На ICT.Moscow опубликовано исследование Performance Lab
Russia Quality Report 2022–2023
#искусственный_интеллект #машинное_обучение #разработка #кадры #импортозамещение #Перфоманс_Лаб
Подписаться на канал ICT.Moscow →
Russia Quality Report 2022–2023
#искусственный_интеллект #машинное_обучение #разработка #кадры #импортозамещение #Перфоманс_Лаб
Подписаться на канал ICT.Moscow →
На ICT.Moscow опубликовано исследование Positive Technologies
Рынок SIEM в России
#искусственный_интеллект #машинное_обучение #информационная_безопасность #кибербезопасность #импортозамещение #TAdviser #Positive_Technologies
Подписаться на канал ICT.Moscow →
Рынок SIEM в России
#искусственный_интеллект #машинное_обучение #информационная_безопасность #кибербезопасность #импортозамещение #TAdviser #Positive_Technologies
Подписаться на канал ICT.Moscow →
На ICT.Moscow опубликовано исследование Deloitte
Технологические тренды 2024 года
#VR #AR #3D #цифровые_двойники #метавселенные #индустрия_4_0 #искусственный_интеллект #генеративный_ИИ #машинное_обучение #цифровая_трансформация #кадры #информационная_безопасность #Deloitte
Подписаться на канал ICT.Moscow →
Технологические тренды 2024 года
#VR #AR #3D #цифровые_двойники #метавселенные #индустрия_4_0 #искусственный_интеллект #генеративный_ИИ #машинное_обучение #цифровая_трансформация #кадры #информационная_безопасность #Deloitte
Подписаться на канал ICT.Moscow →
На ICT.Moscow опубликовано исследование Newmark
Рынок дата-центров в США в 2023 году
#искусственный_интеллект #машинное_обучение #ЦОД #Newmark
Подписаться на канал ICT.Moscow →
Рынок дата-центров в США в 2023 году
#искусственный_интеллект #машинное_обучение #ЦОД #Newmark
Подписаться на канал ICT.Moscow →
На ICT.Moscow опубликовано исследование Яндекс
Карта навыков ML-разработчиков
#искусственный_интеллект #машинное_обучение #генеративный_ИИ #NLP #компьютерное_зрение #кадры #Яндекс
Подписаться на канал ICT.Moscow →
Карта навыков ML-разработчиков
#искусственный_интеллект #машинное_обучение #генеративный_ИИ #NLP #компьютерное_зрение #кадры #Яндекс
Подписаться на канал ICT.Moscow →
На ICT.Moscow опубликовано исследование АНО «Московский урбанистический форум»
Атлас решений городского развития
#машинное_обучение #умный_город #smartcitymoscow #MaaS #АНО_Московский_урбанистический_форум
Подписаться на канал ICT.Moscow →
Атлас решений городского развития
#машинное_обучение #умный_город #smartcitymoscow #MaaS #АНО_Московский_урбанистический_форум
Подписаться на канал ICT.Moscow →
На ICT.Moscow опубликовано исследование OKS LABS
Использование цифровых инструментов в спорте
#RFID #искусственный_интеллект #машинное_обучение #спорт #OKS_LABS
Подписаться на канал ICT.Moscow →
Использование цифровых инструментов в спорте
#RFID #искусственный_интеллект #машинное_обучение #спорт #OKS_LABS
Подписаться на канал ICT.Moscow →
На ICT.Moscow опубликовано исследование Kept
Искусственный интеллект — драйвер изменений экономики и финансов
#искусственный_интеллект #машинное_обучение #Kept
Подписаться на канал ICT.Moscow →
Искусственный интеллект — драйвер изменений экономики и финансов
#искусственный_интеллект #машинное_обучение #Kept
Подписаться на канал ICT.Moscow →
На ICT.Moscow опубликовано исследование Университет Иннополис
Открытие и разработка лекарственных средств с применением ИИ
#искусственный_интеллект #машинное_обучение #медицина #интеллектуальная_собственность #Университет_Иннополис
Подписаться на канал ICT.Moscow →
Открытие и разработка лекарственных средств с применением ИИ
