Спасибо за интересную статью, недавно как раз обсуждала похожую тему с коллегами. Опытные инженеры с 20-30 годами сейчас действительно стоят на интересной развилке индустрии.
Это реальное требование по вакансии разработчика, на этой неделе встретила: Knowledge of Vibe Coding and familiarity with cutting-edge industry trends.
То есть тренды никуда не денутся - вопрос в том, что с ними делать. Я в опросе выбрала "нет, потому что мне это интересно".
Лично я не разработчик, работаю в тестировании ПО, и очень хочу внедрить ИИ решения в тестирование. Но загвоздка в том, что я в банке, и у нас из-за соображений безопасности внешние платформы ИИ не доступны в рабочей сети. Есть только собственное веб-приложение, под капотом которого chat-gpt - спросить что-то можно и все.
Но я подумала, если бы мне дали доступ к ИИ инструменту и сказали "попробуй", я бы начала с POC + MVP (то есть концепт и минимальный продукт), конечно не трогая старую систему. А дальше уже по результатам демо обсуждать, что делать: интеграция в легаси, построение новых решений или гибридный вариант. Но думаю, что делать все равно придется. Делать ли ИИ-интеграцию - вопрос уже решенный, вопрос только "как".
Я вижу много вакансий, но есть ли спрос пока не знаю (я имею ввиду, что вакансии не всегда означают спрос, иногда за ними нет работы). Только изучаю этот вопрос на будущее, смотрю что требуют, какие навыки. Но в целом это новое направление, думаю спрос будет. Если будет собственный опыт, расскажу.
Пробовали, в статье есть упоминание про это, что после изучения документации решили идти с Assistant API. Дело в том, что Response API только вышел, про него пишут, что он стоит в 2 раза дороже, и не имеет встроенного планировщика задач. То есть нам пришлось бы делать ту же архитектуру: планировщик на APScheduler вместе с Python, чтобы ставить задачи и выполнять их в заданное время. А дальше уже в нужный момент идёт запрос к OpenAI API и отправляется результат в Telegram.
Но в будущем посмотрим, в 2026 говорят Assistant API уберут, может тогда построим что-то получше.
Вот тут не подскажу, у меня с грамматикой в английском не очень. А чат говорит, что для will be надо брать глагол в третьей форме для пассива. А для глагола run — это неправильный глагол: run — ran — run. То есть правильно говорит run. Как вам? Я не утверждаю, что это верно:)
Да, вы правы, сейчас важно правильно ставить задачу агенту, чтобы минимизировать ошибки. Но если подобрать хорошую формулировку, агент справляется, и дальше всё работает в автоматическом режиме.
Решения есть, зависит от того, что вы хотите (или как) - просто поиск как пользователь? Тогда мой ИИ агент это делает через SerpAPI - я специально под вас создала задачу и агент принес список людей с Линкедин (см на скриншоте) . Но если вам нужен скрапинг самого Линкедин - это другое. Вы можете спросить ChatGPT - он расскажет подробно под вашу задачу.
Итого - поиск людей на Линкедин ( я линки проверила - реальные люди, все AI Engineers.
Мне нравится идея искусственной планеты. В точке Лагранжа такая планета может существовать пока Солнце не спалит нас, превратившись в красного гиганта. А дальше что? Как думаете, к тому времени, если человечество будет существовать, есть шанс сделать планету полностью искусственной как космический корабль и жить без привязки к любой звезде?
Спасибо за статью, вопрос остался - как влиять на вес и игнорировать его, если он сильный? Например, как нарисовать кота без усов. Негативный пропмт не помогает, модель рисует кота с усами.
есть опыт с Render, легкий и понятный интерфейс, все быстро можно разместить, если они поддерживают ваш проект. У меня была нейросеть на TensorFlow/Keras - они не смогли обеспечить ее работу, поэтому разместилась на Google Cloud. Вам удачи!
