The Tiny Teams Playbook
Статья описывает феномен «крошечных команд» (Tiny Teams) — небольших стартап-команд, у которых ARR в миллионах превышает число сотрудников. На конференции AI Engineer World's Fair были представлены се
Статья описывает феномен «крошечных команд» (Tiny Teams) — небольших стартап-команд, у которых ARR в миллионах превышает число сотрудников. На конференции AI Engineer World's Fair были представлены се
Четвёртый отчёт Anthropic Economic Index вводит «экономические примитивы» — базовые метрики использования Claude, охватывающие сложность задач, навыки пользователя и ИИ, степень автономии, успешность
В подкасте Latent Space впервые выступает Joel Becker из организации METR, известной своим нашумевшим графиком временных горизонтов ИИ-агентов. Обсуждаются нюансы создания бенчмарков и экстраполяции р
Краткий обзор Anthropic о применении Claude.ai в Индии: страна занимает 2-е место в мире по доле использования (5,8%), уступая только США, но по подушевому показателю — лишь 101-е из 116. Использовани
Anthropic представила четвёртый отчёт своего Economic Index, в котором вводит «экономические примитивы» — пять базовых измерений (сложность задачи, уровень навыков, цель использования, автономия ИИ и
Этан Моллик описывает, как новые инструменты — Microsoft Copilot для Office (за $20 в месяц) и OpenAI GPTs с «GPT Store» и командными подписками — резко упростили и нормализовали использование ИИ, хот
Итан Моллик рассказывает о Code Interpreter (переименованном в Advanced Data Analytics) в ChatGPT — режиме на базе GPT-4, который позволяет загружать файлы до 100MB, писать и исполнять код на Python в
Исследование, проведённое группой учёных совместно с Boston Consulting Group на выборке из 758 консультантов, показало, что использование ChatGPT-4 значительно повышает продуктивность: участники с дос
Этан Моллик рассуждает о «скучной» стороне ИИ — автоматизации рутинных и монотонных рабочих задач. Он ссылается на исследование в Science, показавшее, что ChatGPT сокращает время на деловое письмо на
Итан Моллик утверждает, что LLM уже резко повышают индивидуальную производительность (по ранним исследованиям — экономия 20-70% времени), но пока плохо масштабируются на уровне организаций. Сотрудники
Итан Моллик описывает, как за неделю возможности GPT-4 резко расширились: ChatGPT получил инструмент Code Interpreter, позволяющий загружать файлы до 100MB, запускать Python-код и отдавать результаты
Итан Моллик показывает, как генеративный ИИ помогает преодолеть творческие и рабочие тупики: достаточно попросить модель выдать 10 вариантов застрявшего абзаца в разных стилях, и инерция исчезает. Авт
Итан Моллик описывает беспрецедентную ситуацию: ChatGPT и подобные инструменты массово внедряются индивидуально, минуя организации, и уже сейчас дают огромный прирост продуктивности. Три исследования
Юджин Янь описывает четыре механизма, повышающие продуктивность технических команд и команд команд. End of Week Debrief — неформальные часовые встречи без подготовки, где участники делятся прогрессом,
Юджин Янь делится уроками о том, как эффективно стартовать data science-проекты, чтобы не платить «процентами» при выводе в продакшен. Он советует сначала понять «зачем» и контекст задачи, затем зафик
Юджин Ян (Eugene Yan) делится своими планами на 2021 год, разбитыми на три темы: больше делиться, больше помогать и больше жить. В части «делиться» он планирует продолжать писать еженедельно (с двухне
Гостевой пост Susan Shu в блоге Eugene Yan о распорядке дня и инструментах для максимальной продуктивности. Susan совмещает полную занятость, ведение блога, управление студией видеоигр, учёбу и спорт.
Юджин Ян рассказывает о системе инструментов и рутин, которая помогла ему окончить магистратуру Georgia Tech OMSCS параллельно с полной занятостью, а теперь — еженедельно публиковать тексты. Инструмен
Юджин Ян пересказывает «правило 85%», о котором узнал от Хью Джекмана в подкасте Тима Ферриса. Тренер по спринту год изучал Карла Льюиса и не мог понять, почему тот на отметке 40 метров шёл последним
Юджин Янь описывает рабочий процесс для более простых и быстрых ML-экспериментов на основе трёх инструментов: Jupyter, Papermill и MLflow. Проблема, которую он решает: когда нужно прогнать один и тот
Это вторая часть из двух материалов Eugene Yan (Ziyou Yan) о применении Agile в data science. Автор сначала кратко повторяет, что работает (периодическое планирование и приоритизация, чётко определённ
Юджин Ян разбирает, какие практики Agile (по сути Scrum) хорошо работают в data science, а какие — плохо. Хорошо ложатся три ритуала: планирование и приоритизация в начале спринта (выравнивает команду