Последние посты
Reveal the Data
24 сент., 09:06
переслано из @datalens_channel
⚡️ Знакомьтесь — это новый DataLens Platform!Теперь DataLens — не только инструмент визуализации. Большое обновление включает дополнительные возможности для хранения и обработки данных, а также единого метаслоя.В DataLens Platform:⏩️Lakehouse в качестве масштабируемого ядра хранилища — от небольших датасетов до сотен петабайт данных. ✓ Хранение — Iceberg REST Catalog поверх S3. ✓ Обработка — Trino для быстрого SQL и Spark для сложных задач.⏩️Загрузка данных: разово, по расписанию или в режиме CDC.⏩️Среда разработки: нативный SQL-редактор и WebIDE на базе VSCode.⏩️Оркестрация: для регулярных процессов на базе встроенного Airflow®.⏩️Метаданные: автоматический сбор и разметка всех источников данных, преобразований и компонентов платформы, с визуализацией связей и Lineage.И всё это — в одной коробке вместе с привычными дашбордами и сквозным ИИ.Детали: → на обновленном сайте → в статье в нашем блогеПервых пользователей начнем пускать с 1 октября.⏪️Оставить заявку на ранний доступ⏩️Reveal the Data
24 сент., 09:06
У ребят из DataLens огромное обновление продукта! Поздравляю их с запуском! 🎉Reveal the Data
14 сент., 08:28
🛠 Инструменты Продолжим разбирать архитектуру агентов. Какая бы умная и крутая модель ни была, хоть AGI, без рук она ничего не сделает. Почта, Jira и база данных сами к ней не подключатся.Встроенные и свои тулы В AI-продуктах есть поиск, браузер, работа с файлами, калькулятор, запуск Python-кода и т. п. Всё это устроено как перечень функций с описаниями: модель может выбрать нужную функцию при ответе на запрос.Если вы работаете через API, в этот перечень можно добавлять свои тулы. Модель не исполняет их сама, а возвращает вызов функции с аргументами. Само действие выполняет ваше приложение.Тул, в отличие от скилла, — не инструкция по работе, а функция или действие, доступное модели. А чтобы передавать списки тулов между разными AI-приложениями, придумали протокол MCP.Как работает MCP MCP — стандартный протокол. Вместо отдельной интеграции для каждого клиента компания поднимает
Reveal the Data
8 сент., 14:59изменён
⚡️ Конференция про AI-кейсы в бизнесе Соберёмся онлайн с классными ребятами, чтобы обменяться практическим опытом. Будет много живых кейсов и честных разборов того, что действительно работает. Я расскажу, как мы подходим к внедрению AI в большой компании:ZoomVideo Conferencing, Web Conferencing, Webinars, Screen SharingZoom is the leader in modern enterprise video communications, with an easy, reliable cloud platform for video and audio conferencing, chat, and webinars across mobile, desktop, and room systems. Zoom Rooms is the original software-based conference room solution…Reveal the Data
4 сент., 11:50изменён
Reveal the Data
31 авг., 09:33
⚡️ Конференция про AI-кейсы в бизнесе Соберёмся онлайн с классными ребятами, чтобы обменяться практическим опытом. Будет много живых кейсов и честных разборов того, что действительно работает.Я расскажу, как мы подходим к внедрению AI в большой компании: какие важные части этого процесса выделяем, что работает и как можно повышать вовлечённость сотрудников. Расскажу, что сработало, а что нет, и где я вижу самые большие проблемы при трансформации в целом.8-10 сентября, старт в 18:00 МСК. Бесплатно и без подписок на каналы и т.п.👉 Регистрация и расписание на сайте Community Sprints 👈
Reveal the Data
30 авг., 15:22изменён
📄 Harness и скиллы В прошлом посте был мозг агента, теперь переходим ко всему, что находится вокруг него: инструкции, инструменты, память и контекст. Всё вместе это сейчас называют модным словом harness. Это вся обвязка, которая помогает агенту работать так, как нужно именно вам.Начну с инструкций — промптов и скиллов. Ещё год назад было много хайпа вокруг prompt engineering. Сейчас же уже не нужно разбираться в маркдауне или xml, чтобы составить хороший промпт, модели уже сами неплохо умеют формулировать задачу даже из простого описания.Зато все обсуждают скиллы. Скиллы — это текстовые инструкции для повторяющейся задачи, к которым можно добавить примеры, справочные материалы, шаблоны и скрипты. Но в целом это всё тот же самый промт, который подмешивается к вашему запросу и описывает как решать задачу (кстати, не забываем про контекстное окно и что скиллы его тоже хорошо такReveal the Data
26 авг., 17:58изменён
