Forwarded from Анализ данных (Data analysis)
🚀 Вышла новая модель для кодинга - Qwen3-Coder-Next (линейка Qwen).
Это open-weight LM, заточенная под кодинг-агентов и локальную разработку.
Что внутри:
🤖 Около 800K проверяемых задач + окружения, где код можно реально исполнять, а не просто генерировать текст.
📈 Баланс эффективность / качество
Модель с 80B общих параметров и ~3B активных показывает сильные результаты на SWE-Bench Pro при относительно экономичном инференсе.
✨ Экосистема инструментов
Заявлена поддержка сценариев с агентами и дев-инструментами: OpenClaw, Qwen Code, Claude Code, веб-разработка, работа через браузер, Cline и т.д.
В целом это ещё один шаг к моделям, которые проектируются не просто как "LLM для текста", а как движок для реальных кодинг-агентов.
🤗 Hugging Face: https://huggingface.co/collections/Qwen/qwen3-coder-next
🤖 ModelScope: https://modelscope.cn/collections/Qwen/Qwen3-Coder-Next
📝 Blog: https://qwen.ai/blog?id=qwen3-coder-next
📄 Tech report: https://github.com/QwenLM/Qwen3-Coder/blob/main/qwen3_coder_next_tech_report.pdf
@data_analysis_ml
Это open-weight LM, заточенная под кодинг-агентов и локальную разработку.
Что внутри:
🤖 Около 800K проверяемых задач + окружения, где код можно реально исполнять, а не просто генерировать текст.
📈 Баланс эффективность / качество
Модель с 80B общих параметров и ~3B активных показывает сильные результаты на SWE-Bench Pro при относительно экономичном инференсе.
✨ Экосистема инструментов
Заявлена поддержка сценариев с агентами и дев-инструментами: OpenClaw, Qwen Code, Claude Code, веб-разработка, работа через браузер, Cline и т.д.
В целом это ещё один шаг к моделям, которые проектируются не просто как "LLM для текста", а как движок для реальных кодинг-агентов.
🤗 Hugging Face: https://huggingface.co/collections/Qwen/qwen3-coder-next
🤖 ModelScope: https://modelscope.cn/collections/Qwen/Qwen3-Coder-Next
📝 Blog: https://qwen.ai/blog?id=qwen3-coder-next
📄 Tech report: https://github.com/QwenLM/Qwen3-Coder/blob/main/qwen3_coder_next_tech_report.pdf
@data_analysis_ml
🔥2
This media is not supported in your browser
VIEW IN TELEGRAM
Самый опасный навык сейчас - AI-автоматизация
Сегодня выигрывает не тот, кто больше работает, а тот, кто больше автоматизирует. AI-автоматизация - это когда ты один раз пишешь скрипт, а дальше ИИ делает работу за тебя: собирает данные, анализирует, пишет отчеты, генерирует тексты, ищет ошибки. По сути, ты превращаешь время в систему.
Для зрителя это выглядит как магия: пока другие делают руками, у тебя работает связка Python + AI + API. Это уже не "использовать нейросеть", а строить мини-агентов под свои задачи. Именно этот навык начинает разделять разработчиков на обычных и тех, кто работает на другом уровне продуктивности. Подписывайся, больше фишек каждый день !
# Пример мини AI-автоматизации: анализ текста и краткое резюме
Сегодня выигрывает не тот, кто больше работает, а тот, кто больше автоматизирует. AI-автоматизация - это когда ты один раз пишешь скрипт, а дальше ИИ делает работу за тебя: собирает данные, анализирует, пишет отчеты, генерирует тексты, ищет ошибки. По сути, ты превращаешь время в систему.
Для зрителя это выглядит как магия: пока другие делают руками, у тебя работает связка Python + AI + API. Это уже не "использовать нейросеть", а строить мини-агентов под свои задачи. Именно этот навык начинает разделять разработчиков на обычных и тех, кто работает на другом уровне продуктивности. Подписывайся, больше фишек каждый день !
# Пример мини AI-автоматизации: анализ текста и краткое резюме
import requests
API_KEY = "YOUR_API_KEY"
url = "https://api.openai.com/v1/chat/completions"
headers = {
"Authorization": f"Bearer {API_KEY}",
"Content-Type": "application/json"
}
text = """
Компания за квартал увеличила выручку на 32%, снизила издержки на логистику
и запустила новую линейку продуктов на азиатском рынке.
