Запись семинара
Антон Воскресенский (@voskresenskiiconsulting), Методы интерпретации моделей машинного обучения в нефтегазовой отрасли. YouTube | Дзен | RuTube (~1 час 10 минут).
Антон Воскресенский (@voskresenskiiconsulting), Методы интерпретации моделей машинного обучения в нефтегазовой отрасли. YouTube | Дзен | RuTube (~1 час 10 минут).
Созвон о том как и зачем заниматься наукой
▫️ 12 марта (среда), 17:00 МСК
▫️ Google Meet→
Вопросы к обсуждению:
▫️ Как выбрать тему для исследований? Какая задача подойдет для начала? Начинать ли с небольших и технических задач, или сразу строить стратегические планы по решению крупных научных проблем? Как понять, что выбранная задача по силам, и что делать, если продвижения замедлились. Как эффективнее всего освоить ключевые классические результаты в выбранной области, и как следить за свежими результатами и развитием исследований по своей теме?
▫️ Зачем писать статьи? Как понять, что полученный результат достоин публикации? Как выбрать научный журнал для публикации? Как писать научные тексты, чем в целом этот жанр отличается от других? На что обратить внимание при написании курсовой/диплома/диссертации/…? Какие еще есть способы участия в жизни научного сообщества: конференции, коллаборации, рецензирование, …?
▫️ Зачем идти в аспирантуру, писать диссертацию и получать учёную степень? Зачем вообще заниматься наукой? Какие могут быть варианты развития карьеры в науке? Какие есть особенности финансирования и как работать с системой грантов?
▫️ 12 марта (среда), 17:00 МСК
▫️ Google Meet→
Вопросы к обсуждению:
▫️ Как выбрать тему для исследований? Какая задача подойдет для начала? Начинать ли с небольших и технических задач, или сразу строить стратегические планы по решению крупных научных проблем? Как понять, что выбранная задача по силам, и что делать, если продвижения замедлились. Как эффективнее всего освоить ключевые классические результаты в выбранной области, и как следить за свежими результатами и развитием исследований по своей теме?
▫️ Зачем писать статьи? Как понять, что полученный результат достоин публикации? Как выбрать научный журнал для публикации? Как писать научные тексты, чем в целом этот жанр отличается от других? На что обратить внимание при написании курсовой/диплома/диссертации/…? Какие еще есть способы участия в жизни научного сообщества: конференции, коллаборации, рецензирование, …?
▫️ Зачем идти в аспирантуру, писать диссертацию и получать учёную степень? Зачем вообще заниматься наукой? Какие могут быть варианты развития карьеры в науке? Какие есть особенности финансирования и как работать с системой грантов?
Запись созвона
Как и зачем заниматься наукой? YouTube | Дзен | RuTube (~1 час 40 минут)
В дискуссии принимали участие:
▫️ Иван Чижов (ВМК МГУ)
▫️ Вадим Порватов (Сбербанк)
▫️ Никита Олехно (ИТМО)
▫️ Екатерина Строева (ВМК МГУ)
▫️ Александр Гавриков (Т-Банк)
▫️ Григорий Карпунин (КриптоПро)
▫️ Павел Снурницын (ВМК МГУ, GlowByte)
Как и зачем заниматься наукой? YouTube | Дзен | RuTube (~1 час 40 минут)
В дискуссии принимали участие:
▫️ Иван Чижов (ВМК МГУ)
▫️ Вадим Порватов (Сбербанк)
▫️ Никита Олехно (ИТМО)
▫️ Екатерина Строева (ВМК МГУ)
▫️ Александр Гавриков (Т-Банк)
▫️ Григорий Карпунин (КриптоПро)
▫️ Павел Снурницын (ВМК МГУ, GlowByte)
Семинар про теорию игр и покер
▫️ 19 марта (среда), 17:00 МСК
▫️ Google Meet→
▫️ Трансляция YouTube→
Выступает: Олег Остроумов
Тема: Алгоритмы и солвер для покера
Аннотация
В докладе расскажу:
— Как я перешёл от профессиональной игры в покер к созданию солвера для покера, и помог моим клиентам стать лучшими игроками в мире.
