Заметки о данных, ИИ, ИТ
и безопасности
Без маркетингового тумана. Так, как я думаю о задачах в реальной работе с собственниками и руководителями.
GPT-3 и новая планка для языковых моделей
Что означает выход GPT-3 для поиска, поддержки, аналитики текста и продуктового UX - взгляд для собственников и директоров.
Предиктивная аналитика в цепочках поставок: что показал кризис
Как пандемия проверила инвестиции в прогнозирование спроса и управление запасами - и что из этого вынести.
Компьютерное зрение для контроля качества: что реально в 2020 году
Трезвая оценка того, где компьютерное зрение реально работает в заводском контроле качества прямо сейчас - и каковы распространённые заблуждения о стоимости и масштабе.
Узкий ИИ в производстве: что реально работает в 2020 году
Честный обзор задач, где искусственный интеллект на производстве уже даёт измеримый результат, и где ещё нет.
ИИ в 2019 году: что реально сдвинулось, а что осталось обещанием
Итоги года в искусственном интеллекте для тех, кто принимает решения о внедрении. Без хайпа - что стало производственной нормой, что ещё в пути.
НЛП в продакшне: разрыв между демо и работающей системой
Языковые модели в 2019 году дают впечатляющие демонстрации. Почему путь от демо до реально работающего продукта намного длиннее, чем кажется.
Национальная стратегия ИИ в России: что это значит для внедрения в отраслях
В октябре 2019 года Россия утвердила Национальную стратегию развития ИИ до 2030 года. Разбираю, что из неё практически значимо для компаний, которые думают о внедрении прямо сейчас.
GPT-2 и языковые модели: что это значит для бизнеса прямо сейчас
После публикации GPT-2 разговор о генерации текста сдвинулся. Разбираю, что из этого реально меняет ситуацию для компаний, а что пока остаётся в лаборатории.
AutoML: что это такое и чего от него не стоит ожидать руководителю
Как AutoML-инструменты меняют порог входа в машинное обучение - и где они всё равно требуют экспертизы и управленческих решений.
Реальная стоимость NLP-пайплайна до того, как вы купились на демо
Что на самом деле требует поддержки в промышленной NLP-системе - от разметки данных до контроля качества в продуктиве.
Дрейф модели: почему ML-система деградирует без видимых сбоев
Модели машинного обучения в продакшне теряют точность со временем - тихо, без ошибок и алертов. Что такое дрейф и как за ним следить.
От хайпа к стоимости inference: почему ИИ надо считать как производственную функцию
Как перейти от оценки ИИ по демонстрационному эффекту к оценке по реальной экономике запуска модели в продуктиве.