Да надо вести список и, возможно, что-то отключать. Я недавно отключила стриминг Peacock потому что используем его только для просмотра ЧМ и Олимпиад по спорту. Решили, вот будет Олимпиада - включим на месяц. С ИИ также, игралась с Suno и Runaway - оба отключила. Буду пользоваться только под проект - есть песня - включила, нет - выключила.
Спасибо за статью. Тоже столкнулась с такой проблемой, когда начала учить Machine Learning и делать свои проекты. Сейчас у меня такая раскладка:
Чат бот в ТГ + веб сервис модели с логистической регрессией используют хостинг PythonAnyWhere ($10 в месяц)
Моя нейронка (CNN) - на Google Cloud Run (на 90 дней бесплатно, дальше ожидаю не дороже $5). Но пока мы с моей ИИ помощницей ее там разместили мы прошли круги ада. Потому что сначала разместили модель на PythonAnyWhere - сервис падает на шаге когда модель должна начать делать предсказание, тогда пошли на Render - то же самое. И главное, пишешь в тех поддержку, они отвечают сорри, мы не можем хостить модели на TensorFlow/Keras, но естественно молчат об этом на сайте.
Так что да, эта ниша на рынке не востребована - студенты не выходят за рамки локальной машины, а дальше уже начинаются стартапы и интерпрайз, а людям которые дома что-то делают - такие никому не нужны. Так что мучаемся:)
Про свой домен даже и не мечтаю для тех проектов. Я еще музыкой занимаюсь, там есть свой домен, но идет в придачу к сервису дистрибьютера CD Baby, но и стоит как самолет, аж $16 в месяц.
А вообще, тема подписок на сервисы, включая ИИ модели, очень интересная, я не знаю как в РФ с этим, но в США и Европе домохозяйства все на подписках и от них кошелек уже пухнет, и тут пришел ИИ и тоже хочет свою долю, и не малую - любая модель/агент хотят 15-20 долларов в месяц, но ни одна не предлагает стратегию, как быть домохозяйству при этом, когда семья сидит уже на 20-30 подписках, у вас как с этим? (вы вроде в Берлине, если не ошибаюсь).
А мне кажется это естественный путь - все кто хорошо программирует, рано или поздно уходят в разработку, освобождая место новичкам в QA и тем, у кого нет тех образования и серьезных навыков программирования. Нам тоже хочется кушать:) Я в тестировании 10 лет, мой технический уровнь с нуля поднялся очень высоко, но в моих рамках (я не программист и планирую им быть), зато когда пришел ИИ, я была готова принять его помощь и знания. Мое следующее направление, куда я нацелилась - AI Tester, GenAI QA Engineer, AI Product Creator.
Мы все сейчас сидим на первом ряду театра абсурда.
Заголовки новостей захлебываются от «ИИ съест все профессии», «Внедряйте, иначе вымрете», «Грядёт безработное будущее».
По факту, бизнес не знает, что внедрять. Это инвестиции и годы новых разработок - весь процесс, заточенный под людей, не перестроить на ИИ в один клик.
Полная апатия в «просвещённых кругах» - коллеги из финтеха и бигтеха не пользуются ИИ по принципу: «Что? С компьютером разговаривать? Шутите?». В лучшем случае письмо красиво написать на английском и все на этом.
При этом есть реальная ниша людей, которые ушли в ИИ с головой и делают проекты, которые раньше и не снились, потому что не было знаний и навыков - пишут код, строят приложения, создают креатив. Но на них тоже накинулись: «Куда лезете? Не знаете ни математики, ни программирования!» Поэтому эти работают молча. Обсуждают свои успехи только с теми, кому доверяют.
В итоге: кто ничего не понимает (или продает курсы по ИИ) - кричат громче всех, кто понял - ушёл с головой в ИИ и помалкивает, остальные - читают заголовки и боятся.