🧠 Модели Следующий блок агента — это мозг. Забавно как из очень важной и революционной части модели быстро стали почти что комоддити. Каждые несколько месяцев выходит что-то новое, а опенсорс догоняет лабы всё быстрее. Ещё месяц назад все говорили о революции от Fable, но вот модель тут и ничего каординально не изменилось.В это смысле надо помнить, что модели обучены на огромном количестве данных и по-сути всегда отдают усреднённый результат, если не были отдельно дообученны конкретно под вашу задачу. И получается забавный момент — модель в целом очень умная, но часто именно в твоей задаче она тупит, так как в «голове» нет хорошего примера и в обучении не было нужного RL цикла. То есть пока часто всё остается так же — для среднего результата модели подходят хорошо, но для хорошего надо давать много инструкций.Один из способов как управлять «умностью» модели, это параметр effort.Reveal the Data
25 авг., 08:08
🕹 Как управлять агентом Начну с первого блока. Управлять агентами сейчас можно пятью способами (в будущем можно будет еще и мыслью 🙃):— Веб-чат: самый привычный способ, здесь рассказать чего-то интересного нечего. — Десктоп: агент работает с вашими папками и приложениями: может читать файлы, запускать команды, использовать другие программы и инструменты. Если до сих пор работаете только через веб-версию, попробуйте десктоп. Разница огромная, если вы организуете папку и будете там хранить все проектные файлы. Примеры desktop-приложений: ChatGPT Work, Claude Cowork, goose и Qwen Code. — CLI: тот же доступ к файлам и инструментам, только задачу вы ставите прямо из терминала. Здесь есть Codex, Claude Code, Qwen Code и Kimi Code CLI. — Сервер и API: у такого агента вообще нет собственного интерфейса. Он запускается по событию, расписанию или команде из другой системы, напримерReveal the Data
24 авг., 08:05изменён
🤖 Из чего состоит AI-агент Сейчас пишу следующую главу книги — она будет про AI в BI и аналитике. Материалов накопилось много, и часть из них в книгу не войдёт. Поэтому решил опубликовать в канале небольшую затравку.Хочу разобрать несколько вроде бы всем понятных, но важных частей о том, как устроены агенты. По разговорам вижу, что люди часто понимают их по-разному и не до конца представляют, как всё это работает.Сейчас агент — это такой же баз ворд, как раньше был «дашборд»: все используют, но никто не понимает, что это именно значит.Я для себя раскладываю агента на шесть частей: — UI — интерфейс управления агентом: веб-версия, десктоп, CLI или другой способ поставить задачу и получить результат. — LLM — мозг агента. Он понимает запрос, рассуждает и выбирает следующий шаг. — Инструкции — системный промпт, скилл или список ограничений. — Инструменты — руки агента. Благодаря им он
Reveal the Data
23 авг., 15:23
🤖 Вайб-салон Вчера сходил на вайб-салон — это такой формат, где люди собираются в одном месте, несколько часов вайбкодят, а потом показывают и обсуждают, что у кого получилось.Если честно, я шёл туда с небольшим скепсисом. Вайб-салоны сейчас стали очень модной темой, но со стороны всё это звучало для меня как-то скорее как дань моде. Но оказалось, что это очень прикольный формат.По ощущениям я как будто сходил на классный митап: познакомился с ребятами, поговорил и обменялся идеями, но при этом ещё сел за ноутбук и реально сделал что-то полезное. Очень приятное сочетание =)Из прикольных идей: увидел как можно использовать Notion для оркестрации агентов (но нужна виртуальная машина с клодом и в целом вместо ноушена мог быть любое приложение) и как можно навайбкодить портал для управления постами в соц. сети.Ну и, конечно, весь вайб сделали люди: потрясающие организаторы приютили
Reveal the Data
21 авг., 08:40
📘 От дашборда к системе Вышла следующая глава книги — про стратегию развития BI в компании.В этот раз разбираемся, что происходит с BI-системой по мере роста компании. В какой-то момент просто делать хорошие дашборды уже недостаточно и появляются куча всего: процессы поддержки и обучения, стайлгайды и сертификация, управление контентом и доступами, мониторинг, отдельные роли и центр компетенций. И только чтобы просто внедрить нормально BI, что только часть работы аналитики и всей компании.Глава получилась большой, но при этом чувствтую, что если бы раскладывал ещё более подробно, то можно вообще отдельную книгу писать. Постарался разложить всё по этапам: от маленькой команды с несколькими пользователями данных до большой компании с 1000+ пользователей. Для каждого этапа есть таблицы с практиками: что уже обязательно, что пока желательно, а что имеет смысл внедрять только на большом
Reveal the Data
19 июл., 16:15
Ахахах, я чёт не думал, что найду себя в воскресенье в окружении трех ноутбуков с агентами, которые гоняют таски 🙈 Агенты реально как какая-то зависимость блин.И моя эго-часть явно хочет с вами поделиться и похвастаться, смотрите блин какой же я крутой. А нормальная моя часть рекомендует — если вы нашли себя в такой же ситуации, то пойдите отдохните пожалуйста 🫂 Я пошёл!
