Заметки о данных, ИИ, ИТ
и безопасности
Без маркетингового тумана. Так, как я думаю о задачах в реальной работе с собственниками и руководителями.
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.
Почему ИИ-проекты не доживают до результата: пять повторяющихся паттернов
Анализ типичных причин, по которым ИИ-инициативы останавливаются или не приносят обещанного эффекта - и что с этим делать.
ML-модели деградируют молча - и большинство компаний этого не замечает
Модель, которая была точной при запуске, постепенно перестаёт быть точной по мере того, как меняется мир. Почему мониторинг деградации модели не является опциональным, и как настроить его до того, как это превратится в инцидент.
BERT и новая планка для прикладного NLP
Что модель BERT меняет в практическом применении обработки текстов и почему это важно для компаний, которые работают с неструктурированными данными.
Узкий ИИ в продакшне: где граница между пилотом и работающей системой
Почему большинство ИИ-пилотов не доходят до продакшна и что нужно, чтобы модель работала в реальных условиях, а не только в демо.