Телеграм канал «Клуб CDO»

VTORNIK.Вечер #2 30 сентября, с 19:00 до 21:00 мы приглашаем на второе мероприятие в серии. Оно всё так же пройдет офлайн и будет посвящено тому, как подходить к внедрению AI в корпорациях. Послушав вопросы и обсуждения в прошлый раз в конце августа, мы собрали следующую программу: 1. Автоматизация разработки средствами AI: цикл SDLC Спикер: Роман Смирнов, Системный архитектор, VectorX Сколково и Системный архитектор решений, Лаборатория нейросетевых технологий и компьютерной лингвистики МФТИ. Занимается проектированием архитектуры и разработкой систем с использованием технологий ИИ. 2. Организационные нюансы и бег с препятствиями при запуске AI-инициативы Спикер: Александр Шевкунов, Экс-CDO билайна. Обладает богатым опытом создания возможностей по монетизации данных, больше 15 лет занимается большими данными и ИИ. Работал в «Сбере», «Яндексе», Райффайзенбанке, Альфа-банке и др. Место проведения: Офис наших партнеров — компании «Virtu Systems». м. Кропоткинская / м. Полянка, Берсеневская наб., 6, стр. 2, Москва, 3-й этаж. Мероприятие бесплатное. Регистрация обязательна. Количество мест ограничено. Будем рады всех видеть! В прошлый раз было душевно.

Коллеги, не пропустите второе мероприятие от ребят из VTORNIK. Ожидаются интересные спикеры и закрытая дискуссия.

Коллеги, не могу не поделиться новостью от нашей команды CleverDATA - CDP-платформу CleverData Join включили в первую карту B2B-MarTech-инструментов России от Go-to-Market Academy! Включение платформы от CleverData в число лучших решений на российском рынке является признанием того, что качество, технологическая зрелость и широкая функциональность продукта были высоко оценили эксперты и участники рынка. За последнее время команда действительно проделала большую работу по качественному преобразованию CDP платформы и разработала модули которые позволяют объединить работу с данными, предиктивной аналитикой и GenAI с классическими инструментами автоматизации прямых коммуникаций с клиентами и это позволяет добиваться бесшовной интеграции данных в маркетинговые кампании. Очень рады, что эти усилия высоко оценены индустрией и поздравляем всех причастных! Проект B2B карты призван помочь бизнесу сориентироваться в быстрорастущем количестве маркетинговых технологий и получить полную информацию о сервисах, которые обеспечат эффективное закрытие стоящих перед ним задач. За последние два года рынок претерпел значительные изменения: уход международных вендоров стимулировал бурный рост и развитие отечественных решений. В основу карты легло масштабное исследование российских B2B MarTech-продуктов, в рамках которого аналитики провели глубинные интервью с руководителями маркетинга (CMO) крупных ИТ-компаний и опросили более ста маркетологов. В итоговую карту вошло 410 сервисов, разделенных на 40 категорий и семь ключевых блоков: ⁃ коммуникации и привлечение (в этот сегмент (разделы CDP и Email-маркетинг) вошла платформа автоматизации маркетинга CDP CleverData Join; ⁃ работа с потенциальными клиентами; ⁃ аналитика; ⁃ онлайн-коммуникации и обучение; ⁃ ИИ для маркетинга; ⁃ опыт клиента и обратная связь; ⁃ маркетинговые процессы и инструменты. Скачать карту можно по https://gtmacademy.pro/b2bmartech

Данная статья — подробный гайд по выбору нейросети для глубоких исследований (Deep Research), с акцентом на ChatGPT, Gemini, Perplexity, Grok и Claude. Автор делится практическими советами, как получить качественные отчёты, и разбирает ключевые технические проблемы и возможности инструментов. Сравнение инструментов: — ChatGPT Deep Research — лучший по глубине и строгости — Perplexity — оптимален для кратких, структурированных обзоров — Grok и Perplexity — щедрые бесплатные лимиты — Gemini — лучший по планированию исследования — ChatGPT — лучший по сбору контекста и качеству рассуждений — Perplexity — лучший по структуре отчёта и работе с источниками Интересные выводы и рекомендации по использованию: — Качество отчёта зависит от качества промпта: важно чётко формулировать цель, предоставлять контекст, указывать структуру и формат — Для глубокого ресерча необходим диалог с ИИ: итеративная обратная связь, уточнение методологии, контроль источников — ChatGPT способен генерировать самые подробные отчёты (до 20 тыс. слов), но требует доработки структуры — Perplexity и Grok — лучшие по удобству восприятия отчёта (списки, таблицы, структурирование) — Для сложных задач важно сначала проверить основу анализа, а затем углубляться в детали https://habr.com/ru/articles/941252/

