Это считается
Claim This Podcastby Т-Банк
Podcast Overview
<p></p><p>Подкаст о буднях продуктовых аналитиков — с шутками, без цифр и математики. </p>
Language
🇷🇺
Publishing Since
11/10/2022
1 verified contact email on file for Это считается
Pitch yourself as a guest, propose sponsorships, or reach out directly to the host.
Recent Episodes
December 25, 2025
Будущее данных: между человеком и AI
Что ждет базы данных, аналитику и нас самих в эпоху искусственного интеллекта? Как и зачем превращать «умные данные» в «данные со смыслом»? Останемся ли мы в будущем людьми или сольемся, наконец, с бесконечно вечным? В завершающем сезон выпуске, записанном на конференции «Матемаркетинг», мы говорим с человеком-легендой — Олегом Бартуновым, который стоял у истоков СУБД в России, открыл Postgres для всего мира и основал Postgres Professional. В этом выпуске: · Эволюция данных: от Big Data к Smart Data и NooData · AI-агенты в базах данных: что они меняют · AI-изация в Postgres и аналитических инструментах Т · Базы данных будущего: какими они будут · Воспитание AI: почему ИИ нужно учить, как ребенка, и какие знания ему нужны · Как изменится работа инженеров данных и аналитиков в эпоху AI · Правда ли ИИ — наша следующая ступень развития Развиваем тему в комментариях нашего телеграм-канала https://t.me/eto_schitaetsya — присоединяйтесь. А тех, кто дослушает выпуск до конца, ждет новогодний сюрприз от нас! Тайм-коды: 00:12 Начало выпуска 00:18 Тема выпуска 01:22 Гость выпуска — Олег Бартунов 01:45 PostGres и вклад Олега в него 06:15 Умные данные: что меняется в базах данных и что их ждет в ближайшее время 13:48 AI-изация в PostGres, Tengri Data Platform и аналитических инструментах Т-Банка 20:23 Данные со смыслом: что такое NooData и почему за ней будущее 25:56 Как собирать нооданные 29:32 Мы станем ИИ? 29:52 Как изменилось образование и как взрослым развиваться в эпоху AI 33:18 Рубрика «Базовый минимум или роскошный максимум» 35:54 Автономность и адаптивность: базы данных будущего 38:08 Инженеры данных и системные аналитики всё? Будущее профессий 40:14 Опыт Т: аналитика и использование данных в Шопинге 45:21 Рубрика «Что считается?» 46:10 Завершение выпуска 46:43 Новогоднее поздравление
December 18, 2025
Метрика для AI-аналитика
AI-ассистенты в аналитике — уже не будущее, а наше настоящее. Как «цифровые коллеги» устроены изнутри? Могут ли они заменить живого аналитика, или их роль — быть мощным инструментом в наших руках? В этом выпуске говорим об аналитических AI-агентах с Сергеем Денисовым, который отвечает за аналитические продукты в Яндекс Рекламе (тот самый человек, который стоит за развитием Яндекс.Метрики). Заглянем под капот и узнаем: В чем сложность анализа аналитических продуктов Зачем Яндекс.Метрика внедряет AI-ассистента и что он умеет прямо сейчас Как устроена мультиагентная архитектура и зачем нужна целая команда AI-агентов Могут ли аналитические AI-ассистенты быть инструментом для непрофессионалов Какие данные нужны AI-агентам для качественного анализа Что в аналитике невозможно автоматизировать В общем, мы продолжаем разбираться, как использовать искусственный интеллект как свою суперсилу. А в вашей работе AI-ассистенты уже базовый минимум или все еще роскошный максимум? Делитесь в нашем телеграм-канале https://t.me/eto_schitaetsya Тайм-коды: 00:12 Начало выпуска 01:17 Тема выпуска 01:25 Гость выпуска — Сергей Денисов 01:53 Чем именно Сергей занимается в Яндекс.Метрике 03:04 Как анализировать аналитические продукты 10:06 Почему Яндекс.Метрика пошла по пути внедрения AI-ассистентов 11:03 Data driven профессии: кто теперь пользуется данными 12:35 Рубрика «Базовый минимум или роскошный максимум» 21:28 Как будут развиваться AI-ассистенты в аналитике 24:31 Что уже делает AI-ассистент в Яндекс.Метрике 26:02 Какие данные нужны AI-агентам для качественного анализа 35:42 Мультиагентная архитектура AI-ассистента в Яндекс.Метрике 38:16 Будущее AI-ассистента в Яндекс.Метрике 42:03 Что в аналитике не будет автоматизировано 47:00 Рубрика «Что считается?» 47:36 Завершение выпуска
December 11, 2025
GenAI: может ли машина творить?
