🏆 Поздравляем наших коллег со стипендией Сбера!

В этом году стипендию по программе «Вклад в будущее» получили студенты направления «Искусственный интеллект и наука о данных» СПбГУ и сотрудники команды DSCS.pro.

🎉 Поздравляем победителей:
⚪️ Максим Есин — магистратура, 2 курс, ИИНД
⚪️ Данил Ерофеевский — магистратура, 2 курс, ИИНД
⚪️ Данил Белоусов — магистратура, 2 курс, ИИНД
⚪️ Олег Шутько — бакалавриат, 3 курс, ИИНД
⚪️ Александр Попцов — бакалавриат, 3 курс, ИИНД
⚪️ Иван Сохань — бакалавриат, 3 курс, ИИНД
⚪️ Денис Леута — бакалавриат, 3 курс, ИИНД

📌 Стипендиальная программа Сбера — это финансовая поддержка более 240 студентов и аспирантов из 13 российских вузов.
Её участники получают от 30 до 100 тыс. ₽ в месяц, доступ к образовательным программам, приглашения на мероприятия, шанс работать над проектами вместе с ведущими исследователями AIRI в области искусственного интеллекта.

📆 Следующий набор — уже в феврале 2026 года.

Если вы хотите развиваться в сфере ИИ, анализе данных и участвовать в масштабных проектах — не упустите свой шанс!

Еще больше об ИИ и науке читайте в DSCS.pro

📰Дайджест новостей в сфере ИИ: собрали главные инфоповоды недели

Что нового принесла эта неделя? Российские компании разработали прототип антропоморфного робота, а за рубежом представили Kimi K2 Thinking — открытую модель, которая уже обходит DeepSeek. Еще больше интересного — в нашем дайджесте. Читайте, чтобы быть в курсе! ⬇️

🇷🇺 В России:

Сбер задействовал ИИ для сокращения времени возврата средств на банковские карты

В Новгородском государственном университете разработали ИИ-систему для анализа гранул минеральных удобрений на производстве

Облачный провайдер ITGlobal. com запустил платформу AI Cloud для интеграции ИИ-сервисов в корпоративные процессы

Исследователи Института искусственного интеллекта AIRI разработали тест для лучшего понимания архитектурных ограничений нейросетей. Он может стать «основой для дальнейших исследований в области автоматизации химических рассуждений»

Сбер и Билайн заключили соглашение о сотрудничестве для разработки ИИ-агентов и мультиагентных систем

Компании, которые входят в состав Новой технологической коалиции, разработали прототип антропоморфного робота, который сможет обучаться в процессе взаимодействия со средой

В VK обновили языковую модель Diona для генерации текстов. Новая версия требует меньше ресурсов, что снизило нагрузку на инфраструктуру

🌍 В мире:

NVIDIA представила аппаратную платформу IGX Thor для внедрения физического ИИ, а также выпустила модель ChronoEdit для редактирования изображений с учетом временной согласованности

Американский разработчик Perplexity создал ИИ-агента Perplexity Patents для поиска патентов.

Китайская Alibaba представила предварительную версию рассуждающей модели Qwen3-Max-Thinking

OpenAI добавил в ChatGPT возможность исправления запросов

Вышла открытая Kimi K2 Thinking: релиз уже окрестили «DeepSeek moment 2.0»

Anthropic изобрели новую парадигму программирования ИИ-агентов — Code execution с MCP.

Представлена открытая MoE-модель LongCat-Flash-Omni с 560B параметрами (27B активных). Она умеет вести диалог в реальном времени, воспринимать визуальную информацию и отвечать голосом.

🎥 Google представил первую рекламу, полностью созданную нейросетью. Речь идет не только о видеоряде, но и об идее, озвучке и позиционировании

Хоть видео и создано с помощью Veo 3, маркировку компания решила не ставить. Роберт Вонг, президент Google Creative Lab, заявил, что большинству зрителей неважно, участвует ли ИИ в создании рекламы.

📌 Кстати, от сгенерированных людей креативщики Google решили отказаться: в рекламе видны лишь человеческие руки. Все из-за эффекта «зловещей долины». Зрители все чаще жалуются, что ИИ-люди в рекламе выглядят почти как настоящие, а потому вызывают тревогу и отторжение.

Как вам такой эксперимент? Делитесь мнением в комментариях⬇️

Еще больше об ИИ и науке читайте в DSCS.pro

Викторина 7️⃣
Для чего нужен градиентный спуск?

