Slavlotski Blog
43 subscribers
39 photos
1 video
34 links
Я - Влад, Data Engineer, Community Lead, Music Producer и Podcast Host.
Здесь делюсь знаниями о Data Engineering и смежным ему направлениям. Веду подкаст про технологии и профессии. Мой блог: slavlotski.com
Download Telegram
Андрей Шадриков – Lead R&D в Verigram, модератор секции Computer Vision на конференциях Open Data Science Data Fest
В первом выпуске Slavlotski Podcast поговорили о компьютерном зрении, о применении его в бизнесе, включая антифрод, удаленную верификацию, проблему с дипфейками. Обсудили как работает CV в беспилотных автомобилях, затронули роботехнику и какие вызовы перед ней стоят. Приятного просмотра!

Ссылка на посмотреть:
YouTube

#Slavlotski_IT #Slavlotski_Podcast
🔥1
Во втором выпуске моего подкаста вместе с Алексеем Дралем - основателем BigData Team, ex-Яндекс, ex-Amazon, ex-Сбер, ex-Рамблер, выпускником ШАД обсудили: кто такой дата-инженер, чем он полезен бизнесу, почему важен навык System Design, чем специалисты уровня Senior отличаются от Staff+, как AI-трансформация затронет роль дата-инженера и как быть junior-специалистам в такое непростое время. Приятного просмотра!

Ссылка на посмотреть:
YouTube

#Slavlotski_IT #Slavlotski_Podcast
👏32🤩2
С бурным развитием AI стало понятно, что код мы будем писать всё меньше. Тогда чем же будем заниматься?
Если говорить про дата-инженеров - моделирование данных останется зоной их ответственности. AI с этим пока справляется плохо, а значит, это именно то, во что стоит вкладываться. Кроме этого становится всё яснее, что мы - люди будем выступать в роли операторов по сбору и управлению контекстом для AI.
Поэтому я запускаю серию роликов, где мы пройдёмся по всем основным концепциям моделирования данных: от иерархических моделей до реляционных, разберём нормализацию и денормализацию, посмотрим на проектирование хранилищ по Kimball и Inmon и дойдём до Data Vault и Anchor моделирования.
Главная идея, которой хочу придерживаться: каждый новый подход появился не просто так, а как ответ на проблемы предыдущего, так происходит эволюция. Универсального решения нет - важно понимать плюсы и минусы каждого инструмента, концепции и знать, когда и в каких случаях их применять.
В первом ролике разберём истоки: как IBM создала первую иерархическую модель данных в программе Аполлон, какие у нее были существенные недостатки, чем была хороша сетевая модель и почему мы все же пришли к реляционной модели Эдгара Кодда, которая изменила всё.

Ссылка на посмотреть:
YouTube

#Slavlotski_IT #Slavlotski_education
🔥1
Я с Андреем Шадриковым организовываем офлайн мероприятие Data Fest 2026 в гостях у Almaty Managment University! Приглашаю всех неравнодушных к данным и AI.

📍 Адрес: г. Алматы, улица Розыбакиева 227
📅 30 мая (суббота)
🕖 Старт докладов: в 11:00 (по местному времени)

🎙 В программе будут доклады из секций:
- Time-Series
- MLOps
- Scoring
- Ужасы медицинских данных


Ожидаются доклады от:
- Verigram
- Freedom Lifestyle
- Atlas Capital Ltd.
- Onecell
- NCSpeech
- Ernst and Young

⚠️ Количество мест ограничено - не откладывай и регистрируйся!

#Slavlotski_Events
А вот и программа офлайн феста Data Fest 2026 в гостях у Almaty Managment University! Спеши зарегистрироваться, свободные места пока еще есть.

