✅ Внезапный ламповый стрим

Не общался давно с ним и офигел, что он вытворил за целый год (открыл свою школу)

Хочу вас познакомить со своим давним другом Вадимом - основателем онлайн школы и авторской программы «Оффер под ключ», и бывшим дата - сайентистом.

Вадим все два года вёл свой ютуб канал с разборами собесов по направлениям, которые связаны с анализом данных и нейронками.

Он профессионально проходит собеседования на все возможные грейды, технические стэки, во всех возможных стилях, позах, с открытыми или закрытыми глазами.

Ещё и свой тг канал по теме трудоустройства раскачал.

Недавно встретился с ним и вдруг зашла тема о ИИ, сильной конкуренции на рынке труда и в целом технологиях, которые уже переворачивают весь мир и кого-то даже начинают лишать работы.

По итогу подумали, а чего нам не заколлабиться и не провести совместный стрим?! Так мысли будут озвучены вслух, а не «в стол».

Поэтому делаю анонс нашего эфира уже в СЕГОДНЯ на тему того, что ждёт аналитиков и дата сайентистов на дистанции 1-2 года.

Это будет очень полезно и тем, кто уже работает в компаниях, и тем, кто ещё никогда не работал в IT

Вот, какие темы обсудим:
• что сейчас происходит с рынком аналитиков и ДС?
• почему ноукодеры начали вытеснять ДС?!
• что делать прямо сейчас тем, кто уже работает и тем, кто ещё не трудоустроен (узнаете крутые фишки по автоматизации)
• каким будет рынок через 1-2 года?
• ответы на любые вопросы по теме эфира

Эфир будет в Google Meet, мест всего 100.

Дата: 23 число (Суббота) - Сегодня в 19:00!

Ссылку скину сюда.

Поддержите реакциями, стримы это выход из зоны комфорта)

🔥 Хайповая нейронка Veo 3 от Google стала бесплатной на все выходные.

Можно сгенерировать бесплатно 3 видео. Пользуемся здесь.

Может не работать в некоторых регионах.

🎚️ С вас буст на канал за подгон

👏 OpenAI победили старость (почти)

OpenAI совместно с Retro Bio, биотех-стартапом из Силиконовой долины, разработали специализированную версию искусственного интеллекта GPT-4b micro, предназначенную для сложных задач белковой инженерии и клеточного программирования.

Факторы Яманаки (OSKM) - это четыре белка-регулятора генов: OCT4, SOX2, KLF4 и c-MYC. Они работают как переключатели, которые могут вернуть взрослую клетку в состояние "универсальной заготовки" - стволовой клетки. Эти стволовые клетки можно потом превратить почти в любой тип тканей: сердце, нервную клетку, печень. В 2012 году Синъя Яманака получил Нобелевскую премию за открытие этих клеток.

Используя GPT-4b micro, учёные спроектировали усовершенствованные варианты факторов Яманаки. В природе они работают очень медленно и имеют побочки. ИИ ускорил работу белков в 50 раз и убрал все негативные эффекты.

Пока говорят о потенциальных +10 лет к жизни. Таблетка от старости становится все реальнее.

🧠 Покупки через ChatGPT

Люди все больше и больше слезают с гугления. Я лично почти забыли про поиск в Google.

Тут логичный вопрос. Раз теперь так много трафика у LLM провайдеров, а финансовая модель чисто на продаже токенов и подписках пока не сходится, то что делать?

А вот и ответ. OpenAI уже тестируют функцию оформления заказов в ChatGPT вместе с партнёрами, такими как Shopify

Такая модель является угрозой для Google, ведь всё больше людей ищут товары не через поисковик, а через чат-ботов, а когда можно будет там же и покупать — все остальное станет не нужным

Уверен, у таких гигантов как OpenAI уже давно лежат на столе проекты по монетизации брендов нативно внутри генераций. Так при вопросе про лучшие пиццерии в СНГ - Dodo Pizza все еще в топе, и пока за это никто не платит.

😍 Вашу ПРИВЛЕКАТЕЛЬНОСТЬ может оценить ИИ

Нашел сервис How Attractive am I, где алгоритмы измеряют вашу внешность по 100-бальной шкале

1️⃣ Загружаем своё фото
2️⃣ Получаем оценку за 20 секунд
3️⃣ ИИ подскажет ваши лучшие черты

Не верим, но проверить надо — тут.

🎚️ Если обойдешь меня по скору, то кидай в комментарии)

😤 Боже, в интернет утекла информация про наш курс по AI агентам.

Дороничев показал в интервью, как уже бахнул себе команду AI агентов для анализа исследований научных публикаций.

Ладно, раз уж мы не смогли сохранить запуск в тайне, ловите информацию про наш новый огненный интенсив по автоматизации.

Мы вынашивали идею год, а готовили его три месяца.

5 блоков, где разберем все от погружения в n8n до создания первого боевого AI агента для автоматизации коммерческого заказа.

Курс уже проходит первая волна студентов. Опубликованны 3 из 6 модулей. Традиционно цена пока стартовая, для своих 😉

🤫 Читайте информацию по ссылке - промокод DATAFEELING

🏆 Что будет на курсе по n8n?

В этом курсе мы сделаем большой фокус как на изучении самого n8n, так и на изучении сопутствующих технологий.

Вы научитесь подключать AI агента к Google таблицам, реляционным базам данных, строить интеграции с мессенджерами, почтой и ещё с десятками иных полезных сервисов.

