Khan of data & analytics🎲


Channel's geo and language: Kazakhstan, Russian
Category: Technologies


Канал об аналитике, data science, алгоритмах и математике. Здесь я делюсь интересными задачами для подготовки к собеседованиям (и просто чтобы пошевелить мозгами), рассказываю о крутых книгах, олимпиадах и многом другом.
по вопросам @khan17ds

Related channels  |  Similar channels

Channel's geo and language
Kazakhstan, Russian
Statistics
Posts filter


🚀 FAIO is back!

Салем!

Уже третий раз — и снова международный формат. Обновили дизайн и сайт: https://faio.kz

Долго обсуждали формат — на всех уровнях 😅 Многие писали, что командный лучше, причём просили оставить его даже ребята из других стран. Мы люди простые — прислушиваемся к своим участникам. И заодно послушали тех, кто участвовал в прошлые годы: разобрали, какие были минусы и что стоит поправить.

В итоге командный формат остаётся!

Пусть это будет нашей фишкой — насколько я знаю, FAIO вообще единственная ИИ-олимпиада для школьников в мире, которая проходит в командном формате. Так что грех от такого отказываться 🙂

• команда — от 1 до 3 человек
• на команду выдаём 2 ноутбука, чтобы можно было параллельно решать и тестировать гипотезы
• задачи будем делать хардкорными — чтобы в соло затащить было нереально 😉

По составу: желательно, чтобы команда была из одной школы, но допускаем и из одного города. Если ребята из сёл — можно собраться в пределах области.

Полное положение выложим совсем скоро.

💡 Ещё на сайте появилась кнопка «Предложить задачу»

Любой желающий может закинуть свою задачу или идею — welcome! Если вы компания и у вас есть реальные данные, которые можно обезличить и оформить в задачу, это вообще супер. Такие задачи для школьников самые ценные.


📅 FAIO 2026:

20 сентября — отборочный тур, онлайн
27–28 октября — финал в Алматы, на базе РФМШ


🔗 Регистрацию откроем уже на следующей неделе. Ждите!

FAIO only going up 🚀


🏎 Запускаем F1 (Freedom One) — AI-резидентуру для сильных студентов

Салем!

Вы знаете, что я всегда топлю за школьников и студентов: образование, стажировки, джун-позиции. И вижу проблему — рынок сейчас нанимает сеньоров, а сильных новичков просто некуда девать. Хотя если уметь с ними работать, они делают очень много. Талантливой молодёжи у нас полно — не хватает правильного пути и сопровождения. Особенно сейчас, когда с ИИ и вайб-кодингом карьеру можно построить в разы быстрее, чем 5 лет назад.

Поэтому вместе с Freedom AI Lab и моим другом Куанышем (тех. руководитель Freedom Speech) мы запускаем F1.

Название — двойная отсылка: Формула 1 (быстрые и талантливые, отбор лучших) и наша любимая метрика F1-score 🙂

Что это такое
Резидентура на 3 месяца. После отбора вы работаете над реальной задачей — из AI Lab или из экосистемы Freedom. Это может быть AI-ресёрч под индустриальную задачу или новый ИИ-продукт. В конце — защита. По итогам защиты сильные получают оффер в команду.
💰 И да — резидентура оплачиваемая, все участники получают стипендию.

Чему мы НЕ учим
Мы не учим писать код. Сильный студент с современными инструментами уже пишет его быстрее, чем большинство джунов пять лет назад.

Дефицит в другом: выбрать правильную задачу, разобраться в грязных данных, понять, что метрика врёт, довести модель до прода, доказать, что она работает на живых пользователях. Этому не учат лекциями — только на реальном продукте, с инженером рядом.

Поэтому в F1 нет лекций. Есть задача Freedom, ментор из прод-команды и три месяца. Сам буду помогать с продуктовым мышлением и подходами.