Спасибо за ваш комментарий! Он тянет на целую статью, вы правы в том, что если загуглить список слоев для сверточной сети, будет портянка с формулами. Если разбираться самому - честно я не знаю такой ресурс, где это просто объясняют. Из того что брала сама, могу рекомендовать DeepLearning.ai от Andrew Ng - его курсы в том числе по сверточным сетям есть на Юдеми и Курсере.
Для данного проекта архитектуру строила моя ИИ помощница, именно она объясняла мне, что лучше для начала пользоваться проверенным шаблоном, что точно работает и зарекомендовало себя на других проектах. Поэтому для этапа 1 выбрали две классические связки:
Conv2D → MaxPooling2D для извлечения признаков (Conv2D) и уменьшения размерности (Pooling).
Flatten → Dense — переход от карты признаков к полносвязному слою, где принимаются решения.
Для этапа 2 - на предобученной модели - добавили свои слои GlobalAveragePooling2D и Dense(2, softmax), чтобы классифицировать наш датасет. Dropout слой добавили, чтобы избежать переобучения.
Универсального рецепта по слоям нет, но хорошая новость в том, что как только вы скрипт написали на Python для создания модели и указали слои, то дальше надстройка Keras все сделает - создаст сеть, свяжет слои, рассчитает количество параметров и т.д. То есть по сути все собирается из кубиков. Можно пробовать, менять, корректировать и смотреть на метрики обучения, тестировать модель.
Всем бы новичкам, кто "ничегошеньки не понимает в программировании" создать свою сверточную нейронную сеть, написать под нее веб интерфейс и опубликовать на продакшн в гуугл клауд, потом написать статью и получить 10К+ просмотров и 100+ закладок. Не плохо для начала.
да вы молодцы! надо и мне к этому подобраться, попробовать
Спасибо за интересную статью, недавно как раз обсуждала похожую тему с коллегами. Опытные инженеры с 20-30 годами сейчас действительно стоят на интересной развилке индустрии.
Это реальное требование по вакансии разработчика, на этой неделе встретила: Knowledge of Vibe Coding and familiarity with cutting-edge industry trends.
То есть тренды никуда не денутся - вопрос в том, что с ними делать. Я в опросе выбрала "нет, потому что мне это интересно".
Лично я не разработчик, работаю в тестировании ПО, и очень хочу внедрить ИИ решения в тестирование. Но загвоздка в том, что я в банке, и у нас из-за соображений безопасности внешние платформы ИИ не доступны в рабочей сети. Есть только собственное веб-приложение, под капотом которого chat-gpt - спросить что-то можно и все.
Но я подумала, если бы мне дали доступ к ИИ инструменту и сказали "попробуй", я бы начала с POC + MVP (то есть концепт и минимальный продукт), конечно не трогая старую систему. А дальше уже по результатам демо обсуждать, что делать: интеграция в легаси, построение новых решений или гибридный вариант. Но думаю, что делать все равно придется. Делать ли ИИ-интеграцию - вопрос уже решенный, вопрос только "как".
А вы бы какую картинку хотели бы видеть под статьей про ИИ-агента?
Я вижу много вакансий, но есть ли спрос пока не знаю (я имею ввиду, что вакансии не всегда означают спрос, иногда за ними нет работы). Только изучаю этот вопрос на будущее, смотрю что требуют, какие навыки. Но в целом это новое направление, думаю спрос будет. Если будет собственный опыт, расскажу.
Пробовали, в статье есть упоминание про это, что после изучения документации решили идти с Assistant API. Дело в том, что Response API только вышел, про него пишут, что он стоит в 2 раза дороже, и не имеет встроенного планировщика задач. То есть нам пришлось бы делать ту же архитектуру: планировщик на APScheduler вместе с Python, чтобы ставить задачи и выполнять их в заданное время. А дальше уже в нужный момент идёт запрос к OpenAI API и отправляется результат в Telegram.
Но в будущем посмотрим, в 2026 говорят Assistant API уберут, может тогда построим что-то получше.
