают на проектах и как их избежать. Это возможность за короткое время получить концентрат практического опыта и посмотреть на ИИ без иллюзий — через реальные задачи бизнеса. 🔜 Зарегистрироваться

Fine Day Online 2026 — ежегодная онлайн-конференция про BI 22 апреля | 15:00 МСК | Онлайн Данные есть — чуда нет. Дашборды построены, хранилища заполнены, а бизнес по-прежнему принимает решения «на ощущениях». GlowByte и FanRuan собрали практиков, которые с этим справились — и готовы рассказать как. Программа: 🔵От сбора данных к ИИ-инсайтам Вилл Ченг, FanRuan 🔵Интеграция FanRuan + дата-каталог DataHub Дмитрий Конюхов, Галамарт 🔵Как сделать 1 500 дашбордов удобными и востребованными для 2 500 пользователей и 200 разработчиков Семён Юников, Уралсиб 🔵«Теневое» хранилище данных: побочный эффект аналитики самообслуживания Пётр Гордиенко, ОТП 🔵Миграция FineBI 6.0 → 7.0: грабли и выводы Евгений Иванов, ОТП Для кого: руководители и специалисты по аналитике и работе с данными, BI-разработчики, продуктовые и бизнес-аналитики. ~3 часа. Бесплатно. Без воды. 🔜 Регистрация

Хэй, ребята, Коля на связи 🙂 Планирую дать вам немного апдейтов от первого лица в ближайших постах. Главное: Valiotti Analytics — все. Теперь вместо нее Valiotti Data. К этой трансформации мы шли 7 лет, и причин у нее несколько. Первая: мир сильно изменился. Последний год мы в агентстве чувствовали, что стагнируем, вся сфера аналитики коммодитизируется, а стоимость услуг падает. После бума курсов появилось огромное количество новых кадров, а мы получили перегретый рынок. Нашими основными рынками всегда были США и Европа, но на них сейчас царит жесткая конкуренция с кандидатами из постсоветского пространства и азиатских регионов. Они за работу просят меньше, чем мы, и, соответственно, борьбу с ними мы проигрываем. И хотя мы никогда не целились в низкоценовой сегмент и работали с крупными компаниями, у которых есть деньги на качественные услуги, есть и другая проблема. Вторая причина — это ИИ. Уже сегодня огромное количество работы я лично, мои коллеги и все наши клиенты могут делегировать искусственному интеллекту. Наше агентство специализировалась на чисто исполнительской работе: мы приходили как толковые руки и помогали компании настроить дашборды, отчеты, инжиниринг, хранилище. Такой подход больше не работает, и даже само понятие «аналитика» меняется и может исчезнуть вовсе. Написать SQL-запрос или код на Python — это больше не серьезная задача, под которую надо нанимать специалиста. На этом фоне я нашел для себя новую роль: fractional CDO или руководителя по данным на неполный день. Я прихожу и беру на себя ответственность за все, что происходит с данными и аналитикой в компании. Эта должность подразумевает, что человек должен мыслить инструментами, ресурсами, проблемами и задачами, которые помогают бизнесу расти. Она тоже сильно изменилась по сравнению с тем, что было раньше: сегодня, используя ИИ, я могу выполнить построение аудита и дорожной карты для клиента в разы быстрее, чем пару лет назад. Я в этой роли намного счастливее, чем когда я был просто менеджером агентства, потому что воочию вижу результат своей работы, но это отдельная история. Главное, что на это есть спрос: людям нужны не просто исполнители, а толковые умы, которые готовы взять на себя ответственность. Когда я пришел к этому осознанию, я понял, что надо полностью менять модель бизнеса и взять этот функционал за основу. И теперь моя компания фокусируется на работу с данными в целом, а не только на аналитику, и логичным решением стала и смена позиционирования. В совокупности, все это повлекло переосмысление бренда и стека технологий и услуг, которые мы предлагаем. Заходите на обновленный сайт — там все подробности. P.S. Скоро расскажу еще о ряде проектов, которые делаем

Как ИИ меняет аналитику Нет, речь не про то, как он отнимает у кого-нибудь работу. Ксения Бокша из OneData VK поделилась наблюдениями о том, как сейчас развивается дата-сфера. Сегодня выделяются 4 крупных тренда: 🔵Демократизация аналитики. Знать SQL, чтобы залезть в БД за выгрузкой, больше необязательно — теперь вопрос решается через отправку запроса на естественном языке к ИИ. 🔵Автоматизация процессов и избавление от рутины, за которые компании платят растущими рисками. Хотя ИИ снимает нагрузку с сотрудников, растет риск ошибок из-за галлюцинаций, которыми искусственный интеллект до сих пор грешит. 🔵Централизация дата-инфраструкутры. ИИ с децентрализованными системами не дружит: для обучения ему нужно, чтобы весь контекст лежал в одном месте. 🔵Смещение акцента на качество, а не на количество. Очистить «грязные» данные дешевле, чем разбираться с ошибками, которые наделает ИИ на их основе. 🔜 Следующий шаг — это переход к системам с автономными ИИ-агентами. Люди будут делать еще меньше работы руками и больше управлять, обучать и контролировать.

