Исследователи из Массачусетского технологического института (MIT) разработали собственный метод обучения роботов новым навыкам. Вместо стандартного набора сфокусированных данных, которые обычно используются при обучении роботов, они задействовали большие массивы данных, тем самым имитируя процесс обучения больших языковых моделей (LLM).

Источник изображения: MIT

По мнению исследователей из MIT, имитационное обучение, когда робот учится на действиях человека, выполняющего ту или иную задачу, может оказаться неэффективным при несущественном изменение окружающей обстановки. К примеру, у робота могут возникнуть трудности после обучения, если он попадёт в обстановку с другим освещением или предметами.

В своей работе исследователи задействовали разные LLM, такие как GPT-4, чтобы повысить качество обучения методом перебора данных. «В области языковых моделей все данные — это просто предложения. В робототехнике, учитывая всю неоднородность данных, если вы хотите проводить предварительное обучение аналогичным образом, то потребуется другая архитектура», — рассказал один из авторов исследования Лируй Ванг (Lirui Wang).

Исследователи разработали новую архитектуру под названием Heterogeneous Pretrained Transformers (HPT), которая объединяет информацию, получаемую от разных датчиков и из разных сред. Собираемые таким образом данные объединяются в обучаемые модели с помощью «трансформера». Конечному пользователю нужно лишь указать дизайн робота, его конфигурацию и навык, которому он должен обучиться.

«Мы мечтаем о создании универсального мозга робота, который можно было бы загрузить и использовать в своём роботе без какого-либо обучения. Пока мы находимся на ранних стадиях, но мы собираемся продолжать упорно работать и надеемся, что масштабирование приведёт к прорыву в робототехнике, как это было с большими языковыми моделями», — рассказал один из авторов исследования Дэвид Хелд (David Held).

Компания Google без лишнего шума представила новый образовательный сервис на основе искусственного интеллекта под названием Learn About, анонс которого состоялся на прошедшей в мае конференции Google I/O. Сервис призван изменить подход к обучению чему-либо, превращая этот процесс в увлекательный диалог вместо стандартного чтения текста и просмотра сопутствующих изображений.

Источник изображения: maginative.com

Инструмент Learn About ориентирован на людей, которые регулярно используют поисковые системы для изучения чего-то нового. Однако в данном случае на смену традиционным методам обучения, в которых информация преподносится статично в процессе чтения текста и просмотра изображений, приходит метод, предлагающий персонализированное интерактивное обучение.

В некотором смысле новый сервис можно назвать своеобразным виртуальным репетиром, которому можно задавать вопросы или предоставлять собственные материалы. Возможно изучение специально подобранных тем широкого спектра, начиная от повседневных вопросов и заканчивая сложными академическими предметами. Алгоритмы на базе нейросетей генерируют контент, который поможет разобраться в теме, связать основные понятия, углубить понимание вопроса. Learn About объединяется традиционный обучающий контент, такой как видео, статьи и изображения, с возможностями искусственного интеллекта, и позиционируется Google как новый вид цифрового помощника по обучению.

Learn About обладает большим потенциалом, но Google даёт понять, что на данном этапе это всё ещё эксперимент, поскольку сервис может предоставлять неточную или вводящую в заблуждение информацию. Пользователям рекомендуется проверять факты и оставлять отзывы по итогам взаимодействия с сервисом. Отмечается, что на данный момент Learn About не сохраняет данные о взаимодействии с пользователями, история чата исчезнет, как только будет закрыта веб-страница.

Среди американских IT-гигантов зародилась новая забава — соревнование, у кого больше кластеры и твёрже уверенность в превосходстве своих мощностей для обучения больших языковых моделей ИИ. Лишь недавно глава компании Tesla Илон Маск (Elon Musk) хвастался завершением сборки суперкомпьютера xAI Colossus со 100 тыс. ускорителей Nvidia H100 для обучения ИИ, как об использовании более 100 тыс. таких же ИИ-ускорителей сообщил глава Meta✴ Марк Цукерберг (Mark Zuckerberg).

Источник изображения: CNET/YouTube

Глава Meta✴ отметил, что упомянутая система используется для обучения большой языковой модели нового поколения Llama 4. Эта LLM обучается «на кластере, в котором используется больше 100 000 графических ИИ-процессоров H100, и это больше, чем что-либо, что я видел в отчётах о том, что делают другие», — заявил Цукерберг. Он не поделился деталями о том, что именно уже умеет делать Llama 4. Однако, как пишет издание Wired со ссылкой на заявление главы Meta✴, их ИИ-модель обрела «новые модальности», «стала сильнее в рассуждениях» и «значительно быстрее».

Этим комментарием Цукерберг явно хотел уколоть Маска, который ранее заявлял, что в составе его суперкластера xAI Colossus для обучения ИИ-модели Grok используются 100 тыс. ускорителей Nvidia H100. Позже Маск заявил, что количество ускорителей в xAI Colossus в перспективе будет увеличено втрое. Meta✴ также ранее заявила, что планирует получить до конца текущего года ИИ-ускорители, эквивалентные более чем полумиллиону H100. Таким образом, у компании Цукерберга уже имеется значительное количество оборудования для обучения своих ИИ-моделей, и будет ещё больше.