"""
payload = {
"model": "gpt-4o-mini",
"messages": [
{"role": "system", "content": "Ты бизнес-аналитик."},
{"role": "user", "content": f"Сделай краткое бизнес-резюме текста:\n{text}"}
]
}
response = requests.post(url, headers=headers, json=payload)
print(response.json()["choices"][0]["message"]["content"])
❤4
🎨 Excalidraw MCP App: Интерактивные диаграммы в чате
Сервер для потоковой передачи нарисованных от руки диаграмм Excalidraw с возможностью управления камерой и редактирования в полноэкранном режиме. Идеально подходит для создания визуализаций и архитектурных схем прямо в ваших беседах.
🚀 Основные моменты:
- Поддержка интерактивных диаграмм в чате
- Легкая интеграция с Claude.ai
- Возможность локального развертывания
- Удобный интерфейс для рисования
- Постоянные обновления и улучшения
📌 GitHub: https://github.com/antonpk1/excalidraw-mcp-app
#javascript
Сервер для потоковой передачи нарисованных от руки диаграмм Excalidraw с возможностью управления камерой и редактирования в полноэкранном режиме. Идеально подходит для создания визуализаций и архитектурных схем прямо в ваших беседах.
🚀 Основные моменты:
- Поддержка интерактивных диаграмм в чате
- Легкая интеграция с Claude.ai
- Возможность локального развертывания
- Удобный интерфейс для рисования
- Постоянные обновления и улучшения
📌 GitHub: https://github.com/antonpk1/excalidraw-mcp-app
#javascript
👍2❤1
Forwarded from Machinelearning
Не прошло и суток с момента релиза, а Zhipu AI выложила веса GLM-5 и любезно поделилась проведенными бенчмарками.
Архитектура пятого поколения построена на MoE: 744 млрд. общих параметров при активных 40 млрд. Модель учили на 28,5 трлн. токенов и она получила контекстное окно в 200 тыс. токенов.
GLM-5 ориентирован на 5 доменов: кодинг, рассуждение, агентные сценарии, генеративное творчество и работа с длинным контекстом.
Для эффективной обработки длинных последовательностей интегрирован механизм Dynamically Sparse Attention от DeepSeek, он позволяет избежать квадратичного роста копьюта без потери качества.
По бенчмаркам GLM-5 занимает 1 место среди open-source моделей: 77,8% на SWE-bench Verified, лидирует на Vending Bench 2, BrowseComp и MCP-Atlas, а в задачах агентного кодирования и рассуждений вплотную подбирается к Claude Opus 4.5 и GPT-5.2.
Вместе с моделью, авторы предлагают Z Code — собственную агентную IDE с поддержкой параллельной работы нескольких агентов над одной задачей.
Локальный деплой поддерживается vLLM и SGLang, а также non-NVIDIA чипами: Huawei Ascend, Moore Threads, Cambricon (через квантование и оптимизацию ядер).
Если вам негде поднять модель локально, она доступна через платформу chat.z.ai, API и на OpenRouter.
Квантованные версии пока сделали только Unsloth, традиционно - полный набор от 1-bit до BF16.
@ai_machinelearning_big_data
#AI #ML #LLM #GLM5 #ZAI
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
❤1
Forwarded from Neural Networks | Нейронные сети
В честь 250-летия США Forbes опубликовал рейтинг America's Greatest Innovators. Верхушка списка пестрит основателями и руководителями ИИ-компаний.
Первое место занял Илон Маск, следом идут Дженсен Хуанг и Сэм Альтман. В топ-20 также вошли сооснователи Google Ларри Пейдж и Сергей Брин.
По словам редакторов издания, критерием отбора стала способность превращать сложные технологии в повсеместно используемые инструменты.
forbes.com
Please open Telegram to view this post
VIEW IN TELEGRAM
.
ИИ убрал самый дорогой этап в программирование- написание и поддержку кода.
Код становится экспоненциально дешевле.
Люди запускают больше продуктов.
И делают это намного быстрее.
Последние 50 лет главная проблема была одна:
• Найти сильных инженеров, которые смогут превратить идею в рабочий продукт.
Этот барьер быстро разрушается.
Качественная разработка больше не редкий талант.
