Алгоритм Яндекса CatBoost вошел в число наиболее широко используемых инструментов машинного обучения (ML) в академических исследованиях по версии американского издания Marktechpost, сообщает Forbes.
CatBoost широко применяется учеными более 50 стран мира в сферах от медицины до инженерии, составляя конкуренцию разработкам ведущих компаний бигтеха. Алгоритм стал единственной российской технологией в списке наиболее часто упоминаемых в научных исследованиях мира, говорится в сообщении.
CatBoost широко применяется учеными более 50 стран мира в сферах от медицины до инженерии, составляя конкуренцию разработкам ведущих компаний бигтеха. Алгоритм стал единственной российской технологией в списке наиболее часто упоминаемых в научных исследованиях мира, говорится в сообщении.
Forbes.ru
Цифровой кот: алгоритм от «Яндекса» CatBoost конкурирует с разработками бигтехов
Алгоритм CatBoost от «Яндекса» вошел в число наиболее широко используемых инструментов машинного обучения (ML) в академических исследованиях ученых по версии американского издания Marktechpost. Доклад ML Global Impact Report 2025 охватывает исследова
👍3
Бум ИИ взвинтил цены и на уран. Оказывается, чтобы генерировать код и картинки с котиками, дата-центрам нужно столько энергии, что IT-гиганты начали массово скупать ядерное топливо. Google и Microsoft уже реанимируют закрытые АЭС, а рынок урана пробил потолок.
Ситуация на рынке:
— Долгосрочные контракты подскочили до $86 за фунт — это максимум с 2008 года;
— Потребности в топливе удвоятся к 2040 году (до 150 000 тонн в год), а старые шахты истощаются;
— Новые месторождения разрабатывать долго и дорого, инвесторы годами игнорировали эту отрасль;
— Дефицит уже на горизонте, так что весь свободный уран уйдёт на обучение GPT-6
Ситуация на рынке:
— Долгосрочные контракты подскочили до $86 за фунт — это максимум с 2008 года;
— Потребности в топливе удвоятся к 2040 году (до 150 000 тонн в год), а старые шахты истощаются;
— Новые месторождения разрабатывать долго и дорого, инвесторы годами игнорировали эту отрасль;
— Дефицит уже на горизонте, так что весь свободный уран уйдёт на обучение GPT-6
Вакансии в СБМ Роспотребнадзора (г. Москва)
1. Старший лаборант вивария (зоотехник).
🔵 Основные задачи: организация оборота кормов, ведение журналов, координация привоза/вывоза лабораторных животных.
2. Лаборанты.
🔵 Основная задача: уборка в клетках лабораторных животных (мыши, крысы).
Требования:
🔵 Ответственность, внимательность, отсутствие аллергии на животных.
🔵 Для старшего лаборанта — опыт работы или образование в сфере ветеринарии, зоотехнии, биологии будет преимуществом.
🔵 Готовность работать в лабораторном виварии.
Условия:
🔵 Официальное трудоустройство.
🔵 Стабильный график 5/2.
🔵 Работа в крупной государственной организации.
✉️ Контакты для отклика:
Отправляйте резюме и вопросы на почту: Benedictova_yd@sysbiomed.ru или в Telegram @yana123x
1. Старший лаборант вивария (зоотехник).
2. Лаборанты.
Требования:
Условия:
✉️ Контакты для отклика:
Отправляйте резюме и вопросы на почту: Benedictova_yd@sysbiomed.ru или в Telegram @yana123x
Please open Telegram to view this post
VIEW IN TELEGRAM
«Пятёрочка» официально выиграла в гонке ИИ — компания представила ГалюGPT.
— Галя, отмена!
— Ты абсолютно прав. Прости, это была моя ошибка. Я уже отменила заказ.
@exploitex
— Галя, отмена!
— Ты абсолютно прав. Прости, это была моя ошибка. Я уже отменила заказ.
@exploitex
😁3
DenoiseLAB
«Пятёрочка» официально выиграла в гонке ИИ — компания представила ГалюGPT. — Галя, отмена! — Ты абсолютно прав. Прости, это была моя ошибка. Я уже отменила заказ. @exploitex
Это называется: Зайти со всех козырей ))) Красавчики !!!