Meta✴ использует уникальный подход к распространению своих моделей Llama — она предоставляет их полностью бесплатно, позволяя другим исследователям, компаниям и организациям создавать на их базе новые продукты. Это отличает её от тех же GPT-4o от OpenAI и Gemini от Google, доступных только через API. Однако Meta✴ всё же накладывает некоторые ограничения на лицензию Llama, например, на коммерческое использование. Кроме того, компания не сообщает, как именно обучаются её модели. В остальном модели Llama имеют природу «открытого исходного кода».

С учётом заявленного количества используемых ускорителей для обучения ИИ-моделей возникает вопрос — сколько электричества всё это требует? Один специализированный ускоритель может съедать до 3,7 МВт·ч энергии в год. Это означает, что 100 тыс. таких ускорителей будут потреблять как минимум 370 ГВт·ч электроэнергии — как отмечается, достаточно для того, чтобы обеспечить энергией свыше 34 млн среднестатистических американских домохозяйств. Каким образом компании добывают всю эту энергию? По признанию самого Цукерберга, со временем сфера ИИ столкнётся с ограничением доступных энергетических мощностей.

Компания Илона Маска, например, использует несколько огромных мобильных генераторов для питания суперкластера из 100 тыс. ускорителей, расположенных в здании площадью более 7000 м² в Мемфисе, штат Теннесси. Та же Google может не достичь своих целевых показателей по выбросам углерода, поскольку с 2019 года увеличила выбросы парниковых газов своими дата-центрами на 48 %. На этом фоне бывший генеральный директор Google даже предложил США отказаться от поставленных климатических целей, позволив компаниям, занимающимся ИИ, работать на полную мощность, а затем использовать разработанные технологии ИИ для решения климатического кризиса.

Meta✴ увильнула от ответа на вопрос о том, как компании удалось запитать такой гигантский вычислительный кластер. Необходимость в обеспечении растущего объёма используемой энергии для ИИ вынудила те же технологические гиганты Amazon, Oracle, Microsoft и Google обратиться к атомной энергетике. Одни инвестируют в разработку малых ядерных реакторов, другие подписали контракты на перезапуск старых атомных электростанций для обеспечения растущих энергетических потребностей.

Рекомендации книг для начинающих и продолжающих DevOps-инженеров. Помогут понять базовые принципы и узнать о различных концепциях, без привязки к конкретным инструментам и без готовых решений.

Источник изображения: «Яндекс Практикум»

«Руководство по DevOps. Как добиться гибкости, надежности и безопасности мирового уровня в технологических компаниях» Ким, Дебуа, Уиллис, Хамбл

Наиболее полное и исчерпывающее руководство по DevOps, написанное ведущими мировыми специалистами. Книга будет полезна абсолютно всем, кто прямо или косвенно связан с IT и управлением.

«Site Reliability Engineering. Надёжность и безотказность как в Google» Бейер, Джоунс, Петофф, Мёрфи

Систематизированный перечень подходов Google для обеспечения надёжности сервисов, где DevOps — лишь один из инструментов. Книга организована как сборник статей от разных авторов. Полезна всем, кто занимается организацией надёжности высоконагруженных сервисов.

«Программирование инфраструктуры. Как создаются адаптивные облачные системы» Моррис

В книге рассказывается, как эффективно использовать принципы, паттерны и практики DevOps, чтобы успешно обслуживать инфраструктуры облачного века. Будет полезна системным администраторам, разработчикам, архитекторам, тимлидам и DevOps-специалистам.

«Безопасность контейнеров. Фундаментальный подход к защите контейнеризированных приложений» Райс

В этой книге, предназначенной для специалистов-практиков, изучаются ключевые технологии, с помощью которых разработчики и специалисты по защите данных могут оценить риски для безопасности и выбрать подходящие решения.

«Ускоряйся! Наука DevOps. Как создавать и масштабировать высокопроизводительные цифровые организации» Форсгрен, Хамбл, Ким

Основу книги составляют исследования с использованием строгих статистических методов, включая данные, собранные из отчетов о состоянии DevOps. В этой книге представлены как результаты, так и научные подходы, которые стоят за этими исследованиями, чтобы вы могли применять всё это на практике.

В «Яндекс Практикуме» есть курсы для тех, кто уже имеет опыт в разработке и хочет расширить свои компетенции и перейти на новый уровень. Практика с первого дня обучения, поддержка наставников и кураторов, обратная связь от экспертов, интерактивный учебник, возможность начать учиться бесплатно — переходите по ссылкам, чтобы узнать о всех преимуществах каждого курса.

«Эксплуатация и разработка в Kubernetes» — за 3 месяца освоите и примените на практике технологии оркестрации контейнеров. Программу составляли инженеры и тимлиды, которые давно работают с Kubernetes. Благодаря этому, вы будете учиться только тому, что на самом деле пригодится в работе. Ближайший старт — 14 ноября.

«Apache Kafka для разработки и архитектуры» — 3-месячный курс для тех, кто хочет влиять на масштабируемость и надёжность систем. С этой технологией вы будете работать с более сложными продуктами и сможете повысить грейд. Есть бесплатная вводная часть. Ближайший старт — 21 ноября.

