❤️ — Обычно читаю как data
🔹 Курс «Математика для разработки AI-моделей»
🔹 Получить консультацию менеджера
🔹 Сайт Академии 🔹 Сайт Proglib
🏃♀️ Азбука айтишника
#небагафича
🔹 Курс «Математика для разработки AI-моделей»
🔹 Получить консультацию менеджера
🔹 Сайт Академии 🔹 Сайт Proglib
#небагафича
Please open Telegram to view this post
VIEW IN TELEGRAM
❤1
🔥 База по ИИ-агентам от научного сотрудника Сколтеха и НИУ ВШЭ
Знакомьтесь, Екатерина Трофимова. Кандидат компьютерных наук, ресерчер в Центре ИИ Сколтеха и лаборатории LAMBDA. Она объединяет глубокую академическую экспертизу и практику: знает, как ИИ-системы устроены «под капотом» и как встроить их в реальные проекты (в т.ч. для Т-банка).
Мы попросили Екатерину собрать список мастхев материалов для тех, кто хочет проектировать агентов в проде. Сохраняйте список.
🛠 Стек и фреймворки:
DSPy — алгоритмическая оптимизация промптов (вместо ручного подбора слов).
Semantic Kernel и LangMem — инструменты для управления сессионной и долгосрочной памятью.
MCP (Model Context Protocol) — новый стандарт от Anthropic для подключения агентов к вашим БД и локальным файлам.
📖 Документация, которую нужно знать:
Anthropic Prompt Caching — как кэшировать контекст и радикально резать косты на API.
OpenAI Agents SDK / Cookbook — лучшие практики работы с памятью.
Augment — платформа для оптимизации работы ИИ-агентов и контроля токенов.
🔬 Хардкорные статьи и препринты (на выходные):
Lost in the Middle — почему LLM «слепнут» на длинных текстах и забывают середину контекста.
How Do Coding Agents Spend Your Money? — куда улетает бюджет при работе автономных кодинг-агентов.
MemGPT — архитектура операционной системы для LLM с иллюзией бесконечной памяти.
InjecAgent / AgentSentry — всё о безопасности и защите агентов от инъекций в промпты.
Екатерина Трофимова — один из ключевых экспертов нашего курса AgentOps. На своих лекциях она детально разбирает, как проектировать инструменты для агентов, как агент принимает решения о вызове инструментов и какие ограничения возникают в реальном проде
🎁 Акция в честь старта продаж!
Прямо сейчас при покупке Инженерного трека вы получаете полный доступ к материалам курса «Разработка ИИ-агентов» в подарок.
👉 Забрать 2 курса по цене 1 и начать обучение
Знакомьтесь, Екатерина Трофимова. Кандидат компьютерных наук, ресерчер в Центре ИИ Сколтеха и лаборатории LAMBDA. Она объединяет глубокую академическую экспертизу и практику: знает, как ИИ-системы устроены «под капотом» и как встроить их в реальные проекты (в т.ч. для Т-банка).
Мы попросили Екатерину собрать список мастхев материалов для тех, кто хочет проектировать агентов в проде. Сохраняйте список.
🛠 Стек и фреймворки:
DSPy — алгоритмическая оптимизация промптов (вместо ручного подбора слов).
Semantic Kernel и LangMem — инструменты для управления сессионной и долгосрочной памятью.
MCP (Model Context Protocol) — новый стандарт от Anthropic для подключения агентов к вашим БД и локальным файлам.
📖 Документация, которую нужно знать:
Anthropic Prompt Caching — как кэшировать контекст и радикально резать косты на API.
OpenAI Agents SDK / Cookbook — лучшие практики работы с памятью.
Augment — платформа для оптимизации работы ИИ-агентов и контроля токенов.
🔬 Хардкорные статьи и препринты (на выходные):
Lost in the Middle — почему LLM «слепнут» на длинных текстах и забывают середину контекста.
How Do Coding Agents Spend Your Money? — куда улетает бюджет при работе автономных кодинг-агентов.
MemGPT — архитектура операционной системы для LLM с иллюзией бесконечной памяти.
InjecAgent / AgentSentry — всё о безопасности и защите агентов от инъекций в промпты.
Екатерина Трофимова — один из ключевых экспертов нашего курса AgentOps. На своих лекциях она детально разбирает, как проектировать инструменты для агентов, как агент принимает решения о вызове инструментов и какие ограничения возникают в реальном проде
🎁 Акция в честь старта продаж!
