Были на Data Fusion 2026 😎

А теперь делимся, о чём говорили!

В апреля в Москве прошла конференция Data Fusion 2026 про анализ данных и ИИ, наши эксперты приняли в ней участие как спикеры.

В кейс-сессии «Экономика ИИ: сходится или нет?» участвовал Дмитрий Рузанов, руководитель департамента по разработке моделей. Обсуждали, как компании превращают ИИ в реальный экономический эффект, как на ранних этапах оценить жизнеспособность решений и какие сигналы говорят о том, что проект может не окупиться.
▶️ Смотреть запись

«Мы сейчас наблюдаем некоторую коррекцию на рынке в части открытия новых инициатив в области генеративного ИИ по причине неоднозначности финансового эффекта. Высокая стоимость инфраструктуры и ограниченные бизнес-эффекты делают многие инвестиции нецелесообразными. При этом крупные банки и технологические компании продолжают внедрять ИИ, но делают это гораздо осторожнее, соотнося отдачу с затратами»,

— рассказывает Дмитрий Рузанов

А Яна Чаруйская, руководитель дирекции по разработке моделей юридических лиц, выступила сразу в двух сессиях.

В дискуссии «Жизнь в эпоху больших данных» говорили о том, как меняется повседневная работа, как сегодня принимаются решения в компаниях и где проходят границы ответственности и доверия к данным и моделям.
▶️ Смотреть запись

Во второй сессии «ИИ-трансформация бизнеса пройдёт безболезненно?» обсуждали, насколько безболезненно проходит ИИ-трансформация бизнеса и не является ли массовое внедрение ИИ преждевременным.
▶️ Смотреть запись

В комментариях рассказывайте, как вам доклады 🔽

#aaa_hardposting

AUF прокачали. Теперь это уже не просто библиотека... 👀

Выпустили вторую статью на Хабре про Automatic Uplift Framework — нашу open source AutoML-библиотеку для uplift-моделирования. Первую часть смотрите тут (рассказали, как ускорить разработку моделей в десятки раз).

За год после выхода первой статьи библиотека заметно выросла:

▶️ Появилось автообновление uplift-моделей прямо в prod, добавили режим с множественными воздействиями, библиотеку начали использовать уже несколько команд, а внутри провели серьёзный рефакторинг.

▶️

А ещё расширили возможности работы с моделями. Теперь можно тонко настраивать обучение, сравнивать uplift-модель с моделью склонности, глубже анализировать результаты и даже строить аналитику без запуска полного пайплайна. Сильно улучшили документацию, добавили примеры и подробное описание.

🔗 Подробности читайте в новом материале

#aaa_habr

Внутри Альфы переизобрели AutoDL 👀

Ребята из команды автоматизации ML рассказали в новом материале на Хабр, как внутри банка полностью пересобрали библиотеку AutoDL. И вот почему 🔽

Раньше всё работало на отдельных RNN-моделях под разные источники данных. Но со временем система перестала масштабироваться, обучение занимало дни, добавлять новые модальности становилось всё тяжелее.

Поэтому в новой версии команда перешла на мультимодальную transformer-архитектуру, добавила automatic architecture search через DARTS, fusion-модули и полностью пересобрала data pipeline.

В статье разбираем, зачем уходить от RNN, как трансформеры работают с банковскими данными, как боролись с memory issues, Spark и огромными sequence-данными.

Если вам интересны AutoML, трансформеры и инфраструктура ML-систем, скорее читайте статью 🔗

#aaa_habr

Остаётся несколько дней 🔥

Захотите на Яндекс Контест и решайте задачу до 3 июня.