— Как работает алгоритм Counterfactual Regret Minimization для вычисления равновесия Нэша в покере.
— Что на самом деле означает блеф в покере и как рассчитать оптимальную частоту блефа.
— Как помочь игрокам изучить и понять оптимальную стратегию, ведь массив из 80 ГБ чисел запомнить нельзя.
— Как я продавал свой продукт игрокам, которые изначально сомневались в его точности.
Уровень сложности: продвинутый, для понимания доклада требуется знакомство с теорией игр.
Ключевые слова: Poker, Extensive form game, Imperfect information game, Nash Equilibrium, (Monte-Carlo) Counterfactual Regret Minimization.
▫️ 19 марта (среда), 17:00 МСК
▫️ Google Meet→
▫️ Трансляция YouTube→
Выступает: Олег Остроумов
Тема: Алгоритмы и солвер для покера
Аннотация
В докладе расскажу:
— Как я перешёл от профессиональной игры в покер к созданию солвера для покера, и помог моим клиентам стать лучшими игроками в мире.
— Как работает алгоритм Counterfactual Regret Minimization для вычисления равновесия Нэша в покере.
— Что на самом деле означает блеф в покере и как рассчитать оптимальную частоту блефа.
— Как помочь игрокам изучить и понять оптимальную стратегию, ведь массив из 80 ГБ чисел запомнить нельзя.
— Как я продавал свой продукт игрокам, которые изначально сомневались в его точности.
Уровень сложности: продвинутый, для понимания доклада требуется знакомство с теорией игр.
Ключевые слова: Poker, Extensive form game, Imperfect information game, Nash Equilibrium, (Monte-Carlo) Counterfactual Regret Minimization.
Запись семинара
Олег Остроумов (@oleg_ostroumov), Алгоритмы и солвер для покера. YouTube | Дзен | RuTube (~1 час 20 минут).
Олег Остроумов (@oleg_ostroumov), Алгоритмы и солвер для покера. YouTube | Дзен | RuTube (~1 час 20 минут).
Созвон про LLM
▫️ 26 марта (среда), 17:00 МСК
▫️ Google Meet→
Тема: LLM для бизнеса 2 года спустя
Вопросы к обсуждению:
— Какие есть реальные кейсы и бизнес задачи, решение которых опирается на LLM?
— Есть ли примеры неудачного внедрения технологии и какие уроки можно из них извлечь?
— В каких индустриях и направлениях уже есть стандартные бизнес-кейсы приложений LLM, а где технология только набирает обороты?
— Какие организационные и технические особенности необходимо учесть при реализации проектов на базе LLM в крупных компаниях?
— Как крупные компании оценивают ROI от внедрения LLM?
— В каких случаях кастомизация и тюнинг моделей имеет преимущество по сравнению с использованием готовых сервисов?
— Имеет ли смысл начинать проекты с LLM если ресурсы GPU ограничены?
— Почему Gartnet пишет про тренд Small Language Models?
— Как сейчас решаются вопросы безопасности и конфиденциальности данных при использовании LLM?
— Где грань между полной автоматизацией процессов и необходимостью участия человека?
— Может ли LLM стать основой для создания полностью автономных бизнес-процессов?
— Какой новый функционал может радикально изменить подход к использованию LLM в будущем?
▫️ 26 марта (среда), 17:00 МСК
▫️ Google Meet→
Тема: LLM для бизнеса 2 года спустя
Вопросы к обсуждению:
— Какие есть реальные кейсы и бизнес задачи, решение которых опирается на LLM?
— Есть ли примеры неудачного внедрения технологии и какие уроки можно из них извлечь?
— В каких индустриях и направлениях уже есть стандартные бизнес-кейсы приложений LLM, а где технология только набирает обороты?
— Какие организационные и технические особенности необходимо учесть при реализации проектов на базе LLM в крупных компаниях?
— Как крупные компании оценивают ROI от внедрения LLM?
— В каких случаях кастомизация и тюнинг моделей имеет преимущество по сравнению с использованием готовых сервисов?
— Имеет ли смысл начинать проекты с LLM если ресурсы GPU ограничены?