Тема: AI-агенты в разработке без хайпа: от экспериментов к рабочему процессу
Описание: AI-агенты уже умеют писать код но в реальной разработке этого недостаточно: они быстро начинают генерировать хаос. В докладе на примере конкретного проекта покажу свой процесс для работы с AI-агентами: как уточнять задачу, оформлять PRD, разбивать фичу на вертикальные срезы, готовить agent-ready issues, заставлять их писать код в стиле TDD и запускать работу параллельно.
Спикер: Азамат Галимжанов, Freedom Lifestyle
Секция: Advanced LLM

Тема: Data Science в банковском риск-менеджменте: ожидания и реальность, продвинутые модели и регулирование
Описание: В рамках доклада будут рассмотрены обзор рынка и типы моделей в области риск-моделирования, текущее состояние регулирования риск-моделей и новые тенденции, а также ключевые аспекты, на которые стоит обращать внимание при разработке риск-моделей.
Спикер: Сергей Дробин, Ernst and Young
Секция: Scoring

Тема: Как мы строим ML-пайплайны для патоморфологии: данные, разметка, агенты
Описание: Опыт команды OneCell - AI для цифровой патоморфологии. Как выглядит пайплайн от сырых гистологических слайдов до валидированного датасета: экспертная разметка, Golden Set, калибровка аннотаторов, LLM-эксперименты для автоматизации репортов. Что ломается в медицинских данных, чего не ломается в других доменах, и какие паттерны работают.
Спикер: Дарья Воронкина, OneCell
Секция: Ужасы медицинских данных

Тема: Мадам, снимите шляпу. Выбор оптимального фото для удалённой верификации.
Описание: Сейчас много в каких контекстах можно встретить удалённую верификацию по лицу. И всегда на массовом использовании технологии возникают непредвиденные и неочевидные ситуации, которые нередко приходится решать ad-hoc. Мы расскажем специфику работы удалённой верификации в финтехе, какие технические и нормативные возникают неочевидности, и почему выбор оптимального кадра это не только про качество работы моделей.
Спикер: Данияр Курманходжаев, Verigram
Секция: Computer Vision

Тема: Оркестрация данных для ML-команд: как перестать тратить 30% времени на координацию разметчиков
Описание: ML-инженеры в компаниях с экспертной разметкой тратят 20-30% времени не на модели, а на координацию: кто размечает, что размечает, какого качества. Voronka — платформа оркестрации разметки: управление воркфлоу, версионирование инструкций, агенты для QC и мониторинга качества. Доклад о том, как выглядит MVP, какие проблемы решает, и почему open-source инструменты этого не закрывают.
Спикер: Дарья Воронкина, OneCell
Секция: MLOps / LLMOps

Тема: Как я перестал бояться и дауыстық роботтарды жақсы көріп кеттім
Описание: В докладе расскажу, как мы запускали голосового робота, говорящего на смеси русского и казахского языков: как собирали аудиоданные, оптимизировали и дообучали ASR и TTS модели для высоконагруженного инференса. Подробно остановимся на подготовке открытых данных для обучения TTS моделей на двух языках, а так же выложим часть наших наработок в open-source.
Спикер: Алексей Гусев, NCSpeech
Секция: Random

Тема: Почему ML-модели ломаются на бирже: от предсказания цен к управлению рисками
Описание: Расскажу, как решить проблему нестабильного и изменчивого распределения доходности активов на финансовых рынках. Разберем, почему в количественных финансах классические ML-подходы, нацеленные на предсказание доходности, часто демонстрируют неустойчивые результаты на реальных данных. Решением станет переход от таргетирования доходности к таргетированию риска и построению сбалансированного портфеля ценных бумаг. Я представлю сравнительный анализ различных методов - от простых стратегий инверсии волатильности (IVP) до Hierarchical Risk Parity (HRP) - с математическим обоснованием подходов.
Спикер: Дулат Атабек, Atlas Capital Ltd.
Секция: Time Series

#Slavlotski_Events
29.05.2026 вместе с другими коллегами выступаю на митапе от Terricon valley в Караганде. Расскажу про профессиональные IT сообщества в корпорации, как они помогают сотрудникам развиваться, какие процессы построены вокруг сообществ, кто такой Senior Community Lead и чем он занимается. Буду рад пообщаться если вы внезапно из Караганды, регистрация доступна по ссылке.

