Это считается

Т-Банк
  • 3.0(4개의 평가)
  • 과학 기술
  • 격주 시리즈

Подкаст о буднях продуктовых аналитиков — с шутками, без цифр и математики. 

모두 보기

  1. 에피소드1

    AI меняет профессию

    Врываемся в новый, специальный сезон! Записали его прямо на «Матемаркетинге» — крупнейшей конференции по маркетинговой и продуктовой аналитике в России. Ее спикеры стали гостями нашего подкаста, а говорили мы с ними об AI. Мы позвали людей, которые работают на самых разных участках AI-фронтира, чтобы охватить как можно больше интересного для аналитиков и около-аналитических профессий в этом стремительно меняющемся явлении. Это суперсжатый вью, который мы выпускаем, пока он не успел устареть. В этом выпуске с ведущим экспертом по ML в России Виктором Кантором обсуждаем: что AI уже делает для бизнеса, а где он пока бессилензачем нанимать джунов, если у всех есть LLMкакие задачи аналитиков пора отдать машинамкакие навыки станут обязательными для аналитиков ближайшего будущегоможет ли AI заменить топ-менеджеров (и кого он точно не заменит) Разбираемся, как AI меняет профессии (аналитиков, ML-щиков, разработчиков, продактов и, вообще, всех, кто работает с данными и продуктом) и погружаемся в новые правила найма (привет тем, кто проходит собесы с помощью нейросетей!).  А еще в этом сезоне у нас новая, трендовая рубрика. Как послушаете, делитесь впечатлениями в нашем телеграм-канале https://t.me/eto_schitaetsya Тайм-коды: 00:12 Начало выпуска 01:31 Тема выпуска 01:42 Гость выпуска — Виктор Кантор 03:02 Путь Виктора Кантора в ML 04:23 Что AI сейчас может, а что не может делать для бизнеса 08:26 Зачем нанимать джунов, если есть AI? 09:28 Рутина аналитиков, которую можно передать AI 12:07 AI, который приносит деньги 13:56 AI заменит топ-менеджеров? 19:15 AI + аналитик: как изменится профессия 22:57 Рубрика «Базовый минимум или роскошный максимум» 26:48 AI-ассистенты в работе и личной жизни — добро или зло? 34:46 Найм в новых реалиях: кого и как 37:07 Как Даня нанимает аналитиков-стажеров 40:30 Рубрика «Что считается?» 42:28 Завершение выпуска

    43분

  2. 에피소드2

    GenAI: может ли машина творить?

    Генеративный AI уже меняет работу аналитиков, продактов, дизайнеров и других digital-спецов, и в этом выпуске мы, наконец, честно разбираемся, где за технологиями стоит реальная польза, а где — пока только красивые демки. Практическое применение генеративного искусственного интеллекта обсуждаем с Денисом Димитровым — управляющим директором по исследованию данных в Сбере и одним из главных создателей Kandinsky и GigaChat. В выпуске: как рождаются фундаментальные модели и почему именно они двигают рынокзачем Сбер выложил Kandinsky в опенсорс и что это далочто внутри LLM: разбираемся как именно генерируется текст, картинки и видеомультимодальность vs. омнимодальность — следующий виток технологийкакие генеративные модели сегодня самые продвинутые + личный опыт использованиякак компании экономят миллионы на автоматизации процессов с GenAIгде GenAI усиливает людей, а где — становится рискомкто отвечает за ошибки генеративокправда ли LLM тупеют и что будет, если кормить их плохими даннымиближайшее будущее GenAI Говорим про будущее, которое уже работает в проде. Легко, честно и с примерами, которые каждый сможет перенести в свою работу и, вообще, в жизнь. Что считается в эпоху генеративного AI? Делитесь в нашем телеграм-канале https://t.me/eto_schitaetsya Тайм-коды: 00:12 Начало выпуска 01:24 Гость выпуска — Денис Димитров 01:33 Тема выпуска 01:44 От математики к AI, от теории к практике: путь Дениса Димитрова 03:09 Главные факторы развития AI 05:48 Создание и развитие нейросети Kandinsky 06:48 Зачем выкладывать свою нейросеть в опенсорс 08:19 Как и какие генеративные модели используют Даня и Денис 11:46 Чем отличается работа LLM с изображениями и с текстом 15:12 Фундаментальная модель как основа для продукта 16:51 Интеграция генеративных моделей в рабочие процессы 18:25 Когда генеративные модели приносят вред и кто несет ответственность 20:53 Генеративные модели в обучении 21:36 Рубрика «Базовый минимум или роскошный максимум» 25:36 Чем отличаются мультимодальная и омнимодальная модели 26:55 Способы проверки качества генеративных моделей 29:29 LLM для бизнеса: гонка на мировой арене vs. продуктовый подход 32:58 Ближайшее будущее генеративного AI 34:54 Авторское право и генеративные модели 36:40 Как создается и обрабатывается датасет моделей 37:49 Генеративные модели тупеют? Как влияют некачественные данные 41:36 Выводы 42:39 Рубрика «Что считается?» 43:35 Завершение выпуска