— Почему Gartnet пишет про тренд Small Language Models?
— Как сейчас решаются вопросы безопасности и конфиденциальности данных при использовании LLM?
— Где грань между полной автоматизацией процессов и необходимостью участия человека?
— Может ли LLM стать основой для создания полностью автономных бизнес-процессов?
— Какой новый функционал может радикально изменить подход к использованию LLM в будущем?
Запись созвона
LLM для бизнеса 2 года спустя. YouTube | Дзен | RuTube (~1 час 25 минут).
В дискуссии принимали участие:
▫️ Михаил Зайцев (GlowByte)
▫️ Кирилл Блохнин (GlowByte)
▫️ Илья Усов (bimlib.pro)
▫️ Егор Шишковец (Честный Знак)
▫️ Семён Ким
▫️ Павел Снурницын
LLM для бизнеса 2 года спустя. YouTube | Дзен | RuTube (~1 час 25 минут).
В дискуссии принимали участие:
▫️ Михаил Зайцев (GlowByte)
▫️ Кирилл Блохнин (GlowByte)
▫️ Илья Усов (bimlib.pro)
▫️ Егор Шишковец (Честный Знак)
▫️ Семён Ким
▫️ Павел Снурницын
Мероприятия NoML в апреле
План мероприятий на ближайший месяц, место и время те же: онлайн по средам в 17:00 МСК:
▫️ 02.04 | семинар | Дмитрий Штукенберг (ИТМО), Теория типов и некоторые её применения;
▫️ 09.04 | семинар | Байрам Аннаков (Onsa), AI агенты: что это такое, что уже возможно, и что ожидать в будущем?;
▫️ 16.04 | семинар | Виталий Черненко (Амальгама), Имитационное моделирование: планирование и поддержка принятия решений на реальных примерах;
▫️ 23.04 | созвон | Тренды Data & Analytics 2025;
Следите за обновлениями в канале @noml_digest и чате @noml_community, там же публикуются детали предстоящих докладов и ссылки для подключения.
План мероприятий на ближайший месяц, место и время те же: онлайн по средам в 17:00 МСК:
▫️ 02.04 | семинар | Дмитрий Штукенберг (ИТМО), Теория типов и некоторые её применения;
▫️ 09.04 | семинар | Байрам Аннаков (Onsa), AI агенты: что это такое, что уже возможно, и что ожидать в будущем?;
▫️ 16.04 | семинар | Виталий Черненко (Амальгама), Имитационное моделирование: планирование и поддержка принятия решений на реальных примерах;
▫️ 23.04 | созвон | Тренды Data & Analytics 2025;
Следите за обновлениями в канале @noml_digest и чате @noml_community, там же публикуются детали предстоящих докладов и ссылки для подключения.
Семинар про теорию типов
▫️ 2 апреля (среда), 17:00 МСК
▫️ Google Meet→
▫️ Трансляция YouTube→
Выступает: Дмитрий Штукенберг (Университет ИТМО)
Тема: Теория типов и некоторые её применения
Аннотация
Данная встреча будет посвящена теории типов: области информатики, пограничной между математической логикой и программированием. Эта область связана с использованием изоморфизма Карри-Ховарда, предлагающего рассматривать типы значений как логические утверждения, а сами значения - как доказательства этих утверждений.
Подход имеет многочисленные применения - как в вопросах, полезных для программирования (например, он важен для дизайна языков программирования), так и в математике (дополнительные подходы к формализации математических утверждений и теорий).
На встрече мы обсудим как теоретическую составляющую, так и конкретные практические применения.
Уровень сложности: начинающий, каких-то специальных знаний для понимания материала встречи не требуется, должно быть достаточно общей математической эрудиции.
Ключевые слова: математическая логика, теория типов, изоморфизм Карри-Ховарда.
▫️ 2 апреля (среда), 17:00 МСК
▫️ Google Meet→
▫️ Трансляция YouTube→
Выступает: Дмитрий Штукенберг (Университет ИТМО)
Тема: Теория типов и некоторые её применения
Аннотация
Данная встреча будет посвящена теории типов: области информатики, пограничной между математической логикой и программированием. Эта область связана с использованием изоморфизма Карри-Ховарда, предлагающего рассматривать типы значений как логические утверждения, а сами значения - как доказательства этих утверждений.
