Как ИИ помог ускорить дашборд Qlik Sense
Привет, Хабр! Меня зовут Илья Кербатов, я старший консультант в компании «ДАР» в ГК «КОРУС Консалтинг». В этой статье разберу практический кейс, который показывает, как искусственный интеллект помогает экономить время и расширять возможности разработчика BI. Речь пойдет об оптимизации дашборда Qlik Sense с применением расширения ShowHTMLfromMeasure.Еще пару лет назад решение такой задачи потребовало бы привлечения отдельного фронтенд-разработчика. Возможности ИИ быстро расширяются по мере развития моделей, и сейчас он отлично справляется с созданием и поддержкой кода.Постановка задачи
Что происходит, когда LLM остается наедине с собой (неожиданно, но она сходит с ума)
Автор имел примерно такие вайбы после этих экспериментовВсем доброго времени суток. Здесь будет описана история происхождения архитектуры мета-трансформеров, которая описана вот
Как конечные автоматы помогают сделать агента надежнее и при чем тут pydantic-graph?
Когда пишешь библиотеку, рано или поздно упираешься в движок. Не в красивый внешний интерфейс и не в обёртки, а в ту часть внутри, которая гоняет процесс по состояниям: что-то сгенерировал, проверил, решил, что делать дальше, повторил. Пара флагов, цикл while, большой if посередине, и через месяц вы уже сами не помните, какие переходы там вообще возможны и почему одна из веток недостижима.Недавно я собирал ровно такой движок и наткнулся на библиотеку, которая делает эту работу заметно аккуратнее. Называется pydantic-graph. Про неё почти не пишут, хотя на ней стоит весь pydantic-ai
Google предлагает Android-разработчикам продавать доступ к коду для обучения нейросетей
Журналисты сообщают, что Google запустила пилотный проект, в рамках которого предлагает Android-разработчикам продавать доступ к коду. Его компания планирует использовать для обучения нейросетей. Google не рассказывает о программе публично, а рассылает предложения определённым разработчикам.
Pipeline в машинном обучении: как создавать сложные модели без боли и утечек данных
Привет, Хабр! Меня зовут Андрей Бирюков. Я — независимый эксперт в области ИТ и ИБ, преподаю в учебных центрах и пишу статьи и книги. И сегодня мы поговорим об использовании Pipeline для задач машинного обучения. Давайте представим, что вы решили построить дом. Можно нанять отдельных рабочих для фундамента, стен, крыши и коммуникаций, а затем попытаться координировать их работу самостоятельно. А можно нанять генерального подрядчика, который возьмет на себя все этапы, гарантирует качество на каждом шаге и сдаст готовый дом «под ключ».
FlakyDetector 2.0: Один комментарий, который перевернул моё представление о нестабильных тестах
Как мы с вашей помощью добавили анализ фикстур, подняли размерность признаков до 42 и научились видеть order dependency до того, как она рушит CI
В рамках хакатона MOEX AI Hackathon, тесты ИИ‑агентов на Мосбирже показывают обгон индекса IMOEX
Московская биржа в середине апреля 2026 года запустила соревнование автономных ИИ‑агентов на арене виртуальных торгов в рамках хакатона MOEX AI Hackathon. Цель проекта — адаптация инфраструктуры биржи под будущую агентскую экономику. По итогам первых двух недель тестов большинство ИИ‑агентов показали результат выше основного индекса IMOEX, при этом в плюс по итогам тестирования вышли пять команд из 50.