В машинном обучении любой алгоритм стремится к оптимальному набору параметров — тем значениям, при которых модель работает наиболее точно. Для этого применяется особый итеративный процесс gradient descent, лежащий в основе практически всех современных методов обучения.

А знаете ли вы, какую задачу решает этот механизм? ⬇️

Разбор Викторины #7: Для чего нужен градиентный спуск?

💜 Спасибо всем, кто участвовал! Пора разобраться с ответами.

✅Правильный ответ: б) Чтобы минимизировать функцию потерь

🔍 Что такое градиентный спуск?

Gradient Descent — один из базовых методов обучения большинства моделей машинного обучения, от линейной регрессии до глубоких нейросетей. Его цель — найти такие параметры модели (веса), при которых функция потерь достигает минимума, то есть модель ошибается как можно меньше.

⚙️ Алгоритм работает следующим образом:

1️⃣ Сначала веса инициализируются случайно — это отправная точка.
2️⃣ Мы вычисляем градиент — направление, в котором функция потерь уменьшается быстрее всего.
3️⃣ И делаем шаг, уменьшая ошибку на каждой итерации.

Так итерация за итерацией модель «спускается с горы» по «ландшафту ошибок», приближаясь к точке минимума.

💡 Важно: для выпуклых функций градиентный спуск гарантированно приводит к глобальному минимуму (при правильно выбранном шаге обучения). Для невыпуклых функций, как в нейросетях, он сходится к стационарной точке — локальному минимуму.

📌 Почему другие варианты не подходят?

➖ Случайная инициализация весов — это лишь старт перед обучением, а не оптимизация.
➖ Увеличение скорости инференса — задача инженерной оптимизации модели, не связанная с обучением.
➖ Нормализация данных — важный подготовительный этап, который ускоряет и стабилизирует обучение, но не входит в сам алгоритм градиентного спуска.

А ваш ответ совпал с правильным? Делитесь в комментариях ⬇️

Еще больше об ИИ и науке читайте в DSCS.pro

🤖 ИИ в деле: составляем резюме с помощью нейросетей

Продолжаем делиться практическими кейсами о том, как ИИ помогает решать повседневные и рабочие задачи.

📃 Сегодня — о том, как быстро подготовить профессиональное резюме, которое выделит вас среди сотен кандидатов.

📈 Немного статистики

Каждый десятый россиянин уже использует искусственный интеллект при подготовке к собеседованию. Такое исследование провели «Работа.ру» и ИИ-интегратор WMT Group.
Самыми популярными инструментами стали ChatGPT, GigaChat и Writesonic (62%) — с их помощью соискатели описывают навыки, составляют резюме, сопроводительные и мотивационные письма.

📌 Что умеет ИИ при работе с резюме?

1️⃣ Анализ вакансии и структура
Нейросеть помогает проанализировать описание вакансии, выделить ключевые требования и выстроить резюме так, чтобы оно точно соответствовало ожиданиям работодателя. Оптимизирует порядок блоков и делает текст читаемым для систем автоматического отбора.

2️⃣ Выделение достижений и релевантного опыта
ИИ убирает шаблонные формулировки, фокусируется на конкретных результатах и метриках. Помогает показать не только, что вы делали, но и какой эффект это принесло.

3️⃣ Редактура и баланс навыков
Модель улучшает язык и стиль, делает формулировки точными и профессиональными. Балансирует hard и soft skills под выбранную роль и адаптирует тональность под уровень позиции.

4️⃣ Создание сопроводительного письма
ИИ формирует лаконичный текст, который отвечает на главный вопрос рекрутера: зачем вы откликаетесь именно на эту роль и какую пользу принесёте команде. Письмо получается точным, структурированным и без лишней воды.

⚙️ Какие инструменты выбрать?

⚪️ ChatGPT — универсален, отлично справляется с международными резюме и адаптацией под разные стили вакансий.
⚪️ GigaChat — идеально работает с русским языком и спецификой российского рынка, помогает адаптировать резюме под HR-форматы отечественных компаний.
⚪️ Writesonic — помогает создавать лаконичные описания опыта, выделять достижения и готовить сопроводительные письма в деловом стиле
⚪️ Kickresume — мощный конструктор резюме с элементами ИИ. Подбирает шаблон, структуру и формулировки. Подходит для быстрого создания CV на русском и английском.