В первом потоке всего 10 студентов. Дальше — больше.
Как попасть
1️⃣ Подать заявку на сайте → https://freedom-one.kz
2️⃣ С 17 августа вам на почту придёт информация о первом туре и доступ в Kaggle-соревнование
3️⃣ Первый тур идёт до 30 августа — решение нужно отправить до этой даты
4️⃣ Кто покажет хорошие результаты — идёт на второй этап, интервью

Совет: зарегистрируйтесь на Kaggle заранее и посмотрите, что и как там устроено — потеряете меньше времени на старте.

Буду благодарен, если распространите по вузам и студенческим чатам 🙏

Всем удачи! Ақ жол!

5.6k 2 231 14 24

Сәлем всем!

Еле руки дошли до поздравительного поста! Уже как традиция с прошлого года.

🏆 Сборная Казахстана завоевала 8 медалей на IOAI-2026

Со 2 по 8 августа 2026 года в Астане прошла 3-я Международная олимпиада по искусственному интеллекту (IOAI-2026) — одно из крупнейших мировых соревнований для школьников в области машинного обучения, анализа данных и алгоритмов ИИ. В этом году она собрала более 500 участников из 106 стран. Олимпиада нацелена на развитие передовых навыков в сфере высоких технологий, решение сложных наукоёмких задач и продвижение ИИ среди юных талантов со всего мира.

Казахстанская команда показала выдающийся результат — 8 медалей из 8 возможных: 2 золотые, 2 серебряные и 4 бронзовые. За этим успехом стоят годы непрерывной подготовки, глубокого изучения алгоритмов и системной работы всей сборной.

Результаты сборной Казахстана 🇰🇿
🥇 Даужан Бекетов — Лицей №165, Алматы
🥇 Сұлтанби Исатай — НИШ Қарағанды
🥈 Әбу Қанабек — РФМШ, Алматы
🥈 Әлем Аменов — БИЛ, Семей
🥉 Жәнібек Қасымқан — НИШ Талдықорған
🥉 Исламнур Құсайынов — НИШ Тараз
🥉 Дінмұхаммед Ынтықбай — НИШ Тараз
🥉 Ұлықбек Усманов — НИШ Тараз

(это всё я скопировал 😄)

От себя: организация была реально супер! Аж президент приезжал — и это говорит о том, что ИИ-зация и фокус на неё у нас идут верным путём, по крайней мере у молодёжи)) Все причастные — вообще тигры, у CPFED надо проходить обучение по организации мероприятий такого масштаба!)

С кем из иностранцев ни общался — все в шоке от организации (казахское гостеприимство показали на высшем уровне). В общем, поздравляю всех причастных: родителей, тренеров и т.д. Молодцы!

Самим участникам желаю великих побед — и пусть для этих побед вы всегда будете здоровыми. Аман болыңдар, бастысы!


P.S. Многих из этих ребят знаю ещё с первой ИИ-олимпиады КЗ — FAIO. Можно сказать, поколение первопроходцев. Видеть их путь с первого шага до мирового уровня — очень каефово, всегда душевно за них болею. Даужан — вообще тигр, второй в абсолюте! (кстати, наши медиа иногда читают «абсолют два» как «второе место / серебро», но олимпиадники-то поймут, о чём речь 😄)

И отдельно рад за сборные Кыргызстана и Армении — ребята, что участвовали у нас на FAIO, тоже показали хорошие результаты. Рад и за сборную Ирана: их ребята весной писали мне про подготовку, и при всей текущей обстановке команда, кажется, вошла в топы по странам. А сборную России поздравляю с абсолютным лидерством — уже 3-й год подряд! И вдвойне приятно видеть, как ребята, что в прошлом году занимали места у нас на FAIO, здесь берут золото.

Резалты: https://ioai2026.kz/results/

Кстати, Дуров тоже отметил наших и ещё объявил призы для победителей от Telegram — $106 500+

Скоро будет объявление и по нашему FAIO — ждите 👀




Салем всем!
тут друзья ищут ML Engineer:

📍 Алматы | Офлайн

Мы разрабатываем AI-платформу для сферы управления отходами и городской инфраструктуры. Ищем ML Engineer, который будет создавать и внедрять модели машинного обучения для анализа фото, GPS-данных, телеметрии транспорта и других источников данных.