«Архитектура программного обеспечения» — за 6 месяцев освоите лучшие практики архитектуры и научитесь решать сложные архитектурные задачи. Есть бесплатная вводная часть. Ближайший старт — 24 октября, 28 ноября и 12 декабря.

Бесплатно начните любой курс «Яндекс Практикума», пройдите первую тему и получите скидку 20 % на оплату обучения до 30 ноября.

Open Source Initiative (OSI), десятилетиями определяющая стандарты открытого программного обеспечения (ПО), ввела определение для понятия «открытый ИИ». Теперь, чтобы модель ИИ считалась действительно открытой, OSI требует предоставления доступа к данным, использованным для её обучения, полному исходному коду, а также ко всем параметрам и весам, определяющим её поведение. Эти новые условия могут существенно повлиять на технологическую индустрию, поскольку такие ИИ-модели, как Llama компании Meta✴ не соответствуют этим стандартам.

Источник изображения: BrianPenny / Pixabay

Неудивительно, что Meta✴ придерживается иной точки зрения, считая, что подход OSI не учитывает особенностей современных ИИ-систем. Представитель компании Фейт Айшен (Faith Eischen) подчеркнула, что Meta✴, хотя и поддерживает многие инициативы OSI, не согласна с предложенным определением, поскольку, по её словам, «единого стандарта для открытого ИИ не существует». Она также добавила, что Meta✴ продолжит работать с OSI и другими организациями, чтобы обеспечить «ответственное расширение доступа к ИИ» вне зависимости от формальных критериев. При этом Meta✴ подчёркивает, что её модель Llama ограничена в коммерческом применении в приложениях с аудиторией более 700 млн пользователей, что противоречит стандартам OSI, подразумевающим полную свободу её использования и модификации.

Принципы OSI, определяющие стандарты открытого ПО, на протяжении 25 лет признаются сообществом разработчиков и активно им используются. Благодаря этим принципам разработчики могут свободно использовать чужие наработки, не опасаясь юридических претензий. Новое определение OSI для ИИ-моделей предполагает аналогичное применение принципов открытости, однако для техногигантов, таких как Meta✴, это может стать серьёзным вызовом. Недавно некоммерческая организация Linux Foundation также вступила в обсуждение, предложив свою трактовку «открытого ИИ», что подчёркивает возрастающую значимость данной темы для всей ИТ-индустрии.

Исполнительный директор OSI Стефано Маффулли (Stefano Maffulli) отметил, что разработка нового определения «открытого ИИ» заняла два года и включала консультации с экспертами в области машинного обучения (ML) и обработки естественного языка (NLP), философами, представителями Creative Commons и другими специалистами. Этот процесс позволил OSI создать определение, которое может стать основой для борьбы с так называемым «open washing», когда компании заявляют о своей открытости, но фактически ограничивают возможности использования и модификации своих продуктов.

Meta✴ объясняет своё нежелание раскрывать данные обучения ИИ вопросами безопасности, однако критики указывают на иные мотивы, среди которых минимизация юридических рисков и сохранение конкурентного преимущества. Многие ИИ-модели, вероятно, обучены на материалах, защищённых авторским правом. Так, весной The New York Times сообщила, что Meta✴ признала наличие такого контента в своих данных для обучения, поскольку его фильтрация практически невозможна. В то время как Meta✴ и другие компании, включая OpenAI и Perplexity, сталкиваются с судебными исками за возможное нарушение авторских прав, ИИ-модель Stable Diffusion остаётся одним из немногих примеров открытого доступа к данным обучения ИИ.

Маффулли видит в действиях Meta✴ параллели с позицией Microsoft 1990-х годов, когда та рассматривала открытое ПО как угрозу своему бизнесу. Meta✴, по словам Маффулли, подчёркивает объём своих инвестиций в модель Llama, предполагая, что такие ресурсоёмкие разработки по силам немногим. Использование Meta✴ данных обучения в закрытом формате, по мнению Маффулли, стало своего рода «секретным ингредиентом», который позволяет корпорации удерживать конкурентное преимущество и защищать свою интеллектуальную собственность.

Собрали курсы для специалистов с опытом, которые можно пройти в любое удобное время в своём темпе. Курсы охватывают разные темы: от облачных сервисов и алгоритмов до основ Go и навыков наставничества.

Источник изображения: «Яндекс Практикум»

«Инженер облачных сервисов» — научитесь использовать облачные сервисы и познакомитесь с возможностями платформы Yandex Cloud. Курс для системных администраторов, разработчиков и инженеров данных, а также всех, кто интересуется облачными технологиями.

Программа рассчитана примерно на 70 часов. Вы выполните 60 практических работ в своём облаке в Yandex Cloud и сможете получить сертификат о прохождении курса.

«Подготовка к алгоритмическому собеседованию» — узнаете, как проходят алгоритмические собеседования и как к ним подготовиться. Курс для разработчиков, которые ещё не изучали алгоритмы, и для тех, кто хочет оценить уровень своей подготовки к алгоритмическому интервью.

Для изучения теоретического материала понадобится 10 часов. Время прохождения практики зависит от вашей подготовки.

«Основы Go» — обучитесь основам Go на реальном коде и задачах, получите навыки тестирования и исправления ошибок. Курс для тех, у кого есть опыт в программировании на других языках. Программа рассчитана примерно на 30 часов.

