Как Google Карты незаметно определяют победителей и проигравших в общепите
Мне нужна была рекомендация хорошего ресторана, поэтому я поступила как любой нормальный человек: выполнила скрейпинг всех ресторанов в Большом Лондоне и собрала модель машинного обучения.
Почему никто не объясняет аномалии во временных рядах?
Недавно встретились с коллегой за кружкой кофе, без всякой рабочей повестки. Он занимается Data Science, я — backend‑разработкой. Разговор как‑то незаметно, как это обычно бывает, свернул в сторону обсуждения рабочих нюансов, а самый обычный вопрос про очередной график в дашборде — закончился идеей проекта, который в итоге вырос в open‑source фреймворк.В какой‑то момент он сказал фразу, которая неожиданно зацепила:«Мы легко и быстро умеем находить аномалии. Но потом аналитик всё равно часами выясняет почему они произошли.»
Тренды Telegram-ботов и Mini Apps: звезды, ИИ и чат-рулетки
Телеграм показывает число юзеров бота, если им пользуются больше 10 тысяч человек в месяц. Я собрал самую большую базу таких ботов (15к из десятков миллионов показывали MAU в июле 2026) и вычленил тренды экосистемы Telegram.MAU — monthly active users — число пользователей Телеграм бота, провзаимодействовавших с ним за последний месяц.
Новый курс Практикума PRO: ИИ для аналитики и исследований
Аналитики тратят немало времени на подготовку данных, очистку, поиск скрытых связей — работу, которую ИИ делает быстро и воспроизводимо. На курсе «Нейросети для анализа данных и исследований» учат встраивать нейросети в весь цикл аналитики: от уточнения бизнес-запроса до подготовки итогового отчёта.Для кого
Что в работе аналитика поменялось за пять лет, а что только в вакансиях
Я пришла в аналитику в 2020 году, шесть лет в профессии, и среди прочего проверяю работы тех, кто учится на аналитика сейчас. Так что у меня перед глазами оба конца отрезка: и с чего начинала я, и с чем приходит новый поток, который я вижу каждую неделю десятками.И вот что не сходится: если открыть вакансии аналитика в 2026 и почитать требования, кажется, что профессия сменилась целиком: везде ML, LLM, дата-инженерия, облака, а SQL с Excel идут как что-то само собой разумеющееся, будто это уже даже не навык, а воздух. Человек, который вкатывается сейчас, читает это и решает, что опоздал на пять лет и учить надо всё и сразу.
Разобрал 1233 статьи Хабра: всё, что советуют авторам, объясняет 6% результата
Полгода назад я начал писать на Хабр дважды в неделю. За это время накопился 21 материал с очень разным результатом: от 120 тысяч охвата и 647 закладок до полутора тысяч охвата и нуля закладок. Разброс в восемьдесят раз при одинаковом подходе к работе меня и заинтересовал.Стандартный способ разобраться — посмотреть на успешные статьи и понять, что у них общего. Я так и сделал: собрал 200 материалов с высоким рейтингом, посчитал в них всё, что считается, и вывел формулу. Формула получилась красивая и совпадала с тем, что обычно советуют авторам.
Искусственный интеллект внутри 1С: что уже можно внедрять
Когда мы говорим об искусственном интеллекте, очень легко уйти в разговор о будущем. Об универсальных помощниках, цифровых сотрудниках и системах, которые однажды смогут делать практически все.Но мне хотелось бы поговорить не о будущем, а о настоящем. О том, какие задачи искусственный интеллект уже сегодня решает непосредственно внутри экосистемы 1С.Для меня главный вопрос звучит не так: «Может ли искусственный интеллект работать с 1С?»Он уже работает.
Почему LLM нельзя просто подключить к базе данных и получить GenBI?
Привет, Хабр!Как перепроверить отчёт, который прислали специалисты? Как перестать постоянно обращаться к аналитикам с ad hoc-запросами и часами ждать очередную таблицу? Может быть, стоит просто спросить нейросеть о показателях своей компании?У этой концепции есть название — GenBI. Сама идея не нова: сегодня производители встраивают копилотов практически во все аналитические сервисы и обещают доступ к корпоративным данным через запросы на естественном языке.Но на практике всё оказывается сложнее.