Чем предстоит заниматься:

Разрабатывать, обучать и внедрять ML-модели для различных бизнес-задач.
Работать с фото, GPS-треками, телематикой, сенсорными и табличными данными.
Разрабатывать модели для распознавания объектов, классификации, прогнозирования, поиска аномалий и оптимизации процессов.
Подготавливать данные для обучения моделей (сбор, очистка, feature engineering).
Оценивать качество моделей и улучшать их точность.
Интегрировать ML-модели в backend-сервисы и production-системы.
Участвовать в развитии AI-направления компании.

Что мы ожидаем:

Коммерческий опыт работы ML Engineer от 2 лет.
Уверенное знание Python.
Опыт работы с PyTorch, TensorFlow или Scikit-learn.
Понимание классических алгоритмов Machine Learning и современных подходов Deep Learning.
Опыт работы с данными: подготовка, анализ, обучение и оценка моделей.
Знание SQL.
Опыт работы с Git, Linux и Docker.
Будет плюсом знание Go.

Будет преимуществом:

Опыт работы с Computer Vision.
Опыт анализа GPS-треков, телеметрии или IoT-данных.
Опыт работы с временными рядами и прогнозированием.
Опыт работы с LLM, мультимодальными моделями или RAG.
Опыт работы с Kubernetes и облачной инфраструктурой.
Знание MLOps (MLflow, DVC, Weights & Biases и др.).

Что важно увидеть в резюме:

Коммерческий опыт разработки ML-решений.
Реализованные проекты с описанием задач и результатов.
Опыт вывода моделей в production.
GitHub, Kaggle или портфолио (если есть).

Мы предлагаем:

Работу над реальными AI-продуктами с большим объемом данных.
Возможность создавать решения, которые используются ежедневно.
Сильную инженерную команду.
Профессиональный рост и возможность развивать новые направления AI.
Конкурентную заработную плату.

📩 Отправляйте резюме в Telegram: @kuandykzx




Короче, я как дед - на выходных решил вспомнить молодость) и поучаствовать в соревнованиях по ML. Причины простые:

1️⃣ Вспомнить что такое кодинг вообще) я кпц как давно не кодил, а мне ещё возможно скоро преподавать надо)
2️⃣ За эти годы накопилось дофига моделей , хотелось их просто протестировать
3️⃣ Ну и чисто утешить себя, что я всё ещё сильный MLщик) или просто кайфануть от процесса, как раньше

По первому пункту вообще не то вышло — в этом вайбкод-мире)
Весь код за меня писал Claude — думал отключить её, но мозг не выдержал)) Я чисто ревьюил, накидывал таски промптами, проверял, где-то задавал бизнес-логику для фичей. Дофамин капал только в момент сабмита, когда пробивал норм скор)

По второму пункту
Взял две площадки: старую соревну на Zindi (https://zindi.africa) — чисто поиграться, и одну актуальную на Kaggle.

Тестировал три модели:

🔹 Моя самая любимая LightAutoML — благодаря ей в своё время реально дизелил в мире ML))
🔹 Крутая либа TabM — DL для табличных данных: https://github.com/yandex-research/tabm
🔹 Увидел у друга пост про новую модель TabFM — от Google, с интересной архитектурой, типа ChatGPT для табличных данных. Нюансов там много, можно почитать у Мадияра: https://t.me/mkhamzanovv/43

Раунд 1 — Zindi (данных мало)

Модель Public Private
TabM 0.877473 0.853887
LAMA 0.870445 0.862883
TabFM 0.889464 0.880525
Blending 0.880305 0.881432


Тут по приватному скору лучше всех — TabFM: на малых данных она реально жжёт) Заблендил все три — скор чуть подрос.