Подход имеет многочисленные применения - как в вопросах, полезных для программирования (например, он важен для дизайна языков программирования), так и в математике (дополнительные подходы к формализации математических утверждений и теорий).
На встрече мы обсудим как теоретическую составляющую, так и конкретные практические применения.
Уровень сложности: начинающий, каких-то специальных знаний для понимания материала встречи не требуется, должно быть достаточно общей математической эрудиции.
Ключевые слова: математическая логика, теория типов, изоморфизм Карри-Ховарда.
Про теорию типов
В завершение темы прошлой недели подборка материалов от Дмитрия Штукенберга.
Введение в основания математики
▫️ S.C. Kleene, Introduction to Metamathematics, 1952 (перевод: С.К. Клини, Введение в метаматематику, 1957) (~550 стр.)
Теория типов
▫️ Хорошее введение в тему: интуиционисткая логика, изоморфизм Карри-Ховарда, линейная логика и как всё это связано с функциональным программированием: P. Wadler, A Taste of linear Logic, 1993 (27 стр.)
▫️ Здесь в целом про конструктивную математику для программирования: P. Martin-Löf, Constructive mathematics and computer programming, 1982 (23 стр.)
▫️ Гомотопическая теория типов (HoTT) и вообще один из современных взглядов в сторону оснований математики, плюс в первой главе хорошее введение в целом в теорию типов: Homotopy Type Theory: Univalent Foundations of Mathematics, 2013 (перевод) (475 стр.)
На ресурсе homotopytypetheory.org можно найти много других материалов про HoTT.
Языки и инструменты
▫️ Coq / Rocq
Плюс учебник: A. Chipala, Certified Programming with Dependent Types: A Pragmatic Introduction to the Coq Proof Assistant, 2013–2019 (~400 стр.)
▫️ Agda
▫️ F* (F star)
▫️ Arend
И список библиотек и расширений на базе HoTT
Пара интересных приложений
▫️ Задача о четырёх красках: G. Gonthier, A computer-checked proof of the Four Colour Theorem, 2005 (57 стр.)
▫️ Верификатор для Solidity: coq-of-solidity
В завершение темы прошлой недели подборка материалов от Дмитрия Штукенберга.
Введение в основания математики
▫️ S.C. Kleene, Introduction to Metamathematics, 1952 (перевод: С.К. Клини, Введение в метаматематику, 1957) (~550 стр.)
Теория типов
▫️ Хорошее введение в тему: интуиционисткая логика, изоморфизм Карри-Ховарда, линейная логика и как всё это связано с функциональным программированием: P. Wadler, A Taste of linear Logic, 1993 (27 стр.)
▫️ Здесь в целом про конструктивную математику для программирования: P. Martin-Löf, Constructive mathematics and computer programming, 1982 (23 стр.)
▫️ Гомотопическая теория типов (HoTT) и вообще один из современных взглядов в сторону оснований математики, плюс в первой главе хорошее введение в целом в теорию типов: Homotopy Type Theory: Univalent Foundations of Mathematics, 2013 (перевод) (475 стр.)
На ресурсе homotopytypetheory.org можно найти много других материалов про HoTT.
Языки и инструменты
▫️ Coq / Rocq
Плюс учебник: A. Chipala, Certified Programming with Dependent Types: A Pragmatic Introduction to the Coq Proof Assistant, 2013–2019 (~400 стр.)
▫️ Agda
▫️ F* (F star)
▫️ Arend
И список библиотек и расширений на базе HoTT
Пара интересных приложений
▫️ Задача о четырёх красках: G. Gonthier, A computer-checked proof of the Four Colour Theorem, 2005 (57 стр.)
▫️ Верификатор для Solidity: coq-of-solidity
Семинар про ИИ агентов
▫️ 9 апреля (среда), 17:00 МСК
▫️ Google Meet→
▫️ Трансляция YouTube→
Выступает: Байрам Аннаков, @ProductsAndStartups, фаундер и CEO Onsa.ai
Тема: AI агенты: что это такое, что уже возможно, и что ожидать в будущем?
