Aspiring Data Science
392 subscribers
505 photos
18 videos
12 files
2.44K links
Заметки экономиста о программировании, прогнозировании и принятии решений, научном методе познания.
Контакт: @fingoldo

I call myself a data scientist because I know just enough math, economics & programming to be dangerous.
Download Telegram
Forwarded from kyrillic
Новые Requests for Startups от YC! Это список идей и направлений стартапов, которые ищут партнеры Y Combinator, самого успешного фонда ранних стадий в мире.

Прошлые посты про RFS, которые полезны всем фаундерам: S26, W26, S25 ч.1, S25,ч.2, X25, W25, S24.

1️⃣ Про RFS часто говорят "фигня какая-то" или "YC уже не тот". Я напишу то, что многие не понимают про Y Combinator:

По большому счету, YC - это продукт для инвесторов, которые приходят на демодень, смотрят стартапы и инвестируют. Главные KPIs YC - это сколько подняли (всего и в среднем), и по каким оценкам. Эти метрики должны расти от батча к батчу (и они растут!)

Поэтому RFS прежде всего отвечают на вопрос "во что будут инвестировать виси через полгода". Что далеко не всегда совпадает с качеством идей в глазах обывателя и потенциалом стартапов в контексте получения прибыли здесь и сейчас.

2️⃣ Можно даже посмотреть так: если на ранней стадии идея венчурного стартапа не кажется тупой обывателям, то скорее всего ее уже пробовали реализовать тогда, когда она казалась тупой. И тут надо смотреть, что было с прошлыми попытками.

Горизонт венчура - 7-10 лет, поэтому инвестировать в непонятное, сложное и рискованное - нормально.

3️⃣ А еще, какую бы "фигню" вы не прочитали в RFS, ее перепечатали все tech-медиа мира и обмусолили в подкастах и соцсетях. Просто попадание идеи в этот список делает ее не такой уж плохой, потому что весь мир проявил внимание. А как мы знаем, есть охваты - есть венчур.

Короче говоря, YC сначала формирует у инвесторов консенсус о том, что модно, а через полгода привозит на демодень компании ровно из этих категорий.

4️⃣ В общем RFS - это суперважное в мире стартапов! Но только венчурных, с которых не стоит брать пример, если хочется с большей вероятностью зарабатывать деньги.

Идеи текущего RFS хорошо расписаны, я только на свой вкус разложу их по категориям о том, насколько реально такое сделать с нашим с вами ru-контекстом (и заработать):

⭐️ S tier
• AI native комплаенс (куда уж без комплаенса в сегодняшнем мире! Регуляций будет только больше)
• Облако для маленьких AI приложений (как гуглдок, а не aws)
• Самообслуживающиеся API (такое могут делать несколько разрабов, собравшихся в кофаундеры)

🟢 A
• Персональный AI репетитор для детей
• Инфраструктура для определения человека (борьба с дипфейками, но это так завуалировали сами знаете что)
• Совместная работа людей над одним агентом

🟡 B
• AI для пожилых (в силу демографии развитого мира, перспективен любой "X для пожилых")
• Криптоинфраструктура (сегодня фокус и капитал из крипты перешел в AI, но крипторынок стал предсказуемее, в т.ч. из-за регуляций)
• Сбор данных физического мира с помощью новых возможностей AI

🟠 C
• Массовые consumer-продукты (из-за удешевления инференса может наступить новая b2c волна. Первая закончилась лет 14 назад)
• ОС и софт для работников физического труда (сложно, потому что все на рынок США)

🔴 D
• Оборонные технологии для армии США
• Дата центры в море

@kyrillic
💯1
Forwarded from kyrillic
Про эффективность труда с AI. Один из опросов, результаты которого меня удивили - Что ближе всего к вашему пониманию фразы "AI повышает эффективность труда"? (тут). Более половины из вас ответили "тот же объем работы делается быстрее", а за "правильные" варианты - с упоминанием экономического эффекта, проголосовали всего несколько процентов!

Рост эффективности труда - это рост создания добавленной стоимости. И если ее нет, то и эффективности/продуктивности нет.