📎 Совет: чтобы получить действительно сильное резюме, задайте контекст. Например:

«Ты карьерный консультант. Помоги улучшить резюме дата-сайентиста с 3-летним опытом, чтобы оно соответствовало требованиям middle-позиции в ИТ-компании».

А вы уже обновляли своё резюме с помощью ИИ? Делитесь опытом в комментариях ⬇️

Еще больше об ИИ и науке читайте в DSCS.pro

📰Дайджест новостей в сфере ИИ: собрали главные инфоповоды недели

Нейросети научились читать мысли, ИИ-учёный сделал 7 открытий за день, а GigaChat начал работать на МКС. Что ещё произошло в мире ИИ за неделю — читайте в нашем дайджесте ⬇️

🇷🇺 В России:

На Международную космическую станцию в ноябре доставят GigaChat от Сбера для помощи в расшифровке голосовых заметок космонавтов и составлении отчетов. Нейросеть будет работать локально

На базе ИБ-проекта Кибердом будет создан консорциум для обмена новыми схемами кибератак, в том числе с использованием ИИ

Ученые из МФТИ, Института физики атмосферы РАН и Арктического университета Норвегии предложили нейросетевой метод для обнаружения и классификации океанических вихрей в прикромочной ледовой зоне Антарктики

Сбер и Кубанский государственный аграрный университет обучили GigaChat на материалах восьми направлений агропромышленного комплекса. ИИ-модель сдала выпускной экзамен по направлению «Агробиотехнологии и устойчивое сельское хозяйство»

T-Bank AI Research и лаборатория Omut AI Центрального университета представили новый метод обучения LLM. Он позволяет развивать способность к логическим рассуждениям без обучения с подкреплением

Компания РТ-Техприемка разработала цифровую систему RMS с поддержкой компьютерного зрения для централизованного управления промышленными роботами и оборудованием различных производителей

В МФТИ создали новую архитектуру памяти в виде цифровой модели для решения проблемы, при которой нейросети теряют ранее полученные знания при освоении новых задач

Вендор Kraftway представил высокопроизводительный сервер с шестью GPU для ресурсоемких вычислений, включая обработку больших данных

🌍 В мире:

В Microsoft сформировали команду по созданию суперинтеллекта

В телеком-компании NTT Communication разработали метод Mind Captioning для преобразования возникающих в мозгу образов в текст с помощью ИИ

Google выпустила тензорные ИИ-ускорители Ironwood и виртуальную машину N4A на процессорах Axion. Компания также предложила новый подход к машинному обучению Nested Learning для решения проблемы «катастрофического забывания» (Catastrophic Forgetting)

ИИ-разработчик xAI добавил в Grok Imagine возможность генерации видео из текста

OpenAI представил модели GPT‑5.1 Instant и GPT‑5.1 Thinking. Они будут доступны в ChatGPT и в API

Стартап Edison Scientific выпустил ИИ-ученого Kosmos, который совершил уже 7 научных открытий за 12 часов.

🚀 Хакатон SpbTechRun: оставьте след в индустрии

Центр исследований и разработки Сбера в Санкт-Петербурге в партнерстве с СПбГУ открывает регистрацию на SpbTechRun — хакатон, где идеи превращаются в работающие технологии.

Участники будут создавать рекомендательные инструменты на основе анализа данных и LLM — от городских сервисов до медицины и e-commerce.

💡 Вас ждут три кейса:

⚪️ «Городской помощник» — AI-агент на основе LLM, который подсказывает жителям Петербурга информацию о госуслугах, используя официальные базы знаний.

⚪️ «Медицинский инсайт» — аналитический AI-агент для поиска закономерностей в медицинских данных города.

⚪️ «Персональные подборки для онлайн-магазина» — интеллектуальная система рекомендаций для этапа ремонта White Box с непрерывным обучением на действиях пользователей.

📌 Этапы хакатона:

1️⃣ Регистрация: 10—20 ноября
Подайте заявку и соберите команду.

2️⃣Заочный этап: 21 ноября—10 декабря
Работайте из любой точки мира. Эксперты дадут честный фидбек и помогут выстроить траекторию развития решения.

3️⃣ Очный финал: 13 декабря
Лучшие команды встретятся офлайн, чтобы защитить свои проекты и побороться за лидерство.

🏆 Что получат победители?

➖ крутой мерч от Сбера,
➖ дополнительные баллы при приеме в 2026 году на образовательную программу магистратуры «Искусственный интеллект и наука о данных».

➡️ Подавайте заявку и создавайте решения, которые изменят индустрию!