Современные базы данных: от векторных СУБД до моделей работы с данными в PostgreSQL.
Базы данных меняются так же быстро, как и задачи, которые они решают. Сегодня нужны не только надёжные стратегии хранения, но и новые инструменты для работы с AI.
OTUS приглашает на два открытых вебинара курса «Базы данных», где мы разберём ключевые технологии и практики:
📌 29 сентября, 20:00
«Векторные СУБД: Milvus, Weaviate, Qdrant и Chroma в реальной практике»
— сравним сильные и слабые стороны решений и разберём, как встроить их в проекты с LLM и AI-сервисами.
📌 13 октября, 20:00
«Модель работы с данными в PostgreSQL»
— разберём ключевые аспекты модели данных в PostgreSQL, включая структуру таблиц, индексов, транзакций и связи между данными.
Оба вебинара бесплатные и будут полезны разработчикам, инженерам данных, администраторам и архитекторам, которые работают с современными системами хранения и защиты данных.
👉 Регистрируйтесь: https://vk.cc/cPRo0R
Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576
Базы данных меняются так же быстро, как и задачи, которые они решают. Сегодня нужны не только надёжные стратегии хранения, но и новые инструменты для работы с AI.
OTUS приглашает на два открытых вебинара курса «Базы данных», где мы разберём ключевые технологии и практики:
📌 29 сентября, 20:00
«Векторные СУБД: Milvus, Weaviate, Qdrant и Chroma в реальной практике»
— сравним сильные и слабые стороны решений и разберём, как встроить их в проекты с LLM и AI-сервисами.
📌 13 октября, 20:00
«Модель работы с данными в PostgreSQL»
— разберём ключевые аспекты модели данных в PostgreSQL, включая структуру таблиц, индексов, транзакций и связи между данными.
Оба вебинара бесплатные и будут полезны разработчикам, инженерам данных, администраторам и архитекторам, которые работают с современными системами хранения и защиты данных.
👉 Регистрируйтесь: https://vk.cc/cPRo0R
Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576
❤1
ИИ в Западных корпорациях — период «отрезвления» 😐
2025 год должен был стать годом ИИ, который обещал революцию в бизнесе. Но, оглянувшись на текущие данные, можно заметить, что картина не такая яркая, как предсказывали. 78% компаний утверждают, что внедрили ИИ хотя бы в одну бизнес-функцию, а инвестиции в технологию в 2024 году составили рекордные $250 миллиардов. Однако, на практике ситуация далеко не такая радужная.
Сентябрь 2025 года стал моментом, когда блеф о мгновенной революции ушел в прошлое. ИИ, безусловно, обладает огромным потенциалом, но путь к его эффективному использованию требует гораздо больше усилий и осознанных решений, чем ожидали многие. Нам предстоит увидеть, кто пройдет через все трудности и выйдет на другой уровень.
ИИ станет неотъемлемой частью бизнеса?
Data Science
2025 год должен был стать годом ИИ, который обещал революцию в бизнесе. Но, оглянувшись на текущие данные, можно заметить, что картина не такая яркая, как предсказывали. 78% компаний утверждают, что внедрили ИИ хотя бы в одну бизнес-функцию, а инвестиции в технологию в 2024 году составили рекордные $250 миллиардов. Однако, на практике ситуация далеко не такая радужная.
Крупные корпорации начали замедлять внедрение ИИ: уровень применения снизился с 14% до 12% за лето 2025 года. Вместо того чтобы двигаться к масштабированию, компании начали сталкиваться с неудачами. Свежий отчет MIT также указывает на тревожный факт — 95% пилотных проектов с генеративным ИИ не доходят до реального использования.
Сегодня мы наблюдаем переходный момент — период «отрезвления», когда эйфория от первых успехов сменяется осознанием того, что не все так просто. На первый план выходят реальные проблемы: 42% лидеров признаются, что ИИ в их компаниях — это, в основном, маркетинговый шум, а 82% сотрудников скептически относятся к технологии. Вопрос стоит так: это лишь временные трудности или начало конца ИИ-революции?
Что на самом деле происходит?
В 2025 году мы сталкиваемся с очевидным расколом среди компаний: одни продолжают активно инвестировать в ИИ, другие сомневаются. Крупные корпорации начали понимать, что технологии не так безупречны, как ожидалось, и с опаской смотрят на масштабирование. В то же время малый бизнес продолжает двигаться вперед, экспериментируя с ИИ в узких сферах, что демонстрирует большую гибкость и готовность к новым решениям.
Интересно, что большая часть ИИ-инвестиций идет на улучшение внутренней инфраструктуры — не в саму технологию, а в ее обвязку. Так, например, 44% расходов направляются на создание объяснимых и безопасных моделей. Это свидетельствует о том, что компании осознали: без понимания работы ИИ и его контроля технологии могут представлять огромный риск.
Развитие ИИ идет далеко не так стремительно, как было обещано. Большинство пилотных проектов терпят неудачу, а огромные деньги по-прежнему тратятся, но отдачи нет. Параллельно с этим, реальный успех находит тот бизнес, который оценивает возможности ИИ не как магию, а как инструмент для решения четких и конкретных задач.
Сентябрь 2025 года стал моментом, когда блеф о мгновенной революции ушел в прошлое. ИИ, безусловно, обладает огромным потенциалом, но путь к его эффективному использованию требует гораздо больше усилий и осознанных решений, чем ожидали многие. Нам предстоит увидеть, кто пройдет через все трудности и выйдет на другой уровень.
ИИ станет неотъемлемой частью бизнеса?
👍 — Он будет повсюду
🤔 — Это технология для элитных компаний
Data Science
Please open Telegram to view this post
VIEW IN TELEGRAM
👍24🐳3❤2
NVIDIA запускает nvmath-python: библиотеку для ускорения математических операций в Python 🍴
NVIDIA представила nvmath-python — библиотеку, которая позволяет легко интегрировать возможности её собственных математических библиотек, таких как cuBLASLt, в Python-экосистему. Это удобный инструмент для разработчиков, которым нужны мощные вычисления с оптимизацией под архитектуру NVIDIA.
Для разработчиков, работающих с числовыми вычислениями и машинным обучением, nvmath-python может стать полезным инструментом, особенно если вы хотите ускорить вычисления на архитектуре NVIDIA. Несмотря на то что библиотека пока находится в бета-версии, уже сейчас её возможности впечатляют.
Data Science
NVIDIA представила nvmath-python — библиотеку, которая позволяет легко интегрировать возможности её собственных математических библиотек, таких как cuBLASLt, в Python-экосистему. Это удобный инструмент для разработчиков, которым нужны мощные вычисления с оптимизацией под архитектуру NVIDIA.
Что может nvmath-python?
Библиотека совместима с популярными фреймворками и библиотеками, такими как NumPy, CuPy и PyTorch, и поддерживает высокую гибкость в настройке вычислений. Она позволяет:
• Работать с массивами из различных экосистем
• Подгонять точность вычислений, режимы умножения и операции эпилога
• Использовать передовые оптимизации от NVIDIA для ускорения математических и машинных задач
На данный момент проект находится в бета-версии, но уже доступен для использования.
Для разработчиков, работающих с числовыми вычислениями и машинным обучением, nvmath-python может стать полезным инструментом, особенно если вы хотите ускорить вычисления на архитектуре NVIDIA. Несмотря на то что библиотека пока находится в бета-версии, уже сейчас её возможности впечатляют.
Data Science
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥8❤1🐳1