1️⃣ Можно сказать, что AI ускоряет внутренний цикл - написать код, что-то проанализировать, создать презентацию и др. Но это ускорение не имеет смысла, если все упирается во внешний цикл - всякие ревью, согласования, тестирования и т.д.

У меня об этом много постов, в основном со ссылками на хорошие исследования (раз, два - тут ссылки; пост, как считать добавленную стоимость и др.)

2️⃣ Недавно вышла статья AI and productivity от Stripe Economics, там хороший анализ AI производительности труда. TLDR: на рынке США роста НЕ ВИДНО. Это не означает, что его не будет в будущем, но сегодня, через почти 4 года AI хайпа, пока так.

Вывод не так уж пессимистичен: по мере улучшения моделей, роста внедрения и перестройки рабочих процессов микровыигрыши со временем могут проявляться и в макро. Но пока внедрение слишком тонкое, сигнал слабый, а узкие места сохраняются (главное из которых - человек).

Технология не повышает продуктивность - ее повышает использование технологии. Главное, чтобы это было не что-то вроде блокчейн-технологии 🙂

3️⃣ Там еще есть ссылки на исследование Банка Кореи: экономия времени от AI почти не связана с ростом выпуска, если у работников нет автономии или стимулов перераспределить сэкономленное время.

Можно сказать, что от AI сегодня может выигрывать тот, у кого есть возможность распорядиться сэкономленным временем, а точнее - конвертировать его в дополнительный доход. В найме на сэкономленное время обычно можно только взять новых задач 🥲

4️⃣ Самое интересное, что макропроизводительность в США выросла (2,5% против 1,6% исторических), но не из-за AI у работников, а просто из-за утилизации капитала.

То есть рост от того, что уже построенные заводы/серверы работают дольше и плотнее под спрос на сам AI, от стройки датацентров, а не от того, что кто-то быстрее пишет код.

5️⃣ Считаю что мой опрос явно иллюстрирует тренд "ощущаю, что стал(а) в разы эффективнее", который не является трендом "стал(а) в разы эффективнее". У меня кстати был и другой опрос "Есть ли для вас очевидный измеримый прирост рабочей эффективности благодаря AI?", где больше зарабатывать стали только около 10% (напомню, что это опрос, а не данные).

6️⃣ Короче говоря, AI пока не делает нас эффективнее, но дает такое ощущение.

Хорошая новость для тех, кто проголосовал в опросе "неправильно": чтобы сделать доселе невиданный, супер-пупер буст в карьере, можно просто поработать над собственным восприятием эффективности труда. Потому что сейчас оно, скажем так, неидеально.

По-простому: не важно, сколько я старался, сколько потратил времени, сколько страдал. Важен только результат участия в экономической деятельности, причем выраженный ТОЛЬКО в деньгах. Если прироста в деньгах нет, то нет ни эффективности, ни продуктивности. Больше успеваю? Значит просто стало больше работы за те же деньги 🥲

@kyrillic
👍1👏1
Forwarded from kyrillic
Наткнулся на сайт сравнения городов, где дотошно собрана данные по налогам, стоимости жизни и т.д. Никогда не видел настолько детально - вплоть до того, что по странам есть учет например режима Бэкхема в Испании или FIG в Британии.

https://cityparity.com/

Можно просто выбрать два города, указать все свои детали. Если доход удаленный, то в разделе add more details в поле target gross salary нужно указать еще раз текущий доход.

Сравнил несколько городов, стоимость жизни в которых более-менее знаю - цифры показались точными. И видно, что они актуальны не локалам, а именно экспатам.

Короче говоря, это пока лучший сравниватель городов, который я видел! Намного полезнее numbeo.

@kyrillic
✍1
#poetry #music

High in the halls of the kings who are gone
Jenny would dance with her ghosts
The ones she had lost and the ones she had found
And the ones who had loved her the most

The ones who'd been gone for so very long
She could not remember their names
They spun her around on the damp old stones
Spun away all her sorrow and pain

And she never wanted to leave, never wanted to leave
Never wanted to leave, never wanted to leave

They danced through the day and into the night
Through the snow that swept through the hall
From winter to summer and winter again
’Til the walls did crumble and fall

And she never wanted to leave, never wanted to leave...

https://www.youtube.com/watch?v=2-F7K6UZEVg
Forwarded from Data notes
AWS закрывает Amazon Mechanical Turk 30 сентября 2026 года.