Она превращается в утилиту по запросу.
И теперь меняется главное правило игры:
Когда код становится почти «бесконечным» -
узкое место смещается.
Теперь важно не *как писать код*.
Теперь важно:
- выбрать правильную проблему
- понять боль пользователя
- сделать нужный продукт
Что это меняет:
- Появятся продукты для очень узких ниш
- Софт для маленьких профессий и локального бизнеса
- Внутренние инструменты, которые раньше жили в Excel
- Персонализированные продукты «под одного»
Сегодня один человек может сделать то,
для чего раньше нужна была целая команда.
Следующий этап:
Софт будет создаваться в объёмах и скоростях,
которые ещё недавно казались невозможными.
Новая реальность:
Код - дешёвый.
Идеи и понимание пользователя - дорогие.
ИИ убрал самый дорогой этап в программирование- написание и поддержку кода.
Код становится экспоненциально дешевле.
Люди запускают больше продуктов.
И делают это намного быстрее.
Последние 50 лет главная проблема была одна:
• Найти сильных инженеров, которые смогут превратить идею в рабочий продукт.
Этот барьер быстро разрушается.
Качественная разработка больше не редкий талант.
Она превращается в утилиту по запросу.
И теперь меняется главное правило игры:
Когда код становится почти «бесконечным» -
узкое место смещается.
Теперь важно не *как писать код*.
Теперь важно:
- выбрать правильную проблему
- понять боль пользователя
- сделать нужный продукт
Что это меняет:
- Появятся продукты для очень узких ниш
- Софт для маленьких профессий и локального бизнеса
- Внутренние инструменты, которые раньше жили в Excel
- Персонализированные продукты «под одного»
Сегодня один человек может сделать то,
для чего раньше нужна была целая команда.
Следующий этап:
Софт будет создаваться в объёмах и скоростях,
которые ещё недавно казались невозможными.
Новая реальность:
Код - дешёвый.
Идеи и понимание пользователя - дорогие.
👍3👎3🥴1
This media is not supported in your browser
VIEW IN TELEGRAM
День 1 — идея.
Я попросил AI придумать простой продукт, который можно запустить за вечер.
День 2 — запуск.
AI написал тексты, сделал структуру и помог собрать Telegram-бота без кода.
День 3 — первые пользователи.
Я выложил шортс про бота в новом канале ютуб и рилз в инсте.
Через 5 дней:
— 120 пользователей
— 9 оплат
— первые деньги без разработчиков, команды и бюджета.
Вывод простой:
В 2026 зарабатывают не те, кто пишет код.
А те, кто умеет быстро проверять идеи с помощью AI.
@Chatgpturbobot - бот
Промпт для запуска идеи:
You are a startup generator.
Task:
Suggest 3 simple digital products that:
can be built in 1 day
solve a real problem
can be monetized via subscription
For the best idea provide:
Target audience
Value proposition (1 sentence)
MVP features (max 5)
Monetization model
Step-by-step launch plan for 48 hours
Format the answer clearly and practically for fast execution.Please open Telegram to view this post
VIEW IN TELEGRAM
❤2👍2💩2😁1
Этот файл CLAUDE.md может сделать тебя разработчиком в 10 раз эффективнее 👇
В нём собраны лучшие практики работы с Claude Code от его создателя.
Борис Черны (создатель Claude Code в Anthropic) поделился в X внутренними подходами и рабочими процессами, которые его команда действительно использует каждый день. Позже эти материалы оформили в структурированный файл CLAUDE.md, который можно добавить в любой проект.
Что внутри:
- оркестрация рабочих процессов
- стратегия субагентов
- цикл самоулучшения
- проверка перед завершением задачи
- автономное исправление ошибок
- базовые принципы работы
Это система с накопительным эффектом.
Каждое исправление, которое ты вносишь, сохраняется как правило. Со временем Claude делает всё меньше ошибок, потому что учится на твоей обратной связи.
Если ты используешь AI в разработке каждый день - это может сэкономить тебе десятки часов.
В нём собраны лучшие практики работы с Claude Code от его создателя.
Борис Черны (создатель Claude Code в Anthropic) поделился в X внутренними подходами и рабочими процессами, которые его команда действительно использует каждый день. Позже эти материалы оформили в структурированный файл CLAUDE.md, который можно добавить в любой проект.
