Зросли зарплати Senior Business та Senior Data Analysts. У категорії Data Science/Engineering/ML/AI є зростання зарплат майже до рівня минулого року. Дата-фахівцям переглядають зарплату дещо частіше, ніж іншим айтівцям загалом. Це результати літнього опитування DOU щодо фахівців, що працюють з даними. 3
Як навчити нейромережу чути своє ім’я, вмістивши її у 50KB? Олександр ділиться досвідом розробки кастомної wake word моделі на TensorFlow. У статті ви дізнаєтеся, як звук перетворюється на картинку, як боротися зі шумами та чому через один рядок коду модель два тижні була «глухою», поки Average не змінили на Max Pooling. 10
Загалом медіана зарплат у сфері DefTech на $200 нижча, ніж в IT. Найвищі медіанні зарплати у DefTech мають DevOps-фахівці, Hardware-інженери та продакт-менеджери. Медіанна зарплата інженера-конструктора в DefTech — $2550, інженера БпЛА — $1500. Публікуємо результати зарплатного опитування DOU. 5
У продовженні циклу статей «Експертні системи для R&D» Микола Федчик пояснює, як влаштована інфраструктура виконання. Читайте, чому різні класи математики просяться на різне залізо (CPU для правил і графів, GPU/NPU для векторів і LLM), про топології від хмари до периферії, FLOPS/TOPS, обмеження SWaP та числовий дрейф ембедера. 7
Мультимодальні моделі класно розпізнають картинки, але підходять не для всіх візуальних задач. У статті Марта Сумик пояснює, які задачі розв’язує Computer Vision, коли варто використовувати спеціалізовані
У своєму блозі Дмитро Войтех, CTO та AI/ML-інженер, розповідає про технічний бік створення датасету RUKOPYS. Це друга частина історії, де автор пояснює пайплайн підготовки даних, виклики ручної анотації складного українського почерку та те, як саме вчать AI-моделі працювати з історичними архівами. 1
Організатори обіцяють залучити нову групу учасників, а найуспішніших студентів традиційно підтримають стипендіями. 1
Щоб навчити ШІ розуміти український почерк, довелося підняти архіви столітньої давнини. Дмитро Войтех, CTO та AI/ML-інженер, розповідає, як потреба автоматизувати держпослуги переросла у датасет RUKOPYS, на чому його тренують та чому це важливо для збереження нашої спадщини. 15
Майбутнє IoT за пристроями, які думають локально. У новій статті — про те як написати нейромережу для розпізнавання жестів, стиснути її до 2 кілобайт та запустити на дешевому чипі Raspberry Pi Pico без підключення до сервера. 8
Звичний SDLC не працює для ШІ-агентів, адже їхня поведінка залежить не лише від коду. Python-розробник Андрій Кравець розбирає новий підхід — ADLC. Навіщо потрібні eval-харнес та golden set, і як тестувати такі системи без хайпу? Читайте у його блозі. 18
Коли тягач має під’їхати до трейлера з точністю до 0,1°, одного лише штучного інтелекту недостатньо. Сергій Дорошенко ділиться інженерним досвідом: як об’єднати дані з камер і LiDAR, адаптувати OCR для вертикальних номерів та запустити важкі
Євгеній Лабунський будує домашню систему просунутої автоматизації, яка сама вирішує, коли заряджати авто, гріти воду, як використовувати сонце, батарею і мережу. У статті він розповідає про архітектуру Edge, прогнозування SOC, споживання та PV-генерації, а також про те, як
Так само як знання DOM робить вас кращим React-розробником, так і розуміння бази AI-агентів допоможе ефективніше застосовувати їх у роботі. Юрій Гуц розбирає архітектуру агентів від теорії до коду та показує, як їх створювати власноруч без фреймворків і хмари. Якщо ви користуєтесь Claude Code чи Cursor, після цієї статті ви подивитеся на них зовсім по-новому. 4
Edge AI називають одним із найгучніших трендів останнього десятиліття, але більшість проєктів так і не доходить до продакшену. Віктор Смертний, Founder в
Зарплати продуктових аналітиків відновилися та продовжують зростати. У спеціалізаціях ML/DL Engineer, Data Scientist, Data Engineer та AI Engineer є тенденція до зниження медіанних зарплат. У бізнес-аналітиків — без змін, тоді як у дата-аналітиків — дещо знизились. Це четверта стаття зарплатного циклу DOU. 2
Торік український школяр Назар Другов подався у 21 американський виш і зупинився на Університеті Тафтса. Тепер він перевівся до MIT. При цьому він продовжує розвивати свій освітній проєкт, на який залучив вже $500К. Назар розповів DOU детально про навчання в MIT, процес переведення і саме навчання. 93
Після прочитання ви зможете зрозуміти базову логіку машинного навчання без складної теорії, навчити модель на реальному датасеті, оцінити точність класифікації. А головне — побачити, що навіть з базовими знаннями Python можна побудувати реальний AI-інструмент, який виконає ваші практичні завдання. 12
Це практичний матеріал про те, як тестувати AI-функції у реальних продуктах. Авторка розповідає, як тестувати generative, vision, NLP-моделі, як працювати з непередбачуваними результатами, а також як оцінювати безпечність, коректність і користь AI для юзерів. 5
Андрій Матвійчук, консультант зі штучного інтелекту та професор КНЕУ, разом із колегою Оленою Житкевич застосували Kohonen Self-Organizing Maps для кластеризації країн за потенціалом скорочення CO₂. У статті він ділиться технічними деталями реалізації — від збору даних до тренування нейромереж. 7
Зоя Стеценко, AI-продакт-менеджерка у JATAPP, пояснює процес генерації зображень через лінійну алгебру: як текстовий промпт перетворюється у вектори й матриці, як саме вони керують генерацією на кожному кроці дифузійної моделі та чому помилки у промптах математично «ламають» результат. 26
Коментарі