«Наставник в IT» — за 4 часа узнаете, как давать обратную связь, мотивировать команду и решать конфликты. Курс для тимлидов (настоящих и будущих), а также менеджеров и всех тех, кто хочет лучше работать с командой.

Практикум знает, как сделать учебу интересной. Для этого у нас над курсами работает большая команда, авторы и методисты, которые знают, где лучше поставить теорию на паузу и попробовать применить знания на практике. Бесплатно начните любой курс Яндекс Практикума, пройдите первую тему и получите скидку 20% на оплату обучения до 30 ноября. Мы снизили цену, но оставили в курсах всё то, что помогает добиваться цели, какой бы она ни была:

Вебинары и живые лекции

Чтобы вы не оставались с теорией один на один.

Практика на реальных задачах

Во время которой вы соберёте портфолио и подготовитесь к будущей работе.

Поддержка YaGPT и наставников

Команда сопровождения поможет не сдаться на полпути, а технологии Яндекса упростят учёбу.

Помощь с трудоустройством

Если в целях была новая работа, то мы поможем добиться желаемого.

А ещё скидку можно применить на курсы английского — для этого вам нужно просто записаться на консультацию.

Начните учёбу для качественных изменений в карьере и жизни.

Последние несколько лет спрос на специалистов по 1С на российском рынке остаётся стабильно высоким, даже на стажёров. Это обусловлено тем, что всё больше организаций переходят на отечественную платформу автоматизации бизнеса «1С:Предприятие», отказываясь от западных аналогов из-за санкций и реализуя поддерживаемые государством программы импортозамещения ПО.

«1С:Предприятие» — один из самых популярных в России и СНГ программных комплексов для автоматизации процессов документооборота, ведения бухгалтерского учёта, управления предприятиями различных сфер деятельности и решения прочих задач в корпоративной среде

О востребованности экспертов по 1С говорит рост количества вакансий и предлагаемых зарплат — только на площадке hh.ru насчитывается свыше 11 тысяч для разработчиков. При этом предложения по заработной плате варьируются в зависимости от региона РФ и стартуют с 50 тысяч рублей для начинающих специалистов и с 200 тысяч рублей для профессионалов с опытом работы (согласно данным сервиса «Хабр Карьера»).

По данным банка «Точка», за последние два года медианные зарплаты в IT-сегменте выросли на 15 %, и больше всего повысились зарплаты разработчиков 1С — на 46 % относительно 2022 года. Однако вместе с зарплатами растут и требования — для входа в профессию нужны опыт и знания. Одним из вариантов освоить новую профессию могут стать онлайн-курсы. У Яндекс Практикума есть курсы «Разработчик 1C» и «1С‑аналитик». Они ориентированы на тех, кто только начинает свой путь в новой профессии, а также может подойти тем, кто уже начал свой путь в 1С-разработке или аналитике самостоятельно. Для обучения главное — иметь компьютер и достаточно времени для занятий.

Первый курс — «Разработчик 1C» — позволяет за 6 месяцев освоить с нуля 1С — один из самых востребованных языков программирования, в котором можно писать код как на английском, так и на русском. Авторы курса — эксперты по 1С из Яндекса и других крупных компаний с опытом 10+ лет. Курс совмещает наглядную теорию с непрерывной практикой и позволяет научиться создавать информационные системы на базе 1С, программировать в среде «1С:Предприятие», разрабатывать собственные конфигурации на платформе 1С, интегрировать 1С со сторонними сервисами, разрабатывать мобильные версии приложений на базе 1С, поддерживать работоспособность готовых информационных систем и решать прочие, отвечающие требованиям рынка и заказчиков задачи. Программа курса одобрена учебным центром 1С и соответствует современным технологиям разработки на 1С. По завершении обучения выпускник получит диплом о профессиональной переподготовке и свидетельство от учебного центра 1С. Также Практикум поможет с трудоустройством: в карьерном центре расскажут, как оформить резюме и портфолио, а также как откликаться на вакансии.

Курс «Разработчик 1C»

Продолжительность второго курса — «1С‑аналитик» — составляет 8 месяцев. За это время студенты научатся анализировать и моделировать бизнес-процессы, а также описывать их с помощью нотаций, взаимодействовать с 1С‑программистами: ставить задачи и контролировать их выполнение, выбирать инструменты и методы интеграции 1С, подбирать оптимальные конфигурации 1С и писать документацию. Студент успеет сделать девять практических работ и четыре проекта для портфолио. На всех этапах обучения студентов ждёт поддержка команды сопровождения, наставники — опытные специалисты — проводят вебинары и отвечают на сложные вопросы по теории и практике; ревьюеры проверяют домашние работы и проекта, а кураторы помогают не потеряться в учебном процессе. Учёбе потребуется уделять от 15 часов в неделю. Заниматься можно в любое время, главное — вовремя сдавать проекты на проверку.

Курс «1С‑аналитик»

Практикум использует технологии для помощи в обучении, поэтому студенты могут пользоваться YandexGPT, чтобы получить быстрый ответ на вопрос или сделать конспект урока.