Что внутри:
- оркестрация рабочих процессов
- стратегия субагентов
- цикл самоулучшения
- проверка перед завершением задачи
- автономное исправление ошибок
- базовые принципы работы
Это система с накопительным эффектом.
Каждое исправление, которое ты вносишь, сохраняется как правило. Со временем Claude делает всё меньше ошибок, потому что учится на твоей обратной связи.
Если ты используешь AI в разработке каждый день - это может сэкономить тебе десятки часов.
👎4❤1👍1
DeepSeek готовится выпустить новую модель V4 - релиз ожидается в ближайшее время (по данным CNBC).
И рынок уже нервничает.
NASDAQ находится под давлением — инвесторы закладывают сценарий, при котором новый релиз может резко усилить конкуренцию и изменить расклад в AI-индустрии.
Почему такая реакция?
DeepSeek V4, по слухам, должен стать серьёзным скачком вперёд:
- более сильное reasoning
- лучшая эффективность
- более низкая стоимость
Если это подтвердится, давление на американские AI-компании и их оценки может усилиться.
Контекст становится ещё интереснее на фоне недавнего заявления Anthropic, где компания сообщила о масштабных попытках distillation через API.
Во времени это выглядит как совпадение:
- готовится крупный релиз DeepSeek
- рынок нервничает
- и одновременно звучат обвинения в копировании возможностей моделей
Если V4 действительно окажется сильным, это может означать новую фазу AI-гонки.
Ответ узнаем очень скоро.
Следующий релиз может повлиять не только на технологии -
но и на рынок.
https://www.cnbc.com/2026/02/23/deepseek-to-release-new-ai-model-a-rough-period-for-nasdaq-stocks-could-follow.html
И рынок уже нервничает.
NASDAQ находится под давлением — инвесторы закладывают сценарий, при котором новый релиз может резко усилить конкуренцию и изменить расклад в AI-индустрии.
Почему такая реакция?
DeepSeek V4, по слухам, должен стать серьёзным скачком вперёд:
- более сильное reasoning
- лучшая эффективность
- более низкая стоимость
Если это подтвердится, давление на американские AI-компании и их оценки может усилиться.
Контекст становится ещё интереснее на фоне недавнего заявления Anthropic, где компания сообщила о масштабных попытках distillation через API.
Во времени это выглядит как совпадение:
- готовится крупный релиз DeepSeek
- рынок нервничает
- и одновременно звучат обвинения в копировании возможностей моделей
Если V4 действительно окажется сильным, это может означать новую фазу AI-гонки.
Ответ узнаем очень скоро.
Следующий релиз может повлиять не только на технологии -
но и на рынок.
https://www.cnbc.com/2026/02/23/deepseek-to-release-new-ai-model-a-rough-period-for-nasdaq-stocks-could-follow.html
Google строит дата-центр, который сможет работать 4 дня без электричества — и всё благодаря… ржавчине.
Компания объявила о запуске нового дата-центра в Миннесоте мощностью 1,9 ГВт, полностью на чистой энергии.
Что внутри проекта:
- энергия от ветра и солнца
- система накопления на 300 МВт
- огромная батарея, способная питать инфраструктуру до 100 часов (≈4 дня)
Но самое интересное - технология хранения.
Вместо обычных литий-ионных батарей используется решение от Form Energy, которое работает… на железе.
Как это работает:
- железо контактирует с воздухом и ржавеет, вырабатывая электричество
- при зарядке процесс идёт в обратную сторону — ржавчина снова превращается в железо
Такие «железо-воздушные» батареи:
- стоят примерно в 3 раза дешевле литиевых
- подходят для долгого хранения энергии
- идеальны для дата-центров и AI-инфраструктуры
Google также использует специальную финансовую модель, чтобы:
- взять риски новой технологии на себя
- защитить жителей от возможного роста тарифов
AI-дата-центры требуют всё больше энергии.
И будущее инфраструктуры - это не только GPU, но и дешёвое долгосрочное хранение электричества.
techcrunch.com/2026/02/24/googles-new-1-9gw-clean-energy-deal-includes-massive-100-hour-battery/
Компания объявила о запуске нового дата-центра в Миннесоте мощностью 1,9 ГВт, полностью на чистой энергии.