🏆 Sakana AI выиграла ICFP 2025 - благодаря новой системе эволюции кода ShinkaEvolve
Исследователи из Sakana AI и команда Unagi показали, что большие языковые модели можно использовать не просто для генерации программ, а для пошаговой эволюции и оптимизации уже существующего кода.
ShinkaEvolve - это эволюционный фреймворк, где языковая модель играет роль «генетического программиста».
Она не пишет решения с нуля, а мутирует, оценивает и улучшает уже работающий код.
Процесс идёт циклами, похожими на естественный отбор.
1. Инициализация
Модель получает исходный код (обычно корректный, но неоптимальный) и описание метрики — например, скорость или точность.
2. Мутации (Variations)
LLM вносит небольшие изменения: перестраивает цикл, меняет структуру данных, переписывает логику с рекурсии на итерацию, удаляет лишние вычисления и т.д.
3. Оценка (Evaluation)
Каждая версия автоматически компилируется и запускается на тестах.
Система измеряет, стало ли решение быстрее или стабильнее.
4. Отбор (Selection)
Лучшие варианты проходят дальше, худшие отбрасываются.
LLM получает обратную связь: что сработало, а что нет.
5. Итерации
Процесс повторяется десятки или сотни раз.
В исследовании — около 320 поколений за ~60 долларов вычислительных затрат.
Изначально решение ICFP-задачи использовало SAT-кодирование (логическую форму для solver'а), но плохо масштабировалось.
ShinkaEvolve смогла:
- переписать часть кода, чтобы сократить количество ограничений;
- внедрить промежуточное представление («дверь → вершина → дверь»), что уменьшило сложность;
- оптимизировать поиск и кэширование данных.
Результат — ускорение до 10×, а на некоторых тестах — почти в 10 раз быстрее базового решения.
ShinkaEvolve — не просто автоматический оптимизатор.
Это новый способ мышления об ИИ-программировании: модель не заменяет разработчика, а ведёт себя как «цифровой соавтор», который предлагает гипотезы и тестирует их сотни раз быстрее, чем человек.
🟠 Подробнее: https://sakana.ai/icfp-2025
🟠 Код: https://github.com/SakanaAI/ShinkaEvolve
🟠 Статья: https://arxiv.org/abs/2509.19349
🟠 Блог: https://sakana.ai/shinka-evolve/
Исследователи из Sakana AI и команда Unagi показали, что большие языковые модели можно использовать не просто для генерации программ, а для пошаговой эволюции и оптимизации уже существующего кода.
ShinkaEvolve - это эволюционный фреймворк, где языковая модель играет роль «генетического программиста».
Она не пишет решения с нуля, а мутирует, оценивает и улучшает уже работающий код.
Процесс идёт циклами, похожими на естественный отбор.
1. Инициализация
Модель получает исходный код (обычно корректный, но неоптимальный) и описание метрики — например, скорость или точность.
2. Мутации (Variations)
LLM вносит небольшие изменения: перестраивает цикл, меняет структуру данных, переписывает логику с рекурсии на итерацию, удаляет лишние вычисления и т.д.
3. Оценка (Evaluation)
Каждая версия автоматически компилируется и запускается на тестах.
Система измеряет, стало ли решение быстрее или стабильнее.
4. Отбор (Selection)
Лучшие варианты проходят дальше, худшие отбрасываются.
LLM получает обратную связь: что сработало, а что нет.
5. Итерации
Процесс повторяется десятки или сотни раз.
В исследовании — около 320 поколений за ~60 долларов вычислительных затрат.
Изначально решение ICFP-задачи использовало SAT-кодирование (логическую форму для solver'а), но плохо масштабировалось.
ShinkaEvolve смогла:
- переписать часть кода, чтобы сократить количество ограничений;
- внедрить промежуточное представление («дверь → вершина → дверь»), что уменьшило сложность;
- оптимизировать поиск и кэширование данных.
Результат — ускорение до 10×, а на некоторых тестах — почти в 10 раз быстрее базового решения.
ShinkaEvolve — не просто автоматический оптимизатор.
Это новый способ мышления об ИИ-программировании: модель не заменяет разработчика, а ведёт себя как «цифровой соавтор», который предлагает гипотезы и тестирует их сотни раз быстрее, чем человек.
Please open Telegram to view this post
VIEW IN TELEGRAM
sakana.ai
Sakana AI
ShinkaEvolve in Action: How a Human-AI Partnership Conquered a Coding Challenge
👍2
This media is not supported in your browser
VIEW IN TELEGRAM
👨🎓 Одна из самых запоминающихся сцен в истории Нобелевской премии.
