Созвон про тренды D&A 2025

▫️ 23 апреля (среда), 17:00 МСК
▫️ Google Meet→

Традиционное ежегодное обсуждение трендов в области данных и (продвинутой) аналитики.

Разберёмся, о чем пишет Gartner:
▫️ Gartner Identifies Top Trends in Data and Analytics for 2025;

Заглянем в Stanford State of AI:
▫️ The 2025 AI Index Report;

И может быть вспомним, что обсуждали год назад здесь в NoML:
▫️ Часть I: YouTube | Дзен | RuTube (~1 час 50 минут),
▫️ Часть II: YouTube | Дзен | RuTube (~1 час 20 минут),
▫️ Часть III: YouTube | Дзен | RuTube (~1 час 25 минут).

Про имитационное моделирование

В завершение темы прошлой недели, подборка материалов от Виталия и коллег из Амальгамы.

Материалы конференций
Доклады, статьи, а также хорошие туториалы (особенно в WSC):
▫️ ИММОД. 15–17 октября 2025 г. Санкт-Петербург ИММОД-2025.
▫️ WSC (WinterSim). 7–10 декабря 2025, Seattle, WA WSC-2025.

Книга
Для систематического изучения темы ИМ:
▫️ A.M. Law, Simulation Modeling and Analysis (6th Ed.), 2024 (~680 стр.)

Статья про валидацию
▫️ O. Balchi, Principles and Techniques of Simulation Validation, Verification, and Testing, 1995 (~25 минут, 8 стр.)

Бизнес-кейсы
Помимо материалов упомянутых выше конференций, большое количество кейсов применения можно найти в блогах вендоров и платформ, например, у коллег:
▫️ Амальгама — Кейсы.

Инструменты: вендоры и платформы
▫️ Amalgama Platform;
▫️ AnyLogic;
▫️ Simio;
▫️ Simudyne;
▫️ Arena;
▫️ Hash.

Инструменты: open source
▫️ SimPy;
▫️ Mesa;
▫️ Simmer;
▫️ repast;
▫️ NetLogo;
▫️ SimJulia.

Запись семинара

Виталий Черненко (Амальгама), Имитационное моделирование: планирование и поддержка принятия решений на реальных примерах. YouTube | Дзен | RuTube (~1 час 50 минут).

Семинар про имитационное моделирование

▫️ 16 апреля (среда), 17:00 МСК
▫️ Google Meet→
▫️ Трансляция YouTube→

Выступает: Виталий Черненко (Амальгама)

Тема: Имитационное моделирование: планирование и поддержка принятия решений на реальных примерах

Аннотация
Имитационное моделирование (ИМ) — это не метод оптимизации, а методология анализа сложных систем, сравнения сценариев и поддержки принятия решений. В отличие от многих методов оптимизации, ИМ позволяет учитывать высокий уровень детализации процессов ценой отказа от достижения математически оптимального решения.
В ходе выступления мы познакомимся с принципами и приемами имитационного
моделирования. Рассмотрим понятия события, временной оси, случайных величин, агентов в ИМ.
Также обсудим популярные инструменты AnyLogic, Simio и Amalgama Platform, их возможности и ограничения.
На реальных кейсах ведущих компаний покажем, как ИМ помогает в принятии решений:
— Оптимизация запасов и логистики в Diageo;
— Цифровой двойник и алгоритм управления кранами в Норильском Никеле;
— Моделирование горнодобывающего производства с помощью MineTwin.

Уровень сложности: начинающий

Ключевые слова: Имитационное моделирование / Simulation Modeling, цифровые двойники, поддержка принятия решений

Про AI

По следам семинара пара рекомендаций материалов от докладчика:
▫️ Книга: D. Patel, G. Leech, The Scaling Era: An Oral History of AI, 2019–2025 (~250 стр.);
▫️ Подкаст: Francois Chollet - Why The Biggest AI Models Can't Solve Simple Puzzles, 2024 (~1 час 35 минут).

