Телеграм канал «Клуб CDO»

Коллегии, сори за большое количество анонсов, но оба мероприятия выше 👆действительно достойны внимания

⚡️ Data & AI Talks 7.0 — открыли регистрацию
ИИ не бывает без данных. Собираем оба направления на одной конференции — без вендорской рекламы и без хайпа в духе «ИИ заменит всех к пятнице». Только практика: Ростелеком, его дочерние компании и опыт внедрений на рынке.
И да, мы уже знаем, о чем будем говорить.
Например: — сколько стоят плохие данные (спойлер: дорого) — безопасность данных, когда рядом завелся ИИ — как ИИ помогает дата-инженеру уже сейчас. Экономика и оценка финансовых эффектов. Как посчитать пользу от ИИ?
Два дня: стратегический и технологический. Партнеры: Альянс в сфере ИИ, Беркут, БФТ, Солар, ТДата, Турбо.
Когда: 15-16 октября 2026
Где: Очно в Москве и онлайн из любой точки мира
Как: 15 октября очно и онлайн, 16 октября только онлайн
Зарегистрироваться↗️

VTORNIK.Вечер #10

29 сентября, с 19:00 до 21:00 мы рады вас пригласить на наш следующий митап. Он пройдет как обычно офлайн. В этот раз вас ждет следующая программа:

————————————

1️⃣ Как следить за вашими AI-решениями и понимать их? Практические кейсы по AI Observability

Спикер: Артем Каледин, AI Stream Lead, Sber2B

Более 8 лет в Data Science и AI / руководит командами более 4 лет; делал проекты в банках, телекоме, такси и стартапах. Сейчас строит ИИ решения для развития бизнеса и внутреннюю LLM-платформу.


2️⃣ Не угадывать будущее: как управлять в эпоху AI и что стоит сделать уже вчера с позиции консерватора-скептика

Спикер: Александр Шепард, Заместитель технического директора - ЦТК, Солар

В прошлом: CTO, Т-Банк, Руководитель разработки, Robocash Group, Руководитель разработки в Ozon Fintech и VK.

————————————

📍 Место проведения: Офис наших партнеров — ГК «Солар», адрес: Никитский пер. 7с1, Москва, 1-й этаж, Лекторий
м. Охотный ряд / Площадь Революции / Театральная / Александровский сад

Мероприятие бесплатное. Регистрация обязательна. Вход по списку. При себе иметь удостоверение личности.

Будем рады всех видеть!

Минутка истории - task list / project plan создания игры Prince of Persia.

В целом у меня до сих пор такие же :)

Сейчас в книге попался момент (описание событий 1989 года):

«Microsoft Word 4 arrived via Fed Express»

Задумался о том как из изменилось способы доставки по 🤔 😀

Дайджест статей

📰 Data mart vs semantic layer when do you need both
🔗 https://medium.com/@kausik.kb.bhowmik/data-mart-vs-semantic-layer-when-do-you-need-both-ae625db547ad
💡 Прежде чем покупать semantic layer, найди, где команды втихую переопределяют метрики; начни с одной спорной.

📰 Ontology semantic layers and the ai enabled bi stack
🔗 https://medium.com/data-science-collective/ontology-semantic-layers-and-the-ai-enabled-bi-stack-b976b5f9c833
💡 Для conversational BI сначала резолви термины в governed-объекты, потом генерируй SQL: точность растёт с 46-58% до 68-89%.

📰 From Messy Data Models to Agentic Data Catalogs: Building an AI Data Architect with OKF and Gemini
🔗 https://medium.com/google-cloud/from-messy-data-models-to-agentic-data-catalogs-building-an-ai-data-architect-with-okf-and-gemini-75a20caee9ed
💡 Держи каталог как markdown в git со ссылками-lineage: агенту с одним read-tool хватает, чтобы обойти зависимости.

📰 Что российские BI-вендоры называют AI-агентом? Мы проверили 11 решений и собрали целый зоопарк
🔗 https://habr.com/ru/articles/1079844/
💡 Пилотируй AI-BI на 30-50 реальных вопросах с плохими данными и «не знаю»; семантический слой важнее размера LLM.

📰 Как мы мигрировали 40 кластеров ClickHouse: стратегии, проверки и автоматизация
🔗 https://habr.com/ru/companies/mindbox/articles/1078822/
💡 Переноси replicated-кластеры через новую реплику, не через снапшоты; проверяй тяжёлыми продовыми запросами до cutover.

📰 Как мы сделали RAG, который почти не галлюцинирует
🔗 https://habr.com/ru/companies/rwb/articles/1079316/
💡 Вкладывайся в retrieval-цепочку (перефраз, гибрид, RRF, cross-encoder): 85-90% против 60-70% у голого вектора.

📰 От исходных данных до аналитической витрины: что происходит между ними
🔗 https://habr.com/ru/articles/1080488
💡 Считай витрину готовой, когда любую цифру можно развернуть до исходной записи, а не когда графики открылись.

📰 Не пишите свой маленький BI
🔗 https://habr.com/ru/companies/diasoft_company/articles/1080808/
💡 Когда «пара графиков» требует фильтров, RBAC и экспорта, встраивай готовый BI-слой, а не выращивай свой.

📰 Why AI Hallucinations Are a Quality Engineering Problem
🔗 https://dzone.com/articles/ai-hallucinations-quality-engineering-problem
💡 Заведи галлюцинации как класс дефектов: ground-truth тесты, проверка консистентности, adversarial-пробы.

📰 What Is Changing in Enterprise Data Engineering?
🔗 https://dzone.com/articles/enterprise-data-engineering-changes
💡 Делай лёгкий transform до загрузки (EtLT), бизнес-семантику после; агенту нужен надёжный execution-слой.

📰 Rebuilding LinkedIn’s Follows Recommendations with LLM-Based Semantic Retrieval and Ranking
🔗 https://www.linkedin.com/blog/engineering/ai/rebuilding-linkedins-follows-recommendations-with-llm-based-semantic-retrieval-and-ranking
💡 Переводи профили в нарративный промпт и эмбеддинг, дообучай bi-encoder на целевом действии; те же эмбеддинги отдай ранкеру.

Ну сейчас разберёмся за loop engineering с по победителями Google AI Hackoton