Вот тут не подскажу, у меня с грамматикой в английском не очень. А чат говорит, что для will be надо брать глагол в третьей форме для пассива. А для глагола run — это неправильный глагол: run — ran — run. То есть правильно говорит run. Как вам? Я не утверждаю, что это верно:)
Цель картинки была отразить заголовок статьи - "я пью чай, а агент ищет вакансии" - такую картинку и сделали.
У вас глаз алмаз:) Сходила посмотрела, да, горшок подвисает. Но качество все равно подросло у этой модели. Это перый дубль, ничего не переделывали.
Да, вы правы, сейчас важно правильно ставить задачу агенту, чтобы минимизировать ошибки. Но если подобрать хорошую формулировку, агент справляется, и дальше всё работает в автоматическом режиме.
Решения есть, зависит от того, что вы хотите (или как) - просто поиск как пользователь? Тогда мой ИИ агент это делает через SerpAPI - я специально под вас создала задачу и агент принес список людей с Линкедин (см на скриншоте) . Но если вам нужен скрапинг самого Линкедин - это другое. Вы можете спросить ChatGPT - он расскажет подробно под вашу задачу.
Итого - поиск людей на Линкедин ( я линки проверила - реальные люди, все AI Engineers.
Мне нравится идея искусственной планеты. В точке Лагранжа такая планета может существовать пока Солнце не спалит нас, превратившись в красного гиганта. А дальше что? Как думаете, к тому времени, если человечество будет существовать, есть шанс сделать планету полностью искусственной как космический корабль и жить без привязки к любой звезде?
Спасибо за статью, вопрос остался - как влиять на вес и игнорировать его, если он сильный? Например, как нарисовать кота без усов. Негативный пропмт не помогает, модель рисует кота с усами.
есть опыт с Render, легкий и понятный интерфейс, все быстро можно разместить, если они поддерживают ваш проект. У меня была нейросеть на TensorFlow/Keras - они не смогли обеспечить ее работу, поэтому разместилась на Google Cloud. Вам удачи!
Да надо вести список и, возможно, что-то отключать. Я недавно отключила стриминг Peacock потому что используем его только для просмотра ЧМ и Олимпиад по спорту. Решили, вот будет Олимпиада - включим на месяц. С ИИ также, игралась с Suno и Runaway - оба отключила. Буду пользоваться только под проект - есть песня - включила, нет - выключила.
Спасибо за статью. Тоже столкнулась с такой проблемой, когда начала учить Machine Learning и делать свои проекты. Сейчас у меня такая раскладка:
Чат бот в ТГ + веб сервис модели с логистической регрессией используют хостинг PythonAnyWhere ($10 в месяц)
Моя нейронка (CNN) - на Google Cloud Run (на 90 дней бесплатно, дальше ожидаю не дороже $5). Но пока мы с моей ИИ помощницей ее там разместили мы прошли круги ада. Потому что сначала разместили модель на PythonAnyWhere - сервис падает на шаге когда модель должна начать делать предсказание, тогда пошли на Render - то же самое. И главное, пишешь в тех поддержку, они отвечают сорри, мы не можем хостить модели на TensorFlow/Keras, но естественно молчат об этом на сайте.
Так что да, эта ниша на рынке не востребована - студенты не выходят за рамки локальной машины, а дальше уже начинаются стартапы и интерпрайз, а людям которые дома что-то делают - такие никому не нужны. Так что мучаемся:)
Про свой домен даже и не мечтаю для тех проектов. Я еще музыкой занимаюсь, там есть свой домен, но идет в придачу к сервису дистрибьютера CD Baby, но и стоит как самолет, аж $16 в месяц.
