Вечная тема — ресурсов нет, но требуется сделать качественный продукт.

Product owner в «Атом.Око» Яхья Ибрагимов рассказал про разработку OCR-решения для распознавания документов. Как в рамках больших проектов получить максимальную пользу от Open Source-решений и самостоятельно создать датасет. И что надо учесть для передачи продукта заказчику.

Подробности в статье

Сооснователь проекта AiАcademy и приложения Мо: Медитация и Сон; член Консультативного Совета Яндекса и Программного комитета конференции Techfounders Александр Горный раздаст стартаперское настроение и поделится тем, как запустить свой стартап на LLM.

Расскажет, по каким критериям обдумывать идею будущего стартапа, как выбрать, для кого делать продукт и с чего вообще начинать, чтобы осуществить мечту, но не просто запустить свой стартап, а и заработать на этом.

✅ Подробности в статье

Для кого-то ретро — скукота и потеря времени, для кого-то — кошмар и мучение, а для кого-то — настоящее спасение, которое помогает решать реальные проблемы.

Как добиться необходимого эффекта, а не тратить время впустую и не мучить уставшую после спринта команду? У проектного менеджера и скрам-мастера из Okko Анастасии Соловицкой есть метод из шести этапов, опробованный на себе и командах уже более 100 раз. Возможно, вы тоже сможете взять что-то из ее опыта для себя.

✅ Узнать метод можно в статье

Александр Абрамов, руководитель AI-команд в R&D для b2c в SberDevices, рассказал, как одна лабораторная работа по анализу данных определила его карьеру, как пригодились соревнования и хакатоны, и почему участие в конференциях так же важно, как и прокачка резюме.

В общем, живой опыт, ошибки и победы. Все по-честному.

✅ Подробности в статье

Как построить внутреннюю Feature Platform, которая ускоряет внедрение ML-моделей и делает работу с данными прозрачной и управляемой?

Руководитель разработки ML-команд Домклик Алина Баймашева рассказала, какие компоненты и технологии выбирали для обработки данных в офлайн- и онлайн-режиме. Почему решения с открытым исходным кодом не всегда подходят крупным компаниям и с какими сложностями можно столкнуться при проектировании собственной платформы.

✅ Подробности в статье

Дайджест статей за прошедший период 2025 года. На случай, если вы что-то пропустили 😉

Обзор уязвимостей для LLM. Как современные фреймворки классификации, включая OWASP, Mitre и Databricks, применяются для защиты решений на базе LLM.

Как «Писец» на Тотальный диктант ходил. Не тот «Писец», когда всё плохо, диктант прошёл как запланировано, а открытая система автоматической расшифровки звукозаписей. О трудностях, которые возникли при создании Писца, об использовании Wav2vec2 и Whisper в пайплайне распознавания, о том, как и зачем файнтюнить Whisper.

3D Pose Estimation объектов фиксированной геометрии для складских роботов. В статье рассказано про end-2-end-пайплайн обучения и работу складских роботов от 3D-локализации коробок с товарами для складской робототехники.

Машинное обучение в продуктовой разработке, где его не ожидают. Вечная тема — ресурсов нет, но требуется сделать качественный продукт. В статье про разработку OCR-решения для распознавания документов. Как в рамках больших проектов получить максимальную пользу от Open Source-решений и самостоятельно создать датасет. И что надо учесть для передачи продукта заказчику.

Свой стартап на LLM — миф или реальность. По каким критериям обдумывать идею будущего стартапа, как выбрать, для кого делать продукт и с чего вообще начинать, чтобы осуществить мечту, но не просто запустить свой стартап, а и заработать на этом.

В стиле ретро: меньше слов — больше action items. Для кого-то ретро — скукота и потеря времени, для кого-то — кошмар и мучение, а для кого-то — настоящее спасение, которое помогает решать реальные проблемы. В статье о том, как добиться необходимого эффекта, а не тратить время впустую и не мучить уставшую после спринта команду.

Как я стал AI-специалистом: путь от студенческой лабораторной до оргкомитета AiConf Х. Как одна лабораторная работа по анализу данных определила карьеру автора, как пригодились соревнования и хакатоны, и почему участие в конференциях так же важно, как и прокачка резюме.

Проектируем собственную inhouse Feature Platform. Как построить внутреннюю Feature Platform, которая ускоряет внедрение ML-моделей и делает работу с данными прозрачной и управляемой.


Сохраните дайджест себе и поделитесь с коллегами 🙌

Работа нейросетей с медиаконтентом прямо в браузере – одна из самых сложных задач для современных сервисов видеоконференций. Как добиться real-time инференса, сэкономить ресурсы пользователя и при этом не потерять в качестве?

Дмитрий Балиев из SberDevices поделился опытом создания собственного движка для ML-моделей. Рассказал, почему они не стали брать готовые Open Source-решения и как построили эффективный инференс, используя возможности WebGL. Как работает их графовый движок, который дает возможность оптимизировать вычисления, но при этом аккуратно структурировать код.

