Клим, расскажи, что такое криптобиоз и почему это важно?

Криптобиоз — это состояние, при котором организм практически полностью замедляет или временно останавливает видимые жизненные процессы, чтобы пережить крайне неблагоприятные условия среды. У разных организмов такие условия могут быть разными: это может быть высушивание, замораживание, дефицит кислорода или другие экстремальные воздействия. Именно поэтому криптобиоз особенно интересен: он показывает, что в природе уже существуют механизмы, позволяющие живым системам выдерживать то, что для большинства клеток и организмов оказалось бы разрушительным. К таким организмам относятся, например, тихоходки, коловратки, некоторые нематоды и артемия.

Конечно, это не значит, что механизмы, работающие у таких организмов, можно напрямую перенести на клетки человека, ткани или органы. Между фундаментальным пониманием и реальным медицинским применением всегда пролегает большая дистанция. Но на природные примеры людям нужно смотреть в первую очередь: они показывают, что такие решения в принципе возможны, а значит, могут подсказать направление поиска, новые молекулярные мишени и биоинспирированные подходы в криобиологии, биобанкировании и других областях, где нужно сохранять живой материал.

Артериальная гипертензия поражает все большее число детей: в России с 2020 года количество таких пациентов выросло на 17%. Врачи подбирают терапию эмпирически, ориентируясь на общие рекомендации, — результат виден только через 2–3 месяца. Студентка магистратуры «Прикладной анализ данных в медицинской сфере» Центра «Пуск» МФТИ Анастасия Адамсон создала ML-модель, которая учитывает 154 клинико-инструментальных признака и с точностью до 98% предсказывает эффективную терапию. Модель уже увидела то, что врачи чувствуют, но не могут доказать: например, связь между лишним весом и эффективностью Лизиноприла. О том, как устроено исследование, какие результаты получены и почему это не замена врачу, а сильный инструмент поддержки — в этом интервью.

Анастасия, расскажите, в чем суть проблемы, которую вы решаете?

С 2020 года число заболевших артериальной гипертензией детей выросло в России на 17% (к 2025 году). Одна из проблем сегодня — то, что подбор антигипертензивной терапии происходит эмпирически, на основании мнения врача. Сейчас доктора назначают лекарства от давления детям почти наугад — из пяти разрешенных препаратов можно выбрать любой. При этом результат виден только через 2–3 месяца. Если препарат не подошел, схему меняют и снова ждут. Все это время давление у ребенка остается высоким, и риск осложнений растет.

Свою ML-модель я разработала, чтобы предсказывать эффективный препарат сразу, без долгих экспериментов. Чтобы решить эту проблему, недостаточно посмотреть на один показатель давления. Нужно учесть много разных факторов — и тут пригодится мультимодальный подход.

Лучше один раз увидеть, чем сто раз услышать — в аналитике эта пословица работает на все сто. В новой статье разбираем, почему одна удачная визуализация объясняет процессы, зависимости и помогает найти инсайты быстрее, чем десятки слайдов с текстом и формулами. Также рассмотрим несколько оригинальных интерактивных визуализаций на Plotly — за пределами привычных распределений, боксплотов и прочих «школьных» графиков. 

Об авторе: Мария Жарова — преподаватель Центра «Пуск» МФТИ, ML‑инженер в Wildberries, автор канала EasyData.

Эта статья продолжает цикл о новой парадигме ИИ, на этот раз предлагаем обудить, как синтетика помогает и где начинается опасность.

В новой статье наш эксперт Антон Пчелинцев размышляет о причинах дефицита качественных данных, следующем прорыве в области развития ИИ и о том, что делать для получения преимущества.

Реальные кейсы показывают, что внедрение агентного ИИ — это не только технический, но и организационный вызов. Ниже мы рассмотрим лучшие практики и типичные ошибки, которые совершали компании на ранних этапах, а также то, как их избежать.

Складывается впечатление, что агентный ИИ уже вышел за рамки фантастических обещаний и вступил в фазу прагматичной апробации. Так ли это? В статье эксперт онлайн-магистратур Центра «Пуск» МФТИ Денис Прилепский отвечает на этот вопрос и рассказывает, как эволюционировал агентный ИИ и как сегодня технологию внедряют в работу компаний.

Команда онлайн-магистратур Центра «Пуск» МФТИ и индустриальные партнеры вуза регулярно реализуют совместные проекты. Благодаря этому студенты получают необходимый практический опыт, а партнеры — возможность осуществить важные бизнес-задачи. Например, благодаря одному из последних проектов, студенты 2 курса программы «Управление цифровым продуктом» и «Науки о данных» предложили ОАО «РЖД» инновационное решение проблемы детекции аномальных состояний пассажиров и предотвращения инцидентов на перроне. 

В этой статье мы расскажем о том, в чем состоит новизна инженерного решения студентов нашей онлайн-магистратуры и почему уже существующие системы детекции не всегда справлялись с поставленными задачами.