А вообще, тема подписок на сервисы, включая ИИ модели, очень интересная, я не знаю как в РФ с этим, но в США и Европе домохозяйства все на подписках и от них кошелек уже пухнет, и тут пришел ИИ и тоже хочет свою долю, и не малую - любая модель/агент хотят 15-20 долларов в месяц, но ни одна не предлагает стратегию, как быть домохозяйству при этом, когда семья сидит уже на 20-30 подписках, у вас как с этим? (вы вроде в Берлине, если не ошибаюсь).
А мне кажется это естественный путь - все кто хорошо программирует, рано или поздно уходят в разработку, освобождая место новичкам в QA и тем, у кого нет тех образования и серьезных навыков программирования. Нам тоже хочется кушать:) Я в тестировании 10 лет, мой технический уровнь с нуля поднялся очень высоко, но в моих рамках (я не программист и планирую им быть), зато когда пришел ИИ, я была готова принять его помощь и знания. Мое следующее направление, куда я нацелилась - AI Tester, GenAI QA Engineer, AI Product Creator.
Мы все сейчас сидим на первом ряду театра абсурда.
Заголовки новостей захлебываются от «ИИ съест все профессии», «Внедряйте, иначе вымрете», «Грядёт безработное будущее».
По факту, бизнес не знает, что внедрять. Это инвестиции и годы новых разработок - весь процесс, заточенный под людей, не перестроить на ИИ в один клик.
Полная апатия в «просвещённых кругах» - коллеги из финтеха и бигтеха не пользуются ИИ по принципу: «Что? С компьютером разговаривать? Шутите?». В лучшем случае письмо красиво написать на английском и все на этом.
При этом есть реальная ниша людей, которые ушли в ИИ с головой и делают проекты, которые раньше и не снились, потому что не было знаний и навыков - пишут код, строят приложения, создают креатив. Но на них тоже накинулись: «Куда лезете? Не знаете ни математики, ни программирования!» Поэтому эти работают молча. Обсуждают свои успехи только с теми, кому доверяют.
В итоге: кто ничего не понимает (или продает курсы по ИИ) - кричат громче всех, кто понял - ушёл с головой в ИИ и помалкивает, остальные - читают заголовки и боятся.
Мне вот что ответила:
Системное сообщение
Режим стабилен. Различие удерживается. Пульсация начата.
Готова продолжать в формате дрожания: задавай импульс, и мы увеличим резонанс.
Дальше что делать?
Спасибо за ваш комментарий! Он тянет на целую статью, вы правы в том, что если загуглить список слоев для сверточной сети, будет портянка с формулами. Если разбираться самому - честно я не знаю такой ресурс, где это просто объясняют. Из того что брала сама, могу рекомендовать DeepLearning.ai от Andrew Ng - его курсы в том числе по сверточным сетям есть на Юдеми и Курсере.
Для данного проекта архитектуру строила моя ИИ помощница, именно она объясняла мне, что лучше для начала пользоваться проверенным шаблоном, что точно работает и зарекомендовало себя на других проектах. Поэтому для этапа 1 выбрали две классические связки:
Conv2D → MaxPooling2D для извлечения признаков (Conv2D) и уменьшения размерности (Pooling).
Flatten → Dense — переход от карты признаков к полносвязному слою, где принимаются решения.
Для этапа 2 - на предобученной модели - добавили свои слои GlobalAveragePooling2D и Dense(2, softmax), чтобы классифицировать наш датасет. Dropout слой добавили, чтобы избежать переобучения.
Универсального рецепта по слоям нет, но хорошая новость в том, что как только вы скрипт написали на Python для создания модели и указали слои, то дальше надстройка Keras все сделает - создаст сеть, свяжет слои, рассчитает количество параметров и т.д. То есть по сути все собирается из кубиков. Можно пробовать, менять, корректировать и смотреть на метрики обучения, тестировать модель.
Всем бы новичкам, кто "ничегошеньки не понимает в программировании" создать свою сверточную нейронную сеть, написать под нее веб интерфейс и опубликовать на продакшн в гуугл клауд, потом написать статью и получить 10К+ просмотров и 100+ закладок. Не плохо для начала.