Раунд 2 — Kaggle (данных вагон)

Модель Score
LightAutoML (LAMA) 0.87672
TabM 0.94833


А вот тут TabFM вообще не вывезла — ей нужны серьёзные ресурсы и мощный GPU, так что почти сразу отвалилась. Зато TabM показала очень крутой результат прямо сходу)

Кстати важный нюанс: LAMA — это AutoML, но фичи сам не генерит, зато всё остальное (подбор моделей, тюнинг, валидацию) делает отлично. Раньше как раз на этом и играл — чисто за счёт понимания продукта руками генерил уникальные фичи и делал модель лучше, чем у сеньор-MLщиков на проекте) А TabM — это уже нейронка, которая может сама внутри генерить фичи, поэтому тут и скор такой высокий, видимо, во многом за счёт этого.

Если будет время — хочу ещё посидеть с LAMA и TabM на Kaggle, покрутить их получше.

в итоге по третьему пункту — с вайбкодингом точно не стал хуже)


скинули прикольный сайт — "Дашборд как продукт"

https://working-in-it.github.io/dashboard-as-a-product/

Это не просто статья, а целая интерактивная карта продуктового подхода к дашбордам: 18 артефактов (разложены по 4 слоям) и 17 процессов (6 фаз), с примерами под конкретные BI-системы.

Пробежался по карте — сделано реально аккуратно, удобно кликать и разбираться, и видно, что авторы сами не первый год варятся в этой кухне, а не просто накидали красивых слайдов.

А в внизу сайта мысль, которая, кажется, многим не хватает:
Дашборд без продуктового подхода — это график, который кто-то когда-то сделал. Дашборд с продуктовым подходом — это инструмент, который помогает принимать решения каждый день.


По сути джун делает Q1, мидл — Q2, сеньор — Q4, обычная карьерная лестница. И кажется, если заменить джунов на агентов — ничего не изменится. Но не всё так просто )

Но аналогия ломается не потому, что агенты «умнее». А потому, что джун — это инвестиция, которая со временем сама становится проверяющим и наставником. Агент — нет: он удешевляет исполнение, но не создаёт ни доверия, ни новых экспертов. Те самые три сбоя сверху.
Отсюда личный вывод. Ставку имеет смысл делать не на скорость исполнения (она обесценивается), а на три вещи: умение верифицировать, готовность отвечать за результат и работу в зонах, которые пока не оцифровать. Грубо говоря — переезжаем из Q1 в Q3–Q4. И тем, кто сейчас джун, об этом стоит думать заранее))


Получаем 4 квадранта. Примеры из своей области

🟩 Q1 (нижний левый) — дёшево автоматизировать, дёшево проверять.

Здесь лежат задачи, где метрики успеха кристально ясны, а обратная связь мгновенна. Агент пишет — ты ревьюишь за секунды.

Аналитик: SQL по чёткому ТЗ, сборка типовых дашбордов (когда структура уже ясна), расчёт статзначимости A/B по стандартному шаблону, базовая очистка данных, базовый ETL.
ML-инженер: бойлерплейт-код для инференса, сборка Docker-образов, генерация юнит-тестов для понятных функций, базовый feature engineering (например, нормализация) и т.д.

По прикидкам авторов тут лежит ~59% всей работы — и этот квадрант агенты съедают первым.

🟥 Q2 (верхний левый) — дёшево автоматизировать, дорого проверять. Самый коварный.

Это «слепая зона». Сгенерировать решение легко, но чтобы понять, не принесёт ли оно катастрофу, нужно ждать месяцы (длинный t_fb) и тратить часы дорогого сеньора (S_nm). Так и возникает экстерналия «Троянского коня» — иллюзия продуктивности, под которой копится скрытый долг.

Аналитик: оценка incrementality от больших рекламных кампаний, прогноз LTV на годы вперёд, дизайн сложных causal-моделей. Агент выдаст красивый и статистически убедительный отчёт сегодня — но если он заложил кривой прокси-показатель, бизнес потеряет миллионы, а узнает об этом только через квартал.
ML-инженер: проектирование reward-модели для RLHF, автоматическое «исправление» дрейфа данных в проде, RAG над сложной корпоративной базой знаний. Агент может «починить» дрейф, просто откинув важный когортный признак: метрика вырастет, а модель начнёт дискриминировать часть пользователей.
Суть: ИИ безжалостно оптимизирует метрику в ущерб реальному смыслу (Goodhart's Collapse), а у тебя нет ресурсов перепроверять каждый шаг.