Что еще умеет SQLite Раз уж заговорили про эту СУБД в прошлом посте, давайте посмотрим, как еще интересные функции и возможности у нее есть, о которых кто-то может не знать. Нашли подборку примеров. Кроме уже знакомого WAL, там упомянуты: 🔵Работа с файлами JSON: SQLite умеет хранить их прямо в таблицах и отправлять к ним запросы. 🔵Полнотекстовый поиск с с ранжированием, поиском по фразе или части слова — для этого понадобится расширение FTS5. 🔵Обработка сложных аналитических запросов с применением оконных функций и общих табличных выражений. 🔵«Строгие» таблицы, как в PostgreSQL и других классических СУБД. — их добавили в дополнение к динамической типизации, которой известна SQLite. 🔵Виртуальные столбцы, в которых можно хранить производные данные (например, результаты вычислений) рядом с исходными, не удаляя, изменяя или дублируя их. А какие полезные функции SQLite вы знаете?

Магазин на SQLite Без мам, пап и кредитов вездесущего PostgeSQL. Команда магазина, которым полностью управляют ИИ-агенты, рассказала, как обходится один SQLite и не жалуется. Текст в блоге, кажется, тоже писал ИИ, но кое-что интересное из него можно почерпнуть. 🔵У них 4 БД: основная данными о заказах и покупателях, кеш, очередь задач и ответственная за Action Cable. Все хранятся в одном томе Docker. 🔵По умолчанию, когда один человек делает запись, SQLite блокирует БД для всех остальных. Это не слишком удобно для сайта, который обрабатывает множество запросов одновременно. Выход нашли с помощью WAL: новые записи добавляются в файл .wal, а не в БД напрямую. Ничего не блокируется и не мешает пользователям. 🔵Единственная серьезная проблема, с которой команда столкнулась из-за ограничений SQLite, упомянутая в тексте, — потеряли два заказа, которые потом нашли в таблице sqlite_sequence. Виной были слишком частые обновления, из-за которых записи о заказах не сохранились в базе. В итоге получается, что у SQLite есть свои нюансы, но для небольшого сайта — это вполне жизнеспособное решение. Как вам такая идея, стали бы делать интернет-магазин на этой СУБД?

DOOM в DNS Неисчислимы способы запустить DOOM на всех возможных языках программирования и устройствах. И вот к ним добавился еще один. У DNS есть тип записей .txt, в которых теоретически должна содержаться информация о домене. На практике туда можно занести любой текст объемом до 2000 знаков и «распространять» его через Cloudflare. Так можно напилить DOOM на 1964 маленьких кусочков и раскидать по файлаv DNS TXT. Затем надо будет написать код на PowerShell, чтобы он собрал эту мозаику обратно. Итоговый .wad-файл на диск не записывается, игра запускается прямо из памяти. Единственный недостаток в том, что аудио из нее пришлось вырезать, чтобы уменьшить размер.

В Японии ИИ не отнимает работу у людей… …потому что отнимать не у кого. Страна стареет, рождаемость падает, и работоспособного населения становится все меньше. В таких условиях внедрение ИИ в работу происходит не из желания сэкономить или не отстать от технологической гонки, как на Западе, а от необходимости, рассказывает портал TechCrunch. 🔜 Но у Японии свой путь — здесь делают ставку на «физический» ИИ. Роботов, то есть, которыми страна всегда славилась. Министерство торговли, экономики и промышленности обещает к 2040 году занять занять 40% мирового рынка ИИ-робототехники. Выглядит реалистично — экспертиза в создании железа уже есть, осталось только прокачаться в том, в чем традиционно были сильнее США: разработка программного обеспечения, экосистем и платформ. Возможно, здесь поможет любопытная «гибридная» система, которая формируется на рынке Японии. Если на Западе каждый сам за себя и в лучшем случае перспективную маленькую компанию могут просто перекупить, то здесь корпорации охотно кооперируются с молодыми стартами. В этом симбиозе условные Toyota и Mitsubishi отвечают за производство, внедрение и дистрибуцию, а их младшие партнеры — за инновации и эксперименты.

