Заметки о данных, ИИ, ИТ
и безопасности
Без маркетингового тумана. Так, как я думаю о задачах в реальной работе с собственниками и руководителями.
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.
Облачная безопасность после первой волны контейнеров: не сетью единой
Почему периметровая модель безопасности не работает в контейнерной среде - и что нужно защищать вместо неё.
Потоковая обработка данных - это операционный вопрос, а не архитектурный
Почему решение о переходе на стриминг должно начинаться с понимания операционной нагрузки, а не с выбора технологии.
Исходящий трафик из облака: скрытая статья бюджета, которую легко пропустить
Почему стоимость передачи данных из облака во внешний мир часто становится неприятным сюрпризом - и как её контролировать.
Автономные мобильные роботы на складе: когда это имеет смысл, а когда нет
Как оценить готовность склада к внедрению AMR - без маркетинговых упрощений о том, что роботы решат всё.
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.
Атака через поставщика ПО: когда ваш периметр начинается не у вас
Почему компрометация стороннего программного обеспечения - это угроза вашей инфраструктуре, и как думать об управлении этим риском.
Озеро данных без управления - это болото, а не актив
Почему data lake без политики доступа и управления превращается в неуправляемое хранилище, из которого никто не может получить достоверные данные.
Владение данными важнее платформы для данных
Почему компании покупают дорогие data-платформы и получают те же проблемы - и что надо решить до выбора инструмента.
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.
GDPR: девять месяцев спустя и первый крупный штраф
В январе 2019 года Google получил штраф 50 млн евро по GDPR. Разбираю, что это значит и почему «у нас есть политика конфиденциальности» - это не соответствие требованиям.
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.