🟦 Q3 (нижний правый) — дорого автоматизировать, дёшево проверять.

Агенту тяжело, потому что задача требует физического, социального или исторического контекста, которого нет в обучающих данных, или метрики размыты. Но как только человек находит ответ — проверить его элементарно.

Аналитик: «детективное» расследование внезапного падения метрик. Агент видит только цифры, а человек идёт к сейлзам, узнаёт, что партнёр сменил API, и сводит это в один слайд для C-level. Найти причину сложно (нужен социальный контекст), но CEO проверяет результат за секунду — «да, звучит логично».
ML-инженер: root-cause анализ странной регрессии модели в проде. ИИ трудно копать вне кода (например, догадаться, что поставщик данных обновил схему таблиц). Но когда инженер находит сломанный пайплайн, фикс занимает одну строчку, а зелёная метрика сразу подтверждает успех.
Суть: зона временно живая, но граница измеримости постоянно сдвигается. Как только контекст оцифруют (логи зумов, расширенная телеметрия) — задача улетит в Q1.

🟪 Q4 (верхний правый) — дорого автоматизировать, дорого проверять.

Зона «найтовской неопределённости»: исторических данных нет, а значит, агент не может вывести вероятности. Здесь продаётся не исполнение, а готовность нести ответственность (liability) за решения.

Аналитик: определение North Star Metric продукта. Перевод абстрактной тревоги CEO («нас жмут конкуренты») в архитектуру системы измерений. Выбор того, какими guardrail-метриками мы готовы пожертвовать ради роста. Правильного ответа в документации нет — это арбитраж бизнес-интенций.
ML-инженер: стратегическое решение о выкатке: стоит ли +2% точности того, чтобы добавить 100 мс latency и словить репутационные риски от редких галлюцинаций? Плюс дизайн самого фреймворка верификации — как мы вообще будем проверять будущих ИИ-агентов?
Суть: здесь люди работают как «директора намерений» и страховщики рисков.

Вывод по картинке: дорожает не «ум», а умение проверять и брать на себя ответственность. Сама генерация едет к стоимости компьюта.


Наткнулся на интересную статью «Some Simple Economics of AGI» — это глубокое экономическое исследование того, как ИИ меняет саму суть работы, ценности и экономики. Главная мысль: когда ИИ сделает выполнение задач почти бесплатным, самым дефицитным ресурсом станет человеческое доверие и проверка результата. А отсюда уже интересный вопрос: какие навыки в мире агентов подорожают, а какие обесценятся?
Авторы заходят неожиданно. Они говорят: забудьте про деление труда на «рутину / не рутину». Главная ось теперь другая — измеримость. Не «насколько задача сложная», а «насколько дёшево её автоматизировать и насколько дёшево потом проверить, что агент не нагородил чуши».
И вот тут вся соль. Экономика ИИ подвержена трём системным сбоям, из-за которых привычный расклад «человек контролирует машину» становится нестабильным:
1️⃣ Исчезновение джунов (Missing Junior Loop). ИИ забирает рутину начального уровня. Но именно на ней стажёры и учились, чтобы вырасти в экспертов. Убивая стартовые позиции, мы убиваем конвейер, который готовит будущих сеньоров-проверяющих.
2️⃣ Проклятие кодировщика (Codifier’s Curse). Когда опытный эксперт проверяет ИИ, своими правками он создаёт идеальные данные для обучения машины. То есть эксперт собственными руками ускоряет свою же замену.
3️⃣ Дрейф согласованности (Alignment Drift). Оставшись без присмотра, ИИ начинает «хакать» метрики — формально задачу выполняет, а реальный смысл нарушает (например, прячет свои ошибки ради высокой оценки). Так копится скрытый долг («Троянский конь»), который разъедает экономику изнутри.
И всё это не на словах — в статье есть и математика, и графики. Один из них 👇

По горизонтали — стоимость автоматизации задачи (cA), по вертикали — стоимость проверки результата человеком (cH). Две пунктирные линии режут картинку на четыре части: горизонтальная — бюджет на проверку (B), вертикальная — зарплата (w), ниже которой держать человека на задаче дороже, чем её автоматизировать (логично).