Для тех, кто любит шахматы и SQL Теперь вы можете играть в шахматы на SQL. Да, этот язык настолько могуч, что позволяет собрать таблицу-шахматную доску и двигать по ней фигуры. Чтобы доска была похожа на доску, надо трансформировать строки в колонки с помощью условной агрегации:

--Создаем таблицу и расставляем на ней фигуры — белые в двух верхних рядах, черные в нижних
DROP TABLE IF EXISTS board;
CREATE TABLE board (rank INTEGER, file INTEGER, piece TEXT);
INSERT INTO board (rank, file, piece) VALUES

(1, 1, '♖'), (1, 2, '♘'), (1, 3, '♗'), (1, 4, '♕'), (1, 5, '♔'), (1, 6, '♗'), (1, 7, '♘'), (1, 8, '♖'),
(2, 1, '♙'), (2, 2, '♙'), (2, 3, '♙'), (2, 4, '♙'), (2, 5, '♙'), (2, 6, '♙'), (2, 7, '♙'), (2, 8, '♙'),
(7, 1, '♟'), (7, 2, '♟'), (7, 3, '♟'), (7, 4, '♟'), (7, 5, '♟'), (7, 6, '♟'), (7, 7, '♟'), (7, 8, '♟'),
(8, 1, '♜'), (8, 2, '♞'), (8, 3, '♝'), (8, 4, '♛'), (8, 5, '♚'), (8, 6, '♝'), (8, 7, '♞'), (8, 8, '♜');

-- Превращаем таблицу в расчерченную доску 8х8
WITH full_board AS (
  SELECT r.rank, f.file, b.piece
  FROM (SELECT 1 AS rank UNION SELECT 2 UNION SELECT 3 UNION SELECT 4 UNION SELECT 5 UNION SELECT 6 UNION SELECT 7 UNION SELECT 8) r
  CROSS JOIN (SELECT 1 AS file UNION SELECT 2 UNION SELECT 3 UNION SELECT 4 UNION SELECT 5 UNION SELECT 6 UNION SELECT 7 UNION SELECT 8) f
  LEFT JOIN board b ON r.rank = b.rank AND f.file = b.file
)
SELECT
  rank,
  MAX(CASE WHEN file = 1 THEN COALESCE(piece, '·') END) AS a,
  MAX(CASE WHEN file = 2 THEN COALESCE(piece, '·') END) AS b,
  MAX(CASE WHEN file = 3 THEN COALESCE(piece, '·') END) AS c,
  MAX(CASE WHEN file = 4 THEN COALESCE(piece, '·') END) AS d,
  MAX(CASE WHEN file = 5 THEN COALESCE(piece, '·') END) AS e,
  MAX(CASE WHEN file = 6 THEN COALESCE(piece, '·') END) AS f,
  MAX(CASE WHEN file = 7 THEN COALESCE(piece, '·') END) AS g,
  MAX(CASE WHEN file = 8 THEN COALESCE(piece, '·') END) AS h
FROM full_board
GROUP BY rank
ORDER BY rank DESC;

Чтобы передвинуть фигуру, надо удалить ее из старой клетки и вставить в новую:

DELETE FROM board WHERE rank = 2 AND file = 5;  -- Пешка с е2…
INSERT INTO board VALUES (4, 5, '♙');            -- …перемещается на е4.

Готово, у вас есть SQL-шахматы, а значит, вам никогда не будет скучно на работе. Если играть не с кем, то можно разыграть в соло какую-нибудь классическую партию — автор идеи привел в своем блоге несколько примеров.

Тяните карту Устали принимать решения на основе данных и аналитики? Не можете больше смотреть на дашборды и обсуждать планы на бесконечных совещаниях? Тогда спросите у карт, что делать! Понимаем, что не у всех есть колода под рукой, и поэтому предлагаем специальный сервис. Выбираете, сколько карт тянуть, суть задачи (выпуск продукта, запуск теста, закрытие проекта и так далее) и свою роль (аналитик, руководитель, инженер или уборщица тетя Маша, которая проходила мимо), ну а сервис выдает вам расклад с расшифровкой. Есть даже версия на русском. Может быть, не самый оптимальный способ решить, что дальше делать со своим проектом, зато быстрый.