Прямо сейчас при покупке Инженерного трека вы получаете полный доступ к материалам курса «Разработка ИИ-агентов» в подарок.
👉 Забрать 2 курса по цене 1 и начать обучение
👍1
Все привыкли к ремoуту, но вместе с комфортом пришла социальная тревожность. Когда не видишь людей месяцами, любой созвон превращается в пытку.
Без офиса навыки общения быстро ржавеют. Итог: ты отлично кодишь, но не можешь внятно защитить результат перед бизнесом.
Что думаете про софты на удаленке?
❤️ — без офиса они деградируют
👍 — созвонов вполне хватает для развития
🔹 Курс разработка AI-агентов
🔹 Получить консультацию менеджера
🔹 Сайт Академии 🔹 Сайт Proglib
#режимразраба
Please open Telegram to view this post
VIEW IN TELEGRAM
👍7❤2
Лень как двигатель промпт-инжиниринга
Рассказываю, как нейронка может составить инструкцию за тебя, всё на реальном кейсе с поиском лидов.
➖ Задача: найти зацепки в тоннах отчетов
Я работаю над поисковиком, который переваривает гигабайты годовых отчетов компаний. Клиенту нужно не просто «найти компанию», а выудить конкретные «крючки» для продаж. Нужно лезть в глубину, понимать боли бизнеса и искать точки соприкосновения.
➖ Метод: «План для ассистента»
Вместо того чтобы самому расписывать, на что обращать внимание при анализе, я прошу ChatGPT составить план исследования.
Самое забавное, что «ассистентом», который пойдет работать по этой инструкции, будет тот же самый ChatGPT. Итог: нейронка сама пишет себе ТЗ, сама его выполняет, а ты просто забираешь качественный результат.
Проблема в том, что люди часто пытаются быть микроменеджерами для ИИ, когда пора переходить на уровень постановки стратегии.
Если хочешь перестать просто «переписываться с ботом» и научиться создавать автономные системы, которые реально работают в проде, заглядывай на курс по AgentOps
Доверяете нейронке писать инструкции для самой себя?
❤️ - да, она лучше знает свои возможности
🔥 - нет, предпочитаю контролировать каждый символ в промпте
🔹 Курс разработка AI-агентов
🔹 Получить консультацию менеджера
🔹 Сайт Академии 🔹 Сайт Proglib
🏃♀️ Азбука айтишника
#магиякода
Рассказываю, как нейронка может составить инструкцию за тебя, всё на реальном кейсе с поиском лидов.
Я работаю над поисковиком, который переваривает гигабайты годовых отчетов компаний. Клиенту нужно не просто «найти компанию», а выудить конкретные «крючки» для продаж. Нужно лезть в глубину, понимать боли бизнеса и искать точки соприкосновения.
Вместо того чтобы самому расписывать, на что обращать внимание при анализе, я прошу ChatGPT составить план исследования.
Help me build a research blueprint for scouting potential clients for [COMPANY_NAME]. Below is our business profile for context: [INSERT_DESCRIPTION].
The goal is to provide a "discovery checklist" for investigating a specific lead company online. I need a list of sharp questions and data points that will help me understand if they are a fit.
Please focus the checklist on:
Identifying recent "trigger events" (pivots, new product launches, or leadership changes).
Pinpointing current operational friction or visible bottlenecks.
Finding JTBD-style insights (what specific "job" is this company currently trying to solve?).
The final output should be a structured list of investigation points for a research agent to follow during their deep-dive.
Самое забавное, что «ассистентом», который пойдет работать по этой инструкции, будет тот же самый ChatGPT. Итог: нейронка сама пишет себе ТЗ, сама его выполняет, а ты просто забираешь качественный результат.
Проблема в том, что люди часто пытаются быть микроменеджерами для ИИ, когда пора переходить на уровень постановки стратегии.
Если хочешь перестать просто «переписываться с ботом» и научиться создавать автономные системы, которые реально работают в проде, заглядывай на курс по AgentOps
Доверяете нейронке писать инструкции для самой себя?
