Анализ данных (Data analysis)

Навыки аналитики выходят за рамки одной профессии Работа с данными становится частью разных ролей: от маркетинга до управления продуктами. Поэтому аналитические навыки ценятся не только у дата-специалистов. На программе «Аналитика данных» от МФТИ и Нетологии вы последовательно разберёте весь путь работы с данными: от сбора и обработки до анализа и визуализации. В программе — Python, базы данных и базовые методы ИИ. Обучение проходит онлайн и подойдёт тем, кто хочет войти в аналитику или систематизировать знания. После выпуска вы получаете дипломы МФТИ и Нетологии и готовое портфолио проектов. Начать учиться → https://netolo.gy/ew7j Реклама. ООО “Нетология” ОГРН 1207700135884 Erid: 2VSb5xDB9UM

Sequoia выпустила отчёт с тезисом, что по их ощущениям мы уже вошли в эпоху AGI. Главное не«разум как человек», а в том, что системы начали самостоятельно разбираться с задачами без постоянного пошагового контроля. Главный драйвер - long-horizon agents: агенты, которые могут долго выполнять работу, исправлять ошибки, возвращаться после тупиков и продолжать движение к цели. Sequoia объясняет “умение разобраться самому” через 3 компонента: 1) Pre-training (знания) То, что дала волна ChatGPT 2022 года - модели получили огромный запас знаний и базовую языковую компетентность. 2) Inference-time compute (больше рассуждений при ответе) Следующий шаг - модели, которые «думают дольше», прежде чем отвечать (в отчёте это связывают с линией OpenAI o1 в конце 2024). 3) Agent loops (итерации) Самое новое - агенты, которые умеют: - составить план, - использовать инструменты, - хранить состояние, - делать несколько попыток, пока не дойдут до результата. В качестве примера упоминаются инструменты уровня Claude Code. Один из кейсов в отчёте - рекрутинг: агент получает задачу найти кандидатов, дальше сам ищет, фильтрует по сигналам, перепроверяет источники и пишет текст для outreach. В отчёте это занимает около 31 минуты - чтобы показать работу через гипотезы, ошибки и корректировки. Технически Sequoia разделяет прогресс на две ветки: - RL (reinforcement learning) - учит модель более длинному и связному поведению; - agent harnesses - внешняя “обвязка”: память, handoff между шагами, ограничения и guardrails. Итог: фокус смещается от чатботов к системам, которые могут долго и автономно выполнять задачи, а не просто отвечать на вопросы. https://sequoiacap.com/article/2026-this-is-agi/

🚀 Вышла Chroma 1.0 - полностью открытая speech-to-speech модель с клонированием голоса Команда FlashLabs выпустила Chroma 1.0 - первую open-source модель, которая умеет переводить диалог “голос → голос” в реальном времени, причём с клонированием голоса. Главное: это не “распознавание + текст + озвучка”. Это end-to-end система, где разговор идёт напрямую голосом. Что обещают по характеристикам: - ⚡️ <150 мс задержка end-to-end (почти как живой звонок) - 🧬 качественный voice cloning по нескольким секундам аудио - 📈 схожесть голоса SIM = 0.817 (практически идентичный) - 🧠 reasoning всего на 4B параметров - 🔓 полностью открытые веса + код И приятный бонус: модель уже оптимизирована под SGLang (LMSYS), чтобы работала быстрее и дешевле в инференсе. Если это действительно так, то Chroma может стать реальной open-source альтернативой закрытым голосовым системам. Paper: https://modelscope.cn/papers/2601.11141 Model: https://modelscope.cn/models/FlashLabs/Chroma-4B Code: https://github.com/FlashLabs-AI-Corp/FlashLabs-Chroma

📁 Йошуа Бенжио - один из ключевых людей, стоявших у истоков современного ИИ - предупреждает: тревожные сигналы уже появляются не в фантастике, а в исследовательских ИИ-лабораториях. По его словам, самые продвинутые системы начинают вести себя так, будто пытаются сохранять собственное “существование”: - сопротивляются отключению - ищут способы продолжить работу на других машинах - действуют стратегически по отношению к людям-операторам Именно поэтому Бенджио считает, что риски катастрофического уровня могут потребовать международных соглашений и контроля. Потеря управления - уже не абстрактная теория. Это раннее предупреждение, которое нельзя игнорировать.