12 октября 2020 года, в 2:15 ночи, камера видеонаблюдения зафиксировала, как профессор Роберт Уилсон в тапочках стоит у двери своего соседа — профессора Пола Милгрома.
Они были давними коллегами и жили напротив друг друга. В ту ночь им обоим присудили Нобелевскую премию по экономике за вклад в теорию аукционов, но дозвониться удалось только одному — поэтому второй пришёл лично сообщить новость.
12 октября 2020 года, в 2:15 ночи, камера видеонаблюдения зафиксировала, как профессор Роберт Уилсон в тапочках стоит у двери своего соседа — профессора Пола Милгрома.
Они были давними коллегами и жили напротив друг друга. В ту ночь им обоим присудили Нобелевскую премию по экономике за вклад в теорию аукционов, но дозвониться удалось только одному — поэтому второй пришёл лично сообщить новость.
🔥4
В Китае создают первого в мире робота-гуманоида с искусственной маткой и возможностью зачатия. Робот сможет сам вынашивать эмбрион вплоть до его рождения благодаря встроенной системе с искусственной маткой, околоплодной жидкостью и питательными трубками. Прототип выпустят уже в 2026 году по цене всего около 1 млн рублей. @banki_oil
🤔2
Почему утечка данных через ИИ-сервисы стала проблемой и как ее решать без тотальных запретов?
#ИИ #ai #llm #ml #ciso
Корпоративные ИИ-ассистенты создали новые каналы для утечки данных. Исследования показывают, что генеративным ИИ активно пользуются 45% сотрудников крупных компаний, при этом две трети этой активности происходят через личные аккаунты, создавая новую «слепую зону» корпоративной безопасности. Этот скрытый, но массовый оборот данных заставляет более половины российских компаний опасаться утечек через ИИ. Неудивительно: исследование LayerX показало, что ИИ стал главным каналом утечки данных в 2025 году.
🔗 Источник
🌚 @poxek
#ИИ #ai #llm #ml #ciso
Мне близка проблема ShadowAI, поэтому думаю стоит поделиться хорошим материал и CISO Club и HiveTrace
Корпоративные ИИ-ассистенты создали новые каналы для утечки данных. Исследования показывают, что генеративным ИИ активно пользуются 45% сотрудников крупных компаний, при этом две трети этой активности происходят через личные аккаунты, создавая новую «слепую зону» корпоративной безопасности. Этот скрытый, но массовый оборот данных заставляет более половины российских компаний опасаться утечек через ИИ. Неудивительно: исследование LayerX показало, что ИИ стал главным каналом утечки данных в 2025 году.
Please open Telegram to view this post
VIEW IN TELEGRAM
CISOCLUB
Контроль утечек при использовании ИИ-сервисов сотрудниками: прокси, маскирование и запрет на секреты
ИИ создаёт новые бреши — узнайте практическую стратегию защиты корпоративных данных: прокси, маскирование, редтиминг и реагирование. Перейдите за подробностями.
Интерпретатор NGS данных в Институт синтетической биологии и генной инженерии "ЦСП" ФМБА России
Задачи:
🔸Ведение проектов по генетике социально значимых патологий (репродуктивные и детские генетические заболевания, возраст-ассоциированные заболевания, кардиология, психиатрия, спортивная медицина).
🔸Интерпретация разного типа данных секвенирования нового поколения (WGS, панельное секвенирование и т.д.).
🔸Взаимодействие с биоинформатиками, врачами и исследователями при разработке дизайна исследований.
🔸Участие в разработке индивидуальных регистрационных карт исследований, протоколов исследований.
🔸Постоянное отслеживание актуальных публикаций и научных трендов в области медицинской генетики.
🔸Подготовка научных статей, презентаций и участие в разработке пользовательских диагностических решений.
Требования:
🔸Высшее медицинское образование (врач терапевтической специальности, клинический фармаколог) или биологическое образование.
🔸Дополнительное обучение или опыт в анализе NGS-данных, биоинформатике будет преимуществом.
🔸Желательно наличие научных публикаций, отражающих результаты собственных исследований.
🔸Владение английским языком на уровне, достаточном для работы с научной литературой.
Условия:
🔸Полная занятость, возможность гибридного формата работы после прохождения испытательного срока.