Ещё много всего есть в канале Байрама: @ProductsAndStartups.
Также Байрам приглашает на свой курс AI Product Engineer (курс платный), до воскресенья еще можно записаться.

Запись семинара

Байрам Аннаков (Onsa.ai), AI агенты: что это такое, что уже возможно, и что ожидать в будущем? YouTube | Дзен | RuTube (~1 час 25 минут).

Семинар про ИИ агентов

▫️ 9 апреля (среда), 17:00 МСК
▫️ Google Meet→
▫️ Трансляция YouTube→

Выступает: Байрам Аннаков, @ProductsAndStartups, фаундер и CEO Onsa.ai

Тема: AI агенты: что это такое, что уже возможно, и что ожидать в будущем?

Аннотация
На семинаре обсудим:
— Что такое AI агенты?
— Фреймворк "Чувствовать —> Думать —> Действовать" — что уже умеют LLM?
— Что ожидать от AI агентов в будущем и как к этому подготовиться?

Уровень сложности: начинающий.

Ключевые слова: LLM, AI-агенты.

Про теорию типов

В завершение темы прошлой недели подборка материалов от Дмитрия Штукенберга.

Введение в основания математики
▫️ S.C. Kleene, Introduction to Metamathematics, 1952 (перевод: С.К. Клини, Введение в метаматематику, 1957) (~550 стр.)

Теория типов
▫️ Хорошее введение в тему: интуиционисткая логика, изоморфизм Карри-Ховарда, линейная логика и как всё это связано с функциональным программированием: P. Wadler, A Taste of linear Logic, 1993 (27 стр.)
▫️ Здесь в целом про конструктивную математику для программирования: P. Martin-Löf, Constructive mathematics and computer programming, 1982 (23 стр.)
▫️ Гомотопическая теория типов (HoTT) и вообще один из современных взглядов в сторону оснований математики, плюс в первой главе хорошее введение в целом в теорию типов: Homotopy Type Theory: Univalent Foundations of Mathematics, 2013 (перевод) (475 стр.)
На ресурсе homotopytypetheory.org можно найти много других материалов про HoTT.

Языки и инструменты
▫️ Coq / Rocq
Плюс учебник: A. Chipala, Certified Programming with Dependent Types: A Pragmatic Introduction to the Coq Proof Assistant, 2013–2019 (~400 стр.)
▫️ Agda
▫️ F* (F star)
▫️ Arend
И список библиотек и расширений на базе HoTT

Пара интересных приложений
▫️ Задача о четырёх красках: G. Gonthier, A computer-checked proof of the Four Colour Theorem, 2005 (57 стр.)
▫️ Верификатор для Solidity: coq-of-solidity

Запись семинара

Дмитрий Штукенберг (Университет ИТМО), Теория типов и некоторые её применения. YouTube | Дзен | RuTube (~1 час 10 минут).

Семинар про теорию типов

▫️ 2 апреля (среда), 17:00 МСК
▫️ Google Meet→
▫️ Трансляция YouTube→

Выступает: Дмитрий Штукенберг (Университет ИТМО)

Тема: Теория типов и некоторые её применения

Аннотация
Данная встреча будет посвящена теории типов: области информатики, пограничной между математической логикой и программированием. Эта область связана с использованием изоморфизма Карри-Ховарда, предлагающего рассматривать типы значений как логические утверждения, а сами значения - как доказательства этих утверждений.

Подход имеет многочисленные применения - как в вопросах, полезных для программирования (например, он важен для дизайна языков программирования), так и в математике (дополнительные подходы к формализации математических утверждений и теорий).

На встрече мы обсудим как теоретическую составляющую, так и конкретные практические применения.

Уровень сложности: начинающий, каких-то специальных знаний для понимания материала встречи не требуется, должно быть достаточно общей математической эрудиции.

Ключевые слова: математическая логика, теория типов, изоморфизм Карри-Ховарда.

