Я прогнал 60 тысяч составов продуктов через свой алгоритм. Вот что в еде на самом деле
Я делаю сервис, который наводится камерой на штрих-код и отдаёт светофор по составу плюс одну фразу человеческим языком. Побочный эффект такой работы — база. Сейчас в ней около 60 тысяч товаров из российских магазинов с разобранными составами.В какой-то момент я перестал смотреть на отдельные пачки и посмотрел на полку целиком. Ниже — цифры, грабли парсинга и два места, где алгоритм врал. Про механику, без ссылок и названий.Что считает алгоритмИИ в оценке нет. Это арифметика.
Почему цена Bitcoin «сломалась»: разбор аномалий 2022–2026 с WhyTrend
Увидел провал на графике → открыл Google или Twitter → полдня собираешь версии "почему". Знакомо? Детектор аномалий сам по себе даёт только точки на оси времени, а вопрос "почему" как был ручным, так и остаётся.В этот раз я прогнал WhyTrend не на паре аккуратных точек из Google Trends, а на полном ряде BTC за 4.5 года — и заодно на двух разных LLM. Результат оказался неожиданным: модель меньшего размера дала в три раза больше настоящих объяснений, чем более крупная. Расскажу, что случилось и почему.Что запускалиДанные — дневные close BTC/USDT, 1680 точек без единого пропуска, с 1 января 2022 по 7 августа 2026. Ключевое слово одно — Bitcoin
ИИ в бизнесе: почему большинство проектов не доходят до результата и что с этим делать
Привет, Хабр! На связи Никита Устриков. Подготовил для вас статью, основанную на нескольких источниках: отчёте MIT NANDA The GenAI Divide: State of AI in Business 2025, материалах Gartner и McKinsey по корпоративным внедрениям, стратегии развития ИИ в БКС и нашем докладе на TechWeek‑2026 «ИИ в бизнесе: почему 9 из 10 проектов не выходят в прод», где мы начали публично и системно разбирать эту тему. Полный список источников привожу в конце статьи.ВведениеЗа последние два года вопрос «почему корпоративный ИИ не приносит денег» из редких обсуждений превратился в одну из ключевых тем разговоров между CAIO, CIO, CDTO и командами, отвечающими за трансформацию.
Прокачаться в бизнес-аналитике: блоги и инструкции в стиле «бери и делай» + профильные учебники с теоретической базой
В последнее время традиционная бизнес-аналитика все сильнее пересекается с плоскостью аналитики данных (как в индустрии финтеха и банкинга, так и во многих других сферах). Некоторые профильные специалисты уже не первый год рассматривают Business Intelligence как супермножество Data Science, и все громче звучит мнение, что компаниям необходимо объединять оба направления.
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.