Также исчезнет интеграция MTurk с Amazon Augmented AI и SageMaker Ground Truth.

Официально причины не раскрываются, но :
• простую разметку уже выполняют даже небольшие LLM
• сложные задачи требуют проверенных отраслевых экспертов, а не анонимного краудсорсинга из третьих стран
• использование ИИ самими исполнителями снижает ценность «человеческой» проверки

Символично: ИИ закрыл платформу, которая помогала его обучать.
🤗1
#security #llms

"Исследователи выделили девять основных способов отключения защитных механизмов на открытых моделях:

обычная тонкая настройка с использованием безопасных данных — простая схема дообучения на обычных данных оказалась опасной для защитных механизмов ИИ-моделей;

низкоранговая адаптация (LoRA) — добавление к модели новых матриц в процессе обучения при прежних исходных весах;

прямое обучение на вредоносных данных, в том числе на уровне LoRA — как и можно было предположить, самые прямолинейные методы оказались вполне эффективными;
тонкая настройка с использованием многоязычных данных — защитные механизмы неодинаково эффективны для разных языков, и эту особенность можно эксплуатировать;

метод с внедрением триггера — перевод модели во вредоносный режим работы по кодовому слову или выражению;
метод с обходом средств защиты посредством изменения стиля письма;

метод обучения на конкурирующих целях одновременно — обучение на противоречащих друг другу данных оказалось наиболее эффективным;

воздействие на уровень преобразования входных токенов в
векторы — низкоуровневая манипуляция внутренними представлениями моделей."

https://3dnews.ru/1147564/lyubuyu-otkrituyu-iimodel-mogno-sdelat-vredonosnoy-bez-poteri-sposobnostey-ubedilis-uchyonie
#healthcare #ai

Операция была проведена ещё в мае в Национальной больнице неврологии и нейрохирургии (NHNN), входящей в состав больничного фонда Университетского колледжа Лондона (UCLH), но об этом сообщили только сейчас, поскольку дожидались восстановления пациента Риса Хибберта (Rhys Hibbert).
В ходе операции, выполнявшейся хирургической бригадой, полностью контролировавшей ситуацию, ИИ-система анализировала видео с камер в режиме реального времени, помогая идентифицировать ключевые структуры, такие как нервы и кровеносные сосуды, которых следует избегать вблизи опухоли размером 11 мм на гипофизе пациента.
Эта операция стала первым случаем применения новой технологии искусственного интеллекта, которая помогает идентифицировать мельчайшие анатомические структуры в головном мозге, используя цветовую кодировку важных структур и помогая хирургам безопасно их распознавать.
Гипофиз, кровеносные сосуды и нервы, контролирующие зрение, расположены очень близко друг к другу, и, по словам представителя больницы, даже миллиметровая погрешность может иметь критические последствия, потенциально приводя к слепоте, инсульту или смерти. ИИ помогал врачам выявлять в режиме реального времени опасные зоны, которых следует избегать, позволяя максимально безопасно удалить опухоль.
«Обучаясь на сотнях хирургических видеозаписей, [система] ознакомилась с широким спектром хирургических примеров, на освоение которых хирургу потребовались бы многие годы», — отметила София Бано (Sophia Bano), доцент кафедры робототехники и искусственного интеллекта UCL, технический руководитель системы ИИ.
«Это пример применения ИИ в лучшем виде: пациенты получают помощь, которая ранее считалась немыслимой, благодаря новейшим революционным технологиям», — заявил Джеймс Фрит (James Frith), министр по вопросам инноваций в сфере здравоохранения Великобритании.

https://3dnews.ru/1147565/britanskie-hirurgi-proveli-pervuyu-v-mire-operatsiyu-na-mozge-cheloveka-s-ispolzovaniem-ii-v-protsesse
🤯1
#astronomy

Значимое событие!