Что внутри проекта:
- энергия от ветра и солнца
- система накопления на 300 МВт
- огромная батарея, способная питать инфраструктуру до 100 часов (≈4 дня)
Но самое интересное - технология хранения.
Вместо обычных литий-ионных батарей используется решение от Form Energy, которое работает… на железе.
Как это работает:
- железо контактирует с воздухом и ржавеет, вырабатывая электричество
- при зарядке процесс идёт в обратную сторону — ржавчина снова превращается в железо
Такие «железо-воздушные» батареи:
- стоят примерно в 3 раза дешевле литиевых
- подходят для долгого хранения энергии
- идеальны для дата-центров и AI-инфраструктуры
Google также использует специальную финансовую модель, чтобы:
- взять риски новой технологии на себя
- защитить жителей от возможного роста тарифов
AI-дата-центры требуют всё больше энергии.
И будущее инфраструктуры - это не только GPU, но и дешёвое долгосрочное хранение электричества.
techcrunch.com/2026/02/24/googles-new-1-9gw-clean-energy-deal-includes-massive-100-hour-battery/
🔥5🤔1🌚1
Ты научишься делать те, которые работают в продакшене.
Это не про BeautifulSoup ради галочки.
Это про системы сбора данных, которые:
• не падают из-за мелких изменений на сайте
• собирают данные в разы быстрее
• обновляют всё автоматически по расписанию
• обходят ограничения и блокировки
• выглядят как полноценный сервис, а не как хаос из файлов
Ты начнёшь видеть сайты не как страницы, а как источники данных, к которым можно подключаться.
В итоге ты сможешь:
• забирать данные для своих проектов
• автоматизировать чужую рутину
• создавать инструменты для аналитики
• брать коммерческие заказы на сбор данных
Это навык, который напрямую превращается в деньги.
Не «знаю Python», а «умею профессионально добывать данные из интернета».
🎁 Скидка 50% на Stepik действует 48 часов: https://stepik.org/a/269942/
Please open Telegram to view this post
VIEW IN TELEGRAM
❤2👍1🔥1
Forwarded from Machinelearning
Media is too big
VIEW IN TELEGRAM
Компания выпустила 2 апдейта для повышение стабильности аудиоинтерфейсов и производительности агентов.
Первый - модель gpt-realtime-1.5 для Realtime API. Она оптимизирована для более надежной работы с голосовыми командами. По данным OpenAI, точность распознавания произнесенных цифр и букв выросла на 10%. Модель на 5% лучше справляется с логическими задачами в аудиоформате и на 7% точнее следует инструкциям. Базовая аудиомодель тоже получила минорное обновление до версии 1.5.
Второй - нативная поддержка WebSockets в Responses API. Раньше при каждом запросе приходилось заново передавать весь контекст диалога. Теперь API поддерживает постоянное соединение, отправляя только новые данные по мере их поступления. Это кардинально снижает задержки и ускоряет работу сложных ИИ-агентов с частыми вызовами внешних инструментов на 20–40%.
OpenAI for Developers в сети Х
Anthropic расширила возможности Claude Code, нацелив его на автоматическую модернизацию систем, написанных на COBOL. Этот шаг нанес серьезный удар по IBM, главному игроку на рынке обслуживания старых мейнфреймов.
Несмотря на возраст, COBOL остается фундаментом для финансов, авиации и госсектора: на нем обрабатывается 95% транзакций в США. Главная проблема бизнеса заключалась в растущем дефиците специалистов и высокой стоимости анализа старой кодовой базы.
Теперь Claude Code берет этот процесс на себя. Он выстраивает карту зависимостей в коде, документирует рабочие процессы и выявляет скрытые риски, выполняя многомесячную работу аналитиков.
cnbc.com
Google включила сервис ProducerAI в состав Google Labs. Платформа позиционируется как виртуальный соавтор, который создает полноценные треки по текстовым запросам, пишет тексты и настраивает звучание отдельных инструментов.
ProducerAI опирается на стек из Gemini, Veo, Nano Banana и Lyria 3. Самое интересное - функция Spaces, где виртуальные инструменты и эффекты можно задавать человеческим языком: просто описываете нужный звук текстом, а система собирает под него плагин. Готовые пресеты можно скидывать в сообщество и ремиксовать чужие.
