Как вы думаете, сколько ваших коллег или знакомых за последний год дописали в резюме "умение работы с ИИ"? Скорее всего, почти все.
Потому что сегодня это правда важно. Но что такое по-настоящему уметь работать с ИИ? Компаниям не нужны те, кто умеет писать промпты. Они ищут тех, кто понимает принципы и экономику ИИ-решений. Разница между этими двумя опытами и есть спрос, который сейчас формирует рынок.
Даже если вы не ML-инженер, понимание того, где ИИ-внедрение окупится, как оно работает, как считать эффект, где модель работает плохо и как масштабировать решение, – становится ключевым.
Магистратура «Управление внедрением искусственного интеллекта в бизнес» от МИФИ и «Школы 21» целится именно в такие определяющие навыки. Это 2 года серьезного глубокого обучения, которое сделает из вас человека, который действительно "умеет работать с ИИ".
— Два трека на выбор: управленческий (продуктовый подход к ИИ) и технический (LLM, NLP, MLOps, проектирование ИИ-систем и агентных архитектур).
— Формат: дистанционные занятия + интенсив раз в семестр с задачами от реальных компаний (очно или онлайн).
— Три проектные работы за два года, которые не стыдно будет добавить в портфолио.
На выходе у вас будет два документа: диплом магистра МИФИ гос. образца и диплом о переподготовке от «Школы 21». Плюс все, что дает очная форма: отсрочка от армии, доступ к инфраструктуре «Школы 21», студенческие льготы и тд.
Чтобы поступить, надо подать заявку до 22 августа, написать мотивационное письмо и решить кейс.
Все детали и заявка – по ссылке.
Потому что сегодня это правда важно. Но что такое по-настоящему уметь работать с ИИ? Компаниям не нужны те, кто умеет писать промпты. Они ищут тех, кто понимает принципы и экономику ИИ-решений. Разница между этими двумя опытами и есть спрос, который сейчас формирует рынок.
Даже если вы не ML-инженер, понимание того, где ИИ-внедрение окупится, как оно работает, как считать эффект, где модель работает плохо и как масштабировать решение, – становится ключевым.
Магистратура «Управление внедрением искусственного интеллекта в бизнес» от МИФИ и «Школы 21» целится именно в такие определяющие навыки. Это 2 года серьезного глубокого обучения, которое сделает из вас человека, который действительно "умеет работать с ИИ".
— Два трека на выбор: управленческий (продуктовый подход к ИИ) и технический (LLM, NLP, MLOps, проектирование ИИ-систем и агентных архитектур).
— Формат: дистанционные занятия + интенсив раз в семестр с задачами от реальных компаний (очно или онлайн).
— Три проектные работы за два года, которые не стыдно будет добавить в портфолио.
На выходе у вас будет два документа: диплом магистра МИФИ гос. образца и диплом о переподготовке от «Школы 21». Плюс все, что дает очная форма: отсрочка от армии, доступ к инфраструктуре «Школы 21», студенческие льготы и тд.
Чтобы поступить, надо подать заявку до 22 августа, написать мотивационное письмо и решить кейс.
Все детали и заявка – по ссылке.
😁33🗿31❤11🤨7😭5👍2🎄2🔥1🤯1👌1🤓1
В сообществе взлетел новый проект создателя Твиттера Джека Дорси – Buzz 🐝
Это опенсорсный децентрализованный воркспейс для совместной работы людей и агентов.
https://github.com/block/buzz
https://buzz.xyz/
Миссия проекта – закрыть проблему координации команд, в которых люди работают с агентами. В компании Дорси Block команды использовали для этого Slack с ботами-агентами, но в процессе возникало множество проблем и неудобств, поскольку, очевидно, Slack создавался для людей. А Buzz, напротив, создан специально под связку люди + агенты.
Как все устроено:
— Люди, агенты, репозитории и решения существуют в одном канале, и, по сути, любой проект превращается в чат с кодом внутри. Вся история (обсуждение, патчи, CI, ревью, финальное решение) тоже хранится здесь. Построено все на обожаемом Джеком Nostr, кстати.
— Каждый агент получает свой собственный ключ, а не работает под чужими credentials. Владелец лишь подписывает узко ограниченную авторизацию, но сам агент подписывает свою работу своей идентичностью. Решает множество проблем с доступами и безопасностью. Подключить можно любого агента, говорящего на ACP, включая Claude Code и Codex.
— Поверх этого еще идет Git-хостинг, спроектированный под рои агентов: например, он легко выдерживает ситуации, когда десятки агентов пушат одновременно и генерируют сотни коммитов за день.
В двух словах, это замена и Slack, и GitHub в эпоху агентов. И не просто теоретически: у проекта есть все шансы быстро забрать большую долю рынка, потому что, во-первых, он правда хорош, а во-вторых, разрабатывает его не стартап, а огромная многомиллиардная компания с богатой инфраструктурой.
Это опенсорсный децентрализованный воркспейс для совместной работы людей и агентов.
https://github.com/block/buzz
https://buzz.xyz/
Миссия проекта – закрыть проблему координации команд, в которых люди работают с агентами. В компании Дорси Block команды использовали для этого Slack с ботами-агентами, но в процессе возникало множество проблем и неудобств, поскольку, очевидно, Slack создавался для людей. А Buzz, напротив, создан специально под связку люди + агенты.
Как все устроено:
— Люди, агенты, репозитории и решения существуют в одном канале, и, по сути, любой проект превращается в чат с кодом внутри. Вся история (обсуждение, патчи, CI, ревью, финальное решение) тоже хранится здесь. Построено все на обожаемом Джеком Nostr, кстати.
