#mlечный_путь — Public Fediverse posts

Agent Driven SDLC: как меняется разработка в эпоху ИИ

Еще примерно год назад нам обещали, что разработка с приходом AI ускорится в 10 раз. Однако все понимают, что прогнозируемого роста за это время не произошло. Почему — сейчас попробуем разобраться. Привет, Хабр! Я Влад Шевченко, CTO по AI в red_mad_robot. Сегодня поговорим об анатомии AI-агентов, критериях готовности компании к работе с ними и кризисе жизненного цикла разработки ПО, а также ответим на вопрос, почему нельзя просто написать запрос агенту и ждать результата. Мы в компании взаимодействуем с искусственным интеллектом уже достаточно давно, и в данный момент занимаемся трансформацией бизнеса: смотрим, что меняется в клиентах, где-то помогаем, а где-то учимся у них. Я разделил SDLC на два подхода. Начнем с разработки классических систем без искусственного интеллекта, но с применением его как помощника.

https://habr.com/ru/companies/selectel/articles/1054740/

#selectel #red_mad_robot #mlечный_путь #вайбкодинг #разработка #искусственный_интеллект

Состоялась конференция MLечный путь 2026 от Selectel

Сегодня, 22 апреля 2026, прошла конференция ML-ечный путь в Open Space. Ну адрес вполне себе Земной. На мероприятии собрались и менеджеры, и DevOps, и специалисты по безопасности, и руководители направлений, директора в различных областях, смежных с разработкой и поддержкой облачных серверов.

https://habr.com/ru/articles/1026812/

#selectel #искусственный_интеллект #mlечный_путь #млечный_путь #MetaX #NVidia #Cuda #RAG #x5retailgroup #машинное_обучение

Как в Купере масштабировали машинное обучение и что из этого получилось

Не секрет, что ML‑модели требуют огромного количества данных. Информации не просто много, она организовывается в многообразные структуры, версионируется, употребляется разными моделями. Скорость обращения данных тоже критична, особенно для систем, взаимодействующих с пользователями в режиме реального времени. При возросшей сложности не обойтись без специализированных инструментов, например Feature Store. Однако случается, что все решения на рынке не годятся по тем или иным причинам. Тогда приходится рассчитывать исключительно на свои силы. Рассказываем, как в Купере внедрили Feast, хранилище признаков (Feature Store) с открытым исходным кодом. После прочтения вы познакомитесь с инструментом и сможете решить, подходит ли Feast для коммерческого использования. Подробности под катом!

https://habr.com/ru/companies/selectel/articles/848266/

#selecte #купер #ml #mlops #mlечный_путь #feature_store #машинное_обучение #bigdata