🔸Работа в междисциплинарной команде врачей, биоинформатиков и исследователей.
🔸Стабильная заработная плата на уровне рынка.
🔸Оформление по ТК РФ.
🔸Прикрепление к поликлинике ФМБЦ им. Бурназяна ФМБА.
🔸Комфортный офис в 10 минутах от метро Щукинская.
🔸Зарплата: от 120000 рублей на руки, зависит от опыта и навыков.
Хотите разместить свою карьерную возможность? Заполняйте заявку.
Хотите посотрудничать с нами?
Пишите @scicareerwork❤️
Задачи:
🔸Ведение проектов по генетике социально значимых патологий (репродуктивные и детские генетические заболевания, возраст-ассоциированные заболевания, кардиология, психиатрия, спортивная медицина).
🔸Интерпретация разного типа данных секвенирования нового поколения (WGS, панельное секвенирование и т.д.).
🔸Взаимодействие с биоинформатиками, врачами и исследователями при разработке дизайна исследований.
🔸Участие в разработке индивидуальных регистрационных карт исследований, протоколов исследований.
🔸Постоянное отслеживание актуальных публикаций и научных трендов в области медицинской генетики.
🔸Подготовка научных статей, презентаций и участие в разработке пользовательских диагностических решений.
Требования:
🔸Высшее медицинское образование (врач терапевтической специальности, клинический фармаколог) или биологическое образование.
🔸Дополнительное обучение или опыт в анализе NGS-данных, биоинформатике будет преимуществом.
🔸Желательно наличие научных публикаций, отражающих результаты собственных исследований.
🔸Владение английским языком на уровне, достаточном для работы с научной литературой.
Условия:
🔸Полная занятость, возможность гибридного формата работы после прохождения испытательного срока.
🔸Работа в междисциплинарной команде врачей, биоинформатиков и исследователей.
🔸Стабильная заработная плата на уровне рынка.
🔸Оформление по ТК РФ.
🔸Прикрепление к поликлинике ФМБЦ им. Бурназяна ФМБА.
🔸Комфортный офис в 10 минутах от метро Щукинская.
🔸Зарплата: от 120000 рублей на руки, зависит от опыта и навыков.
Хотите разместить свою карьерную возможность? Заполняйте заявку.
Хотите посотрудничать с нами?
Пишите @scicareerwork
Please open Telegram to view this post
VIEW IN TELEGRAM
👍2
Дни NVidia сочтены, их поглотят также как рынок автомобилей в европе. Это я предполагаю если что. Вообще, очень интересно если что, 90% прибыли NVidia это разработки ИИ.
🙏3
🚀 Как Alibaba использовала ИИ для перехода от монолита к DDD: реальный кейс
Команда разработчиков Taobao применила искусственный интеллект для рефакторинга сложной системы сервисных пакетов. Цель — автоматизировать и ускорить переход на доменно-ориентированное проектирование (DDD).
📌 Ключевой результат: разработка новой функциональности, которая раньше занимала 5-8 человеко-дней, теперь сводится к конфигурационным изменениям.
🔍 В чем была проблема?
Старый код превратился в "монолит" с критическими недостатками:
• Высокая стоимость изменений: добавление нового типа товара требовало правок в 8+ файлах.
• Тонны дублирования: одна и та же логика проверки товара повторялась в 10 разных местах.
• Сильная связанность: один сервисный класс на 3800 строк смешивал логику товаров, цен, контрактов и акций.
• Риски: любое изменение могло сломать существующую функциональность.
🤖 Как помог ИИ? Процесс в две фазы
1. Фаза проектирования: Инженеры давали ИИ промпты вроде "Ты — эксперт по DDD, проанализируй этот пакет классов и предложи границы контекстов". ИИ быстро предлагал варианты на основе структуры кода, а люди дорабатывали их с учетом бизнес-семантики.
2. Фаза реализации:
• Генерация каркаса: ИИ создавал заготовки классов (
• Написание кода: ИИ генерировал boilerplate-код и преобразования данных. Например, написал 734 строки с точностью 96.6% (потребовалось исправить всего 25 строк).
• Анализ качества: ИИ сравнивал методы "до" и "после", выявлял дубликаты и оценивал степень связности.
📊 Результаты рефакторинга
Вот сравнение одного ключевого метода
Было (монолит):
• Код: ~1500 строк в основном методе + вспомогательных цепочках.