Доступ выкатили сразу для 250 стран. Есть бесплатный тариф и платные подписки. Весь сгенерированный контент помечается SynthID.
blog.google
AMD подтвердила планы по выпуску настольных версий линейки Ryzen AI 400. Согласно документации к выставке CES 2026, первыми дебютируют ноутбуки с новыми чипами, а релиз для десктопов запланирован на 2 квартал. В сеть уже утекли рендеры корпоративной серии PRO - значит, официальный анонс явно на подходе.
Новые десктопные APU объединят под кодовым названием Gorgon Point. Технически это обновление существующих мобильных дизайнов Strix Point и Krackan Point.
Пока неясно, будут ли настольные решения использовать оба варианта кристаллов или только один из них. Также остается открытым вопрос, закроет ли компания эти чипы исключительно в корпоративном сегменте.
videocardz.com
В апреле этого года на заводе по сборке кроссоверов RAV4 начнется коммерческая эксплуатация 7 двуногих роботов Digit от компании Agility Robotics. Переход от пилотного тестирования к работе на реальной производственной линии - важный прецедент для промышленности.
Машины интегрируются в рабочий процесс по бизнес-модели Robots-as-a-Service. Их главной задачей станет разгрузка и перемещение контейнеров с деталями от автоматизированных буксировщиков. Передавая рутину машинам, Toyota хочет избавить сотрудников от монотонного и изматывающего труда.
Тренд на двуногих роботов в реальном секторе стремительно набирает обороты: ранее Digit вышли на склады логистического гиганта GXO, а прямые конкуренты из Figure AI обкатывают свои решения на заводах BMW.
agilityrobotics.com
@ai_machinelearning_big_data
#news #ai #ml
Please open Telegram to view this post
VIEW IN TELEGRAM
❤1👍1
Forwarded from Python RU
Новая модель GPT-5.4 от OpenAI поднялась на 6 пунктов и разделила 1-е место в Intelligence Index вместе с Gemini 3.1 Pro Preview от Google.
Модель показывает очень сильные результаты в задачах уровня научных исследований, особенно в физике и агентном программировании, устанавливая новые рекорды по нескольким бенчмаркам.
Также у неё огромное контекстное окно — 1.05 млн токенов.
Но есть и минус.
Модель очень дорогая:
• запуск бенчмарков обошёлся почти в 3 раза дороже, чем у Gemini
• уровень галлюцинаций вырос до 89%, потому что модель слишком стремится отвечать на вопросы, даже когда не уверена.
•
🐍 Python полезные ресурсы 🚀Max
Модель показывает очень сильные результаты в задачах уровня научных исследований, особенно в физике и агентном программировании, устанавливая новые рекорды по нескольким бенчмаркам.
Также у неё огромное контекстное окно — 1.05 млн токенов.
Но есть и минус.
Модель очень дорогая:
• запуск бенчмарков обошёлся почти в 3 раза дороже, чем у Gemini
• уровень галлюцинаций вырос до 89%, потому что модель слишком стремится отвечать на вопросы, даже когда не уверена.
•
🐍 Python полезные ресурсы 🚀Max
🤣4❤1
💀 Эта ошибка убила тысячи — и ты совершаешь её каждый день
Во время Второй мировой войны аналитики ВВС США изучали повреждения бомбардировщиков, вернувшихся с миссий.
Они отмечали, куда чаще всего попадали пули:
- крылья
- хвост
- фюзеляж
Вывод казался очевидным:
👉 усиливаем броню там, где больше всего попаданий
Но один человек сказал: «Вы делаете всё наоборот»
Его звали Абрахам Вальд — молодой статистик.
И он увидел то, что остальные игнорировали.
💥 Главная мысль, которая всё изменила:
Вы анализируете только выживших.
А где данные о самолётах, которые не вернулись?
Именно их и не хватает.
Вальд сделал гениально простой вывод:
👉 если самолёт вернулся с дырками в крыльях — значит, туда *можно* попадать и выжить
👉 а вот туда, где дырок нет — попадание, скорее всего, фатально
То есть:
- двигатель
- кабина пилота
- топливная система
— это и есть настоящие слабые места.
Просто мы их не видим.
Потому что такие самолёты не возвращаются.
⚡️ Армия изменила стратегию.
Усилили не «самые пробитые места», а самые незаметные.
Результат — тысячи спасённых жизней.