#искусственный_интеллект #машинное_обучение #медицина #интеллектуальная_собственность #Университет_Иннополис
Подписаться на канал ICT.Moscow →
На ICT.Moscow опубликовано исследование Фонд Росконгресс
Квантовые технологии для медицины
#квантовые_вычисления #искусственный_интеллект #машинное_обучение #медицина #квантовый_компьютер #Росконгресс
Подписаться на канал ICT.Moscow →
Квантовые технологии для медицины
#квантовые_вычисления #искусственный_интеллект #машинное_обучение #медицина #квантовый_компьютер #Росконгресс
Подписаться на канал ICT.Moscow →
На ICT.Moscow опубликовано исследование FirstMark
2024 Machine Learning, AI & Data Landscape
Специалисты компании FirstMark при участии Go Fractional собрали десятую ежегодную версию карты рынка машинного обучения, искусственного интеллекта (ИИ) и работы с данными (Machine Learning, AI & Data, MAD). Интерактивная версия карты содержит карточки с информацией о каждом участнике, эти данные были предоставлены компанией CB Insights.
На карту вошло более 2 тыс. игроков. Они обобщенно разделены на три смысловые группы: данные (слева); аналитика, машинное обучение и ИИ (посередине); приложения (справа).
#искусственный_интеллект #генеративный_ИИ #машинное_обучение #аналитика_данных #бизнес_аналитика
🗣 Больше аналитики в разделе «Исследования» →
2024 Machine Learning, AI & Data Landscape
Специалисты компании FirstMark при участии Go Fractional собрали десятую ежегодную версию карты рынка машинного обучения, искусственного интеллекта (ИИ) и работы с данными (Machine Learning, AI & Data, MAD). Интерактивная версия карты содержит карточки с информацией о каждом участнике, эти данные были предоставлены компанией CB Insights.
На карту вошло более 2 тыс. игроков. Они обобщенно разделены на три смысловые группы: данные (слева); аналитика, машинное обучение и ИИ (посередине); приложения (справа).
#искусственный_интеллект #генеративный_ИИ #машинное_обучение #аналитика_данных #бизнес_аналитика
Please open Telegram to view this post
VIEW IN TELEGRAM
Автоматизация процессов обработки документов в российских компаниях
Аналитический центр TAdviser и компания Content AI оценили уровень цифровизации и автоматизации российских организаций с использованием инструментов и технологий обработки документов в связи с уходом глобальных вендоров.
Исследование проводилось в период с февраля по апрель 2024 года, в ходе него было опрошено 92 представителя крупных и средних организаций из более чем 20 различных отраслей.
Не менее 80% организаций в последние пять лет внедрили порядка двух подходов к автоматизации работы с документами. Прежде всего это такие технологии, как автоматическая генерация документации и отчетности, выстраивание документоориентированных процессов (ВРМ), интеллектуальная обработка документов (IDP, OCR), роботизация процессов (RPA).
Большинство компаний, внедривших определенные подходы к автоматизации, планирует развивать эти же направления и в будущем. Прежде всего это искусственный интеллект (ИИ), машинное обучение (ML) и выстраивание документоориентированных процессов (BPM).
Подробнее →
#документооборот #автоматизация
#искусственный_интеллект #машинное_обучение #RPA
🗣 Больше аналитики в разделе «Исследования» →
Аналитический центр TAdviser и компания Content AI оценили уровень цифровизации и автоматизации российских организаций с использованием инструментов и технологий обработки документов в связи с уходом глобальных вендоров.
Исследование проводилось в период с февраля по апрель 2024 года, в ходе него было опрошено 92 представителя крупных и средних организаций из более чем 20 различных отраслей.
