Вы столкнулись с «наследством»: разрозненные данные на физических носителях, дубли, синонимы и отсутствие структуры? Или вам нужен миллион изображений для обучения модели? Мы подготовили практическое руководство по превращению хаоса в качественный датасет.

✦ Практический воркшоп. Освойте методы и инструменты для структуризации сложных, «грязных» данных и масштабного сбора информации.

✦ Серия кейсов от экспертов индустрии. Узнайте, как решали задачи подготовки датасетов в медицине, геологии и других предметных областях.

Приходите прокачать навыки работы с legacy-данными, систематизировать подход к созданию датасетов и найти эффективные решения для своих проектов.

Этот стрим развития посвящён промышленной разработке мультиагентных систем. Мы разберем полный цикл — от проектирования архитектуры до мониторинга и масштабирования в production.

В программе:

✦ Экспертный воркшоп. Практическое проектирование агентных систем: разделение ответственности, координация, обработка ошибок.

✦ Демо-зона инструментов и платформ. Оцените и протестируйте ключевые инструменты для создания и управления агентами в одном месте.

✦ Глубокие доклады по инженерным аспектам. Выбор LLM, контроль стоимости, обеспечение надежности и observability в работающей системе.

Системы на основе машинного обучения могут рассуждать вместо того, чтобы дать однозначный короткий фактографический ответ. LLM пытаются использовать в местах, где нужны короткие однозначные ответы, где ошибки недопустимы, или где ответ должен быть строго регламентирован и структурирован. Оказывается, LLM не вдруг заставишь отвечать по уставу, это часто проблема.

✦ Архитектура детерминированных ответов. Практические воркшопы по техникам strict output, контекстно-свободным грамматикам и валидации.

✦ Серия кейсов из production. Реальные истории: как повышали точность, где передали решение человеку и как создавали симуляции для проверки моделей.

✦ Экспертная зона «Проверь свой подход», где вы можете разобрать ваши кейсы и поделиться опытом решения проблем с точностью.

Одна из сложных задач в ML-проекте — выстроить реалистичные ожидания. Когда бизнес требует 100% точности, а команда знает, что даже человек ошибается, возникает конфликт. Мы обсудим, как вести диалог с бизнесом и коллегами на языке объективных возможностей технологий, разберем ключевые организационные и коммуникационные барьеры на пути внедрения.

✦ Доклад «Принципы работы с вероятностью, как объяснить бизнесу, что мы работаем с вероятностью и нужно по-другому проектировать продукт».

✦ Воркшоп «Переговоры с бизнесом». Участники сыграют в баттл по реальному кейсу: заказчик против DS-специалиста. Научитесь аргументировать ограничения и возможности ML.

✦ Fail Meetup. Коллективный разбор реальных проектов, где применение AI не решило задачу. Анализируем ошибки в безопасной среде, чтобы не повторять их в работе.

✦ Сравнительный анализ «Вилка решений». Разберем два похожих бизнес-кейса, где требуются принципиально разные подходы. Поймем, как минимальное изменение в условиях меняет выбор технологии.

Эра «введите запрос — получите список» заканчивается. С появлением AI и агентов пользовательский опыт ищет и покупает иначе. Мы собираем лабораторию идей для тех, кто проектирует следующее поколение поисковых и рекомендательных систем, которые станут ядром вашего продукта.

Мы отойдем от текущих алгоритмов к форсайту, прототипам и новым парадигмам.

✦ Экспертный круглый стол с визионерами индустрии. Дискуссия с ведущими специалистами: что заменит поисковую строку? Как будут выглядеть рекомендации в эпоху диалоговых интерфейсов и автономных агентов?

✦ Визионерские доклады о новых парадигмах. Протоколы для агентных покупок, рекомендации через диалог, персонализация в реальном времени. Разбор первых экспериментов от лидеров рынка.

✦ Форсайт-сессия «Поиск через 5 лет». Коллективное проектирование будущего: какие технологии и интерфейсы изменят правила игры. Быстрые блиц-доклады о неочевидных применениях.

Мощная модель — это не только точность, но и цена инфраструктуры. Мы разберем, как считать TCO для AI-проектов и какие технические решения реально экономят средства без потерь в качестве (от выбора железа до low-level оптимизаций).

✦ Практическая матрица соответствия LLM и GPU. Какие комбинации работают эффективно, а какие — пустая трата ресурсов? Готовые сравнительные данные.

✦ Инженерные воркшопы по оптимизации. Практика работы с ML-компиляторами и техниками ускорения вычислений от экспертов индустрии.

✦ Обзор новых архитектур и альтернативного железа. Анализ RISC-V, AMD, китайских чипов и другого оборудования: какие ниши они закрывают и как интегрируются в стек.