"Roman часто называют широкоугольным родственником Hubble. Диаметр главного зеркала обеих обсерваторий составляет 2,4 м, а разрешение изображений будет сопоставимо. Однако 300-мегапиксельная инфракрасная камера Wide Field Instrument (WFI) за один раз охватит участок неба как минимум в 100 раз больше. Каждый снимок Roman будет содержать примерно столько же информации, сколько сотня изображений Hubble. За первые пять лет новая обсерватория должна обследовать более чем в 50 раз большую часть неба, чем Hubble за три десятилетия.

У Roman и James Webb будут разные роли. Webb способен глубоко изучать небольшие участки неба и отдельные далёкие объекты. Roman, напротив, будет создавать огромные панорамы и находить редкие галактики, сверхновые, чёрные дыры и другие интересные цели для последующего изучения. NASA сравнивает такую совместную работу с широкоугольным и телеобъективом одной камеры.

Одной из главных задач Roman станет исследование тёмной материи и тёмной энергии, которые, согласно современной космологической модели, составляют около 95 % содержимого Вселенной. Телескоп должен наблюдать более 2 млрд галактик и построить подробную трёхмерную карту распределения вещества. Изучая галактики, сверхновые и гравитационное линзирование, учёные попытаются выяснить, почему расширение Вселенной ускоряется, и проверить, насколько точно существующая теория гравитации описывает происходящее на космических масштабах.

Обсерватория также проведёт масштабную перепись планетных систем Млечного Пути. Roman будет многократно фотографировать сотни миллионов звёзд в направлении центра Галактики и искать изменения их яркости, вызванные гравитационным микролинзированием. Этот метод позволяет обнаруживать небольшие планеты, миры на далёких орбитах и даже свободно летящие планеты, не связанные со звёздами. NASA ожидает, что таким способом телескоп найдёт около 2500 экзопланет. Те же наблюдения могут выявить ещё десятки тысяч миров транзитным методом.

Второй прибор Roman — экспериментальный коронограф — предназначен для непосредственного фотографирования экзопланет. Он будет закрывать яркий свет звезды, позволяя различить слабое отражённое свечение обращающейся вокруг неё планеты. Коронограф должен получить изображения старых и относительно холодных газовых гигантов, сопоставимых с Юпитером, и проверить технологии для будущей обсерватории Habitable Worlds Observatory, которую NASA планирует использовать для поиска похожих на Землю миров.

У Roman необычное происхождение. Его оптическая система основана на одном из двух неиспользованных телескопических комплексов, переданных NASA Национальным управлением военно-космической разведки США в 2012 году. Эти комплексы создавались для спутников наблюдения за Землёй, поэтому Roman иногда называют бывшим шпионским спутником, хотя точнее говорить об использовании его оптической основы.

Телескоп назван в честь Нэнси Грейс Роман — первой руководительницы астрономической программы NASA и одного из главных инициаторов создания космических обсерваторий. Основная миссия рассчитана на пять лет с возможностью продления ещё на пять. Roman будет передавать на Землю около 1,4 Тбайт данных в сутки — больше, чем любая предыдущая астрофизическая миссия NASA."

https://3dnews.ru/1147692/nasa-zapustilo-naslednika-hubble-teleskop-roman-s-optikoy-ot-sputnikashpiona
Forwarded from kyrillic
Как используют Сodex и ChatGPT для работы

На картинке наглядно о том, кто и для чего пользуется. Там круто разделено по профессиям и даже сеньорности - такой уровень инсайтов доступен только самому OpenAI, на своих внутренних данных корпоративных юзеров - по ним и написана работа (pdf).

Knowledge artifacts в схеме - это создание всяких файлов: слайдов, документов и т.д. Видно, что пользуются сейлзы, маркетологи и продакты (что логично).

Самое неожиданное для меня, что анализ данных сильно выражен только у эйчаров (ну понятно, читают резюме через llm), а у остальных анализа данных почти нет.

Еще видно, что если человек не кодит, то число кейсов использования llm в работе резко сокращается.

В работе кстати кроме прочего интересно считали распределение использования Codex vs ChatGPT. У личных акаунтов доля кодекса 16,5%, у корпоративных 63%, а у контрольной группы из сотрудников OpenAI - аж 99,8%!

Наверное многим как и мне, будет интересно сравнить данные таблицы со своим использованием.