Не менее 80% организаций в последние пять лет внедрили порядка двух подходов к автоматизации работы с документами. Прежде всего это такие технологии, как автоматическая генерация документации и отчетности, выстраивание документоориентированных процессов (ВРМ), интеллектуальная обработка документов (IDP, OCR), роботизация процессов (RPA).
Большинство компаний, внедривших определенные подходы к автоматизации, планирует развивать эти же направления и в будущем. Прежде всего это искусственный интеллект (ИИ), машинное обучение (ML) и выстраивание документоориентированных процессов (BPM).
Подробнее →
#документооборот #автоматизация
#искусственный_интеллект #машинное_обучение #RPA
Please open Telegram to view this post
VIEW IN TELEGRAM
68% программистов в работе используют ИИ-инструменты, для 17% машинное обучение — хобби, и только 6% работают специалистами по ML
«СберТех» (входит в контур «Сбера») изучил профиль типичного российского программиста. Для этого в августе 2024 года на «Хабре» был проведен опрос, в котором приняли участие почти 2,5 тыс. человек. Вопросы касались как профиля программиста, применяемых инструментов, его карьерного пути и амбиций, так и отвлеченных тем (привычки, хобби и пр.).
Ключевые выводы:
• возраст большинства программистов, принявших участие в опросе, — от 20 до 39 лет, 87% ответивших на вопросы — мужчины. У 52% — профильное образование, у 29% — иное техническое;
• 39% респондентов относятся к Backend-разработчикам, 19% — к Fullstack и 13% — к Frontend. Только 6% указали, что занимаются ML и Data Science;
• 68% участников опроса в своей работе используют инструменты с искусственным интеллектом (ИИ), из них 9% считают ИИ полноценным соавтором;
• 17% респондентов указали, что в качестве хобби экспериментируют с машинным обучением;
• самые распространенные языки программирования — Java (54%), C (49%) и Python (46%). 44% опрошенных используют SQL, а JavaScript (включая TypeScript) — только 35%. Наименее непопулярные языки — Ruby, Perl и Swift (примерно по 2% каждый);
• 27% опрошенных в той или иной степени имеют отношение к OpenSource. 10% респондентов регулярно вносят в него вклад.
Изучить исследование →
#кадры #искусственный_интеллект #машинное_обучение
«СберТех» (входит в контур «Сбера») изучил профиль типичного российского программиста. Для этого в августе 2024 года на «Хабре» был проведен опрос, в котором приняли участие почти 2,5 тыс. человек. Вопросы касались как профиля программиста, применяемых инструментов, его карьерного пути и амбиций, так и отвлеченных тем (привычки, хобби и пр.).
Ключевые выводы:
• возраст большинства программистов, принявших участие в опросе, — от 20 до 39 лет, 87% ответивших на вопросы — мужчины. У 52% — профильное образование, у 29% — иное техническое;
• 39% респондентов относятся к Backend-разработчикам, 19% — к Fullstack и 13% — к Frontend. Только 6% указали, что занимаются ML и Data Science;
• 68% участников опроса в своей работе используют инструменты с искусственным интеллектом (ИИ), из них 9% считают ИИ полноценным соавтором;
• 17% респондентов указали, что в качестве хобби экспериментируют с машинным обучением;
• самые распространенные языки программирования — Java (54%), C (49%) и Python (46%). 44% опрошенных используют SQL, а JavaScript (включая TypeScript) — только 35%. Наименее непопулярные языки — Ruby, Perl и Swift (примерно по 2% каждый);
• 27% опрошенных в той или иной степени имеют отношение к OpenSource. 10% респондентов регулярно вносят в него вклад.
Изучить исследование →
#кадры #искусственный_интеллект #машинное_обучение
«Яндекс», «Сбер» и Т-Банк вошли в топ- 3 российских разработчиков Open Source в сфере Data/ML
Сотрудники центра «Сильный ИИ в промышленности» ИТМО изучили применение программного обеспечения с открытым исходным кодом (Open Source) в областях искусственного интеллекта (ИИ), машинного обучения (ML) и Data Science.