Forward from: Kazakhstan CP Federation
Стань волонтером IOAI 2026 и получи международный опыт, сертификат UNESCO, эксклюзивный мерч и многое другое 🌍✨

Места ограничены — заполни анкету и присоединяйся к нам!

📍 Астана
🗓️ 2–8 августа
🇺🇸Английский: В1+
Другие языки приветствуются

🔗 Регистрация


Всем привет 👋

В связи с загруженностью ищу к себе 2–3 помощниц в разные проекты.
Работа и проекты растут, и времени уже банально не хватает. Сейчас нужны руки в трёх направлениях:

1. QazTech Meetup — организация тех-митапов совместно с компаниями, на казахском. Из-за нехватки времени стали делать реже (тут всё на казахском).
2. FAIO — международная олимпиада по ИИ среди школьников. Отбор в сентябре, финал где-то октябрь–ноябрь (планируется 20 стран) (тут на 3 языках)
3. F1 — скоро запускаем AI-акселератор для талантливых студентов, ждите анонса (тут каз/рус)

Что по сути нужно: помогать в организации. Где-то SMM и написание постов, фотки; где-то кураторство, переписки с компаниями, людьми и даже странами; вести сайты, инсту, каналы и т.д. Главное — инициативность, активность, нетворкинг. И иногда меня доставать, чтобы я там что-то сделал 😅
Работа лайтовая и не частая — в основном во время самих ивентов. И сразу честно: на бесплатной основе. Мне важно, чтобы человеку самому нравились эти проекты и идеи и хотелось ими заниматься.
Со своей стороны готов менторить (если вы +- из моей области; если нет — в моём окружении точно найдём таких), а моё время, скажем так, не самое дешёвое)) Плюс получите кучу знакомств и нетворкинга, а как соорганизатор сможете прокачать личный бренд и портфолио. Думаю, плюсов больше 🙌
Зайдёт активным студентам, и не только.

Если есть желание — пишите мне в личку. Сразу коротко: кто вы и почему хотите этим заниматься!
А если знаете таких людей — смело пересылайте им этот пост, буду благодарен 🙏


Всем привет!
Уже совсем скоро отгремит, пожалуй, лучшая ИТ-конфа в Казахстане — Beetech!

В этом году я, как обычно, буду там, но уже в совершенно новой для себя роли — в качестве ментора. Решил попробовать этот крутой формат, уверен, будет максимально полезно! Так что, кто хочет попасть ко мне на 1-to-1 менторинг — приходите. Маленький инсайд: как только вам на почту придет инфа со ссылкой на запись, постарайтесь забронировать место сразу. Как показывает практика, слоты разлетаются буквально за 15 минут! ⏳

Дарим промокод для подписчиков Khan of data &analytics на beetech conf со скидкой 25% на билеты: BEEKHANDS25 — отличный повод встретиться с коллегами из ИТ, провести день с максимальной пользой, послушав доклады в стриме Data&AI, и зарядиться на целый год 🚀  
В программе:  
- Илья Красинский (ProductHeroes), Арман Сулейменов (nFactorial), Kolesa Group, Beeline/QazCode, FRHC, и другие сильные эксперты индустрии (24 отборных доклада)  
- квартирники на холиварные темы  
- speed-менторинг и полезный нетворкинг  
- стендап с историями про факапы в IT  
- лотерея для участников  
И всё это — за один день 🔥  
Купить билет на: www.beetech.kz

Обязательно пересылайте этот пост друзьям и коллегам, зовите их пойти вместе!


🚀 Наш проект «Социальный кошелек» вышел в финал международной премии WSIS Prizes 2026!

Мы вошли в топ-20 лучших проектов мира в категории e-Government. Сейчас начался этап онлайн-голосования, и нам очень нужна ваша поддержка!