У обоих курсов есть бесплатные части на 2 и 6 часов, которые помогут погрузиться в профессию и понять, подходит ли такой формат обучения и стоит ли развиваться в выбранном направлении. Если решите продолжить, необязательно оплачивать курс целиком — можно частями или в кредит. Желаем успеха в освоении новых специальностей!

Одним из источников данных для обучения систем генеративного искусственного интеллекта являются общедоступные веб-ресурсы. Apple предоставила их владельцам возможность отказаться от сбора данных для обучения системы Apple Intelligence, и многие из крупнейших ресурсов этой возможностью воспользовались. Среди них значатся Facebook✴ и Instagram✴, а также крупные новостные и медийные ресурсы, включая New York Times и The Atlantic.

В течение последних лет Apple применяла веб-сканер под названием AppleBot — собранные им данные использовались для обучения Siri и поисковой машины Spotlight. А совсем недавно компания подключила к AppleBot и Apple Intelligence. Это спорная практика, поскольку современный ИИ вольно обходится с защищёнными авторским правом материалами — в узких областях, где материалов вообще не так много, системы почти без изменений цитируют целые абзацы.

Apple уверяет, что производит сбор информации с учётом этических норм, отсеивая персональные данные, пользуясь только лицензированными материалами и общедоступными данными, которые поступают от сканера AppleBot. Чтобы дать веб-мастерам возможность отказаться от сбора информации только для обучения ИИ, компания использовала псевдоним Applebot-Extended — стандартная поисковая индексация при запрете этого псевдонима остаётся.

Отказ осуществляется внесением соответствующей директивы в общедоступный на веб-ресурсах файл robots.txt, а значит, у любого желающего есть возможность увидеть, кто из издателей заблокировал к себе доступ Apple Intelligence. Это сделали Facebook✴, Instagram✴, Craigslist, Tumblr, New York Times, Financial Times, The Atlantic, Vox Media, сеть USA Today и Condé Nast, установил журнал Wired. Чуть более четверти крупных американских новостных сайтов (294 из 1167) отказались пускать к себе ИИ от Apple, уточнил журналист Бен Уэлш (Ben Welsh).

По неподтверждённой информации, Apple заключила с некоторым медиакомпаниями сделки, заплатив им за право использовать их материалы для обучения ИИ. Вероятно, эти соображения сдерживают и остальные ресурсы — они просто ждут денег.

Чтобы успешно двигаться вперёд и достигать своих целей, нужна карьерная стратегия. Ошибки на этом пути неизбежны, и это нормально. Важно их осознавать и корректировать.

Вот возможные зоны роста, над которыми можно работать.

1. Отсутствие связи карьерных и жизненных целей. Например, человек хочет завести семью, написать книгу или посетить 30 стран. При этом он, не раздумывая, соглашается на новые оферы, повышения, берётся за решение новых задач. Он успешен в карьере, но забывает о своих мечтах.

Проверяйте, не мешает ли карьера вашим ценностям и потребностям. Сначала определите жизненные цели, а затем уже карьерные, которые их поддержат.

2. Страх перемен. С детства мы усваиваем, что стабильность — это хорошо. Сейчас контекст тоже не добавляет спокойствия. Бывает, человеку настолько важно мнение окружающих, что это останавливает его от перемен в жизни.

Будьте смелее и помните: удачного времени не бывает, действовать можно уже сейчас. Запишитесь на курсы и расширяйте кругозор, чтобы повысить уверенность и открыть новые карьерные возможности.

3. Отсутствие поддержки. Если человек решился на перемены, а семья и близкие его не поддерживают, в перспективе это может стать большой проблемой.

Заручитесь командой поддержки, присоединяйтесь к профессиональному сообществу. Если чувствуете, что вокруг нет тех, кто вас поддерживает, сформируйте эту среду самостоятельно.

4. Отсутствие гибкости. Например, есть чёткая карьерная цель: войти в IT и стать бизнес-аналитиком. Человек прошёл обучение, прощупал рынок и понял, что быстро устроиться не получится, но можно претендовать на роль менеджера проектов.

Скорректировать стратегию достижения цели — не значит сдаться. Если проявить гибкость, можно войти в ІТ как проектный менеджер, потом в той же компании или через несколько компаний сделать горизонтальный переход.

5. Игнорирование своих талантов, потребностей, личных особенностей, мотивации. Например, если человек раз за разом берётся за суперамбициозные проекты, хотя в прошлый уже выгорал в похожей ситуации. Или остаётся в компании, которая ему не нравится, потому что в ней есть возможности для роста.

Осознавайте свои потребности и работайте над синдромом самозванца, чтобы защитить себя от выгорания. Решать такие дилеммы помогают менторы, наставники или коучи.

Чтобы развиваться в профессии, нужно непрестанно учиться. Часто приходится совмещать обучение с основной работой или другими задачами. Здесь не обойтись без внешней поддержки — близких, друзей или товарищей по учёбе.

На курсах в «Яндекс Практикуме» никто не остаётся наедине с трудностями. Поддержку и совет всегда можно получить в сообществе студентов и выпускников, а опытные наставники и ревьюеры разберут ошибки, подскажут, что улучшить, и поделятся кейсами из своей практики.