Аннотация
На семинаре обсудим:
— Что такое AI агенты?
— Фреймворк "Чувствовать —> Думать —> Действовать" — что уже умеют LLM?
— Что ожидать от AI агентов в будущем и как к этому подготовиться?
Уровень сложности: начинающий.
Ключевые слова: LLM, AI-агенты.
▫️ 9 апреля (среда), 17:00 МСК
▫️ Google Meet→
▫️ Трансляция YouTube→
Выступает: Байрам Аннаков, @ProductsAndStartups, фаундер и CEO Onsa.ai
Тема: AI агенты: что это такое, что уже возможно, и что ожидать в будущем?
Аннотация
На семинаре обсудим:
— Что такое AI агенты?
— Фреймворк "Чувствовать —> Думать —> Действовать" — что уже умеют LLM?
— Что ожидать от AI агентов в будущем и как к этому подготовиться?
Уровень сложности: начинающий.
Ключевые слова: LLM, AI-агенты.
Про AI
По следам семинара пара рекомендаций материалов от докладчика:
▫️ Книга: D. Patel, G. Leech, The Scaling Era: An Oral History of AI, 2019–2025 (~250 стр.);
▫️ Подкаст: Francois Chollet - Why The Biggest AI Models Can't Solve Simple Puzzles, 2024 (~1 час 35 минут).
Ещё много всего есть в канале Байрама: @ProductsAndStartups.
Также Байрам приглашает на свой курс AI Product Engineer (курс платный), до воскресенья еще можно записаться.
По следам семинара пара рекомендаций материалов от докладчика:
▫️ Книга: D. Patel, G. Leech, The Scaling Era: An Oral History of AI, 2019–2025 (~250 стр.);
▫️ Подкаст: Francois Chollet - Why The Biggest AI Models Can't Solve Simple Puzzles, 2024 (~1 час 35 минут).
Ещё много всего есть в канале Байрама: @ProductsAndStartups.
Также Байрам приглашает на свой курс AI Product Engineer (курс платный), до воскресенья еще можно записаться.
Семинар про имитационное моделирование
▫️ 16 апреля (среда), 17:00 МСК
▫️ Google Meet→
▫️ Трансляция YouTube→
Выступает: Виталий Черненко (Амальгама)
Тема: Имитационное моделирование: планирование и поддержка принятия решений на реальных примерах
Аннотация
Имитационное моделирование (ИМ) — это не метод оптимизации, а методология анализа сложных систем, сравнения сценариев и поддержки принятия решений. В отличие от многих методов оптимизации, ИМ позволяет учитывать высокий уровень детализации процессов ценой отказа от достижения математически оптимального решения.
В ходе выступления мы познакомимся с принципами и приемами имитационного
моделирования. Рассмотрим понятия события, временной оси, случайных величин, агентов в ИМ.
Также обсудим популярные инструменты AnyLogic, Simio и Amalgama Platform, их возможности и ограничения.
На реальных кейсах ведущих компаний покажем, как ИМ помогает в принятии решений:
— Оптимизация запасов и логистики в Diageo;
— Цифровой двойник и алгоритм управления кранами в Норильском Никеле;
— Моделирование горнодобывающего производства с помощью MineTwin.
Уровень сложности: начинающий
Ключевые слова: Имитационное моделирование / Simulation Modeling, цифровые двойники, поддержка принятия решений
▫️ 16 апреля (среда), 17:00 МСК
▫️ Google Meet→
▫️ Трансляция YouTube→
Выступает: Виталий Черненко (Амальгама)
Тема: Имитационное моделирование: планирование и поддержка принятия решений на реальных примерах
Аннотация
Имитационное моделирование (ИМ) — это не метод оптимизации, а методология анализа сложных систем, сравнения сценариев и поддержки принятия решений. В отличие от многих методов оптимизации, ИМ позволяет учитывать высокий уровень детализации процессов ценой отказа от достижения математически оптимального решения.