❤️ - да, она лучше знает свои возможности
🔥 - нет, предпочитаю контролировать каждый символ в промпте
🔹 Курс разработка AI-агентов
🔹 Получить консультацию менеджера
🔹 Сайт Академии 🔹 Сайт Proglib
#магиякода
Please open Telegram to view this post
VIEW IN TELEGRAM
❤1🔥1
Слышишь «надо собрать билд», значит, код превращают в осязаемый продукт. Это момент истины, когда разрозненные файлы становятся приложением, которое можно запустить.
Вот как это работает:
Спецсофт подхватывает исходный код, подтягивает библиотеки и упаковывает всё в один архив или исполняемый файл. Итог: превращение текста в работающую программу.
Если в коде ошибка, билд «упадет» (не соберется). Итог: ты сразу видишь, что система сломана, еще до того, как ее увидел клиент.
Каждый билд получает свой номер. Итог: если в новой версии всё пошло не так, можно быстро откатиться к предыдущему рабочему билду.
🔹 Курс «Основы IT для непрограммистов»
🔹 Получить консультацию менеджера
🔹 Сайт Академии 🔹 Сайт Proglib
#ликбез
Please open Telegram to view this post
VIEW IN TELEGRAM
proglib.academy
Курс|Программирование на языке Python
Обновленный курс «Программирование на языке на Python» от Proglib Academy — это не сухая теория, а 30 тщательно продуманных практических уроков, каждый из которых наполнен тестами и заданиями разного уровня сложности. Вы будете не просто читать материалы…
👍1
🔹 Курс разработка AI-агентов
🔹 Получить консультацию менеджера
🔹 Сайт Академии 🔹 Сайт Proglib
#небагафича
Please open Telegram to view this post
VIEW IN TELEGRAM
😁1
Что выведет код сверху?
👾 — NaN
👍 — Exception
🥰 — ZeroDivisionError
⚡️ — SyntaxError
🔹 Курс «Программирование на языке Python»
🔹 Получить консультацию менеджера
🔹 Сайт Академии 🔹 Сайт Proglib
🏃♀️ Азбука айтишника
#режимразраба
👾 — NaN
👍 — Exception
🥰 — ZeroDivisionError
🔹 Курс «Программирование на языке Python»
🔹 Получить консультацию менеджера
🔹 Сайт Академии 🔹 Сайт Proglib
#режимразраба
Please open Telegram to view this post
VIEW IN TELEGRAM
🥰5👍1👾1
Опенсорсный ИИ-стек
Собрать свою ИИ-прилу можно без миллионных бюджетов на подписки. С помощью опенсорсов уже можно запустить полный цикл разработки буквально «на коленке».
Вот как выглядит этот конструктор сейчас:
➡️ Интерфейс и бэкенд
Next.js и Vercel для фронта, FastAPI и Ollama для работы с моделями локально. Итог: всё летает, и ты не платишь за каждый чих пользователя.
➡️ Данные и RAG
Postgres с расширением PGVector или Milvus для поиска по контексту. Итог: твоя нейронка помнит всё, что нужно, не выдумывая факты из головы.
⚠️ Что на картинке уже «протухло» к 2026 году:
Llama 3.3 и Mistral - в мире, где уже вовсю юзают Llama 4 и новые версии Qwen, эти модели выглядят как музейные экспонаты.
Langchain - для простых задач он стал слишком тяжелым и перегруженным. Сейчас есть более легкие и модульные решения.
А мы, кстати, учим дирижировать этим стеком так, чтобы агенты работали как часы
На чем собираете свои пет-проекты?
❤️ - только Open Source, свобода прежде всего
🔥 - миксую с платными API, так быстрее
👍 - пока только присматриваюсь к стеку
🔹 Курс разработка AI-агентов
🔹 Получить консультацию менеджера
🔹 Сайт Академии 🔹 Сайт Proglib
🏃♀️ Азбука айтишника
#магиякода
Собрать свою ИИ-прилу можно без миллионных бюджетов на подписки. С помощью опенсорсов уже можно запустить полный цикл разработки буквально «на коленке».
Вот как выглядит этот конструктор сейчас:
Next.js и Vercel для фронта, FastAPI и Ollama для работы с моделями локально. Итог: всё летает, и ты не платишь за каждый чих пользователя.
Postgres с расширением PGVector или Milvus для поиска по контексту. Итог: твоя нейронка помнит всё, что нужно, не выдумывая факты из головы.
