DATApedia | Data science

Системный аналитик помогает бизнесу и разработке говорить на одном языке: разбирает задачи компании, описывает требования, проектирует IT-решения и следит, чтобы система работала на реальные цели бизнеса. Онлайн-магистратура СПбГУ и Нетологии «Системный анализ и интеллектуальные системы управления бизнес-процессами» готовит специалистов на стыке IT и управления. В программе сочетаются академическая база СПбГУ и прикладные инструменты Нетологии. Студенты изучают математическое моделирование, алгоритмы, системный анализ, Python, BI-системы, no-code-инструменты, управление проектами и подходы к внедрению искусственного интеллекта. Такой набор навыков помогает работать со сложными бизнес-процессами: находить узкие места, снижать риски при разработке, формулировать требования к системам и сопровождать внедрение IT-решений. Обучение проходит полностью онлайн. После выпуска вы получаете диплом магистра СПбГУ очного образца по направлению «Прикладная информатика». Подробнее о программе Реклама. ООО “Нетология” ОГРН 1207700135884 Erid: 2VSb5wt6zQJ

Как векторные базы данных налаживают взаимопонимание между человечеством и роботами Если в вашем проекте пользователи ищут данные не по точным ключевым запросам, а по смыслу, эта статья для вас. В ней мы расскажем, как работают векторные базы данных, для каких проектов они нужны и как выбрать подходящую в зависимости от задач. Читать | DATApedia

Обзор на Claude Opus 4.6: разбор модели, тесты и сравнение В этой статье мы обсудим, что именно изменилось в версии 4.6 Opus. Мы разберем возможности модели в программировании, анализе данных и работе с автономными функциями. Читать | DATApedia

Anthropic создала монстра: как самая безопасная компания выпустила самую безрассудную модель В этой короткой статье вы узнаете и о реальной опасности, которой подвергают нас эти новые, мощные ИИ, и о вполне обыденном, не-фантастическом объяснении того, почему ИИ лгут, шантажируют или действуют безрассудно — всё простыми словами, чтобы вы поняли. Читать | DATApedia

Как оптимизация промптов превратилась из шаманства в инженерную дисциплину Ещё пару лет назад промпт-инжиниринг выглядел как подбор удачного заклинания: "а давай добавим think step by step, "а давай попросим быть аккуратнее" и о приправим xml-тегами". Сегодня это типовая задача оптимизации в условиях чёрного ящика. Промпт -> это не текст, а параметр модели, и оптимизировать его нужно алгоритмически, а не интуитивно. Читать | DATApedia

Топ нейросетей и ИИ-сервисов 2026 года: лучшие ИИ-инструменты В этом обзоре вы найдёте не только известных гигантов вроде ChatGPT 5.2 или Gemini 3, но и другие решения: ChatPDF для документов, SlidesAI для слайдов, Suno для музыки и отечественного “Кандинского” для изображений. Читать | DATApedia

Линейная регрессия, встряска рейтинга и первое место. Часть 1: Ёлочка, живи Сказ о том, как после долгого перерыва я "взял в руки шашки" (поучаствовал в ML-соревновании) и дотащил задачу на "таблички" до первого места на финальном "приватном" лидерборде с помощью простейшей подготовки фич и классической линейной регрессии с регуляризацией, внезапно обогнав при этом всех модных катбустеров, банально переобучившихся на "паблике". Читать | DATApedia

Анатомия трансформеров: почему обычный Self-Attention больше не используют В этой статье я постараюсь рассказать, как механизм внимания помогает языковым моделям обрабатывать тысячи слов контекста и почему с этим не справлялись в свое время обычные RNN. В конце статьи я расскажу про проблемы классического attention и современные адаптации. Читать | DATApedia

«Галлюцинации LLM — это не баг»: профессор математики объясняет, почему ИИ не перестанет врать Владимир Крылов, профессор математики, научный консультант Artezio и один из самых глубоких русскоязычных экспертов по применению ИИ в разработке, дал интервью по итогам года. Мы поговорили о том, почему reasoning-модели галлюцинируют вдвое чаще обычных (и это математически неизбежно), почему OpenAI объявил «код красный» и отстаёт от Google, и правда ли, что программисты, умеющие писать код только руками, скоро вымрут как вид. Спойлер: Паваротти не умел читать ноты, и это кое-что говорит о будущем vibe-coding. Читать | DATApedia

🔥 Твоя статья может принести 1 миллион рублей! ВТБ и Институт ИИ МГУ открыли прием заявок на конкурс Data Fusion Awards для data scientists и ML-исследователей. Ищут лучшие научные статьи 2025 года по ИИ. Зачем участвовать: 🔵 Продемонстрировать прорыв в математике ИИ, оптимизации или глубоком обучении 🔵Получить признание от лидеров отрасли 🔵 Забрать до 1 млн рублей из призового фонда 3 млн 🔵 Усилить резюме аффилиацией с топ-конкурсом 👉 Подавать заявку до конца января на сайте

Функция потерь: как алгоритм понимает, что он ошибся Представьте, что вы играете в дартс. Сначала ваши дротики разлетаются по всей мишени, но с каждой попыткой вы постепенно приближаетесь к заветному центру. Человек интуитивно понимает, что нужно скорректировать бросок: сильнее, выше, левее или правее. Примерно так же работает и алгоритм машинного обучения. Только вместо интуиции там есть функция потерь. Читать | DATApedia

Claude Opus 4.5 и конец привычной разработки Статья о том, почему Claude Opus 4.5 стал переломным моментом в ИИ-разработке. Автор на реальных проектах показывает, как ИИ-агенты уже сегодня способны собирать полноценные приложения — от UI до бэкенда — за считанные часы, и рассуждает о том, зачем человеку вообще читать код в мире AI-first разработки. Читать | DATApedia

Создаем простую систему RAG на Python Представьте, что вы предоставляете своему ИИ конкретные релевантные документы (или фрагменты), которые он может быстро просмотреть, чтобы найти необходимую информацию, прежде чем ответить на ваши вопросы. То есть, вместо поиска по всей базе данных (которая может не поместиться в контекстное окно модели LLM, или даже если поместится, это потребует много токенов для ответов), мы предоставляем LLM только релевантные документы (фрагменты), которые ему необходимо найти, чтобы ответить на вопрос пользователя. Читать | DATApedia

Метрики для задач NLP. Часть 1. Классификация, NER, Кластеризация В этой статье будет рассказано о популярных метриках для NLP-задач: классификации текста, NER и кластеризации. Рассказ будет сопровождаться визуализацией, примерами и кодом на Python. Читать | DATApedia

Книги, видео и курсы для изучения ML Собрали бесплатные ресурсы, которые позволят погрузиться в работу с искусственным интеллектом — как для новичков, так и для тех, кто уже работает с ML и хочет углубить знания. Читать | DATApedia

Проверяем качество ИИ без сложной математики Представьте, что ваша команда только что получила доступ к новейшей AI-модели или внедрила умный чат-бот. Коллеги в восторге от точности, скорости и функциональности инструмента. Но как понять, насколько он действительно хорош? Читать | DATApedia

Как системному аналитику перейти в дата-аналитику: советы из личного опыта Расскажу, что в профессии системного аналитика остается неизменным, какие есть ключевые концепции и инструменты Data-направления и что на самом деле нужно знать для перехода. Читать | DATApedia

Путешествие токена: что конкретно происходит внутри трансформера Из этой статьи вы узнаете о том, как трансформеры преобразуют входные данные в контекстно-зависимые представления и, в итоге, выдают вероятности, влияющие на выбор слов, которые генерируют большие языковые модели. Читать | DATApedia