Обязательно поработаем с RAG, векторными базами данных (Qdrant, Supabase), окунемся в работу с MCP серверами… Вы освоите все, что нужно для построения качественных автоматизации.

И конечно же поговорим про принципы построения решений с LLM под капотом, которые позволят вам создавать по-настоящему "умных" агентов и не наступать на «новичковые грабли».

🎚️ Промокод действует до конца недели

Если у вас есть скепсис по поводу эры AI агентов, то загляните в комменты ко мне или какой-нибудь другой канал. Там много примеров 😃

Эти LLM-backed сущности уже тут. Вопрос только в том, используете ли их вы и приносит ли вам это ценность.

AI vs IT: кто победит на рынке труда в 2025?🤖

Откапал график, который будто бы прошел мимо всех)

IT-рынок в 2025 году - это история о двух трендах.

С одной стороны, общее количество IT-вакансий упало. С другой - спрос на специалистов по искусственному интеллекту и машинному обучению растёт, несмотря на общий спад.

Нашел статистику в этой любопытной статье (источник) с графиком вакансий в технологической сфере США.

Как четко видно по графику, после пандемии спрос на IT взлетел - в начале 2022 года вакансий было в 2 раза больше, чем в феврале 2020-го.

Но с конца 2022-го начался резкий спад, и сейчас IT-вакансий на 36% меньше, чем до пандемии 😂

Почему так случилось? Есть две основные версии:
1️⃣ Последствия бурного найма после пандемии и ужесточение экономических условий (рост ставок ФРС, общая стагнация рынка).
2️⃣ Влияние ИИ - автоматизация и новые технологии снижают потребность в ряде IT-специалистов.

Так кто же в итоге победит - AI или IT-спецы? На мой взгляд, выигрывают те, кто успеет адаптироваться и прокачать AI-навыки.

📈 А вы как думаете? Интересный график?)

✍️ Mikhail Shufutinsky typing

Агент или пайплайн? Разбираемся на пальцах 🤌

Понять, чем агент отличается от пайплайна - это первый шаг к созданию ИИ, который действительно умеет думать и принимать решения самостоятельно.

Из каждого утюга мы слышим слово «агент», но далеко не все агенты действительно агентны. Большинство - это просто скам пайплайны.

Агентность - это когда система сама решает, что делать дальше, исходя из результатов предыдущих действий. Это не просто «выполнить шаг 1, потом шаг 2», а гибкий, адаптивный процесс.

Как отличить?

☑️ Если после шага X заранее известно, что будет дальше - это пайплайн.
☑️ Если система сама выбирает следующий шаг - это агент.
☑️ Если выбор алгоритма жёстко прописан извне - это всё ещё пайплайн, пусть и с условиями.

Примеры:
Пайплайн:

sites = await search_google(query)
response = await generate_response(query, sites)
Всё просто и линейно.

Пайплайн с условием:

sites = await search_google(query)
if len(sites) < 10:
query = await optimize_user_query(query)
sites += await search_google(query)
response = await generate_response(query, sites)
Решение о ветвлении принимает программист, не ИИ.

Частичный агент:

sites = await search_google(query)
if not await check_enough_info(query, sites):
query = await optimize_user_query(query)
sites += await search_google(query)
response = await generate_response(query, sites)

Здесь модель решает, искать ли ещё, но порядок шагов фиксирован.

Настоящий агент:

state = {"query": query, "sites": []}

while "response" not in state:
action = await choose_next_step(state)
if action == "search_google":
state["sites"] += await search_google(state["query"])
elif action == "optimize_query":
state["query"] = await optimize_user_query(state["query"])
elif action == "generate_response":
state["response"] = await generate_response(state["query"], state["sites"])

Агент сам выбирает, что делать дальше, исходя из текущего состояния.

Как сделать агента надёжным?

Используйте структурированные описания действий и состояния - например, через pydantic. Это помогает модели лучше понимать, что от неё хотят, и выбирать следующий шаг. Такой подход называется Structured Guided Reasoning (SGR).

🔘 Мини-пример pydantic моделей

from pydantic import BaseModel
from typing import List, Literal, Optional, Union

class SearchGoogleAction(BaseModel):
action: Literal["search_google"]
query: str

class OptimizeQueryAction(BaseModel):
action: Literal["optimize_query"]
query: str

class GenerateResponseAction(BaseModel):
action: Literal["generate_response"]
query: str
sites: List[str]

AgentAction = Union[SearchGoogleAction, OptimizeQueryAction, GenerateResponseAction]

class AgentState(BaseModel):
query: str
sites: List[str] = []
response: Optional[str] = None

🔘 Краткий цикл агента с SGR

async def choose_next_step(state: AgentState) -> AgentAction:
if state.response:
return None
if not state.sites:
return SearchGoogleAction(action="search_google", query=state.query)
if len(state.sites) < 5:
return OptimizeQueryAction(action="optimize_query", query=state.query)
return GenerateResponseAction(action="generate_response", query=state.query, sites=state.sites)

Итоги:

✅ Агент - это не просто набор шагов, а система, которая сама выбирает, что делать дальше.
✅ Большинство «агентов» - на самом деле пайплайны.
✅ Структурированный подход с pydantic и SGR помогает создавать настоящих, гибких агентов.

Если интересно - могу поделиться еще более подробными примерами и другими продвинутыми патернами.