💲 Рынок ЗПИФов недвижимости может достичь 1 трлн рублей к 2026 году

По итогам 2024 года активы рыночных закрытых паевых инвестиционных фондов недвижимости выросли до 477 млрд рублей. Такие данные привёл Алексей Сивяков, генеральный директор Parus Asset Management.

Основные драйверы роста:
🟢Увеличение доступности коллективных инвестиций
🟢Развитие инфраструктуры Московской биржи
🟢Переток капитала из других сегментов
🟢Стабильная доходность и регулярные выплаты инвесторам

При сохранении текущих темпов роста (+50% в год) рынок ЗПИФов недвижимости может преодолеть отметку в 1 трлн рублей уже через два года, отмечает Алексей Сивяков.

Учимся: 3 курса по ML от Школы аналитики данных Яндекса

Недавно слушала подкаст про обучение айтишников в вузах и на курсах образовательных платформ. Главная мысль: выпускникам вузов не хватает практики, а выпускникам курсов — системного мышления и базовых знаний, например, математики. Курсы по матану я не искала, но нашла такие, где без теории не обойтись. Так что, возможно, придется погуглить и освежить знания)

1️⃣Курс по ML для обработки естественного языка в ШАД и дополнение к нему.

2️⃣ Онлайн-учебник по ML от ШАД
⚫️Что нужно: уверенное владение линейной алгеброй, матаном и теорией вероятностей будет большим плюсом. Знания статистики и методов выпуклой оптимизации сделают чтение комфортнее.

⚫️Что включено: от классических алгоритмов (линейные модели, деревья, градиентный бустинг) до современных нейросетей (трансформеры, диффузионные модели) и сложных разделов вроде байесовских методов, обучения с подкреплением и теоретических основ ML. Есть практика и лабораторные — решение ML-задач в DataSphere.

3️⃣ Курс лекций профессора Воронцова по машинному обучению (курс читают студентам МГУ, МФТИ и ШАД). Здесь снова упор делается на глубокое понимание математических основ и взаимосвязей.

Кому: если у вас в штате джун после курсов занимается ИИ — ему подойдет. Да и всем остальным ML — освежить знания. #учимся

Как считаете, для задач генеративного проектирования понимание основ — критично?

👍 — да, 👎 — нет