— Каждый агент получает свой собственный ключ, а не работает под чужими credentials. Владелец лишь подписывает узко ограниченную авторизацию, но сам агент подписывает свою работу своей идентичностью. Решает множество проблем с доступами и безопасностью. Подключить можно любого агента, говорящего на ACP, включая Claude Code и Codex.
— Поверх этого еще идет Git-хостинг, спроектированный под рои агентов: например, он легко выдерживает ситуации, когда десятки агентов пушат одновременно и генерируют сотни коммитов за день.
В двух словах, это замена и Slack, и GitHub в эпоху агентов. И не просто теоретически: у проекта есть все шансы быстро забрать большую долю рынка, потому что, во-первых, он правда хорош, а во-вторых, разрабатывает его не стартап, а огромная многомиллиардная компания с богатой инфраструктурой.
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
👍78❤23🤨9🔥8❤🔥2😁2🤔2🫡2⚡1🤝1💘1
Команда технологий голосового ввода Яндекса придумала способ добавлять в умные устройства новые голосовые команды без забывания старых
Это классическая проблема непрерывного обучения, рассказали в ML Underhood. Чтобы устройство начало понимать новые команды, модель распознавания речи нужно дообучить. Но после обновления она может начать хуже распознавать знакомые фразы.
Стандартные методы вроде EWC пытаются удерживать параметры модели рядом с исходными значениями. Однако результат зависит от настройки ограничений, а гарантировать сохранение качества старых команд всё равно нельзя.
Исследователи Яндекса предложили другой подход — модульное расширение сети. Основную модель полностью замораживают, поэтому она продолжает отвечать за старые команды без изменений. Легковесные модули переиспользуют информацию из активаций старых слоёв и учатся распознавать новые команды. Поскольку параметры основной модели не меняются, качество старых команд сохраняется за счёт самой архитектуры, а не подбора настроек обучения.
Подход проверили на открытом наборе Google Speech Commands. В пяти отдельных экспериментах модель обучали распознавать новую пару команд, сохраняя поддержку восьми уже известных.
Средняя доля пропущенных новых команд снизилась с 6,46% до 4,37% по сравнению с отдельной моделью с тем же бюджетом дополнительных параметров. Модульное расширение также превзошло адаптеры и LoRA по качеству и количеству вычислений.
В результате получился практичный способ обновлять голосовые устройства с ограниченными ресурсами процессора и памяти: новые сценарии можно дополнять компактными модулями, не переобучая всю модель и не рискуя уже работающими функциями.
Статью Scalable Keyword Spotting via Modular Network Expansion приняли на Interspeech 2026. Конференция пройдёт с 27 сентября по 1 октября в Сиднее.
https://habr.com/ru/companies/yandex/articles/1061968
Это классическая проблема непрерывного обучения, рассказали в ML Underhood. Чтобы устройство начало понимать новые команды, модель распознавания речи нужно дообучить. Но после обновления она может начать хуже распознавать знакомые фразы.
Стандартные методы вроде EWC пытаются удерживать параметры модели рядом с исходными значениями. Однако результат зависит от настройки ограничений, а гарантировать сохранение качества старых команд всё равно нельзя.
Исследователи Яндекса предложили другой подход — модульное расширение сети. Основную модель полностью замораживают, поэтому она продолжает отвечать за старые команды без изменений. Легковесные модули переиспользуют информацию из активаций старых слоёв и учатся распознавать новые команды. Поскольку параметры основной модели не меняются, качество старых команд сохраняется за счёт самой архитектуры, а не подбора настроек обучения.
Подход проверили на открытом наборе Google Speech Commands. В пяти отдельных экспериментах модель обучали распознавать новую пару команд, сохраняя поддержку восьми уже известных.
Средняя доля пропущенных новых команд снизилась с 6,46% до 4,37% по сравнению с отдельной моделью с тем же бюджетом дополнительных параметров. Модульное расширение также превзошло адаптеры и LoRA по качеству и количеству вычислений.
В результате получился практичный способ обновлять голосовые устройства с ограниченными ресурсами процессора и памяти: новые сценарии можно дополнять компактными модулями, не переобучая всю модель и не рискуя уже работающими функциями.
Статью Scalable Keyword Spotting via Modular Network Expansion приняли на Interspeech 2026. Конференция пройдёт с 27 сентября по 1 октября в Сиднее.
https://habr.com/ru/companies/yandex/articles/1061968
🔥33😁20❤9🗿7❤🔥4☃2😍2😭2⚡1👍1
На многих бенчмарках модель обходит Fable: в том числе на ARC-AGI-3, DeepSWE и BrowseComp.
При этом модель достаточно эффективная в смысле использования токенов, см. графики 2-5: она догоняет или превосходит другие модели при меньших затратах.
Яркий пример, график 6: новый Opus берет 30% на ARC-AGI-3 и тратит на это заметно меньше денег, чем GPT-5.6 Sol, который скорит всего 8%.
Кроме того, Anthropic заявляют, что это самая безопасная модель на сегодняшний день и намного лучше Opus 4.8 по задачам кибербезопасности.
Цена осталась прежней. Модель уже доступна в API и во всех платных планах.
https://www.anthropic.com/news/claude-opus-5
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
❤81👍26🔥13
Forwarded from Futuris (Anton)
Please open Telegram to view this post
VIEW IN TELEGRAM
😁270🤯19🤩10🏆3❤1👏1