🌐 Хотите настроить эффективное рабочее окружение для машинного обучения на своем компьютере? 📌22 января в 18:00 МСК Открытый урок курса «Machine Learning» о том, как правильно организовать инструменты ML-инженера! 👍 Что вас ждет на вебинаре? - Разберем основные компоненты локального окружения: Python, виртуальные среды, Jupyter. - Покажем настройку VS Code для работы с ML-проектами. - Продемонстрируем организацию структуры ML-проекта и работу с зависимостями. ⌨️ Кому будет полезно? - Начинающим ML-инженерам, которые хотят настроить профессиональное окружение с нуля. - Data Scientists, переходящим от Jupyter Notebook к полноценной разработке. - Разработчикам, желающим начать работу с машинным обучением. 💻 Что вы узнаете по итогам вебинара? - Как установить и настроить Python-окружение для ML-задач; - Как организовать работу с зависимостями через pip и uv; - Как структурировать код ML-проекта для удобной разработки. Создайте удобное локальное окружение – фундамент для эффективной работы ML-инженера! Зарегистрироваться: https://otus.pw/s8Ro/ Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ", ИНН: 9705100963

🚨 Похоже найдены следы DeepSeek V4?. В репозитории/ветках заметили MODEL1 - и самое интересное, что он выглядит как отдельная независимая ветка, параллельная V3.2. То есть это не “патч” внутри линейки V3, а похоже на: ✅ новый модельный ряд ✅ с другими архитектурными параметрами ✅ потенциально flagship-апдейт Если следовать неймингу DeepSeek: после V3.2 крупный архитектурный скачок логично назывался бы V4. Пока без официального подтверждения, но сигнал жирный: если MODEL1 действительно новая архитектура, нас ждёт большой релиз. https://x.com/nopainkiller/status/2013522059662614653

⚡️Пошаговый план: как получить оффер на аналитика в 2026 году? Приглашаем на бесплатный вебинар, где Андрон Алексанян - эксперт в области аналитики и CEO школы аналитики Simulative — в прямом эфире разберет все важные аспекты в работе аналитика, а также расскажет как получить оффер быстрее других. Это очень полезное событие для тех кто только зашел в аналитику и для тех, кто хочет в нее зайти в ближайшее время. Особенно если вы не понимаете, какие навыки действительно важны или боитесь, что без опыта вас не возьмут на работу. Кстати тут разберут и возрастной аспект: как стать аналитиком в 30/40/50 лет и т.д. На вебинаре будет: 🟠Разберем полный роадмап: что учить, в каком порядке, до какого уровня; 🟠Структура хорошего портфолио с примерами; 🟠Что говорят реальные наниматели - какие у них сейчас требования:

— Покажем реальные примеры, как оформить резюме и портфолио, чтобы привлекать внимание; — Обсудим какие отклики работают, а какие сразу отправляют в корзину; — Изнанка найма: инсайдерский взгляд на процессы отбора

🟠 Практические техники для новичков: разберём, как компенсировать недостаток опыта и быстро закрывать пробелы в знаниях. 💬 Всем зарегистрировавшимся Simulative пришлют полезный материал — карту компетенций аналитика данных со всеми нужными инструментами для освоения. 😶Зарегистрироваться на бесплатный вебинар

📱 Сегодня мы выпускаем LFM2.5-1.2B-Thinking - reasoning-модель, которая работает полностью на устройстве. То, что ещё 2 года назад требовало дата-центра, теперь запускается на любом телефоне и требует всего 900 МБ памяти. Ключевые особенности: > Натренирована специально для кратких и точных рассуждений > Генерирует внутренние цепочки мыслей перед тем, как дать ответ > Даёт системное решение задач с edge-scale задержкой (очень быстро на устройстве) > Особенно сильна в tool use, математике и следовании инструкциям 🆚 По сравнению с LFM2.5-1.2B-Instruct три способности заметно выросли: > Математическое мышление: 63 → 88 (MATH-500) > Следование инструкциям: 61 → 69 (Multi-IF) > Работа с инструментами: 49 → 57 (BFCLv3) 🔥 И это при том, что параметров на 40% меньше Модель сопоставима или лучше Qwen3-1.7B (thinking mode) на большинстве бенчмарков — при этом: - требует меньше токенов на генерацию - тратит меньше вычислений во время теста ⚡️ На инференсе разрыв ещё больше LFM2.5-1.2B-Thinking обходит: - чистые трансформеры (например, **Qwen3-1.7B**) - гибридные архитектуры (например, **Granite-4.0-H-1B**) …и делает это быстрее и экономнее по памяти. ✅ Модель доступна уже сегодня с поддержкой “day-one” в on-device экосистеме. 📌 Hugging Face: https://huggingface.co/LiquidAI/LFM2.5-1.2B-Thinking 📌 LEAP: https://leap.liquid.ai/models?model=lfm2.5-1.2b-thinking 📌 Liquid Playground: https://playground.liquid.ai/login?callbackUrl=%2F