Что бы мы делали, если бы сейчас выбирали STEM-вуз? Думаем, в первую очередь поменяли бы сам подход к выбору. Раньше логика была довольно простой: ищешь сильный вуз, поступаешь на понятное направление и дальше идешь по заданной траектории. Но сейчас ситуация иная, вспомнить хотя бы исследование о подготовке ИИ-специалистов и о том, что требования к ним меняются быстрее, чем обновляются учебные программы. Это понятно и экспертам, и самим абитуриентам. В США, например, классические computer science-направления уже теряют часть набора, а интерес всё заметнее смещается в сторону AI-программ. Видно, что для абитуриентов всё важнее становится актуальность треков и связь с тем, как реально меняется технологический рынок. И если быть в числе тех, кто выбирает направление в IT и AI, нужно смотреть на несколько вещей: 🔵есть ли в обучении реальные задачи из индустрии, помимо учебных кейсов, 🔵кто участвует в разработке программы — только вуз или ещё и компании, 🔵есть ли возможность работать с практикующими специалистами, а не только с преподавателями-теоретиками. Потому что именно в таких условиях быстрее осваиваются навыки, которые реально применяются в работе. Отсюда и интерес к программам, которые изначально строятся в связке с индустрией. Тот же ШАД Яндекса один из первых вместе с вузами открыл совместные магистратуры. В таких программах обычно сочетается фундаментальная математическая база университета и работа с актуальными задачами в ML и AI, которые используются специалистами на практике. Поэтому, если смотреть на магистратуры сегодня, важно то, как именно они устроены внутри: есть ли в программе сильная теоретическая основа и при этом доступ к современным подходам и задачам из индустрии. Именно в таких сочетаниях чаще всего и появляется возможность не просто углубить знания, а разобраться, как они применяются в реальной работе.

Так себе первое апреля у Anthropic Пока мир отмечает День смеха, Anthropic не до шуток— 31 марта они случайно слили исходный код Claude, отправив в пакете npm файл .map. Меры уже приняли, но энтузиасты успели заглянуть внутрь и найти там много интересного: 🔵Механизм отправки ложных описаний инструментов Claude в запросах API. Они нужны, чтобы «отравить» данные, если кто-то попытается собирать их для тренировки своей модели. 🔵Режим, который запрещает Claude упоминать Anthropic, ее проекты (включая кодовые названия), названия репозиториев или каналов в Slack. 🔵Режим «обнаружения недовольства», который фиксирует ругательства или другие выражения разочарования работой модели в ответах пользователей. 🔵Пока не анонсированный официально агентский режим под названием KAIROS. 🔵ИИ-тамагочи, который генерируется на основе id пользователя. Предусмотрены несколько видов «питомцев» с разными уровнями редкости. А как у вас 1 проходит первое апреля? Лучше, чем у Anthropic?

Начинаем неделю продуктивно — с погружения в CDRT CRDT расшифровывается как Conflict-free Replicated Data Type или «Тип данных с репликацией без конфликтов». Это то способ хранения и синхронизации данных между несколькими устройствами. Это он позволяет совместно редактировать файлы нескольким людям одновременно, как в Notion, Evernote и других подобных сервисах. CRDT фиксирует и автоматически объединяет все изменения, не допуская конфликтов или потери информации — отсюда и название, собственно. Если хотите разобраться подробнее, как это работает, то у нас для вас есть пара полезных ссылок. 🔵Интерактивное введение — длинный пост с примерами кода и да, как можно догадаться, интерактивными элементами, на примере которых объясняются ключевые принципы: например, как данные синхронизируются несмотря на задержки или проблемы со связью. 🔵Создание редактора для пиксель-арта для совместной работы — продолжение первого поста, где вы сможете отточить полученные знания (и порисовать заодно).

«Одной математики и технологий мало — нужен еще и здравый смысл»: как работают платформы для экспериментов Рынок сервисов для проведения и анализа экспериментов — молодой и пока небольшой. Хотя спрос на такие услуги высок и постоянно растет, игроков, как в России, так и за ее пределами, не так уж и много. Тем интереснее смотреть, как он развивается прямо у нас на глазах. Про реалии рынка сейчас и перспективы в будущем, рассказывает гость подкаста Data Heroes — Виталий Черемисинов. Виталий — один из со-основателей EXPF Sigma, платформы для экспериментов, которую в прошлом году приобрела Авито Тех для развития своего проекта Trisigma. Что обсудили в выпуске? 🔵Можно ли сохранить свободу в принятии решений и контроль над своим продуктом, переходя «под крыло» корпорации? 🔵Как работают маркетинг и привлечение клиентов в такой специфической сфере — и кто вообще главные заказчики и пользователи платформ для экспериментов? 🔵Чем российский рынок отличается от западного, и почему у нас не любят облачные сервисы? 🔵Кто главные игроки на российском и западном рынках, и за чьими успехами стоит следить? 🔵Почему иногда главный конкурент платформы для экспериментов — это не другой поставщик, а внутренний эксперт компании-заказчика? Смотреть: YouTube, VK Видео (будет чуть позже) Слушать: Apple Podcasts, Яндекс Музыка