ТЗ для AI

Ребят, у нас много новых подписчиков — повыкладываем полезные посты, которые вы возможно не видели

Сделали простую и понятную таблицу, по которой можно быстро собрать внятное техническое задание на AI.
Подходит и тем, кто только начинает, и тем, кто внедряет серьёзные корпоративные решения.

Вы конечно можете просто обратиться к нам, чтобы мы сделали ТЗ, но для своих нужд будет очень полезно)

Зачем нужен:
— Понять, как пишется ТЗ и не тратить время на его придумывание и разработку.
— Чтобы зафиксировать задачи, метрики, ограничения.
— Чтобы не забыть про данные, пользователей, интеграции.
— Чтобы быстрее согласовать проект с подрядчиком или внутри команды.

Что внутри:
— Все ключевые разделы: от целей и сценариев до архитектуры, данных и рисков.
— Примеры формулировок — чтобы проще было писать.
— Подходит для всего: от автоматизации одного процесса до больших AI-систем в компании.


Пишите что еще бы добавили)

https://docs.google.com/spreadsheets/d/1fF-lVtNaULAfSQI7tqPUnxjYmLAnOJ2rGoEDX4thNrQ/edit?usp=sharing

А вот наш самый сложный кейс про оптимизацию ферросплавов.

Пришлось самим становиться металлургами, потому что без окунания в сферу чисто математикой ничего не сделать.

Нам угрожали, что если система неправильно нарекомендует, то они отправят сотни тонн бракованной стали к нам в офис в Москву – там вообще все бруталити)

Сидели и разбирались, как вообще живёт плавка: какие элементы куда “уходят”, как меняется химсостав, почему сегодня сработало, а завтра — нет. Смотрели исторические плавки, сопоставляли добавки с результатами анализа, пытались уловить логику, которой сами технологи иногда объясняют это на уровне “чувствую, что надо ещё чуть-чуть добавить”.

В итоге упаковали всё это в сервис, который подсказывает оператору, сколько и чего лучше добавить прямо по ходу процесса — чтобы попасть в нужный химсостав и не переливать дорогие ферросплавы.

Результат — минус 3–5% затрат и стабильное качество. В деньгах — сотни миллионов в год. Кейс.

А тут компютер вижн на Целлюлозно-бумажном производстве!

Ставили камеры напротив грузовиков, чтобы понять сколько бревен загружены. Разобрались, что такое баланс, пачка, штабель, раскатка, коэффициент полнодревесности.

Снег, влага, разные лесовозы, разные размеры и виды бруса, природа и мужики — примерно так можно описать проект.

Вот что получили:
100% точность определения сорта древесины
99%+ точность разделения на пачки
98%+ определение КПД vs. оператор
90%+ определение КПД vs. раскатка

Кейс

А как думаете почему нельзя было просто взвесить?)

Как понять, что свинюшка готова к любви? Определяем через ML

Наш самый известный, интересный и любимый кейс. Для него мы даже отрисовали иллюстрации, чтобы эта была история любви...

О проекте:
Свинки, как и люди, не всегда беременеют с первого раза. Нам надо было найти лучший момент для их осеменения, чтобы знать, какая из них точно даст потомство.

Для этого мы пускали хряка по коридору и смотрели реакцию свиноматок, а потом по камерам определяли поведение: активна она или нет, как близко подходит к хряку, трется ли задней частью об ограждение, навостряет ли ушки.

Метрики было две. Первая — метрика обнаружения, которая показывала, насколько точно мы определяем свинок в их загоне. Доля правильно найденных свиней должна быть 0,95+. Вторая метрика — точность определения поз свиней, требование к ней должно быть 0,90+.

Вот тут подробнее. А нас до сих пор чаще всего узнают по этому кейсу и всегда с улыбкой))

AI-ассистент для разработчиков Альфы — вебинар!

Всем привет, давайте 2 апреля разберем, как делали ассистента (справа внизу) https://developers.alfabank.ru/ и с технической и с бизнесовой стороны.

Что покажем:
• Как устроен RAG-пайплайн (BM25 + эмбеддинги + YaGPT)
• Guardrails: как не дать боту «галлюцинировать»
• Live-демо: токены, вебхуки, ошибки, кейсы из реальной документации
• Архитектуру (FastAPI, Docker, RAG)
• Гибридный поиск и перефразирование запросов
• Разделение индексов (FAQ vs документация)
• LLM-as-a-Judge и оценку качества
• Ограничения MVP и roadmap (rerank, adaptive RAG, self-hosted LLM)

2 апреля, четверг, в 16-00 у нас на канале @r77_ai

Добавляйте в календарь https://calendar.app.google/VkLVvwqUTBuyDvEbA

Бывает вот просыпаешься, а ты в Forbes...