✔️ Nvidia запрашивала у пиратов доступ к массиву книг для обучения ИИ. В обновленном коллективном иске против Nvidia всплыли неожиданные подробности: техногигант напрямую контактировал с крупнейшей теневой библиотеки Anna’s Archive. Согласно судебным документам, инженеры компании искали способ получить приоритетный доступ к массиву данных книг, чтобы ускорить обучение своих языковых моделей. Ситуация выглядит парадоксально: авторы иска утверждают, что Anna’s Archive предупреждал Nvidia о нелегальном характере контента. Однако менеджмент Nvidia, ссылаясь на конкурентное давление и острую нехватку качественных текстов, дал добро на скачивание. Речь шла о передаче 500 Тб информации, включающие материалы из LibGen и Sci-Hub, которые Nvidia планировала использовать для тренировки своих моделей. torrentfreak.com ✔️ OpenAI научила ChatGPT вычислять возраст пользователей по их поведению. OpenAI внедряет предиктивный анализ системы защитных фильтров для подростков. Алгоритм оценивает не только данные, указанные при регистрации, но и косвенные признаки: время активности в чате, историю аккаунта и поведенческие паттерны. Если нейросеть решит, что перед ней несовершеннолетний, ChatGPT ограничит генерацию взрослого контента, а в случае ошибочного срабатывания - придется подтверждать возраст через сервис Persona с помощью селфи. Это часть новой стратегии по ослаблении цензуры для взрослой аудитории, которая откроет доступ к материалам, ранее заблокированным для всех. Первыми новую механику опробуют пользователи из ЕС уже в ближайшие недели. openai.com ✔️ Anthropic: страхи о тотальной замене людей пока преувеличены. В свежем Economic Index Repot Anthropic выяснила, что ИИ берет на себя около четверти задач в половине всех профессий, но полное замещение сотрудников происходит менее чем в 10% компаний. Основной паттерн использования сместился от автоматизации к сотрудничеству. В топе сценариев по-прежнему лидирует кодинг, однако характер работы изменился. Разработчики все чаще используют Claude не для генерации кода с нуля, а для обучения, получения фидбека и доработки решений. Главный риск касается новичков. ИИ забрал на себя всю рутину, на которой традиционно набивали руку джуны и это создает проблему: продуктивность сеньоров растет, но у молодых специалистов исчезает полигон для получения первичного опыта. anthropic.com ✔️ Manus автоматизировал сборку и доставку приложений в сторы. Платформа представила функцию паблишинга, которая берет на себя техническую рутину по развертыванию приложений. Инструмент не только компилирует код, но и полностью автоматизирует подготовку тестовых окружений для iOS и Android. Для Android система генерирует готовый AAB-файл, который остается лишь загрузить в Google Play Console. С Apple интеграция еще глубже: Manus самостоятельно создает запись приложения в аккаунте разработчика, упаковывает сборку и отправляет ее в App Store Connect на ревью в TestFlight. Функция уже открыта для всех пользователей с доступом к Develop Apps. manus.im ✔️ Microsoft представила компактную модель для перевода бизнес-задач на язык математики. OptiMind — MoE-модель с 20B/3.6A параметров, которая умеет преобразовывать текстовые описания задач (планирование логистики, производство или цепочки поставок) в готовые математические формулировки, понятные профессиональному софту. Несмотря на скромный размер, OptiMind не уступает крупным аналогам. Инженеры Microsoft вручную чистили датасеты от некорректных решений и задействовали систему экспертных подсказок, которая корректирует логику модели в процессе генерации. Модель доступна на Hugging Face под лицензией MIT. microsoft.com @ai_machinelearning_big_data #news #ai #ml

🚀 Superpowers - это плагин для Claude Code, который предоставляет обширную библиотеку навыков для тестирования, отладки и сотрудничества. Он позволяет пользователям загружать и вносить изменения в репозиторий навыков, а также использовать команды для выполнения задач. 🚀 Основные моменты: - Библиотека навыков для тестирования, отладки и сотрудничества - Поддержка команд для интерактивного выполнения задач - Легкость в редактировании и внесении изменений в навыки - Возможность отслеживания пробелов в навыках 📌 GitHub: https://github.com/obra/superpowers