@kyrillic
⚡1
Forwarded from kyrillic
Про 🇩🇪 Германию для жизни

Страна конкурирует с Испанией за первое место по числу новых внж россиянам, а по живущим там - безоговорочный лидер: 220 тыс vs второе место Испании с 116 тыс. И это не считая тех, кто уже немецкий гражданин (таких сотни тысяч).

Короче говоря, популярное направление!

1️⃣ Начну с важного: в Германию переехать намного проще, чем во многие другие страны ЕС. Уже несколько лет есть виза "Chancenkarte", которая позволяет жить в стране год для поиска работы. Очень низкий порог квалификации (почти любой айтишник с высшим образованием проходит) + нужно иметь деньги на жизнь в течение года (12-13 тыс евро).

Всего за 2025 год выдано 17.5 тыс виз, из них россиянам около 1 тыс. Плюс есть "виза фрилансера" и другие варианты.

Короче говоря, начать свой путь в ЕС с Германии и карты шансов - разумнее, чем сидеть в Белграде или Тбилиси. Можно получить визу, спокойно обустраивать жизнь и искать пути - работа в Германии или нет, переезд в другую страну ЕС или нет (с действующей визой Германии это намного проще).

2️⃣ В Германии недорого! Если это не Мюнхен, Гамбург, Берлин и другие крупные города. Вспомним пост с примером покупки целой квартиры 68м2 за 8 тыс евро 🙂 Аренда студии в маленьком городе с хорошей инфраструктурой и транспортной доступностью может стоить меньше 500 евро/мес.

3️⃣ Для меня Германия интереснее, чем страны Северной Европы, Нидерланды и уж тем более Чехия, Польша, Венгрия и т.д. Германия суперпредсказумая, надежная, можно спланировать свою жизнь до пенсии. Есть много людей, особенно тревожных, для кого такая понятность будет огромным плюсом.

Шансы прожить обычную спокойную западноевропейскую жизнь в Германии наиболее велики. Плюс хороший средний уровень образования для детей, хорошая медицина и соцобеспечение, быстрый путь до паспорта и т.д.

Сделаю оговорку: у меня нерациональная любовь к Германии и особенно Берлину, потому что под Берлином я провел почти 6 лет своего детства, в постсоветском военном городке (пост). Но я делаю поправку на свою любовь к Германии.

4️⃣ Не мне вам объяснять, что Берлин - ультрахипстерский город с кучей молодых интересных англоговорящих tech-экспатов. Большинству айтшиников такое заходит. И если нет тяги к теплому климату и морю, то где ru-айтшинику будет лучше?

5️⃣ Мы все читали негативные отзывы о жизни в Германии, но отчасти это обусловлено популярностью страны у россиян. А еще многим не заходит "казарменность" - жизнь по правилам, более строгим, чем например в Италии, Португалии и др. Хотя как я уже написал выше, для многих это будет огромным плюсом - когда все понятно и не нужно переживать из-за неопределенности.

6️⃣ Многие говорят о будущем экономическом упадке Германии, но скорее всего это преувеличение. Да, полным ходом идет деиндустриализация, которая прошла 40 лет назад в Британии, США, Франции. Потому что развитые экономики редко имеют такую большую долю производства в ВВП. Процесс усугубился энергетическим кризисом, но Германия проходит турбулентность спокойно, вряд ли что-то изменится.

А для айтишника-иммигранта время перемен может быть плюсом: возможно стоит ожидать от Германии поворота в tech.

7️⃣ У меня есть важный пост "где люди хотят жить на самом деле". В категории "Западная Европа" там список 🇬🇧 UK, 🇩🇪 Германия, 🇫🇷 Франция, 🇳🇱 Нидерланды, 🇨🇭 Швейцария. И большинству подходит именно Германия:

• Во Франции лучше всего тем, кто кайфует от изысканности в быту. В любой другой стране им будет хуже. А таких людей немного.
• В Швейцарию - только с оффером или большим капиталом, а мечтатели там жить просто так скорее всего не очень понимают в эмиграции, разнице цен и нюансах Швейцарии.
• В Нидерланды тоже с айтишным оффером (или голландским мужем).
• В Британии большинству понравится только в Лондоне, но он подходит не всем.

Вот и остается Германия! Ну и Австрия.