Ключевые выводы:
• в топ-10 российских разработчиков собственных открытых решений и участников других разработок Open Source (в сфере Data/ML) по результатам опроса экспертов и анализа открытых данных вошли «Яндекс», «Сбер», Т-Банк, Postgres Pro, VK, Avito, Evrone, МТС, Selectel, университеты и институты;
• ключевыми игроками Open Source в России среди академической среды названы ИТМО, «Сколтех», ВШЭ и AIRI;
• сохраняется международность Open Source (как в России, так и во всем мире), обусловленная связностью внутри сообщества и «эффектом масштаба» — чем больше у проекта потенциальных пользователей, тем выше его шанс на успешное развитие. Но создаются и региональные площадки и платформы;
• Open Source в сфере ИИ не ограничивается кодом. Публикации моделей, данных и бенчмарков тоже важны. Многие активно используемые датасеты создаются российскими компаниями;
• почти все используемые в России инструменты ML — это решения Open Source. Среди них авторы выделяют реализации конкретных моделей машинного обучения (например, SciKit Learn) или фреймворки для «сборки» своих моделей ― например, PyTorch и Tensorflow в случае нейронных сетей;
• эксперты возлагают большие надежды на мультиагентные подходы на основе LLM, вплоть до замены части команды разработки на ИИ-агентов. При этом общая постановка задач остается человеку. С практической точки зрения это означает рост запроса на инструменты из сферы LLMOpts и AutoML.
Изучить исследование →
#open_source #искусственный_интеллект #машинное_обучение
Сотрудники центра «Сильный ИИ в промышленности» ИТМО изучили применение программного обеспечения с открытым исходным кодом (Open Source) в областях искусственного интеллекта (ИИ), машинного обучения (ML) и Data Science.
Ключевые выводы:
• в топ-10 российских разработчиков собственных открытых решений и участников других разработок Open Source (в сфере Data/ML) по результатам опроса экспертов и анализа открытых данных вошли «Яндекс», «Сбер», Т-Банк, Postgres Pro, VK, Avito, Evrone, МТС, Selectel, университеты и институты;
• ключевыми игроками Open Source в России среди академической среды названы ИТМО, «Сколтех», ВШЭ и AIRI;
• сохраняется международность Open Source (как в России, так и во всем мире), обусловленная связностью внутри сообщества и «эффектом масштаба» — чем больше у проекта потенциальных пользователей, тем выше его шанс на успешное развитие. Но создаются и региональные площадки и платформы;
• Open Source в сфере ИИ не ограничивается кодом. Публикации моделей, данных и бенчмарков тоже важны. Многие активно используемые датасеты создаются российскими компаниями;
• почти все используемые в России инструменты ML — это решения Open Source. Среди них авторы выделяют реализации конкретных моделей машинного обучения (например, SciKit Learn) или фреймворки для «сборки» своих моделей ― например, PyTorch и Tensorflow в случае нейронных сетей;
• эксперты возлагают большие надежды на мультиагентные подходы на основе LLM, вплоть до замены части команды разработки на ИИ-агентов. При этом общая постановка задач остается человеку. С практической точки зрения это означает рост запроса на инструменты из сферы LLMOpts и AutoML.
Изучить исследование →
#open_source #искусственный_интеллект #машинное_обучение
42% опрошенных аналитиков хотя бы изредка создают и обучают ML-модели
Рекрутинговое агентство NEWHR представило результаты исследования рынка аналитиков. В нем были рассмотрены такие вопросы, как карьерный путь специалистов и их цели, особенности поиска работы, применяемые навыки. Полученные данные сравнивались с результатами предыдущих замеров.