Дайджест статей Data Engineering Was Hard Until I Learned These 15 System Design Concepts. https://medium.com/@akanksha_singh/data-engineering-was-hard-until-i-learned-these-15-system-design-concepts-8a56f21f1070 Архитектура высоконагруженной платформы Magnit F&R https://habr.com/ru/companies/magnit/articles/943836/ 4 фреймворка апокалипсиса: LangChain, LlamaIndex, CrewAI и Semantic Kernel в действии https://habr.com/ru/companies/cloud_ru/articles/945336/?utm_source=habrahabr&utm_medium=rss&utm_campaign=945336 Секреты LLM по API: динамическая анонимизация данных для российского бизнеса https://habr.com/ru/companies/just_ai/articles/946392/ Data-Driven: от интуиции к фактам, и при чем тут data internals? https://habr.com/ru/companies/oleg-bunin/articles/910040/ Behind Viewer Retention Analytics at Scale https://medium.com/vimeo-engineering-blog/behind-viewer-retention-analytics-at-scale-8dbbb5ae7ae2 The Role of the Data Architect in AI Enablement https://medium.com/@community_md101/the-role-of-the-data-architect-in-ai-enablement-51a097f6eb7d 7 кругов ада: практический гид по выбору стека для ML-разработки https://habr.com/ru/companies/magnus-tech/articles/932714/ Построение долговечного хранилища данных с помощью HDFS https://habr.com/ru/companies/ozontech/articles/926178/

6x Faster ML Inference: Why Online≫Batch Кейс компании Whatnot. Они столкнулись с проблемой масштабирования пакетного ML-инференса: ежедневная обработка 10+ миллиардов пар пользователь-продавец приводила к потере покрытия и значительным финансовым потерям. Для решения пробелмы они перешли на онлайн-инференс, что позволило выдавать миллионы предсказаний с задержкой менее 200 мс и надежностью >99,9%. Основные моменты: - Миграция хранилища признаков с DynamoDB на Redis: это дало 3-кратное снижение задержки, особенно на длинных хвостах при параллельных батчах. - Переход с HTTP/1.1 на gRPC (HTTP/2) для передачи данных: 6,7-кратное улучшение скорости передачи больших матриц признаков. - Tail latency — критический фактор для онлайн-инференции: даже при хорошей средней производительности, длинные хвосты задержек могут разрушить SLO. - Применен системный подход к оптимизации: вместо догадок — нагрузочное тестирование, grid search, пошаговая изоляция узких мест. https://medium.com/whatnot-engineering/6x-faster-ml-inference-why-online-batch-16cbf1203947

Как ИИ изменит ЧЕЛОВЕЧЕСТВО? | Давид Ян, Кремниевая долина Посмотрел очередное интервью Давида Яна. Мне очень нравиться его mindset и многие идеи и позиции очень импонируют. Давид Ян считает, что успех стартапа зависит от знания боли рынка, способности создать решение и доставить его клиенту, а ИИ радикально меняет бизнес и общество. Очень интересные идееи которые отметил: Три магических кристалла успеха: Ян выделяет три ключевых фактора для стартапа: a. Unfair Market Advantage — глубокое знание реальной боли рынка. b. Способность создать «таблетку» — умение разработать эффективное решение для этой боли. c. Доставка решения — наличие каналов, чтобы донести продукт до клиента и убедить его купить. Если у основателей есть все три, шансы на успех значительно выше. Если не хватает хотя бы двух — вероятность провала почти гарантирована. ​ Будьте готовы к долгому пути: Ян отмечает, что даже успешные продукты требуют 7–10 лет до настоящего успеха. Команда: Ян считает, что оптимальная команда — это два кофаундера: один технический, другой маркетинговый, оба глубоко верят в идею и знают рынок. Наёмные топ-менеджеры редко дают нужный результат, если не готовы «есть грязь» вместе с основателем. ИИ-агенты как новый веб-сайт: Ян прогнозирует, что число цифровых сотрудников (voice/text AI agents) превысит количество веб-сайтов. Они станут новой витриной бизнеса, автоматизируя каналы, которые раньше не были автоматизированы (например, ресепшн, саппорт, продажи). Экономика и конкуренция: Рынок AI-агентов будет огромным, но сильно фрагментированным — даже лидеры займут лишь небольшой процент. Скорость внедрения и умение быстро адаптироваться важнее, чем масштаб. ​ https://www.youtube.com/watch?v=8GuhPV5gFho