⚠️ Что на картинке уже «протухло» к 2026 году:
Llama 3.3 и Mistral - в мире, где уже вовсю юзают Llama 4 и новые версии Qwen, эти модели выглядят как музейные экспонаты.
Langchain - для простых задач он стал слишком тяжелым и перегруженным. Сейчас есть более легкие и модульные решения.
А мы, кстати, учим дирижировать этим стеком так, чтобы агенты работали как часы
На чем собираете свои пет-проекты?
❤️ - только Open Source, свобода прежде всего
🔥 - миксую с платными API, так быстрее
👍 - пока только присматриваюсь к стеку
🔹 Курс разработка AI-агентов
🔹 Получить консультацию менеджера
🔹 Сайт Академии 🔹 Сайт Proglib
#магиякода
Please open Telegram to view this post
VIEW IN TELEGRAM
👍2❤1🔥1
AgentOps - это методология управления и мониторинга автономных ИИ-агентов. Если обычный DevOps следит за тем, чтобы работали серверы, то AgentOps контролирует, чтобы нейронки не галлюцинировали и выполняли задачи строго по вашему плану.
Это набор инструментов для отладки, логирования и масштабирования систем с искусственным интеллектом. Итог: ваши агенты перестают быть «черным ящиком» и превращаются в предсказуемый инструмент, который можно смело выпускать в реальный прод.
🔹 Курс «Основы IT для непрограммистов»
🔹 Получить консультацию менеджера
🔹 Сайт Академии 🔹 Сайт Proglib
#ликбез
Please open Telegram to view this post
VIEW IN TELEGRAM
❤1👍1
❤️ — кто-то же накормил говнокодом иишки
🔹 Курс разработка AI-агентов
🔹 Получить консультацию менеджера
🔹 Сайт Академии 🔹 Сайт Proglib
🏃♀️ Азбука айтишника
#небагафича
🔹 Курс разработка AI-агентов
🔹 Получить консультацию менеджера
🔹 Сайт Академии 🔹 Сайт Proglib
#небагафича
Please open Telegram to view this post
VIEW IN TELEGRAM
😁2
🗓️ Уже через пару часов стартует вебинар!
Тема:
Ждем вас сегодня в 19:00 по московскому времени. Не пропустите начало, будет много практики!
👉 Успей занять место
Тема:
Как эффективно управлять контекстным окном LLM в мультиагентных системах и не сливать бюджет на токены
Ждем вас сегодня в 19:00 по московскому времени. Не пропустите начало, будет много практики!
👉 Успей занять место
Новая вакансия: впн специалист + сис. админ
🔹 Курс «Математика для разработки AI-моделей»
🔹 Получить консультацию менеджера
🔹 Сайт Академии 🔹 Сайт Proglib
🏃♀️ Азбука айтишника
#режимразраба
🔹 Курс «Математика для разработки AI-моделей»
🔹 Получить консультацию менеджера
🔹 Сайт Академии 🔹 Сайт Proglib
#режимразраба
Please open Telegram to view this post
VIEW IN TELEGRAM
❤1👍1
🌊 Дата-пайплайны: как не утонуть в данных
В современной архитектуре путь данных обычно делят на 5 этапов.
Вот как выглядит этот конвейер:
➡️ Collect & Ingest
Сначала собираем данные отовсюду: из приложений, стримов и баз. Затем грузим их в систему через очереди событий (Event Queues). Итог: данные попали «внутрь» и готовы к обработке.
➡️ Store
Сваливаем всё в хранилища: Data Lakes, Data Warehouses или модные Data Lakehouses. Итог: информация надежно лежит и ждет своего часа.
➡️ Compute
Самый «мясной» этап. Здесь данные чистят, агрегируют и приводят к стандартам компании с помощью батч-обработки или стриминга. Итог: из сырого мусора получаем структурированную инфу.
➡️ Consume
Финал. Данные уходят в Business Intelligence, дата-сайентистам и ML-сервисам. Итог: бизнес видит графики и принимает решения.
⚠️ Картинка уже устарела к 2026 году:
- Векторные БД: В слое Store критически не хватает векторных бдшек. В эпоху RAG и агентов без них никуда.
- Generative AI: В блоке Consume нейронки и LLM-агенты теперь главные потребители данных, а не просто «ML-сервисы» где-то сбоку.
- Стирание границ: Разделение на Batch и Stream в блоке Compute становится всё более условным, современные движки стараются унифицировать эти процессы.