Генеративный AI уже меняет работу аналитиков, продактов, дизайнеров и других digital-спецов, и в этом выпуске мы, наконец, честно разбираемся, где за технологиями стоит реальная польза, а где — пока только красивые демки. Практическое применение генеративного искусственного интеллекта обсуждаем с Денисом Димитровым — управляющим директором по исследованию данных в Сбере и одним из главных создателей Kandinsky и GigaChat. В выпуске: как рождаются фундаментальные модели и почему именно они двигают рынок зачем Сбер выложил Kandinsky в опенсорс и что это дало что внутри LLM: разбираемся как именно генерируется текст, картинки и видео мультимодальность vs. омнимодальность — следующий виток технологий какие генеративные модели сегодня самые продвинутые + личный опыт использования как компании экономят миллионы на автоматизации процессов с GenAI где GenAI усиливает людей, а где — становится риском кто отвечает за ошибки генеративок правда ли LLM тупеют и что будет, если кормить их плохими данными ближайшее будущее GenAI Говорим про будущее, которое уже работает в проде. Легко, честно и с примерами, которые каждый сможет перенести в свою работу и, вообще, в жизнь. Что считается в эпоху генеративного AI? Делитесь в нашем телеграм-канале https://t.me/eto_schitaetsya Тайм-коды: 00:12 Начало выпуска 01:24 Гость выпуска — Денис Димитров 01:33 Тема выпуска 01:44 От математики к AI, от теории к практике: путь Дениса Димитрова 03:09 Главные факторы развития AI 05:48 Создание и развитие нейросети Kandinsky 06:48 Зачем выкладывать свою нейросеть в опенсорс 08:19 Как и какие генеративные модели используют Даня и Денис 11:46 Чем отличается работа LLM с изображениями и с текстом 15:12 Фундаментальная модель как основа для продукта 16:51 Интеграция генеративных моделей в рабочие процессы 18:25 Когда генеративные модели приносят вред и кто несет ответственность 20:53 Генеративные модели в обучении 21:36 Рубрика «Базовый минимум или роскошный максимум» 25:36 Чем отличаются мультимодальная и омнимодальная модели 26:55 Способы проверки качества генеративных моделей 29:29 LLM для бизнеса: гонка на мировой арене vs. продуктовый подход 32:58 Ближайшее будущее генеративного AI 34:54 Авторское право и генеративные модели 36:40 Как создается и обрабатывается датасет моделей 37:49 Генеративные модели тупеют? Как влияют некачественные данные 41:36 Выводы 42:39 Рубрика «Что считается?» 43:35 Завершение выпуска
51 total episodes available
Deep-dive analytics for Это считается
Frequently asked questions
Have a different question and can't find the answer you're looking for? Reach out to our support team by sending us an email and we'll get back to you as soon as we can.
- What is Это считается?
<p></p><p>Подкаст о буднях продуктовых аналитиков — с шутками, без цифр и математики. </p> - How often does this podcast release new episodes?
This podcast updates bi-weekly.
- Where can I listen to this podcast?
This podcast is available on 9 platforms including Apple Podcasts, Spotify, and more. You can also use the RSS feed directly.
- Does this podcast accept guests?
No, this podcast does not typically feature guests.
Legal Disclaimer
Pod Engine is not affiliated with, endorsed by, or officially connected with any of the podcasts displayed on this platform. We operate independently as a podcast discovery and analytics service.
All podcast artwork, thumbnails, and content displayed on this page are the property of their respective owners and are protected by applicable copyright laws. This includes, but is not limited to, podcast cover art, episode artwork, show descriptions, episode titles, transcripts, audio snippets, and any other content originating from the podcast creators or their licensors.
We display this content under fair use principles and/or implied license for the purpose of podcast discovery, information, and commentary. We make no claim of ownership over any podcast content, artwork, or related materials shown on this platform. All trademarks, service marks, and trade names are the property of their respective owners.
While we strive to ensure all content usage is properly authorized, if you are a rights holder and believe your content is being used inappropriately or without proper authorization, please contact us immediately at hey@podengine.ai for prompt review and appropriate action, which may include content removal or proper attribution.
By accessing and using this platform, you acknowledge and agree to respect all applicable copyright laws and intellectual property rights of content owners. Any unauthorized reproduction, distribution, or commercial use of the content displayed on this platform is strictly prohibited.