Что нужно сделать прямо сейчас:
1. Зарегистрироваться на платформе WSIS (потребуется заполнить ваши данные)
2. Найти наш проект «Social Wallet» в номинации e-Government (AL C7).
3. Проголосовать за него.

⚠️ Важно: Голосование продлится только до 3 мая.

Признание со стороны экспертной группы ITU подтверждает, что мы движемся в правильном направлении, создавая стандарты в области GovTech. Победа в премии позволит нам привлечь международное внимание к вопросам социальной инклюзии через цифровые инструменты.

Ссылка для регистрации и голосования: https://www.itu.int/net4/wsis/stocktaking/Prizes/2026

Прошу поддержать и проголосовать!


Если на любую задачу вы хотите ответить “давайте просто прикрутим LLM”, этот доклад может быть для вас немного болезненным.

Потому что иногда лучший AI-ход — вообще не тащить тяжелую модель туда, где можно обойтись нормальной архитектурой, Python и здравым смыслом.

Об этом на Almaty Python Meetup #7 расскажет Мадияр Хамзанов (@mkhamzanov) — Senior AI Engineer / Data Scientist в Caterpillar, ex-Director of Data Science в Forte Bank и сооснователь 10b.kz.

На докладе поговорим о том:
- как в 10b.kz используют Data-to-Text для генерации инсайтов без тяжелых LLM
- как обрабатывают 100 млн записей на 16 ГБ RAM и не падают по OOM
- почему кастомный ETL на Python иногда выигрывает у тяжелого стека
- как Claude Code и Cursor ускоряют продуктовую аналитику и доставку фич
- как из сырого API госзакупок вырастили продукт с 1000+ активных пользователей

🎟 Регистрация: https://forms.gle/EW2NxrUehsV3ya857


Так, пока не забыл, тут напишу, потом времени не будет)

🔥 1. ИИ-олимпиады: Мировой уровень в Астане и наш FAIO!

Как знаете, уже пару лет как занимаемся ИИ-олимпиадами. И в этом году просто историческое событие — мировая олимпиада IOAI пройдет в Астане! 🇰🇿 Возможно, именно там зажгутся будущие мировые звезды ИИ. Для страны это колоссальный престиж!

На волне этого наша олимпиада FAIO во второй раз пройдет в международном формате. Благодаря летнему IOAI ожидаем кратный рост числа стран-участниц! До старта меньше полугода, время летит незаметно.

Кого мы ищем: крутых авторов задач и компании, готовые стать спонсорами или дать свои задачи. Напоминаю, этот год в стране официально — год ИИ, так что поддержать FAIO будет огромным плюсом к вашему техно-PR. Если есть желание — пишите мне в личку! На всякий случай оставляю ссылку на [GitHub олимпиады] — там можно посмотреть задачи прошлых лет.

👨‍💻 2. R&D Лаборатория на базе Freedom AI Lab

Скоро открываем супер-проект для студентов!
Суть: отберем самых талантливых и заряженных ребят.
Приоритет: призеры серьезных олимпиад и соревнований (Kaggle/ML, спортивное программирование/ICPC, математика и т.д.).
Что нужно: уметь круто кодить (или вайбкодить 😅) + иметь нереальное, просто зверское желание учиться.
Что даем: топовых менторов и реальные боевые кейсы, которые нужно будет решить и внедрить на рынок. Детали выкачу позже, но у вас уже есть время подготовиться. Если у вас в универе есть такие гениальные задроты — шепните им, пусть ждут официального анонса!

🐝 3. Beetech Conf 2026

В этом году я снова буду на Beetech! Считайте это официальным приглашением со мной на свиданку 😂 (шутка... почти). Если серьезно, я буду участвовать в секции Speed dating mentoring. Это отличная возможность поймать меня лично и получить консультацию или разобрать ваш кейс. Как показывает практика, слоты там разлетаются со скоростью света. Все подробности тоже будут чуть позже, но решил маякнуть вам заранее, пока цены на билеты не улетели в космос


Опоздашки)

В целом я терпеть не могу опаздывать сам и очень не люблю, когда опаздывают другие. (Ок, для пары человек в жизни есть исключения, но на работе — никаких). Это не просто «ну бывает» — это сигнал. Когда человек регулярно опаздывает, он транслирует всем остальным: «моё время важнее вашего».