    45분

  3. 에피소드3

    Метрика для AI-аналитика

    AI-ассистенты в аналитике — уже не будущее, а наше настоящее. Как «цифровые коллеги» устроены изнутри? Могут ли они заменить живого аналитика, или их роль — быть мощным инструментом в наших руках?  В этом выпуске говорим об аналитических AI-агентах с Сергеем Денисовым, который отвечает за аналитические продукты в Яндекс Рекламе (тот самый человек, который стоит за развитием Яндекс.Метрики).   Заглянем под капот и узнаем: В чем сложность анализа аналитических продуктовЗачем Яндекс.Метрика внедряет AI-ассистента и что он умеет прямо сейчасКак устроена мультиагентная архитектура и зачем нужна целая команда AI-агентовМогут ли аналитические AI-ассистенты быть инструментом для непрофессионаловКакие данные нужны AI-агентам для качественного анализаЧто в аналитике невозможно автоматизировать   В общем, мы продолжаем разбираться, как использовать искусственный интеллект как свою суперсилу. А в вашей работе AI-ассистенты уже базовый минимум или все еще роскошный максимум? Делитесь в нашем телеграм-канале https://t.me/eto_schitaetsya Тайм-коды: 00:12 Начало выпуска 01:17 Тема выпуска 01:25 Гость выпуска — Сергей Денисов 01:53 Чем именно Сергей занимается в Яндекс.Метрике 03:04 Как анализировать аналитические продукты 10:06 Почему Яндекс.Метрика пошла по пути внедрения AI-ассистентов 11:03 Data driven профессии: кто теперь пользуется данными 12:35 Рубрика «Базовый минимум или роскошный максимум» 21:28 Как будут развиваться AI-ассистенты в аналитике 24:31 Что уже делает AI-ассистент в Яндекс.Метрике 26:02 Какие данные нужны AI-агентам для качественного анализа 35:42 Мультиагентная архитектура AI-ассистента в Яндекс.Метрике 38:16 Будущее AI-ассистента в Яндекс.Метрике 42:03 Что в аналитике не будет автоматизировано 47:00 Рубрика «Что считается?» 47:36 Завершение выпуска

    48분
시즌 6 모두 보기(3개)

평가 및 리뷰

3
최고 5점
4개의 평가

소개

Подкаст о буднях продуктовых аналитиков — с шутками, без цифр и математики. 

정보

  • 제작진
    Т-Банк
  • 에피소드
    50
  • 시즌
    6
  • 등급
    전체 연령 사용가
  • 저작권
    2025 © Т-Банк. Все права защищены.
  • 웹사이트 보기
    Это считается

좋아할 만한 다른 항목