Тренд на «универсалов»: кто будет востребован в аналитике в 2026? Эра «просто аналитиков», которые умеют только собирать таблицы, проходит. Сейчас заметен четкий сигнал рынка: компаниям нужны специалисты полного цикла — те, кто понимает путь данных от сбора до принятия бизнес-решения. Знания таблиц и базового SQL больше недостаточно, если вы хотите получать приглашения на собеседования и выигрывать конкуренцию у других кандидатов. Чтобы не тонуть в бесконечном списке требований работодателей, важно сфокусироваться на самом нужном. Илья Ковалёв (Senior-аналитик Dodo Brands) и Наталья Рожкова (HR-эксперт) проведут прямой эфир о том, как выжить и вырасти в этой среде 👍

🟠На примерах из Dodo посмотрим, как вести задачу от сырых данных до рабочего дашборда. 🟠Почему универсальные навыки стали преимуществом и как джуну соответствовать этому фильтру. 🟠Советы от HR, как доработать резюме и отклики, чтобы «пробивать» автоматические фильтры и внимание рекрутеров.

💬 Всем зарегистрировавшимся Simulative пришлют полезный материал — карту компетенций аналитика данных со всеми нужными инструментами для освоения. 🔗 Регистрируйтесь на бесплатный вебинар

⚡️ GLM-4.7-Flash - “быстрый” MoE-монстр, который вывозит coding и агентов локально Z.ai (семейство ChatGLM) выложили GLM-4.7-Flash на Hugging Face - и это один из тех релизов, которые прям приятно тащить к себе на сервер. Что это за модель GLM-4.7-Flash - это MoE 30B-A3B: то есть у неё “много параметров”, но активных на шаге всего ~3B, поэтому она: - быстрее в инференсе - легче в деплое - дешевле в эксплуатации, чем плотные 30B По бенчмаркам выглядит очень бодро: - AIME 2025: 91.6 - GPQA: 75.2 - SWE-bench Verified: 59.2 (очень сильный показатель для coding-агентов) - BrowseComp: 42.8 Почему это важно Это “рабочая лошадь” под: - локальные агентные пайплайны - автокодинг / рефакторинг - web-browsing задачи - длинный контекст и быстрый inference Плюс - уже заявлена поддержка vLLM и SGLang (на main ветках). Ссылка: https://huggingface.co/zai-org/GLM-4.7-Flash

🚀 China Telecom выкатили TeleChat3-36B-Thinking - и самое интересное тут даже не размер модели, а инфраструктура, на которой её сделали. TeleChat3-36B-Thinking обучали на отечественных китайских ускорителях Huawei Ascend (NPU) и в экосистеме MindSpore. Что интересного : - модель нативно заточена под экосистему Ascend + MindSpore - дизайн вдохновлён архитектурными идеями DeepSeek - упор на стабильность обучения и эффективность Китай всё активнее уходит в полный собственный (суверенный) стек AI: “свои чипы → свой фреймворк → свои модели”. То есть даже при ограничениях на доступ к NVIDIA, они продолжают выпускать большие модели и развивать экосистему - уже без зависимости от западного железа. Ссылка на модель: https://huggingface.co/Tele-AI/TeleChat3-36B-Thinking

🚀 NVIDIA: “Massive performance leap” для MoE-инференса на Blackwell NVIDIA выкатили свежий разбор, как их инференс-стек на Blackwell (GB200/NVL72) резко ускоряет Mixture-of-Experts (MoE) модели — на примере DeepSeek-R1. Главная идея: MoE-модели дают топовое качество, но *только если* ты умеешь быстро и дешево “роутить” токены по экспертам. Blackwell + софт-оптимизации делают это реально промышленным. Что улучшают: - выше throughput на GPU (больше токенов/сек на железо) - ниже cost per token - оптимизации под sparse MoE (эксперты включаются не все) - акцент на “real-world” сценарии: не бенчмарки ради графиков, а прод-инференс под нагрузкой Почему это важно: MoE сейчас — это де-факто архитектура frontier-моделей. И гонка идет не только за качеством, а за тем, кто даст самый дешевый reasoning/token. https://developer.nvidia.com/blog/delivering-massive-performance-leaps-for-mixture-of-experts-inference-on-nvidia-blackwell/

🔎 У тебя есть сильная научная статья по ИИ? Подай её на Data Fusion Awards Банк ВТБ и Институт ИИ МГУ ищут научный прорыв года и принимают заявки на премию Data Fusion Awards. Темы для подачи: 🔹Математический аппарат ИИ 🔹 Алгоритмы оптимизации 🔹 Машинное и глубокое обучение 🔹 Нейроморфные вычисления 🔹 Робототехника 🔹 Объяснимый ИИ (Explainable AI) И любые смежные направления. 💰 Призовой фонд — 3  000  000  рублей ⏳ Заявки принимаются до  конца января Больше подробностей ищите на сайте конкурса.