А тут как раз новость, как мы стали первыми, кто получил грант от Яндекса на свой продукт:
https://www.forbes.ru/tekhnologii/557743-yandex-b2b-tech-vydelit-biznesu-500-mln-rublej-na-razrabotku-i-vnedrenie-ii-agentov

RPA vs ИИ-агенты: как выбрать архитектуру автоматизации под задачу.

Обещали по нашему вебинару с Альфой (https://xn--r1a.website/r77_ai/320) про RPA и агентов шпаргалку:

Где лучше использовать роботов, а где — ИИ. Разобрали ключевые отличия, примеры и критерии, чтобы быстрее принять решение по автоматизации:

https://docs.google.com/presentation/d/1vDtvUffRsqEaQlI6yCrX7DdlcWgE7wjfdME4g6r3_BQ/edit?usp=sharing

Подпишитесь еще на авторов, там полезный корпоративный контент про ИИ:
http://xn--r1a.website/nokiddingpartners
https://xn--r1a.website/baldvanya

AI-ассистент для разработчиков Альфы — Закончили — ждите запись)

Пока заходите без смс и регистрации https://live.vkvideo.ru/r77_ai

Что покажем:
• Как устроен RAG-пайплайн (BM25 + эмбеддинги + YaGPT)
• Guardrails: как не дать боту «галлюцинировать»
• Live-демо: токены, вебхуки, ошибки, кейсы из реальной документации
• Архитектуру (FastAPI, Docker, RAG)
• Гибридный поиск и перефразирование запросов
• Разделение индексов (FAQ vs документация)
• LLM-as-a-Judge и оценку качества
• Ограничения MVP и roadmap (rerank, adaptive RAG, self-hosted LLM)

Выпускник МФТИ собеседует студента "Центрального Университета" на ML-инженера, такого вы не видели...😵

Сходили в "Центральный университет" для публичного собеседования студента. Спасибо "ЦУ" и Кариму за смелость и экспертность — очень радостно видеть таких умных молодых ребят. Вот его резюмешка кстати.

https://youtu.be/cK72w0P2W-E

https://vkvideo.ru/video-228941334_456239066

Конкурс по проектам ИИ на 5 млн)

Ребят, наши друзья и партнеры портал Qubu (в честь запуска) и премия "Гравитация" запускают конкурс по моделям и ИИ-проектам. Вы можете загрузить свой проект на сайт и выиграть до 1,5 млн рублей за первое место, например.

Также ищем большие компании, которые готовы дать задачки по ИИ на хакатон, чтобы ИИ-интеграторы решили ваши задачи.

Участие и для разработчиков и для заказчиков бесплатно.

Вот тут подробнее:
https://qubu.ai/landing

Залейтайте очень крутую тему ребята делают, можно и приз выиграть и прорекламиться хорошо)

Че кто был, как вам, что запомнилось?)

че с людьми ахаххах

собрали 10к на ролике-собесе в ЦУ LLM-инженера (гляньте людям очень заходит) и вот такие комменты еще

весна?

AI-ассистент для разработчиков — кейс для "АльфаБанк".

Разбираем:
— pipeline RAG (LLM + vector DB + retrieval)
— где теряются релевантные документы
— почему top-k не спасает
— как embeddings влияют на поиск
— что даёт перефраз запроса
— кейсы, где chunking делает только хуже

Плюс:
— реальный фейл: система не отвечает на очевидный вопрос
— пошаговый разбор, где именно всё ломается

Для тех, кто уже делал RAG и понял, что "что-то не работает", ну или будет делать)

https://youtu.be/LnNkMMb9jT8

https://vkvideo.ru/video-228941334_456239067

Чем отличается хороший ML lead от плохого? — вебинар!

Так мы разгребли сдачу проектов и возвращаемся. У нас выросло количество проектов и вот мы все чаще ищем ml-лидов и задумались — чем хороший лид отличается от плохого?

спойлер — не знания в ML.

Хороший лид:
Вкладывается в команду
Делает и ревьюит MLSD
Понимает за бизнес и видит продукт целиком
Нацелен на бизнес результат

Плохой мл лид:
Думает только о моделях и технических метриках
Не смотрит в код
Не понимает в бизнес / домен / эффекты


Ярослав сам был на роли ML лида более 5 лет и вырастил уже не менее 10 лидов, часть из которых уже CDS.

В пятницу в 16-00 на вебинаре расскажем у нас в канале https://xn--r1a.website/r77_ai

кидайте в календарь, чтобы не забыть https://calendar.app.google/ZuSZK1mrR3dWJLjz5

Закончили — Чем отличается хороший ML lead от плохого?

без смс и регистрации:
https://live.vkvideo.ru/r77_ai

Чем отличается хороший ML lead от плохого? — выложили!