Присмотритесь к курсам для специалистов с опытом, если хотите вырасти из джуна в мидла, сменить специальность и начать решать более сложные задачи. Обучайтесь новым навыкам и растите в профессии с поддержкой практиков и технологий Яндекса.

Хотя сейчас на любой вопрос ответит нейросеть или ролик на YouTube, книги остаются важным источником знаний. Материал в них построен по нарастанию сложности, авторы проходят многоэтапные проверки, правки и рецензирование, а издательства предъявляют высокие требования к качеству содержания.

Делимся списком книг, которые помогут Python-разработчику перенять опыт самых-самых, узнать больше об этом языке программирования и вырасти в профессии.

Python. К вершинам мастерства, Лучано Рамальо — руководство поможет разработчикам полностью раскрыть потенциал языка. Акцент на использование наиболее эффективных конструкций Python.

Python. Книга рецептов, Дэвид Бизли, Брайан К. Джонс — сборник «рецептов» для разработчиков, охватывающий широкий спектр задач и проблем. Позволяет быстро находить и применять готовые решения.

Чистый Python. Тонкости программирования для профи, Дэн Бейдер — издание о трюках и приёмах, которые помогут писать более элегантный и эффективный код на Python.

Высокопроизводительные Python-приложения. Практическое руководство по эффективному программированию, Горелик Миша, Йен Освальд — издание поможет вычислить «бутылочное горлышко» в производительности приложений, заметно ускорить выполнение кода в программах, работающих с большими объёмами данных.

Python на практике: Создание лучших программ с использованием параллелизма, библиотек и шаблонов, Марк Саммерфилд — книга охватывает продвинутые темы, такие как многопоточность, параллелизм и использование шаблонов проектирования на Python.

Объектно-ориентированный Python, Стивен Лотт — книга углублённо рассматривает принципы ООП, включая проектирование классов и использование метаклассов.

Высокие требования к качеству материала и грамотный переход от простого к сложному характерны не только для книг, но и для курсов «Яндекс Практикума». При этом вы не останетесь один на один с буквами и кодом — в течение всей учёбы вас будут поддерживать опытные наставники, ревьюеры и другие студенты.

На курсе «Мидл Python-разработчик» за 6 месяцев вы научитесь тому, что отличает опытного разработчика от новичка, и сможете вырасти, чтобы претендовать на позицию мидла. Если вы уже знакомы с основами Python, начните учиться бесплатно и пройдите тестирование, чтобы оценить свой уровень.

В следующем году, как обещает гендиректор Tesla Илон Маск (Elon Musk), компания начнёт использовать человекоподобных роботов Optimus для внутренних операций с последующим запуском массового производства для поставок сторонним компаниям в 2026 году. В связи с этим в течение последнего года Tesla наняла десятки тренеров для обучения роботов, пишет TechSpot.

Источник изображения: TechSpot

Согласно разделу вакансий на сайте Tesla, работа оператора по сбору данных в подразделении компании в Пало-Альто подразумевает использование костюма для захвата движений и гарнитуры виртуальной реальности во время выполнения определённых движений.

Также указано, что претенденты на вакансию должны быть в хорошей физической форме, поскольку обязанности тренера предполагают ходьбу более семи часов в день с переноской до 30 фунтов (13,6 кг). Рост претендента должен составлять 170–180 см, чтобы надеть костюм для захвата движения и комфортно работать в среде виртуальной реальности в течение длительного времени, что может вызывать у некоторых людей тошноту. По словам Маска, высота Optimus будет около 173 см, отсюда такие требования к росту.

В числе требований к претендентам также указано умение стоять, сидеть, ходить, наклоняться, сгибаться, тянуться, приседать и поворачиваться в течение дня. Тренеры должны будут анализировать собираемую ими информацию и готовить отчёты. Работать они будут по гибкому графику днём/ночью с одним выходным и со сверхурочной работой при необходимости. Оплата составляет от $25 до $48 в час с выплатой премий и предоставлением льгот.

По словам Маска, несколько роботов Optimus уже работают на заводе Tesla во Фримонте, где они занимаются переноской аккумуляторных ячеек и укладкой их в транспортные контейнеры.

Нейросеть YandexGPT научат распознавать и переводить текст с изображений, аудио- и видеофайлов, пишут «Ведомости» со ссылкой на описание вакансии AI-тренера, опубликованной на сайте компании «Яндекс». По словам источника ресурса, близкого к «Яндексу», предполагается нанять около десятка специалистов такого профиля.

Источник изображения: geralt/Pixabay

Как указано в описании вакансии, в обязанности тренера входит обучение генеративной модели, создавая собственные эталонные примеры, а также оценка качества перевода и обучение нейросети распознаванию и переводу текста с изображений и видео.

В начале 2023 года «Яндекс» объявляла набор AI-тренеров для обучения моделей семейства YandexGPT, напомнил представитель компании. Но если тогда принимали на работу специалистов гуманитарного направления, умеющих работать с русскоязычными текстами, то сейчас речь идёт о специалистах, ориентирующихся в узкоспециализированных тематиках, чтобы точечно углубить знания ИИ-модели. Например, они должны разбираться в терминологии самых разных направлений — от физики до юриспруденции, сообщил представитель «Яндекса».