Как у вас дела с «водопроводом»?
❤️ — всё четко, данные текут куда надо
🔥 — пайплайн держится на честном слове и костылях
😆 — мы всё еще храним данные в Excel и нам норм
🔹 Курс разработка AI-агентов
🔹 Получить консультацию менеджера
🔹 Сайт Академии 🔹 Сайт Proglib
🏃♀️ Азбука айтишника
#ликбез
В современной архитектуре путь данных обычно делят на 5 этапов.
Вот как выглядит этот конвейер:
Сначала собираем данные отовсюду: из приложений, стримов и баз. Затем грузим их в систему через очереди событий (Event Queues). Итог: данные попали «внутрь» и готовы к обработке.
Сваливаем всё в хранилища: Data Lakes, Data Warehouses или модные Data Lakehouses. Итог: информация надежно лежит и ждет своего часа.
Самый «мясной» этап. Здесь данные чистят, агрегируют и приводят к стандартам компании с помощью батч-обработки или стриминга. Итог: из сырого мусора получаем структурированную инфу.
Финал. Данные уходят в Business Intelligence, дата-сайентистам и ML-сервисам. Итог: бизнес видит графики и принимает решения.
- Векторные БД: В слое Store критически не хватает векторных бдшек. В эпоху RAG и агентов без них никуда.
- Generative AI: В блоке Consume нейронки и LLM-агенты теперь главные потребители данных, а не просто «ML-сервисы» где-то сбоку.
- Стирание границ: Разделение на Batch и Stream в блоке Compute становится всё более условным, современные движки стараются унифицировать эти процессы.
Как у вас дела с «водопроводом»?
❤️ — всё четко, данные текут куда надо
🔥 — пайплайн держится на честном слове и костылях
😆 — мы всё еще храним данные в Excel и нам норм
🔹 Курс разработка AI-агентов
🔹 Получить консультацию менеджера
🔹 Сайт Академии 🔹 Сайт Proglib
#ликбез
Please open Telegram to view this post
VIEW IN TELEGRAM
❤1🔥1😁1
Если в конце апреля тебе кажется, что мир вот-вот схлопнется, а твой таск-менеджер превращается в поле боя, поздравляю, ты попал в зону турбулентности перед майскими. Это уникальное время, когда бизнес-процессы разгоняются до скорости света, чтобы успеть «до праздников».
Как обстановка на фронте задач?
❤️ — пашу как проклятый, чтобы выжить в мае
🔥 — забил на суету, праздники никуда не убегут
🔹 Курс «Основы IT для непрограммистов»
🔹 Получить консультацию менеджера
🔹 Сайт Академии 🔹 Сайт Proglib
#ликбез
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥3
Что за хаб? 🙂
👍 — Гит хаб
❤️ —№%@? хаб
🔹 Курс «Алгоритмы и структуры данных»
🔹 Получить консультацию менеджера
🔹 Сайт Академии 🔹 Сайт Proglib
🏃♀️ Азбука айтишника
#небагафича
👍 — Гит хаб
❤️ —
🔹 Курс «Алгоритмы и структуры данных»
🔹 Получить консультацию менеджера
🔹 Сайт Академии 🔹 Сайт Proglib
#небагафича
Please open Telegram to view this post
VIEW IN TELEGRAM
👍2
😐 Промоушен: тебя повышают или просто «греют»?
Вроде всё сделал по красоте, а в ответ: «нет бюджета». Если менеджер не дает внятный роадмап, значит, ты для него идеальный дешевый юнит, которого выгодно оставить в текущем грейде навсегда.
➡️ Как пробить стену
- Требуй четкий чек-лист навыков следующего грейда. Если его нет: ты работаешь вслепую.
- Твои успехи должны знать за пределами команды. Тихие герои редко получают прибавку.
- Найди влиятельного человека (не ментора!), который будет лоббировать ваши интересы на калибровках.
А как у вас с прозрачностью грейдов?
❤️ — есть четкая карта компетенций
🔥 — всё на интуиции и личных связях
😆 — что такое повышение?
🌚 — просто поменяю работу
🔹 Курс разработка AI-агентов
🔹 Получить консультацию менеджера
🔹 Сайт Академии 🔹 Сайт Proglib
🏃♀️ Азбука айтишника
#режимразраба
Вроде всё сделал по красоте, а в ответ: «нет бюджета». Если менеджер не дает внятный роадмап, значит, ты для него идеальный дешевый юнит, которого выгодно оставить в текущем грейде навсегда.