Без стандартов — ни к журналу, ни к себе не подступишься: в этой статье — история анализа выживаемости пациентов с менингитом и то, как внедрение STROBE и TRIPOD полностью изменило подход к работе с медицинскими данными. На примере кейса и кода на R автор показывает, как стандарты отчетности помогают структурировать исследование, избежать потерь данных, честно построить модель и — главное — самому понять, что ты сделал.

Это пятая и финальная статья специалиста по архитектуре ИТ-систем и трансформации ИТ-ландшафта Дениса Прилепского из серии «Строим корпоративную GenAI-платформу: от концепции до ROI». Переход от пилота к масштабируемому GenAI-решению требует не только технической зрелости, но и четкого понимания бизнес-целей. В статье рассматриваются метрики, подходы к масштабированию, обучение пользователей и типовые ошибки, с которыми сталкиваются компании на пути к измеримой ценности от GenAI.

Это четвертая статья специалиста по архитектуре ИТ-систем и трансформации ИТ-ландшафта Дениса Прилепского из серии «Строим корпоративную GenAI-платформу: от концепции до ROI». Он объясняет, какие бывают guardrails, как они встроены в архитектуру платформы и зачем нужны: от защиты пользователей до соответствия требованиям регуляторов.

Это третья статья специалиста по архитектуре ИТ-систем и трансформации ИТ-ландшафта Дениса Прилепского из серии «Строим корпоративную GenAI-платформу: от концепции до ROI». Автор разбирает, что такое RAG и зачем он нужен, как устроена архитектура retrieval-уровня и почему он критически важен для достоверных ответов. В статье — пример генерации юридической справки, практические проблемы (задержки, кеширование, актуальность) и подготовка к следующей теме — guardrails.

Вторая статья специалиста по архитектуре ИТ-систем и трансформации ИТ-ландшафта Дениса Прилепского из серии «Строим корпоративную GenAI-платформу: от концепции до ROI». На этот раз он разбирает GenAI «под капотом» и шаг за шагом выстраивает корпоративную платформу, которая превращает хайп вокруг ИИ в реальные результаты для бизнеса.

Это первая статья специалиста по архитектуре ИТ-систем и трансформации ИТ-ландшафта Дениса Прилепского из серии «Строим корпоративную GenAI-платформу: от концепции до ROI». В этой части он объясняет, зачем вообще нужен архитектурный подход при внедрении GenAI-решений и как грамотная архитектура помогает пройти путь от идеи до реальной бизнес-ценности.

ИИ и Data Science уже стали неотъемлемой частью современной биомедицины: с их помощью исследуют микробиом человека, диагностируют болезни у животных и моделируют органы в 3D. В статье — прикладные проекты на стыке биологии, медицины и ветеринарии: от метагеномики и цифровых двойников до нейросетевого анализа поведения собак и платформы «Медцифра».

Зачем дата-сайентисту векторы, матрицы и собственные значения? В статье Марии Жаровой, ML-инженера Wildberries и автора канала Easy Data, — простое объяснение, как линейная алгебра помогает понимать, что происходит внутри моделей машинного обучения. Без доказательств и зубрежки: только визуализации, реальные кейсы и примеры из практики.

Массовые фото из детского сада в родительских чатах редко бывают персональными: на десятках снимков сложно найти именно своего ребенка. Выпускники онлайн-магистратуры «Науки о данных» Центра «Пуск» МФТИ предложили решение — платформу KidFolio, которая с помощью технологий компьютерного зрения и мультимодальных моделей автоматически формирует и отправляет родителям персонализированные фото- и видеоотчеты.

В статье — подробности разработки: от сбора датасета детских лиц до создания собственного бенчмарка и дообучения моделей для генерации текстов.

Машинное обучение проникает во все большее число научных и прикладных областей — от финансов до биомедицины. Даже такая сложная и специфичная сфера, как медицинская метагеномика, сегодня все активнее использует ML для диагностики заболеваний, поиска биомаркеров и анализа микробиоты. О том, какие задачи решает ML в метагеномике и с какими трудностями сталкиваются исследователи, рассказывает к. м. н. Анастасия Холодная — выпускница магистратуры «Прикладной анализ данных в медицинской сфере» и эксперт Центра «Пуск».

70% наших студентов мечтают запустить свой стартап, но им не хватает ресурсов: мотивации, времени, денег и других участников команды с нужными компетенциями. Возможность получить все эти ресурсы дается в онлайн-магистратурах МФТИ на треке выпускной квалификационной работы «Стартап как диплом». В статье на примере одного студенческого стартапа — сервиса достоверных отзывов ZNATNO — расскажем, как все устроено.

Только один телескоп LSST за ночь может собрать более 15 ТБ данных — это как 30 тысяч фильмов в HD. Без ИИ астрономы просто тонут в научных данных. Студенты МФТИ придумали решение: их ML-система «Страж» может ускорить поиск новых объектов в 5 раз — и с точностью до 98%. 

На днях АиФ, ТАСС и другие СМИ опубликовали новости о «Страже», но только мы знаем, как все начиналось, как работает решение «под капотом» и почему проект поддержал Yandex Cloud. Об этом и рассказываем в статье.