🧠 Так появилась концепция:
ошибка выжившего (survivorship bias)
Когда мы делаем выводы только по тем, кто «дошёл до финала» — и игнорируем всех, кто не дошёл.
📊 Интересные факты:
- Вальд работал в секретной группе Statistical Research Group
- Его подход применяли в авиации, баллистике и логистике
- Он делал выводы из отсутствующих данных, а не только из имеющихся
💡 Где это ломает мышление сегодня:
- стартапы — «делай как Uber»
- инвестиции — «копируй успешных»
- карьера — «вот путь топ-разработчика»
- AI — «смотри на лучшие кейсы»
👉 Самое опасное:
мы учимся только на успехах
и почти никогда — на невидимых провалах
📌 Вывод:
самые важные данные — это те, которых у тебя нет
И именно они часто определяют реальность.
#thinking #ai #business #startup
•
🐍 Python полезные ресурсы 🚀Max
Во время Второй мировой войны аналитики ВВС США изучали повреждения бомбардировщиков, вернувшихся с миссий.
Они отмечали, куда чаще всего попадали пули:
- крылья
- хвост
- фюзеляж
Вывод казался очевидным:
👉 усиливаем броню там, где больше всего попаданий
Но один человек сказал: «Вы делаете всё наоборот»
Его звали Абрахам Вальд — молодой статистик.
И он увидел то, что остальные игнорировали.
💥 Главная мысль, которая всё изменила:
Вы анализируете только выживших.
А где данные о самолётах, которые не вернулись?
Именно их и не хватает.
Вальд сделал гениально простой вывод:
👉 если самолёт вернулся с дырками в крыльях — значит, туда *можно* попадать и выжить
👉 а вот туда, где дырок нет — попадание, скорее всего, фатально
То есть:
- двигатель
- кабина пилота
- топливная система
— это и есть настоящие слабые места.
Просто мы их не видим.
Потому что такие самолёты не возвращаются.
⚡️ Армия изменила стратегию.
Усилили не «самые пробитые места», а самые незаметные.
Результат — тысячи спасённых жизней.
🧠 Так появилась концепция:
ошибка выжившего (survivorship bias)
Когда мы делаем выводы только по тем, кто «дошёл до финала» — и игнорируем всех, кто не дошёл.
📊 Интересные факты:
- Вальд работал в секретной группе Statistical Research Group
- Его подход применяли в авиации, баллистике и логистике
- Он делал выводы из отсутствующих данных, а не только из имеющихся
💡 Где это ломает мышление сегодня:
- стартапы — «делай как Uber»
- инвестиции — «копируй успешных»
- карьера — «вот путь топ-разработчика»
- AI — «смотри на лучшие кейсы»
👉 Самое опасное:
мы учимся только на успехах
и почти никогда — на невидимых провалах
📌 Вывод:
самые важные данные — это те, которых у тебя нет
И именно они часто определяют реальность.
#thinking #ai #business #startup
•
🐍 Python полезные ресурсы 🚀Max
❤6👍4🥴2👎1
🔥 Полезная подборка каналов только код, практика и самые передовые инструменты, которые используют разработчики прямо сейчас.👇
🖥 ИИ: t.me/ai_machinelearning_big_data
🖥 Python: t.me/pythonl
🖥 Linux: t.me/linuxacademiya
🖥 C++ t.me/cpluspluc
🖥 Docker: t.me/DevopsDocker
🖥 Хакинг: t.me/linuxkalii
🖥 Devops: t.me/DevOPSitsec
👣 Golang: t.me/Golang_google
🖥 Аналитика: t.me/data_analysis_ml
🖥 Javascript: t.me/javascriptv
🖥 C#: t.me/csharp_ci
🖥 Java: t.me/javatg
🖥 Базы данных: t.me/sqlhub
👣 Rust: t.me/rust_code
🤖 Технологии: t.me/vistehno
💰 Экономика и инвестиции в ИИ t.me/financeStable
💼 Актуальные вакансии: t.me/addlist/_zyy_jQ_QUsyM2Vi
🖥 Подборка по Golang: https://t.me/addlist/MUtJEeJSxeY2YTFi
⚡️ Лучшие ИИ ресурсы: https://t.me/addlist/2Ls-snqEeytkMDgy
