От диплома до продакшена: … Часть 7: Инфра, MLOps и уроки масштабирования
От диплома до продакшена: Как я создавал архитектуру ИИ-проекта для… Часть 7: Инфраструктура, MLOps и уроки масштабированияАвтор: Алексей Бобрешов, руководитель отдела искусственного интеллекта Категория: Искусственный интеллект, MLOps, управление проектами, масштабирование Время чтения: 13–16 минутЭто седьмая, заключительная часть серии. Для контекста по безопасности рекомендую Часть 6.Введение: почему модель — это ещё не продукт
RAG без downtime: настраиваем инкрементальное обновление документов на Qdrant и LangChain
PM: Нам нужно актуализировать базу знаний для ИИ-ассистента, там изменилась инструкция по смене пароля.DevOps: Не проблема, сейчас запущу скрипт, через два часа всё обновится. Предупреди Заказчика о недоступности сервиса.Знакомая ситуация? Полная зачистка векторной базы и реиндексация всех имеющихся документов с остановкой сервиса - решение простое и надёжное, но «прощается» только на этапе прототипа.В продакшене могут быть сотни тысяч документов, живые пользователи и
Как мы проектировали Ranvik: AI-сервис с контролем стоимости и продуктовой лентой
Как мы проектировали Ranvik: AI-сервис с контролем стоимости и продуктовой лентой
ЧАСТЬ 1: БИЗНЕС И СТРАТЕГИЯ
«Мы не видели пассажиров — только их тени». Часть 1: Как я выявил системный обман на ₹650 млн в индийских автобусахАвтор: Алексей Бобрешов, руководитель отдела ИИ Категория: Искусственный интеллект, управление проектами, бизнес-аналитика, международные проекты Время чтения: 10–12 минутВведение: Почему я взялся за этот проектЯ руковожу направлением искусственного интеллекта в одном из крупнейших федеральных холдингов России. В моём портфеле — 6 реализованных проектов
Почему молодые разработчики сейчас способны на то, что раньше казалось недостижимым
Размышление о том, как изменилась инженерная культура, почему сегодняшние инструменты радикально расширили горизонты разработки и что делает молодых инженеров способными создавать системы, которые раньше выглядели мягко сказать нереально.
Как масштабировать применение ИИ. Аналитика и рекомендации от McKinsey
Всем привет! Меня зовут Александр, я COO в SaaS-платформе аналитики данных. Делюсь полезными материалами, которые считаю стоят внимания. В основном про AI, изменение процессов, тренды и продуктовое видение.У себя в телеграм-канале делюсь сжатыми и структурированными саммери статей.Сегодняшний перевод исследования от McKinsey. Полный отчет (28 страниц)
Роль облачной инфраструктуры в развитии искусственного интеллекта
Активное внедрение решений на базе ИИ влияет на трансформацию различных областей. С одной стороны, бизнес получает новые возможности для развития и масштабирования. Но, вместе с тем, появляются определенные вызовы.Эксперты прогнозируют рост объема рынка генеративного ИИ. К 2032 году он может достичь $1,3 трлн. Вклад технологии в мировую экономику к 2030 году составит $15,7 трлн. Потенциал для IT-компаний огромен
Законы масштабирования дистилляции
Рекомендация для читателей:Прежде чем погрузиться в детали, советую ознакомиться с двумя отличными статьями инженера из Яндекса (статья 1, статья 2). В них отлично объясняются принципы дистилляции, её применение в промышленных задачах и ключевые практические аспекты. Это идеальный старт для тех, кто только начинает знакомиться с темой.Однако, если вы, как и я, стремитесь к глубокому пониманию — этого может оказаться недостаточно. В данном обзоре мы пойдём дальше:Математическая формализация
Ceramic.ai Анны Паттерсон стремится помочь предприятиям создавать модели AI быстрее и эффективнее
У Анны Паттерсон была легендарная карьера в Кремниевой долине. Она основала три стартапа, включая поисковые стартапы Xift и Cuil, а также recall.archive.org, который стал Internet Archive. Она была вице-президентом по инжинирингу в Google, а позже основала Gradient Ventures, посевной фонд, ориентированный на AI. Ее новый стартап Ceramic.ai