В ходе выступления мы познакомимся с принципами и приемами имитационного
моделирования. Рассмотрим понятия события, временной оси, случайных величин, агентов в ИМ.
Также обсудим популярные инструменты AnyLogic, Simio и Amalgama Platform, их возможности и ограничения.
На реальных кейсах ведущих компаний покажем, как ИМ помогает в принятии решений:
— Оптимизация запасов и логистики в Diageo;
— Цифровой двойник и алгоритм управления кранами в Норильском Никеле;
— Моделирование горнодобывающего производства с помощью MineTwin.
Уровень сложности: начинающий
Ключевые слова: Имитационное моделирование / Simulation Modeling, цифровые двойники, поддержка принятия решений
Про имитационное моделирование
В завершение темы прошлой недели, подборка материалов от Виталия и коллег из Амальгамы.
Материалы конференций
Доклады, статьи, а также хорошие туториалы (особенно в WSC):
▫️ ИММОД. 15–17 октября 2025 г. Санкт-Петербург ИММОД-2025.
▫️ WSC (WinterSim). 7–10 декабря 2025, Seattle, WA WSC-2025.
Книга
Для систематического изучения темы ИМ:
▫️ A.M. Law, Simulation Modeling and Analysis (6th Ed.), 2024 (~680 стр.)
Статья про валидацию
▫️ O. Balchi, Principles and Techniques of Simulation Validation, Verification, and Testing, 1995 (~25 минут, 8 стр.)
Бизнес-кейсы
Помимо материалов упомянутых выше конференций, большое количество кейсов применения можно найти в блогах вендоров и платформ, например, у коллег:
▫️ Амальгама — Кейсы.
Инструменты: вендоры и платформы
▫️ Amalgama Platform;
▫️ AnyLogic;
▫️ Simio;
▫️ Simudyne;
▫️ Arena;
▫️ Hash.
Инструменты: open source
▫️ SimPy;
▫️ Mesa;
▫️ Simmer;
▫️ repast;
▫️ NetLogo;
▫️ SimJulia.
В завершение темы прошлой недели, подборка материалов от Виталия и коллег из Амальгамы.
Материалы конференций
Доклады, статьи, а также хорошие туториалы (особенно в WSC):
▫️ ИММОД. 15–17 октября 2025 г. Санкт-Петербург ИММОД-2025.
▫️ WSC (WinterSim). 7–10 декабря 2025, Seattle, WA WSC-2025.
Книга
Для систематического изучения темы ИМ:
▫️ A.M. Law, Simulation Modeling and Analysis (6th Ed.), 2024 (~680 стр.)
Статья про валидацию
▫️ O. Balchi, Principles and Techniques of Simulation Validation, Verification, and Testing, 1995 (~25 минут, 8 стр.)
Бизнес-кейсы
Помимо материалов упомянутых выше конференций, большое количество кейсов применения можно найти в блогах вендоров и платформ, например, у коллег:
▫️ Амальгама — Кейсы.
Инструменты: вендоры и платформы
▫️ Amalgama Platform;
▫️ AnyLogic;
▫️ Simio;
▫️ Simudyne;
▫️ Arena;
▫️ Hash.
Инструменты: open source
▫️ SimPy;
▫️ Mesa;
▫️ Simmer;
▫️ repast;
▫️ NetLogo;
▫️ SimJulia.
Созвон про тренды D&A 2025
▫️ 23 апреля (среда), 17:00 МСК
▫️ Google Meet→
Традиционное ежегодное обсуждение трендов в области данных и (продвинутой) аналитики.
Разберёмся, о чем пишет Gartner:
▫️ Gartner Identifies Top Trends in Data and Analytics for 2025;
Заглянем в Stanford State of AI:
▫️ The 2025 AI Index Report;
И может быть вспомним, что обсуждали год назад здесь в NoML:
▫️ Часть I: YouTube | Дзен | RuTube (~1 час 50 минут),
▫️ Часть II: YouTube | Дзен | RuTube (~1 час 20 минут),
▫️ Часть III: YouTube | Дзен | RuTube (~1 час 25 минут).
▫️ 23 апреля (среда), 17:00 МСК
▫️ Google Meet→
Традиционное ежегодное обсуждение трендов в области данных и (продвинутой) аналитики.