Вот что обсудили (ссылочные тайм-коды внутри видео):

00:00 — Почему вообще решили говорить про ML Lead
01:58 — Почему ML-проекты фейлятся
03:48 — «Neural net training fails silently» — главная проблема ML
06:28 — Почему ML Lead — это “супергерой” проекта
08:28 — Чем ML Lead отличается от Senior DS
10:08 — 3 ключевых блока ответственности ML Lead
11:48 — Delivery: за что отвечает ML Lead в проекте
15:58 — Почему ML Lead обязан ходить на встречи с заказчиком
18:18 — Что такое ML System Design на практике
21:28 — Хороший ML Lead сначала задает вопросы, а не пишет код
22:48 — Что такое Data Science Review и зачем он нужен
24:28 — Типичные silent-fail ошибки в ML
28:48 — Кейс с металлургическим заводом и data leakage
36:28 — Интерактив: кейс про сортировку алмазов
40:58 — Почему важно общаться с доменными экспертами
46:58 — Работа с командой: найм, увольнение, развитие
49:58 — Почему ML Lead должен защищать команду от хаоса
52:28 — Почему PM не заменяет ML Lead
56:58 — Нужны ли вообще PM и аналитики в ML-командах
01:02:28 — Почему ML Lead не может вести 10 проектов одновременно
01:06:28 — Как понять, что тебе пора становиться ML Lead
01:09:58 — Технический эксперт vs ML Lead — два карьерных трека
01:14:28 — Почему не всем стоит идти в лиды
01:18:28 — Разбор вопросов из чата
01:27:28 — High-level system design vs ML Lead
01:30:58 — Финальные мысли и завершение

https://youtu.be/GKy2kuyU0LI
https://vkvideo.ru/video-228941334_456239068

AI агент для поиска и подбора отелей для Online Express!

Ребят, выступаем на Conversations вместе с Online Express и расскажем про наш супер кейс изнутри с техничкой и бизнес историями

Краткие тезисы доклада:
- Как выглядела исходная формулировка боли: “хотим AI-ассистента”, но никто не понимает его продуктовую форму.
- Почему первый рабочий прототип можно собрать быстро, но это почти ничего не говорит о готовности к rollout.
- Какие реальные проблемы начинаются после демо: качество, доверие, покрытие сценариев, интеграции с внутренними данными, контроль ошибок, UX.
- Почему агентная архитектура понадобилась не “ради моды”, а потому что нужен был набор инструментов, доступ к БД и управляемая оркестрация шагов.
- Как шла раскатка: от собственника и контрольной группы к полному rollout на всех турагентов.
- Какие сигналы показали, что продукт уже можно считать не демо, а рабочим инструментом.

промокод от нас на 10%: CVS26sAsR

Приходите смотреть https://conversations-ai.com/

Active listening, стек для real-time видеодиалога с аватаром и открытая модель.

Наши друзья из avaturn.live сделали крутой проект с актив листенингом, зацените:

Представьте видеозвонок, где вместо живого человека на экране — цифровой аватар: он выглядит и звучит почти как реальный собеседник. Такие решения уже используют в ассистентах, обучении и клиентской поддержке.

Но есть нюанс: такие аватары уже научились синхронизировать губы с речью, а вот слушать — пока нет.
Когда говорит человек, аватар часто выглядит как персонаж на паузе: смотрит статично, почти не реагирует и просто ждет своей реплики. Диалог из-за этого быстро становится искусственным.

Ребята из Avaturn.live как раз взялись за эту проблему и выложили AVTR-1 — открытую модель и стек для real-time видеодиалога с аватаром.

Это не просто генератор видео: AVTR-1 позволяет запустить живую сессию, где аватар отвечает пользователю в реальном времени, слушает и реагирует на собеседника.

Для создания аватара достаточно одной фотографии человека. Для самой сессии нужны два аудиопотока: речь аватара и речь человека напротив.

Главная фишка — active listening: модель учитывает речь собеседника, и за счет этого диалог выглядит естественнее.

По железу:
• RTX 3070 / 4060 Ti — реалтайм
• A100 / L40 — 2x быстрее реалтайма

Что в релизе:
• веса модели
• инференс-стек, оптимизированный под TensorRT
• демо и код для запуска живой диалоговой сессии

Если поднимать у себя ничего не хочется — просто зайдите на avaturn.live и потестируйте аватара прямо в браузере, без регистрации и возни с TensorRT.

Поддержите релиз звездой на GitHub — и, конечно, пробуйте собирать свои продукты с аватарами.

🔗 GitHub: https://github.com/avaturn-live/avtr-1
🌐 Демо в браузере: https://avaturn.live/demo
🤗 Hugging Face: https://huggingface.co/avaturn-live/avtr-1