- Требуй четкий чек-лист навыков следующего грейда. Если его нет: ты работаешь вслепую.
- Твои успехи должны знать за пределами команды. Тихие герои редко получают прибавку.
- Найди влиятельного человека (не ментора!), который будет лоббировать ваши интересы на калибровках.
А как у вас с прозрачностью грейдов?
❤️ — есть четкая карта компетенций
🔥 — всё на интуиции и личных связях
😆 — что такое повышение?
🌚 — просто поменяю работу
🔹 Курс разработка AI-агентов
🔹 Получить консультацию менеджера
🔹 Сайт Академии 🔹 Сайт Proglib
#режимразраба
Please open Telegram to view this post
VIEW IN TELEGRAM
❤3😁2
Добро пожаловать в «Азбуку Айтишника»! 🤝
Наши действующие разработчики на пальцах объясняют базу программирования, переводят сложные термины на человеческий и помогают дойти до оффера мечты.
А вот навигация по последним постам:
— Бесплатный гайд по ии-агентам на 15 глав
База:
— Зачем тебе Redis на самом деле?
— 5 стратегий кэширования
— Дата-пайплайны: как не утонуть в данных
— Опенсорсный ИИ-стек
— База по ИИ-агентам от научного сотрудника Сколтеха и НИУ ВШЭ
— Как VISA/Mastercard делают деньги?
— Что такое Kafka?
— Почему Kafka такая быстрая?
— Что такое Flask?
— Типичный стек микросервисов
— 9 правил микросервисной архитектуры
— Типичная микросервисная архитектура
Карьерный коммит:
— Портфолио на максималках: как продать себя в IT
По терминам:
— Что значит стек и переполненный стек
— Что такое AgentOps?
— Что такое билд?
— Что такое чекать в айти
— Что значит пулить?
Вечные вопросы:
— Удаленка в DS: свобода или деградация?
— Какой у вас первый язык программирования?
Наши действующие разработчики на пальцах объясняют базу программирования, переводят сложные термины на человеческий и помогают дойти до оффера мечты.
А вот навигация по последним постам:
— Бесплатный гайд по ии-агентам на 15 глав
База:
— Зачем тебе Redis на самом деле?
— 5 стратегий кэширования
— Дата-пайплайны: как не утонуть в данных
— Опенсорсный ИИ-стек
— База по ИИ-агентам от научного сотрудника Сколтеха и НИУ ВШЭ
— Как VISA/Mastercard делают деньги?
— Что такое Kafka?
— Почему Kafka такая быстрая?
— Что такое Flask?
— Типичный стек микросервисов
— 9 правил микросервисной архитектуры
— Типичная микросервисная архитектура
Карьерный коммит:
— Портфолио на максималках: как продать себя в IT
По терминам:
— Что значит стек и переполненный стек
— Что такое AgentOps?
— Что такое билд?
— Что такое чекать в айти
— Что значит пулить?
Вечные вопросы:
— Удаленка в DS: свобода или деградация?
— Какой у вас первый язык программирования?
❤1👍1
🕰 ChatGPT: история успеха длиной в 70 лет
Кажется, что ChatGPT свалился на нас с неба в конце 2022-го. На самом деле это финишная прямая марафона, который начался ещё во времена черно-белых телевизоров.
Вот как мы шли к этой точке:
➡️ 1950–80-е: Эра жестких правил
Первые модели работали на примитивных алгоритмах и «if-else». Никакой гибкости, только сухая логика, прописанная вручную. Итог: системы были беспомощны перед живой человеческой речью.
➡️ 1990–2010-е: Подражание мозгу
Пришли нейронки (CNN, RNN, GAN). Мы начали учить ИИ «видеть» образы и понимать последовательности слов. Итог: машины научились узнавать котиков на фото и сносно переводить простые фразы.
➡️ 2017–2022: Революция внимания
Вышла легендарная статья «Attention is all you need», подарившая нам Трансформеры. Они научились понимать связи между словами в гигантских контекстах. Итог: появились GPT и InstructGPT, которые заставили весь мир говорить об ИИ.
А на каком этапе вы поняли, что мир изменился навсегда?