Reveal the Data
17 июл., 12:55изменён
Reveal the Data
12 июл., 07:24
🥞 Искусство, AI и панкейки Я знаю, что не хорошо газлайтить LLM-ки, но не смог удержаться. Несерьёзный воскресный пост.Вчера в музее во Франкфурте наткнулся на интересный проект — сразу и дашборды, и AI и искусство. Есть один источник воды, который используется для трех вещей: из него может пить директор музея, из него можно поливать растения или этой же водой можно охлаждать GPU.Есть локально развернутая модель, которая живет на этой GPU и с помощью датчиков следит за состоянием директора, состоянием растений и своей GPU. Дальше возникают всякие интересные этические вопросики, а куда модель направит воду, если будет хватать только для чего-то одного и т.п.Но зачем все эти серьёзные вопросы! Я конечно же попросил LLM-ку рассказать мне рецепт вкусных блинчиков. Она отказалась, ссылаясь но то, что не для этого тут стоит и может рассказывать только про сам проект. Я попросил
Reveal the Data
10 июл., 14:33
переслано из @data_publication
📈 Зачем нужны аналитики в мире победившего ИИ? 14 июля поговорим с Ромой Буниным о том, как меняется профессия аналитика в эпоху ИИ и какие навыки становятся важнее, чем знание инструментов.🎙 Гость — Рома Бунин, AI Adoption Lead в Nebius, экс-руководитель аналитики в Яндексе, автор канала Reveal the Data.О чем поговорим: 🔹 Что ИИ уже умеет делать за аналитика 🔹 Почему ИИ пока не заменил аналитиков 🔹 Аналитик будущего: новые роли и навыки 🔹 Как компании внедряют ИИ 🔹 Что будет с аналитикой в ближайший год?14 июля 2026 года, 20:00 (МСК), онлайн, добавляйте в календарьСтавьте напоминалку на YouTube
Reveal the Data
10 июл., 14:33изменён
Астрологи объявили недели эфиров. В следующей вторник встречаюсь с Андреем Дорожным — поговорим про аналитику и AI, присоединяйтесь к обсуждению!Андрей особенный человек для меня и канала — он был первым гостем, кто пришёл на мой подкаст про визуализацию данных 6 лет назад и дал буст и старт каналу. One love! ❤️Reveal the Data
9 июл., 07:01
переслано из @datanature
AI не готовность - пост о том, как препарируем доменные данные и контекст в АвитоАнтропик напомнил всем кто забыл, что Text2sql бесполезен, если он не шарит в данных домена. Мы догадывались. Одна из тестируемых тут идей - AI-ready score в целях тимлидов доменов.Это булевые проверки условно трех групп:- Роли и в домене (BI-партнёр, Куратор метрик, AI-чемпион). Скучный компонент, но без гавернанс-людей никак;- Разметка каноничных объектов. Смотрим, что доля трафика через сертифицированные здоровые витрины, деши и метрики не ниже таргета.- База знаний домена - 11 типов контекста в репозитории: FAQ с ловушками, глоссарий, lineage, примеры text2sql, eval-кейсы, деревья метрик и др. Генерация этого контекста - это тоже скилл, встроенный в работу - решил задачу -> закинул агентом PR в базу контекста. Автогенерённые объекты засчитываются только после ревью.Всё это пока про покрытие.
Reveal the Data
9 июл., 07:01
Уровень злободневности в посте у Саши просто зашкаливает 🙈😑А вы уже измеряете насколько домены готовы к внедрению агентов? А планы запросов в базу от агентов анализируете?Reveal the Data
3 июл., 08:47
🤖AGI BI eval, v.3 Что же там вернули Fable, поэтому пора снова провести самый лучший и точный бэнчмарк в мире — моя субъективная оценка как LLM строят дашборды 😈Я повторил упражнение, которые делал уже раньше — попросил составить список вопросов, которые модель задала бы для создания дашбрда → ответил → попросил сделать макет → реализовать HTML-дашборд. Тестировал три версии: Opus 4.8 High и Fable5 High и Extra High.Последний раз я делал это с Opus 4.6, поэтому сравню прогресс с ним и сразу между Opus 4.8/Fable.Вопросы для сбора требований Тут всё стало лучше, модель больше не просит ответить на 100 вопросов, а всего на 20-25 и сами вопросы более верные: про задачи, ограничения и примеры. Раньше модели просили описать всё вплоть до того, чтобы заказчик выбрал технологию, способ поставки данных и т.п., в общем ненужные технические детали, которые должен решать сам аналитик. Между