Для меня регулярные опоздания на дейлики или рабочие синки — это баг в процессах. Я даже не знаю, как это лечить алгоритмически. Какие санкции или правила вы применяете к таким людям? Может у кого есть опыт, поделитесь плз)

Но есть тип людей, который меня раздражает больше всего. Опоздал — ладно. Но зачем врываться со своими объяснениями, здороваться с каждым, извиняться по пять минут? Это значит сломать встречу во второй раз.

Всем пофигу, почему вы опоздали. Опоздал — тихо сел, потом догнал. Всё. И неважно, офис это или онлайн.

Пусть эти мысли будут тут))

951 0 1 10 13

Всем привет! Прилетела вакансия через закрытое UNIONVK-сообщество — это alumni-сеть бывших сотрудников VK, разбросанных по всему миру. Они первыми кидают вакансии внутри, так что это не то, что гуляет по обычным джоб-сайтам.

Ищут первого Product аналитика в Intch.
Intch — это платформа с двух сторон: приложение для поиска сайд-проектов и part-time работы и B2B-инструмент для поиска и найма специалистов. 700k исполнителей, 50k бизнесов, команда 20 человек, VC-деньги — продукт живой и растущий.
Роль интересная именно тем, что ты первый аналитик: будешь выстраивать всё с нуля и работать напрямую с CEO, CPO и CMO.
Что важно:
• опыт организации данных команды
• умение работать с неполными данными (это реальность любого стартапа)
• Amplitude / Google Analytics / Sheets
• экспертиза в подписочных продуктах: воронки, paywall, retention
• сильный A/B testing и дизайн экспериментов

Условия: удалёнка (GMT+3/GMT+5), $4,000/мес.
Подробнее по тут

#вакансия


Forward from: AI x Artem
📚Подборка материалов по ИИ 2026📚


Начать с нуля

Курс ИИ старт - базовый уровень
Курс ИИ старт - продвинутый уровень
Курс «Machine Learning course» - ссылка
Курс по NLP от Huggingface - ссылка

Хорошая практика изучения какого-либо материала - это закрывать все возникающие вопросы - и в этом очень помогает ChatGPT, поэтому я советую спрашивать у него все непонятные моменты.



Подготовка к олимпиадам

AI Track Focus - ссылка
Курс подготовки ко ВсОШ - ссылка


RU


Deep learning school от МФТИ - 1 часть, 2 часть
Лекции Воронцова - материалы, youtube
Учебник ШАД по ML - ссылка
История семейства GPT - ссылка
Yandex Тренировки по ML - ссылка
Учебник по RL - ссылка
Курс по глубокому обучению ВШЭ - ссылка


ENG

Курс Lena Voita по NLP - ссылка
Курс по Deep learning от MIT(2023) - ссылка
Курс от Carnegie Mellon University - ссылка
LLM course - подробный путь, начиная с базовых вещей - ссылка
Yandex NLP course - ссылка
Курс Карпатого - «Let's build a Storyteller» - ссылка
Курсы от Huggingface - LLMs, Агенты, RL, Audio - ссылка
Курс от Kaggle и Google по GenAI - ссылка
Курс от Microsoft по ИИ агентам - ссылка
CS229: Machine Learning - ссылка
CS224N: Natural Language Processing with Deep Learning - ссылка
CS336: Language Modeling from Scratch - ссылка
CS231N: Deep Learning for Computer Vision - ссылка


Книги

Deep learning, Goodfellow - ссылка
Грокаем глубокое обучение - ссылка
Погружение в мир нейронных сетей, Николенко(много математики) - ссылка
UvA Deep Learning - ссылка
Understanding Deep Learning - ссылка

20 last posts shown.