✅ Подробности в статье

Цифровая экономика движется вперед — и ваши знания должны успевать за ней.

Представляем Поддерживающую базу знаний Онтико — мощный ресурс для корпораций, команд и экспертов, которые ценят актуальную информацию и эффективные решения.

Для кого это:

✔ Корпорациям, которым важно решать прикладные задачи быстро и профессионально.
✔ Компаниям, стремящимся сохранять экспертизу и передавать знания внутри команды.
✔ Специалистам, которые ищут проверенные данные с фокусом на реальные бизнес-задачи.

Что внутри:

🔹 4000+ видеоматериалов — выступления, разборы, экспертные мнения.
🔹 Свежие материалы — сразу после конференций и мероприятий.
🔹 Тематические гайды — собранные под запросы вашего бизнеса.
🔹 Вебинары и Q&A сессии — инсайты от лидеров индустрии.

Это не просто база — это рабочий инструмент для роста.

📌 Подробнее здесь

ML в тяжелой промышленности, трансформеры для поддержки, 3D-локализация для роботов, тестирование LLM, визуальные модели, нейросети для табличных данных, мультимодальная разметка и оптимизация пуш-уведомлений — все это в дайджесте открытых записей докладов с конференции AiConf 2024 ⤵️

1) Система управления процессом окомкования железорудных окатышей. Андрей Голов

Чугун, бентонит, шихта, окатыш... Технологи, операторы, датчики... Все мы наслышаны об успехах ML в финансах, маркетинге и e-com. Но тяжелая промышленность — это другая вселенная. Доклад от сталелитейной компании окунает в нюансы реальных физических процессов. И знакомит с парой новых слов 😉


2) Как мы развернули трансформер на событиях интерфейса операторов поддержки. Артём Карасюк

Инструменты для операторов службы поддержки при взаимодействии с пользователем — всегда актуальный трек для прикладного применения ML-моделей. В докладе коллеги расскажут, как переход на более совершенные трансформерные модели для ранжирования интентов пользователя дает осязаемый бизнес-профит.


3) 3D pose estimation объектов фиксированной геометрии для складских роботов. Aлександр Тимофеев-Каракозов

Доклад про end-2-end-пайплайн обучения и работы складских роботов Яндекса от 3D-локализации коробок с товарами для складской робототехники через keypoints estimation и instance segmentation к финальному решению, базирующемуся на active learning в среде активно меняющихся доменов.


4) За рамками сценария: непрерывное тестирование для адаптивных и безопасных LLM-систем. Эмели Драль

Эмели рассказала про failure cases LLM, дообученных на свой домен, ограничения на безопасность и надежность в продакшне. Рассмотрены стратегии повышения робастности, базирующиеся на концепциях LLM judge, а также непрерывном тестировании и мониторинге.


5) Визуальные языковые модели: от разбора архитектуры до запуска. Эмиль Шакиров

LLM обрастает разными модальностями, одной из которых является зрение. Эмиль рассказал об архитектурах визуальных LLM, о том, какие вызовы стоят перед инженерами в создании мультимодальных архитектур. Посмотрите, будет интересно!


6) Превращаем нейросети в SOTA и для табличных задач. Олег Сидоршин

Градиентный бустинг — SOTA для работы с табличными данными. Олег рассказал, какие архитектуры нейронных сетей использовать и как именно их обучать, чтобы догнать по качеству бустинг и впоследствии в режиме end-to-end строить модели одновременно на структурированных и слабоструктурированных данных.


7) Разметка датасетов в эпоху мультимодальности: проблемы, вызовы, решения. Дмитрий Антипов

Дмитрий провел слушателей через систему подготовки размеченных мультимодальных данных. От парсинга интернета через кейсы мультимодальной разметки; через использование вспомогательных моделей, в том числе LLM; через бизнес-процессы и контроль качества разметки к финальным метрикам моделей.


8) Less is more: как уменьшить отправку пушей и вырастить DAU. Дарья Никанорова

Из доклада вы узнаете о трудностях работы с рассылками, про сложность оценки изменений и о том, как перейти от наивного подхода к более продвинутому. Даша рассказала про то, как получилось преодолеть эти челленджи в Одноклассниках и улучшить бизнес-метрики.


Оставайтесь с нами, уже скоро мы продолжим открывать записи докладов с AiConf 2024 😉

Продуктивного просмотра и отличных выходных 🙌

Построить собственный магазин фичей — задача не классическая. Такое за пару недель не сделаешь. Нужны исследования, совместимость, обучение.

Евгений Дащенко из Домклик рассказал, как они последовательно внедряли свой Feature Store в существующие пайплайны «на ходу» и параллельно успевали решать бизнес-задачи. Что сделали, чтобы не уйти в долгострой и показать первые результаты: начиная от разбора запросов и источников, заканчивая автогенерацией фич через SDK.

➡️ Эту невероятную историю можно прочитать в статье