• Проблемы: высокая связанность, дублирующиеся if-else на 10+ типов товаров, логика ценообразования и акций вперемешку.
Стало (DDD с ИИ):
• Код: ~720 строк, разделенных по четким доменным контекстам (Магазин, Контракт, Товар, Цена, Акция).
• Преимущества: каждый шаг отвечает за одну задачу, логика изолирована, дублирование устранено, систему легко тестировать и расширять.
🎯 Вывод
Это не про то, что ИИ заменит архитекторов. Это про мощный симбиоз: ИИ берет на себя рутинный анализ кода, генерацию шаблонов и поиск антипаттернов, освобождая инженеров для решения сложных архитектурных и бизнес-задач. Такой подход сокращает циклы рефакторинга на 75%+ и кардинально повышает качество кода.
Подробнее
Опыт отечественных компаний подтверждает выводы китайских специалистов. В частности, об этом недавно писал в своей статье «Меньше рутины, больше инженерного творчества: как AI меняет подход к рефакторингу» Антон Атоян из Сбертех.
#КитайскийИИ #КитайAI
Команда разработчиков Taobao применила искусственный интеллект для рефакторинга сложной системы сервисных пакетов. Цель — автоматизировать и ускорить переход на доменно-ориентированное проектирование (DDD).
📌 Ключевой результат: разработка новой функциональности, которая раньше занимала 5-8 человеко-дней, теперь сводится к конфигурационным изменениям.
🔍 В чем была проблема?
Старый код превратился в "монолит" с критическими недостатками:
• Высокая стоимость изменений: добавление нового типа товара требовало правок в 8+ файлах.
• Тонны дублирования: одна и та же логика проверки товара повторялась в 10 разных местах.
• Сильная связанность: один сервисный класс на 3800 строк смешивал логику товаров, цен, контрактов и акций.
• Риски: любое изменение могло сломать существующую функциональность.
🤖 Как помог ИИ? Процесс в две фазы
1. Фаза проектирования: Инженеры давали ИИ промпты вроде "Ты — эксперт по DDD, проанализируй этот пакет классов и предложи границы контекстов". ИИ быстро предлагал варианты на основе структуры кода, а люди дорабатывали их с учетом бизнес-семантики.
2. Фаза реализации:
• Генерация каркаса: ИИ создавал заготовки классов (
Domain, DomainService, DomainRepo) на основе техзадания.• Написание кода: ИИ генерировал boilerplate-код и преобразования данных. Например, написал 734 строки с точностью 96.6% (потребовалось исправить всего 25 строк).
• Анализ качества: ИИ сравнивал методы "до" и "после", выявлял дубликаты и оценивал степень связности.
📊 Результаты рефакторинга
Вот сравнение одного ключевого метода
queryConfirmableProgramList:Было (монолит):
• Код: ~1500 строк в основном методе + вспомогательных цепочках.
• Проблемы: высокая связанность, дублирующиеся if-else на 10+ типов товаров, логика ценообразования и акций вперемешку.
Стало (DDD с ИИ):
• Код: ~720 строк, разделенных по четким доменным контекстам (Магазин, Контракт, Товар, Цена, Акция).
• Преимущества: каждый шаг отвечает за одну задачу, логика изолирована, дублирование устранено, систему легко тестировать и расширять.
🎯 Вывод
Это не про то, что ИИ заменит архитекторов. Это про мощный симбиоз: ИИ берет на себя рутинный анализ кода, генерацию шаблонов и поиск антипаттернов, освобождая инженеров для решения сложных архитектурных и бизнес-задач. Такой подход сокращает циклы рефакторинга на 75%+ и кардинально повышает качество кода.
Подробнее
Опыт отечественных компаний подтверждает выводы китайских специалистов. В частности, об этом недавно писал в своей статье «Меньше рутины, больше инженерного творчества: как AI меняет подход к рефакторингу» Антон Атоян из Сбертех.
#КитайскийИИ #КитайAI
CNews.ru
Меньше рутины, больше инженерного творчества: Антон Атоян, «СберТех», — о том, как ИИ меняет разработку - CNews
Согласно прогнозам, использование ИИ в производстве ПО будет способствовать росту мирового рынка разработки примерно на 20% в год и расширению спектра программных продуктов. Опросы показывают, что...
👍1