Гендиректор Dbrain, автор Telegram-канала AI Happens Алексей Хахунов отметил, что в машинном обучении самыми важными критерии являются чистота и качество данных. По словам Хахунова, для обучения современных моделей нужны два типа специалистов: нейролингвисты, которые знают, как работают нейросети и могут создавать современные алгоритмы — в первую очередь машинных переводов, и специалисты, в совершенстве владеющие несколькими языками, что позволяет создавать пары между различными языками.

При этом нужно делать не дословный перевод, а собирать семантически близкие виды переводов. «Одни и те же фразы по смыслу могут звучать по-разному на разных языках, и важно, чтобы переводчик опирался на глубокое понимание языка, а не на дословный перевод», — пояснил эксперт.

С ним согласился эксперт Альянса искусственного интеллекта Андрей Комиссаров, по словам которого, проблема в том, что на большом количестве языков нейросети делают дословный перевод, поскольку не ощущают тонкостей языка и не могут работать с фразеологизмами. «В данном случае речь идёт о дообучении модели. Для этого необходимо чутье языка», — отметил он.

Сейчас с переводом у нейросетей дела идут по-разному. «Если с английским языком машина более-менее справляется, то в случае с китайским, если перевести текст туда и обратно, он фактически превратится в бессвязный набор слов», — сообщил Комиссаров.

Мотивация — это цикличное явление, с подъёмами, пиками и спадами. Невозможно всегда находиться на пике, это важно понять и принять.

Мотивация может уходить по нескольким причинам:

• Смена фокуса. Новое дело, например английский, вдохновляет и отодвигает на задние планы стандартные сферы жизни — семья, работа, учёба, здоровье, хобби. Но постепенно другие задачи возвращаются.
• Непредвиденные обстоятельства. Стресс, внеплановые дедлайны на работе, болезнь или эмоциональные проблемы.
• Отсутствие интереса. Если делать что-то по необходимости, без интереса, это быстро станет скучным.
• Наступление плато. Когда начинаешь учить язык, любые достижения ощущаются значительными. А чем выше уровень — тем сложнее увидеть результат. В этом случае может наступить плато: ощущение, что прогресса нет.

Если не бросить заниматься на спаде, вы обязательно выйдете на новый виток, вернёте силы и желание учиться. На этом этапе вашими главными помощниками станут маленькие шаги, фиксирование успехов и разнообразие.

Маленькие шаги. Делайте то, на что у вас хватает сил сейчас. Например, 15 минут практики в лексическом тренажёре или одно задание на повторение неправильных глаголов. Самое важное — не корить себя, а принять, что сейчас — так, и это нормально.

Главная ошибка — начать заниматься ещё больше. Например, по два часа каждый день вместо одного. Это заберёт оставшиеся силы, не даст результата, вызовет чувство вины и бессилия.

Фиксирование успехов. Когда кажется, что обучение напрасно, результата нет, — поможет взгляд со стороны: зафиксируйте свой результат в моменте, вспомните — какими вы были в начале пути, и сравните с тем, что умеете сейчас.

Разнообразие. Выполнять одни и те же задания — скучно. Добавляйте новые форматы. Попросите преподавателя разнообразить уроки, добавить что-то новенькое: посмотреть и обсудить интересное видео, разобрать любимую песню, поговорить на темы, которые вас особенно волнуют.

Если учите язык без преподавателя, найдите каналы, блоги и аккаунты в соцсетях на английском языке. Ещё можно присоединиться к разговорному клубу: игровая форма и новые знакомства тоже подогревают мотивацию.

Системный подход к обучению поможет двигаться вперёд даже тогда, когда мотивация идёт на спад. На курсах английского от «Яндекс Практикума» студенты учатся по чётко выстроенному плану и используют систему «маленьких шагов». Каждое занятие занимает 30 минут —- этого достаточно для прогресса, а время выделить легче.

Студенты фиксируют успехи с помощью регулярных тестов и обратной связи от преподавателя. А разнообразие вносят интерактивный тренажёр, бесплатные разговорные клубы и общение с иностранными преподавателями.

Звучит интересно? Записывайтесь на бесплатный урок с преподавателем.

На уроке вас ждёт полноценное занятие. Вы узнаете свой уровень языка, разберёте грамматическую тему, потренируетесь в говорении, а также познакомитесь с тренажёром. А в конце подберёте подходящий курс.

Подробнее о курсах английского от «Яндекс Практикума»

Чем плотнее вы окружите себя английским, тем быстрее начнёте его понимать и использовать в жизни. Но как именно формировать среду для обучения? Вот 7 способов погрузиться в язык и его культуру.

Попробуйте все методы и выберите те, что вам нравятся: обучение должно приносить радость, иначе есть риск быстро забросить.

Найти товарища по обучению, стади-бадди (study buddy) — договоритесь со знакомым или коллегой встречаться для практики общения и взаимной поддержки. Это поможет преодолеть языковой барьер и узнать новую лексику.

Переслушивать свою речь — используйте распознаватели речи, например, Voice Dictation. Это поможет оценить, насколько понятно ваше произношение и исправить ошибки. Если микрофон слышит sink вместо think, слушайте носителей языка, копируйте произношение и интонации.