❤️ — когда GPT-3 выдала первый вменяемый текст
🔥 — когда ChatGPT (2022) прошел тест Тьюринга для масс
👍 — когда появились первые ии-агенты (2025)
🔹 Курс разработка AI-агентов
🔹 Получить консультацию менеджера
🔹 Сайт Академии 🔹 Сайт Proglib
🏃♀️ Азбука айтишника
#режимразраба
Кажется, что ChatGPT свалился на нас с неба в конце 2022-го. На самом деле это финишная прямая марафона, который начался ещё во времена черно-белых телевизоров.
Вот как мы шли к этой точке:
Первые модели работали на примитивных алгоритмах и «if-else». Никакой гибкости, только сухая логика, прописанная вручную. Итог: системы были беспомощны перед живой человеческой речью.
Пришли нейронки (CNN, RNN, GAN). Мы начали учить ИИ «видеть» образы и понимать последовательности слов. Итог: машины научились узнавать котиков на фото и сносно переводить простые фразы.
Вышла легендарная статья «Attention is all you need», подарившая нам Трансформеры. Они научились понимать связи между словами в гигантских контекстах. Итог: появились GPT и InstructGPT, которые заставили весь мир говорить об ИИ.
А на каком этапе вы поняли, что мир изменился навсегда?
❤️ — когда GPT-3 выдала первый вменяемый текст
🔥 — когда ChatGPT (2022) прошел тест Тьюринга для масс
👍 — когда появились первые ии-агенты (2025)
🔹 Курс разработка AI-агентов
🔹 Получить консультацию менеджера
🔹 Сайт Академии 🔹 Сайт Proglib
#режимразраба
Please open Telegram to view this post
VIEW IN TELEGRAM
👍5🔥2❤1
Вопрос, на который невозможно ответить правильно:
❤️ — Удобство важнее эстетики
👍 — Эстетика важнее удобства
🔹 Практический интенсив «Архитектуры и шаблоны проектирования»
🔹 Получить консультацию менеджера
🔹 Сайт Академии 🔹 Сайт Proglib
🏃♀️ Азбука айтишника
#небагафича
❤️ — Удобство важнее эстетики
👍 — Эстетика важнее удобства
🔹 Практический интенсив «Архитектуры и шаблоны проектирования»
🔹 Получить консультацию менеджера
🔹 Сайт Академии 🔹 Сайт Proglib
#небагафича
Please open Telegram to view this post
VIEW IN TELEGRAM
❤11👍1
Ученые проанализировали 30 млн коммитов и подтвердили то, что мы и так чувствовали. Доля нейросетевого кода в США взлетела с 5% до 29% всего за два года. В России пока скромнее около 15%.
А сколько процентов вашего кода реально пишет ИИ?
🌚 — почти всё, я только проверяю и правлю
🔥 — пишу руками, доверяю только себе
👾 — юзаю чисто для тестов и рутины
🔹 Курс «Математика для разработки AI-моделей»
🔹 Получить консультацию менеджера
🔹 Сайт Академии 🔹 Сайт Proglib
#карьерныйкоммит
Please open Telegram to view this post
VIEW IN TELEGRAM
🌚8🔥4👾2
Концепция DevOps была представлена в 2009 Patrick Debois и Andrew Shafer на конференции "Agile". Они стремились сократить разрыв между разработкой ПО и его эксплуатацией, продвигая культуру сотрудничества и общую ответственность за весь жизненный цикл разработки ПО.
Концепция SRE, или Site Reliability Engineering (проектирование надежности объекта), была впервые разработана компанией Google в начале 2000-х для решения операционных задач управления крупномасштабными и сложными системами. Google разработала методы и инструменты SRE, такие как система управления кластерами Borg и система мониторинга Monarch, чтобы повысить надежность и эффективность своих сервисов.
Platform Engineering (разработка платформ) — это более новая концепция, основанная на SRE. Считается, что это расширение практик DevOps и SRE с упором на предоставление комплексной платформы для разработки продуктов, которая поддерживает всю бизнес-логику.
Все эти концепции связаны с тенденцией улучшения совместной работы, автоматизации и эффективности разработки и эксплуатации ПО.
🔹 Практический интенсив «Архитектуры и шаблоны проектирования»
🔹 Получить консультацию менеджера
🔹 Сайт Академии 🔹 Сайт Proglib
#ликбез
Please open Telegram to view this post
VIEW IN TELEGRAM