Max ИИ: https://max.ru/ai_machinelearning_big_data
Max Ml: https://max.ru/vistehno
Max python: https://max.ru/pythonl
Max Go: https://max.ru/Golang_google
Max Linux: https://max.ru/linuxkalii
Max Java: https://max.ru/javatg
Max Sql: https://max.ru/sqlhub
Max Devops: https://max.ru/DevOPSitsec
Анализ данных: https://max.ru/data_analysis_ml
C++ : https://max.ru/cpluspluc
C#: https://max.ru/csharp_ci
🖥 Chatgpt бот в тг: t.me/Chatgpturbobot
📚 Бесплатные ит-книги: https://t.me/addlist/HwywK4fErd8wYzQy
💰 Экономика и инвестиции в ИИ t.me/financeStable
💼 Актуальные вакансии: t.me/addlist/_zyy_jQ_QUsyM2Vi
⚡️ Лучшие ИИ ресурсы: https://t.me/addlist/2Ls-snqEeytkMDgy
Max ИИ: https://max.ru/ai_machinelearning_big_data
Max Ml: https://max.ru/vistehno
Max python: https://max.ru/pythonl
Max Go: https://max.ru/Golang_google
Max Linux: https://max.ru/linuxkalii
Max Java: https://max.ru/javatg
Max Sql: https://max.ru/sqlhub
Max Devops: https://max.ru/DevOPSitsec
Анализ данных: https://max.ru/data_analysis_ml
C++ : https://max.ru/cpluspluc
C#: https://max.ru/csharp_ci
📚 Бесплатные ит-книги: https://t.me/addlist/HwywK4fErd8wYzQy
Please open Telegram to view this post
VIEW IN TELEGRAM
❤2👍1🥰1
This media is not supported in your browser
VIEW IN TELEGRAM
• CRUD → SELECT, INSERT, UPDATE, DELETE
• Ключи → PRIMARY KEY, FOREIGN KEY
• Ограничения → NOT NULL, UNIQUE, CHECK, DEFAULT
• JOIN’ы → INNER JOIN, LEFT JOIN, RIGHT JOIN
• Агрегации → COUNT, SUM, AVG, MIN, MAX
• Группировка → GROUP BY, HAVING
• Фильтрация → WHERE, BETWEEN, IN, LIKE
• Сортировка → ORDER BY
• Подзапросы → SELECT (SELECT …)
• Индексы → CREATE INDEX
• Представления → CREATE VIEW
• Транзакции → BEGIN, COMMIT, ROLLBACK
• Пагинация → LIMIT, OFFSET
• Оптимизация → EXPLAIN
Please open Telegram to view this post
VIEW IN TELEGRAM
👍3😁2❤1
OpenClaw: как зарабатывать с AI-агентом быстрее, чем кажется возможным
Когда появился OpenClaw, многие задались логичным вопросом: зачем он, если есть n8n, Make, Zapier? На самом деле это совсем другая история.
Автоматизация работает по жёсткому сценарию: шаг за шагом, без отступлений. OpenClaw же позволяет вмешаться в процесс на любом этапе, скорректировать результат и двигаться дальше. Он управляет локальным софтом — например, делает скриншоты через Puppeteer или редактирует проект в Adobe Premiere. И если в процессе обнаруживается, что чего-то не хватает, агент сам находит нужный инструмент и продолжает работу.
Вот четыре реальных способа зарабатывать с OpenClaw прямо сейчас.
https://uproger.com/openclaw-kak-zarabatyvat-s-ai-agentom-bystree-chem-kazhetsya-vozmozhnym/
Когда появился OpenClaw, многие задались логичным вопросом: зачем он, если есть n8n, Make, Zapier? На самом деле это совсем другая история.
Автоматизация работает по жёсткому сценарию: шаг за шагом, без отступлений. OpenClaw же позволяет вмешаться в процесс на любом этапе, скорректировать результат и двигаться дальше. Он управляет локальным софтом — например, делает скриншоты через Puppeteer или редактирует проект в Adobe Premiere. И если в процессе обнаруживается, что чего-то не хватает, агент сам находит нужный инструмент и продолжает работу.
Вот четыре реальных способа зарабатывать с OpenClaw прямо сейчас.
https://uproger.com/openclaw-kak-zarabatyvat-s-ai-agentom-bystree-chem-kazhetsya-vozmozhnym/
❤4👍1