Разберёмся, о чем пишет Gartner:
▫️ Gartner Identifies Top Trends in Data and Analytics for 2025;
Заглянем в Stanford State of AI:
▫️ The 2025 AI Index Report;
И может быть вспомним, что обсуждали год назад здесь в NoML:
▫️ Часть I: YouTube | Дзен | RuTube (~1 час 50 минут),
▫️ Часть II: YouTube | Дзен | RuTube (~1 час 20 минут),
▫️ Часть III: YouTube | Дзен | RuTube (~1 час 25 минут).
Про тренды D&A 2025
Мысли после обсуждения трендов Gartner (Top Trends in Data and Analytics for 2025).
Highly Consumable Data Products. Здесь продукт — это результаты анализа данных, а потребитель — бизнес заказчик, принимающий решения на базе этого анализа. Поэтому такой Data-продукт должен:
▫️ быть на языке потребителя-заказчика;
▫️ иметь форму, которую заказчик легко трансформирует в конкретные действия и решения;
▫️ уметь быстро адаптироваться к изменениям (и “доставляться”);
▫️ масштабироваться и переиспользоваться на уровне всей организации.
Metadata Management Solutions (& Multimodal Data Fabric). Про важность управления метаданными на всех уровнях, как техническом, так и уровне бизнес контекста, уже сказано очень много слов. Здесь хочется подсветить, что вообще описываемые Gartner тренды очень плотно связаны между собой, например, тяжело представить реализацию практик Highly Consumable Data Products в среде, где нет никакого управления данными и метаданными.
Agentic Analytics. Мы будем наблюдать, как концепция агентности будет распространяться от (Gen)AI на практики данных и аналитики в целом. Общепринятый термин агентной аналитики пока не устоялся, но уже можно примерно представлять основные характеристики:
▫️ агент-ассистент/помощник: не просто показать отчет или прогноз, а предложить варианты действий и принимаемых решений;
▫️ проактивный агент: формирование тригеров, запускающих последующие цепочки анализа данных и принятия решений;
▫️ автономный агент: частичное или полное принятие решений по результатам анализа данных на уровне самого агента;
▫️ адаптивный агент: способность реагировать на изменения распределений и дрифты в наблюдаемых данных и среде;
▫️ …
▫️ агентная архитектура: представление сложных процессов принятия решений на базе анализа данных набором агентов, решающих отдельные подзадачи.
Composite AI. “… diversify beyond GenAI or LLMs, incorporating data science, machine learning, knowledge graphs, and optimization …”, то есть ровно то, что мы тут продвигаем в NoML: бизнес задачи часто оказываются слишком сложны, чтобы для них можно было получить хорошее решение одним (трендовым) методом (таким как LLM/GenAI). Можно ещё вспомнить доклад конца прошлого года: Максим Гончаров, Павел Снурницын, Not only ML или Почему в эру ИИ не стоит забывать о классических методах мат. моделирования. YouTube | Дзен | RuTube (~1 час 55 минут), в котором мы как раз описали такой композитный фреймворк интеллекта принятия решений, который помимо прочего включает:
▫️ ML для прогнозирования откликов среды;
▫️ классические математические модели (например, дифференциальные уравнения) для более точного описания среды;
▫️ методы мат. оптимизации для учёта всех ограничения и их зависимостей между собой;
▫️ имитационное моделирование для анализа того, что никогда не наблюдалось;
▫️ Process Mining для анализа самих процессов принятия решений, и их оптимизации;
▫️ графовые вероятностные модели для установления истинных причинно-следственных связей и скрытых зависимостей;
▫️ …
▫️ ну и экспертные бизнес правила над всеми этими моделями пока никто не отменял.
Decision Intelligence Platforms. Платформа как система, которая позволяет организовать работу с данными, классической аналитикой, моделями во всех аспектах композитности перечисленных выше и в конечном счете управлять и процессами принятия решений, и изменением этих процессов. Я бы вообще композитность и агентность относил бы к общим практикам Decision Intelligence. Понятно также, что хорошие Decision Intelligence практики и платформа невозможны без хороших Data практик и платформы. В статье кстати написано про переход от data-driven к decision-centric, но на мой взгляд между этими терминами надо ставить не “vs.” а “and”, то есть вообще имеет место формула: Data&Metadata Management + Decision Intelligence = Highly Consumable Data Products (и вообще качественные Data продукты).