#Slavlotski_Performance
Реляционная алгебра - базис реляционной модели данных, предложенная Эдгаром Коддом в 1970 году в статье "A Relational Model of Data for Large Shared Data Banks" с целью решения проблем иерархической и сетевой модели. В данном ролике я постарался осветить проблемы:
очередности данных
привязки к индексам в коде приложения
отсутствия теоретического фундамента проектирования моделей данных
А также разобрать что такое реляционная алгебра: отношения, кортежи, атрибуты, замкнутость операций и основные операторы манипуляции данных.

Ссылка на посмотреть:
YouTube

#Slavlotski_IT #Slavlotski_education
30 мая 2026 удалось успешно провести Data Fest 2026 Алматы в стенах университета АлмаЮ. 6 спикеров, 6 докладов и более 100+ участников в течение дня. Судя по отзывам участников все остались довольны, техника не подвела, а мы в качестве организаторов сделали все возможное, чтобы остались только положительные воспоминания и появились новые знакомства.

Фотографии с мероприятия доступны по ссылке.

#Slavlotski_Events
🔥5
27 июня 2026 будет проходить DataBoom Birthday - конференция к 7-летию онлайн-школы анализа данных DataBoom.
На ней я выступлю на панельной дискуссии, где с коллегами поразгоняем про трансформацию дата ролей в эпоху AI.
Кто хочет посетить мероприятие для вас есть промокод SPEAKER. Он дает скидку 1000 тенге на билет. Приходите, буду рад познакомиться и поболтать.

27 июня, 12:00–18:30
📍 Алматы, Университет Нархоз
🎟 Билеты и программа: rekhert.com

#Slavlotski_Performance
1
В новом ролике про моделирование данных разберем такую тему как нормализация. На примере таблицы спидранов видеоигр посмотрим как привести таблицу из денормализованного состояния в 1-ую, 2-ую и 3-ю нормальную форму. Всем хорошего просмотра 😗

#Slavlotski_IT #Slavlotski_education
Please open Telegram to view this post
VIEW IN TELEGRAM
27 июня состоялся DataBoom Birthday и на ней мне удалось поучаствовать в качестве ментора для начинающихся специалистов и спикера на панельной дискуссии, где мы с коллегами обсудили как AI-агенты меняют роль дата-инженеров и аналитиков. Полную версию панельной дискуссии уже можно посмотреть на моем YouTube канале по ссылке.

Небольшие выжимки как моих мыслей, так и мыслей коллег:
• Границы между ролями (инженер отвечает за инфраструктуру и пайплайны, аналитик - за инсайты в данных и работу с бизнесом) остаются, но AI уже позволяет одному человеку закрывать то, что раньше требовало команду из нескольких специалистов: агенты самостоятельно собирают пайплайны, интеграции, резко снижая коммуникационные издержки и повышая планку ожидаемого результата.
• При этом технически почти нет нерешаемых задач - модели легко пишут код и SQL. Главная проблема сместилась в область контекста: LLM обучены «вширь», но не знают специфику конкретного бизнеса, компании, а данные часто разрозненные и плохо размечены (garbage in, garbage out). Именно сбор, поддержание и обновление качественного бизнес-контекста для AI агентов - сейчас главный фронтир, который все в мире пытаются решить.
• Джунам не стоит гнаться за объёмом сгенерированного агентом кода, а уметь верифицировать результат и использовать AI как советника. Ключевые навыки - системное и критическое мышление, умение писать чёткие спецификации, глубокое погружение в бизнес-контекст, любопытство и адаптивность к смене технологий, а также фундаментальные знания (математика, статистика, распределённые системы), которые не устаревают.
• Общий настрой - несмотря на ощущение перегруженности от скорости изменений, AI принесёт больше возможностей, чем потерь, и побеждать будут те, кто лучше понимает своё место в системе, умеет на неё влиять и разбирается в домене бизнеса.

#Slavlotski_Performance
2
Встретились как-то два коллеги и так завертелось, закрутилось, что целый выпуск подкаста записали.

#Slavlotski_Podcast #Slavlotski_preview
👍1