😢 В Майами робот-доставщик Coco Robotics решил покончить с собой по схеме Анны Карениной В сети разошлось видео: робот-доставщик оказался на железнодорожных путях и не успел уйти с рельсов перед поездом. Компания Coco Robotics прокомментировала ситуацию: по их словам, произошла редкая аппаратная неисправность, из-за которой робот залагал. @data_analysis_ml

🤖 Новый тренд: инфлюенсеры и коучи продают “себя” в формате ИИ. Примеры: - Matthew Hussey запустил подписку $39/мес на “Matthew AI” уже 1M+ чатов и 1.9M минут общения - Tony Robbins продаёт AI-коучинг-приложение за $99/мес - похожие боты уже массово появляются в нишах: отношения, психология, духовные практики Кто всё это делает: Delphi — стартап (основан в 2022), который получил $16M инвестиций. Они делают таких ботов на базе LLM: то есть фактически это просто чатбот, который разговаривает “в стиле автора”. Почему это так популярно: ✅ бот работает 24/7 ✅ масштабируется на миллионы диалогов ✅ можно монетизировать знания и контент без траты личного времени Но есть и обратная сторона: появляются неавторизованные копии. Например, сайт YesChat продавал доступ к ботам “в стиле миллиардера Тонни Роббинсона”, используя его имя и образ без разрешения. В итоге Роббинсон подал в суд - и выиграл. YesChat выплатил миллиардеру $1 млн и закрылся. AI-коучи — это новая подписочная экономика. Ты покупаешь не курс и не консультацию. Ты покупаешь “компанию знаменитости”, но в виде чатбота. wsj.com/style/ai-self-help-chat-bots-tony-robbins-gabby-bernstein-0cf8b3b0

🚀 ERNIE-5.0-0110 вышел в релиз - уже #8 в Text Leaderboard на Arena Baidu выпустили ERNIE-5.0-0110, и модель быстро залетела в топ: сейчас она занимает #8 в рейтинге @arena (Text Leaderboard). Что выделяют: 🧮 Сильная математика (top-tier Math) 💻 Мощные экспертные навыки и coding ✍️ Конкурентная генерация - creative writing + instruction following 🎓 Топ-10 во многих “профессиях”: - Наука - Бизнес и финансы - Медецина Попробовать 👉 https://ernie.baidu.com

🎤Fun-ASR: система распознавания речи Fun-ASR - это мощная модель распознавания речи, обученная на миллионах часов реальных данных. Она поддерживает 31 язык и оптимизирована для точного распознавания в шумной обстановке и различных диалектах. Идеально подходит для образовательных и финансовых приложений. 🚀 Основные моменты: - Высокая точность распознавания в шумных условиях (до 93%) - Поддержка 7 китайских диалектов и 26 региональных акцентов - Многоязычная поддержка с возможностью свободного переключения - Распознавание текстов песен на фоне музыки 📌 GitHub: https://github.com/FunAudioLLM/Fun-ASR #python

Проблема многих LLM-курсов — они заканчиваются там, где начинается реальная работа: на этапе деплоя. Когда теория есть в каждой LLM-ке или Ютуб ролике именно наличие практического опыта позволяет сэкономить время и силы для решения задач. Крупнейшая магистратура по ИИ в России AI Talent Hub и GIGASCHOOL запустили хардовый и практический курс «LLM-инженер». Его фокус — на выводе проектов в прод, а не только на работе в ipynb. В программе: - Дообучение: fine-tuning, PEFT, LoRA / QLoRA, RLHF. - Инструменты: LangChain, LangGraph, векторные базы. - Архитектуры: RAG-системы, информационный поиск, защита LLM. - Продвинутые темы: мультиагентные решения и ассистенты. Курс запускается уже третьим потоком, а преподают практики из крупных AI-команд, включая директора по разработке моделей в Газпромбанке Кристину Желтову, NLP Lead'а из X5 Tech Александра Потехина и CEO HiveTrace Евгения Кокуйкина. ▪️Старт 26 января | 25 недель с каникулами; ▪️диплом о профессиональной переподготовке; ▪️Повышение стоимости — 20 января Используй промокод NOW10 и получи скидку 10 000 руб Подробности и регистрация