Мысли после обсуждения трендов Gartner (Top Trends in Data and Analytics for 2025).
Highly Consumable Data Products. Здесь продукт — это результаты анализа данных, а потребитель — бизнес заказчик, принимающий решения на базе этого анализа. Поэтому такой Data-продукт должен:
▫️ быть на языке потребителя-заказчика;
▫️ иметь форму, которую заказчик легко трансформирует в конкретные действия и решения;
▫️ уметь быстро адаптироваться к изменениям (и “доставляться”);
▫️ масштабироваться и переиспользоваться на уровне всей организации.
Metadata Management Solutions (& Multimodal Data Fabric). Про важность управления метаданными на всех уровнях, как техническом, так и уровне бизнес контекста, уже сказано очень много слов. Здесь хочется подсветить, что вообще описываемые Gartner тренды очень плотно связаны между собой, например, тяжело представить реализацию практик Highly Consumable Data Products в среде, где нет никакого управления данными и метаданными.
Agentic Analytics. Мы будем наблюдать, как концепция агентности будет распространяться от (Gen)AI на практики данных и аналитики в целом. Общепринятый термин агентной аналитики пока не устоялся, но уже можно примерно представлять основные характеристики:
▫️ агент-ассистент/помощник: не просто показать отчет или прогноз, а предложить варианты действий и принимаемых решений;
▫️ проактивный агент: формирование тригеров, запускающих последующие цепочки анализа данных и принятия решений;
▫️ автономный агент: частичное или полное принятие решений по результатам анализа данных на уровне самого агента;
▫️ адаптивный агент: способность реагировать на изменения распределений и дрифты в наблюдаемых данных и среде;
▫️ …
▫️ агентная архитектура: представление сложных процессов принятия решений на базе анализа данных набором агентов, решающих отдельные подзадачи.
Composite AI. “… diversify beyond GenAI or LLMs, incorporating data science, machine learning, knowledge graphs, and optimization …”, то есть ровно то, что мы тут продвигаем в NoML: бизнес задачи часто оказываются слишком сложны, чтобы для них можно было получить хорошее решение одним (трендовым) методом (таким как LLM/GenAI). Можно ещё вспомнить доклад конца прошлого года: Максим Гончаров, Павел Снурницын, Not only ML или Почему в эру ИИ не стоит забывать о классических методах мат. моделирования. YouTube | Дзен | RuTube (~1 час 55 минут), в котором мы как раз описали такой композитный фреймворк интеллекта принятия решений, который помимо прочего включает:
▫️ ML для прогнозирования откликов среды;
▫️ классические математические модели (например, дифференциальные уравнения) для более точного описания среды;
▫️ методы мат. оптимизации для учёта всех ограничения и их зависимостей между собой;
▫️ имитационное моделирование для анализа того, что никогда не наблюдалось;
▫️ Process Mining для анализа самих процессов принятия решений, и их оптимизации;
▫️ графовые вероятностные модели для установления истинных причинно-следственных связей и скрытых зависимостей;
▫️ …
▫️ ну и экспертные бизнес правила над всеми этими моделями пока никто не отменял.
Decision Intelligence Platforms. Платформа как система, которая позволяет организовать работу с данными, классической аналитикой, моделями во всех аспектах композитности перечисленных выше и в конечном счете управлять и процессами принятия решений, и изменением этих процессов. Я бы вообще композитность и агентность относил бы к общим практикам Decision Intelligence. Понятно также, что хорошие Decision Intelligence практики и платформа невозможны без хороших Data практик и платформы. В статье кстати написано про переход от data-driven к decision-centric, но на мой взгляд между этими терминами надо ставить не “vs.” а “and”, то есть вообще имеет место формула: Data&Metadata Management + Decision Intelligence = Highly Consumable Data Products (и вообще качественные Data продукты).