Знакомиться с разными типами речи — в IT довольно часто ваши собеседники не будут говорить на чистом английском. Научиться воспринимать разную речь помогут приложения, такие как YouGlish.

Визуализировать — способ для тех, кому важнее увидеть слово и закрепить за ним конкретный образ, а не просто услышать. Клейте стикеры с названиями предметов на мебель, продукты и технику. Это поможет лучше запомнить слова.

Сменить язык интерфейса и соцсетей — это поможет учить новые слова и выражения в знакомом контексте. Не стоит пересиливать себя, если сложно ориентироваться.

Смотреть короткие видео — подпишитесь на англоязычных блогеров из вашей сферы. Лексика всегда будет самая современная, а вы будете в курсе трендов. Короткие видео часто с субтитрами, что помогает учить новые слова.

Подружиться с носителем — используйте приложения для поиска собеседников из разных стран, например, Tandem. Общайтесь в видеочате или мессенджере на интересные вам темы.

Ещё один способ — участвовать в бесплатных челленджах. Например, 5 августа в канале «Английский от Яндекс Практикума» начнётся челлендж, посвящённый поездкам по миру.

Программа рассчитана для всех, кто хочет изучить или освежить английский. Профессия, возраст и уровень владения не имеют значения. Вы выучите полезные слова, фразы и идиомы, которые пригодятся в отпуске, командировке и путешествии, а также получите подборку фильмов и подкастов для закрепления и расширения знаний.

Пройдите хотя бы одно занятие, чтобы получить скидку на любой курс английского в «Практикуме». Подписывайтесь и присоединяйтесь к челленджу «Английский от Яндекс Практикума».

OpenAI разрабатывает систему искусственного интеллекта, в которой применяется новый подход — проект носит кодовое название Strawberry. Отличием новой модели является её способность рассуждать. Об этом сообщает Reuters со ссылкой на внутренний документ OpenAI, с которым ещё в мае ознакомились журналисты агентства.

Источник изображения: Mariia Shalabaieva / unsplash.com

Точную дату документа установить не удалось, но в нём подробно изложено, как компания намеревается использовать Strawberry для проведения исследований — сейчас модель находится в процессе разработки, сообщил источник издания. Не удалось также установить, насколько модель Strawberry близка к выходу в общий доступ. Она засекречена, и доступ к ней строго охраняется даже внутри OpenAI. В документе описан проект, в рамках которого Strawberry не просто даёт ответы на вопросы, а составляет план для автономной навигации ИИ в интернете для выполнения некоего «глубокого исследования».

В OpenAI отмалчиваться или отрицать существование проекта не стали. «Хотим, чтобы наши модели ИИ видели и понимали мир так же, как мы. Непрерывное исследование новых возможностей ИИ — обычная практика в отрасли, и мы разделяем уверенность, что в будущем эти системы будут совершенствовать свои способности рассуждать», — заявил представитель компании. Работа над проектом велась ещё в прошлом году, но тогда он назывался Q* («Q со звёздочкой»), а инцидент с увольнением Сэма Альтмана (Sam Altman) произошёл вскоре после его запуска и получения первых результатов. Двое сотрудников OpenAI сообщили о том, как в этом году стали свидетелями демонстраций возможностей Q* — модель успешно отвечала на сложные научные вопросы и справлялась с математическими задачами.

Источник изображения: Lukas / pixabay.com

Во вторник в компании прошло внутреннее общее собрание, на котором был показан некий исследовательский проект — ИИ с новыми навыками рассуждения, подобными человеческим. Представитель OpenAI подтвердил факт проведения встречи, но отказался рассказать, что на ней было; Reuters не удалось установить, шла ли речь о проекте Strawberry. Предполагается, что система нового поколения задаст новую планку в аспекте способности ИИ рассуждать — это стало возможным благодаря новому способу обработки модели, которая была предварительно обучена на очень больших наборах данных.

В последние месяцы OpenAI в конфиденциальном порядке давала понять разработчикам и другим сторонним лицам, что находится на пороге выпуска технологии, связанной со значительно более продвинутыми способностями ИИ к рассуждениям, утверждают анонимные источники. Особенностью Strawberry является уникальная методика обработки системы ИИ после процедуры обучения — чаще всего под ней подразумевается «тонкая настройка» модели. В случае Strawberry речь идёт о сходстве с методом StaR (Self-Taught Reasoner), который был разработан в 2022 году в Стэнфордском университете (США): он описывает самообучение ИИ и итеративную подготовку моделью собственных наборов данных для последующего дополнительного обучения — эта схема в теории может использоваться для создания модели ИИ, которая превзойдёт интеллект человеческого уровня.

Важнейшей способностью Strawberry является выполнение задач, которые требуют планирования наперёд и выполнения ряда действий в течение длительного периода времени. Для этого в OpenAI проводятся создание, обучение и оценка моделей на данных «глубокого исследования» — состав этого набора данных и продолжительность периода, на который ИИ составляется план, журналистам установить не удалось. Такая модель реализует собственные исследовательские проекты, в автономном режиме осуществляя веб-серфинг при помощи специального агента — пользователя компьютера (Сomputer-Using Agent, CUA). В рамках проверки работы такая модель будет выполнять задачи, которые поручаются инженерам по ПО и машинному обучению.