AI-агенты, давайте сами. Как научить AI-агента искать информацию по базе, не задействуя датасеты
Что, если я скажу, что для обучения AI-агентов вообще не нужны датасеты? Не надо их собирать, валидировать, размечать. Достаточно развернуть двух агентов на компактной модели Qwen2.5-3B или 7B, запустить их где-нибудь у себя или в облаке, дать им базу знаний и наблюдать за циклом «AI учит сам себя», попивая кофеек :) В середине января 2026 года на Hugging Face опубликовали исследование по фреймворку Dr. Zero (DeepResearch-Zero) для самообучения агентов (ссылка на GitHub там тоже имеется). Фишка: в этом подходе агенты самообучаются с нуля без участия человека и показывают результаты, сопоставимые с полностью контролируемыми поисковыми агентами.
Одна функция, которая заменила аналитика
Алексей — финансовый директор. Умный, занятой, не любящий ждать. Каждый понедельник он открывает Excel с продажами за прошлую неделю и задаёт вопросы.Но Excel — не собеседник. Алексей идёт к аналитику.Аналитик строит сводную, ищет причины, пишет письмо. Иногда это занимает полдня. Иногда — до вторника.Я посчитал: среднее время от вопроса Алексея до ответа было 2 часа 17 минут. Сейчас — 4 минуты 30 секунд. Алексей пишет вопрос в чат, получает ответ с цифрами и объяснением.Расскажу, как это работает. Без BI-систем, без баз данных, без аналитика в цепочке — просто Python и Claude API.Что за задача
Обзор книг аналитика данных
Привет! Меня зовут Таня, я аналитик данных и люблю бумажный формат книг (если есть сомнения, сначала пробую электронную версию, но если книга заходит всегда беру бумажную версию). В этой статье честный обзор без рекламы, тех книг, которые я купила не так давно в бумажном формате.Что в моем списке«Математика для Data Science» «Алгоритмы и структуры данных» Миядзаки «Прикладные структуры данных и алгоритмы» Венгроу «Грокаем алгоритмы искусственного интеллекта»
От картинки к системе разработки проектов. Фундамент под ногами
За последние 1-2 месяца ИИ системы разработки сделали довольно значительный шаг вперед, стали меньше ошибаться, подключили планирование и обратную связь. Задавались ли Вы вопросом почему? Казалось бы, ИИ взял лучшие шаги из разработки ПО, разбил разработку «на промпты» (по агентам) и — прорыв. Вы удивитесь, все это было раньше, и даже сама разработка ПО — это лишь это часть универсальной базы, причем даже сейчас еще не до конца реализованной. Спасибо П.К. Анохину. Начнем с картинки:
Frontend Status: свежий дайджест фронтенда и AI — 05.03.2026
Frontend Status: Привет! Свежий дайджест фронтенда и AIПривет!Это седьмой выпуск Frontend Status — дайджеста по фронтенд-разработке.
Дженсен Хуанг: инвестиция Nvidia в OpenAI на $30 млрд может стать последней перед IPO
Глава Nvidia Дженсен Хуанг заявил
Как я готовился к Честному знаку и разработал подход к нормализации данных
Примечание: Это первая статья из цикла, в которой я делюсь бизнес-смыслами и подходом к решению проблемы. Во второй статье планирую подробно разобрать техническую реализацию.Вступление: Кот в мешкеЯ работаю в компании, которая занимается автозапчастями. Не буду называть бренд, но представьте любой крупный интернет-магазин запчастей — у нас всё примерно так же.
Как нейросеть «заглянула» в пиролизную печь
ИИ — отличный помощник в быту и творчестве. Нейросети заменяют нам гугл, мы спрашиваем у них рецепты, просим помочь с рабочими письмами, вайбкодим. А в СИБУРе мы используем нейросети на производстве в самых разных задачах: от диагностики оборудования до оптимизации производственных процессов. Но сегодня расскажу про одну конкретную задачу — как ИИ следит за температурой в печах пиролиза, чтобы предотвратить образование кокса и прогорание труб.Меня зовут Сергей, я Data Scientist в СИБУРе. Сейчас расскажу, как мы учим нейросеть видеть то, что человек физически увидеть не может.Сто печей размером с 16-этажный дом
