Slavlotski: заметки с тегом DataScience

Круглый стол «Как AI-агенты меняют роль дата-инженеров и аналитиков?»

Sat, 19 Sep 2026 19:57:31 +0500

7 июня 2026 состоялся DataBoom Birthday и на ней мне удалось поучаствовать в качестве ментора для начинающихся специалистов и спикера на панельной дискуссии, где мы с коллегами обсудили как AI-агенты меняют роль дата-инженеров и аналитиков.

Пару фоток с круглого стола

Запись круглого стола на YouTube:

Тайм-коды:
00:00 Представление спикеров
01:23 Про границы профилей дата инженера и аналитика
03:51 В каких задачах дата специалистов AI уже приносит пользу?
08:59 Где AI еще плохо решает проблемы?
13:28 Что прокачивать джуну в 2026 году?
18:52 Напутственные слова от спикеров
22:24 Q&A сессия: Как перейти из дата инженерии в продуктовую команду?
24:46 Q&A сессия: Как оценивать перформанс junior специалистов если их техническая рутина уже автоматизирована?
27:51 Q&A сессия: Какие три шага вы бы сделали, если начали свой путь заново?

Небольшие выжимки как моих мыслей, так и мыслей коллег:
• Границы между ролями (инженер отвечает за инфраструктуру и пайплайны, аналитик — за инсайты в данных и работу с бизнесом) остаются, но AI уже позволяет одному человеку закрывать то, что раньше требовало команду из нескольких специалистов: агенты самостоятельно собирают пайплайны, интеграции, резко снижая коммуникационные издержки и повышая планку ожидаемого результата.
• При этом технически почти нет нерешаемых задач — модели легко пишут код и SQL. Главная проблема сместилась в область контекста: LLM обучены «вширь», но не знают специфику конкретного бизнеса, компании, а данные часто разрозненные и плохо размечены (garbage in, garbage out). Именно сбор, поддержание и обновление качественного бизнес-контекста для AI агентов — сейчас главный фронтир, который все в мире пытаются решить.
• Джунам не стоит гнаться за объёмом сгенерированного агентом кода, а уметь верифицировать результат и использовать AI как советника. Ключевые навыки — системное и критическое мышление, умение писать чёткие спецификации, глубокое погружение в бизнес-контекст, любопытство и адаптивность к смене технологий, а также фундаментальные знания (математика, статистика, распределённые системы), которые не устаревают.
• Общий настрой — несмотря на ощущение перегруженности от скорости изменений, AI принесёт больше возможностей, чем потерь, и побеждать будут те, кто лучше понимает своё место в системе, умеет на неё влиять и разбирается в домене бизнеса.

«Банки зарабатывают на рисках». Новый выпуска подкаста про Risk Modelling

Mon, 31 Aug 2026 22:38:56 +0500

Пару недель назад я записал выпуск с Сергеем Дробиным — Head of Risk Modelling в E&Y Центральной Азии и Кавказа, где мы поговорили про модельный риск, риск менеджмент, мониторинг и валидацию ML моделей и LLM, кто в банке должен заниматься рисками, почему регуляторы неглубоко погружаются в разработку и внедрения AI и многое другое.

Полный выпуск смотрите на моем YouTube канале по ссылке:

Data Fest 2026 Almaty

Wed, 17 Jun 2026 00:13:01 +0500

30 мая 2026 удалось успешно организовать и провести Data Fest 2026 Алматы в стенах университета АлмаЮ. 6 спикеров, 6 докладов и более 100+ участников в течение дня.

Галерею фотографий можно посмотреть по ссылке.

Пара фоточек

Программа мероприятия:

Тема: AI-агенты в разработке без хайпа: от экспериментов к рабочему процессу
Спикер: Азамат Галимжанов, Freedom Lifestyle
Секция: Advanced LLM

Тема: Data Science в банковском риск-менеджменте: ожидания и реальность, продвинутые модели и регулирование
Спикер: Сергей Дробин, Ernst and Young
Секция: Scoring

Тема: Мадам, снимите шляпу. Выбор оптимального фото для удалённой верификации.
Спикер: Данияр Курманходжаев, Verigram
Секция: Computer Vision

Тема: Как я перестал бояться и дауыстық роботтарды жақсы көріп кеттім
Спикер: Алексей Гусев, NCSpeech
Секция: Random

Тема: С широко закрытыми глазами. Определение спящих людей и прочих атак удалённой верификации.
Спикер: Михаил Шкорин, Verigram
Секция: Computer Vision

Тема: Почему ML-модели ломаются на бирже: от предсказания цен к управлению рисками
Спикер: Дулат Атабек, Atlas Capital Ltd.
Секция: Time Series

Моделирование данных: от иерархической, сетевой до реляционной модели

Fri, 01 May 2026 14:18:38 +0500

С бурным развитием AI стало понятно, что код мы будем писать всё меньше. Тогда чем же будем заниматься?
Если говорить про дата-инженеров — моделирование данных останется зоной их ответственности. AI с этим пока справляется плохо, а значит, это именно то, во что стоит вкладываться. Кроме этого становится всё яснее, что мы — люди будем выступать в роли операторов по сбору и управлению контекстом для AI.
Поэтому я запускаю серию роликов, где мы пройдёмся по всем основным концепциям моделирования данных: от иерархических моделей до реляционных, разберём нормализацию и денормализацию, посмотрим на проектирование хранилищ по Kimball и Inmon и дойдём до Data Vault и Anchor моделирования.
Главная идея, которой хочу придерживаться: каждый новый подход появился не просто так, а как ответ на проблемы предыдущего, так происходит эволюция. Универсального решения нет — важно понимать плюсы и минусы каждого инструмента, концепции и знать, когда и в каких случаях их применять.
В первом ролике разберём истоки: как IBM создала первую иерархическую модель данных в программе Аполлон, какие у нее были существенные недостатки, чем была хороша сетевая модель и почему мы все же пришли к реляционной модели Эдгара Кодда, которая изменила всё.

Slavlotski Podcast Episode #2. Алексей Драль про Data Engineering

Sat, 04 Apr 2026 17:46:42 +0500

Во втором выпуске моего подкаста вместе с Алексеем Дралем — основателем BigData Team, ex-Яндекс, ex-Amazon, ex-Сбер, ex-Рамблер, выпускником ШАД обсудили: кто такой дата-инженер, чем он полезен бизнесу, почему важен навык System Design, чем специалисты уровня Senior отличаются от Staff+, как AI-трансформация затронет роль дата-инженера и как быть junior-специалистам в такое непростое время. Приятного просмотра!

Slavlotski Podcast Episode #1. Андрей Шадриков про Computer Vision

Sat, 28 Feb 2026 16:36:02 +0500

На днях вместе с Андреем Шадриковым записали подкаст, где поговорили о компьютерном зрении, о применении его в бизнесе, включая антифрод, удаленную верификацию, проблему с дипфейками. Обсудили как работает CV в беспилотных автомобилях, затронули роботехнику и какие вызовы перед ней стоят.

Для меня — это первый опыт записи такого рода подкастов, особенно было интересно его монтировать, делать обложку, цветокоррекцию и т. п. технические штуки. Буду рад если вы поделитесь обратной связью, понравилось вам или нет. Приятного просмотра.