В опросе, который проводился в период с декабря 2023 года по январь 2024 года, приняли участие 464 продуктовых и дата-аналитика. Большинство опрошенных — специалисты со средним опытом и выше.
Ключевые выводы в части применения технологий:
• за год выросла доля продуктовых аналитиков, применяющих машинное обучение. 42% респондентов хотя бы изредка (1–2 раза за полгода) создают и обучают ML-модели, а 19% — разрабатывают ML-сервисы. Регулярно, то есть 1-2 раза в неделю, это делают, соответственно, 4% и 2% опрошенных;
• о том, что самые интересные задачи в аналитике связаны с ML, заявили 50 респондентов, с предсказательными моделями и прогнозированием — 11 специалистов. Самым распространенным вариантом был «поиск инсайтов» (91 ответ);
• из числа 77 респондентов, которые заявили о намерении развиваться внутри специальности, направления Data Scientist и Data Engineering указали по 35,1%, ML — 26%;
• наиболее перспективными отраслями для профессионального развития аналитики считают E-commerce (52,5%), FinTech (48,5%), EdTech (32,5%). Робототехнику назвали 13,4% респондентов, интернет вещей — 12,3%, VR/AR/MR — 11%;
• 408 аналитиков из числа опрошенных используют в работе языки программирования. Чаще всего это Python (93,1%) и SQL (98%);
• 359 респондентов применяют СУБД или системы распределенных вычислений, например PostgreSQL (58,5%), ClickHouse (56,8%), MySQL (19,5%);
• библиотеками машинного обучения пользуются 135 участников опроса. Они используют такие решения, как Scikit-learn (85,9%), CatBoost (46,7%), XGBoost (39,3%), LightGBM (23,7%), PyTorch (21,5%).
Ознакомиться с портретом аналитика →
#кадры #искусственный_интеллект #машинное_обучение
Рекрутинговое агентство NEWHR представило результаты исследования рынка аналитиков. В нем были рассмотрены такие вопросы, как карьерный путь специалистов и их цели, особенности поиска работы, применяемые навыки. Полученные данные сравнивались с результатами предыдущих замеров.
В опросе, который проводился в период с декабря 2023 года по январь 2024 года, приняли участие 464 продуктовых и дата-аналитика. Большинство опрошенных — специалисты со средним опытом и выше.
Ключевые выводы в части применения технологий:
• за год выросла доля продуктовых аналитиков, применяющих машинное обучение. 42% респондентов хотя бы изредка (1–2 раза за полгода) создают и обучают ML-модели, а 19% — разрабатывают ML-сервисы. Регулярно, то есть 1-2 раза в неделю, это делают, соответственно, 4% и 2% опрошенных;
• о том, что самые интересные задачи в аналитике связаны с ML, заявили 50 респондентов, с предсказательными моделями и прогнозированием — 11 специалистов. Самым распространенным вариантом был «поиск инсайтов» (91 ответ);
• из числа 77 респондентов, которые заявили о намерении развиваться внутри специальности, направления Data Scientist и Data Engineering указали по 35,1%, ML — 26%;
• наиболее перспективными отраслями для профессионального развития аналитики считают E-commerce (52,5%), FinTech (48,5%), EdTech (32,5%). Робототехнику назвали 13,4% респондентов, интернет вещей — 12,3%, VR/AR/MR — 11%;
• 408 аналитиков из числа опрошенных используют в работе языки программирования. Чаще всего это Python (93,1%) и SQL (98%);
• 359 респондентов применяют СУБД или системы распределенных вычислений, например PostgreSQL (58,5%), ClickHouse (56,8%), MySQL (19,5%);
• библиотеками машинного обучения пользуются 135 участников опроса. Они используют такие решения, как Scikit-learn (85,9%), CatBoost (46,7%), XGBoost (39,3%), LightGBM (23,7%), PyTorch (21,5%).
Ознакомиться с портретом аналитика →
#кадры #искусственный_интеллект #машинное_обучение