@kyrllic
❤1
Свежая работа по ИИ в математических доказательствах от Google DeepMind (AlphaProof)

Успехи ИИ в решении серьёзных математических задач уже мало кого удивляют, но новая работа Google DeepMind интересна не только результатами, а тем, как именно они были получены.

Исследователи представили AlphaProof Nexus — систему, где LLM перестаёт быть просто генератором текста и начинает работать как полноценный агент внутри среды с обратной связью.

Это важный сдвиг.

Главная проблема обычных LLM — галлюцинации. Для математики это критично: одна ошибка ломает всё доказательство. Но вместо попыток «сделать модель аккуратнее» исследователи изменили сам процесс работы ИИ.

Ключевая идея в том, что модель больше не работает в вакууме. Теперь у неё есть внешняя система проверки, которая может мгновенно подтвердить или опровергнуть каждый шаг рассуждений.

Для этого используется Lean — язык формальных математических доказательств, где каждое утверждение проходит строгую автоматическую верификацию компилятором.

Получается такой цикл:
— модель предлагает следующий шаг доказательства;
— система проверки валидирует его;
— при ошибке агент получает точную обратную связь;
— корректирует стратегию;
— и продолжает поиск решения.

То есть система работает уже не как чат-бот, выдающий ответ за один проход, а как агент, взаимодействующий со средой и постоянно адаптирующий свои действия.

Именно это сейчас становится одним из главных направлений развития ИИ:
не просто “больше нейронных связей”, а появление циклов
генерация → проверка → обратная связь → исправление → новая попытка
.

По сути, модель получает нечто похожее на настоящий исследовательский процесс.

Результаты при этом очень серьёзные:
— решены 9 открытых задач Эрдёша;
— доказаны 44 гипотезы из OEIS;
— найден контрпример к одной из гипотез Бена Грина;
— продвинут 15-летний спор в алгебраической геометрии.

Но, возможно, главный вывод работы даже не в математике.

Похоже, что следующий этап развития ИИ — это не «ещё более умные чат-боты», а системы, которые умеют:
— долго работать над задачей;
— проверять себя;
— использовать внешние инструменты;
— хранить промежуточное состояние;
— и постепенно улучшать собственное решение.

Именно это и называют переходом к агентному ИИ.

📄 Статья:
https://arxiv.org/abs/2605.22763v1?ref=airadar.one

🔗 GitHub с полученными доказательствами:
https://github.com/google-deepmind/alphaproof-nexus-results

#AIAndMath #GoogleDeepMind #AlphaProof
#hardware

"Свои первые тензорные процессоры TPU компания Google представила в 2015 году. В этом году она анонсировала сразу два чипа: TPU 8t для обучения ИИ-моделей и TPU 8i для инференса. При проектировании чипов особое внимание уделяется интеграции скоростных сетевых каналов обмена данными, чтобы масштабирование в кластерах получалось максимально эффективным. В собственной инфраструктуре Google способна объединять до 1 млн TPU. Материнская корпорация Alphabet на развитие этой инфраструктуры в текущем году готова выделить до $205 млрд. Чипы TPU будут продаваться и сторонним заказчикам. Формальная конкуренция с Nvidia не мешает Google продолжать закупки ускорителей этой марки для собственных нужд."

https://3dnews.ru/1147846/google-razognala-razrabotku-iichipovtpu-teper-budut-obnovlyatsya-dvagdi-v-god-no-i-etogo-moget-bit-malo
#hardware #cpu #intel

Сравнение CPU от Intel за 2015-2026 годы.

https://3dnews.ru/1147323/10-flagmanov-intel-za-10-let
#wisdom

Задумался, что показателем зрелости DS-специалиста является его возможность немедленного извлечения выгод от предоставления ему бесплатного компьюта - будь то CPU\GPU\LLM tokens.

Вот если вам предоставили подобные ресурсы бесплатно прямо сейчас, и вы можете за минуты начать извлекать из этого выгоду - ваши рабочие процессы отлажены и зрелы.

Если вы вообще не можете извлечь из этого выгоды - это очень плохо и свидетельствует о низком уровне качества\неоптимальности ваших бизнес-процессов.
❤1