Мероприятия NoML в апреле

План мероприятий на ближайший месяц, место и время те же: онлайн по средам в 17:00 МСК:

▫️ 02.04 | семинар | Дмитрий Штукенберг (ИТМО), Теория типов и некоторые её применения;

▫️ 09.04 | семинар | Байрам Аннаков (Onsa), AI агенты: что это такое, что уже возможно, и что ожидать в будущем?;

▫️ 16.04 | семинар | Виталий Черненко (Амальгама), Имитационное моделирование: планирование и поддержка принятия решений на реальных примерах;

▫️ 23.04 | созвон | Тренды Data & Analytics 2025;

Следите за обновлениями в канале @noml_digest и чате @noml_community, там же публикуются детали предстоящих докладов и ссылки для подключения.

Запись созвона

LLM для бизнеса 2 года спустя. YouTube | Дзен | RuTube (~1 час 25 минут).

В дискуссии принимали участие:
▫️ Михаил Зайцев (GlowByte)
▫️ Кирилл Блохнин (GlowByte)
▫️ Илья Усов (bimlib.pro)
▫️ Егор Шишковец (Честный Знак)
▫️ Семён Ким
▫️ Павел Снурницын

Созвон про LLM

▫️ 26 марта (среда), 17:00 МСК
▫️ Google Meet→

Тема: LLM для бизнеса 2 года спустя

Вопросы к обсуждению:
— Какие есть реальные кейсы и бизнес задачи, решение которых опирается на LLM?
— Есть ли примеры неудачного внедрения технологии и какие уроки можно из них извлечь?
— В каких индустриях и направлениях уже есть стандартные бизнес-кейсы приложений LLM, а где технология только набирает обороты?
— Какие организационные и технические особенности необходимо учесть при реализации проектов на базе LLM в крупных компаниях?
— Как крупные компании оценивают ROI от внедрения LLM?
— В каких случаях кастомизация и тюнинг моделей имеет преимущество по сравнению с использованием готовых сервисов?
— Имеет ли смысл начинать проекты с LLM если ресурсы GPU ограничены?
— Почему Gartnet пишет про тренд Small Language Models?
— Как сейчас решаются вопросы безопасности и конфиденциальности данных при использовании LLM?
— Где грань между полной автоматизацией процессов и необходимостью участия человека?
— Может ли LLM стать основой для создания полностью автономных бизнес-процессов?
— Какой новый функционал может радикально изменить подход к использованию LLM в будущем?

Запись семинара

Олег Остроумов (@oleg_ostroumov), Алгоритмы и солвер для покера. YouTube | Дзен | RuTube (~1 час 20 минут).

Семинар про теорию игр и покер

▫️ 19 марта (среда), 17:00 МСК
▫️ Google Meet→
▫️ Трансляция YouTube→

Выступает: Олег Остроумов

Тема: Алгоритмы и солвер для покера

Аннотация
В докладе расскажу:
— Как я перешёл от профессиональной игры в покер к созданию солвера для покера, и помог моим клиентам стать лучшими игроками в мире.
— Как работает алгоритм Counterfactual Regret Minimization для вычисления равновесия Нэша в покере.
— Что на самом деле означает блеф в покере и как рассчитать оптимальную частоту блефа.
— Как помочь игрокам изучить и понять оптимальную стратегию, ведь массив из 80 ГБ чисел запомнить нельзя.
— Как я продавал свой продукт игрокам, которые изначально сомневались в его точности.

Уровень сложности: продвинутый, для понимания доклада требуется знакомство с теорией игр.

Ключевые слова: Poker, Extensive form game, Imperfect information game, Nash Equilibrium, (Monte-Carlo) Counterfactual Regret Minimization.

Запись созвона

Как и зачем заниматься наукой? YouTube | Дзен | RuTube (~1 час 40 минут)

В дискуссии принимали участие:
▫️ Иван Чижов (ВМК МГУ)
▫️ Вадим Порватов (Сбербанк)
▫️ Никита Олехно (ИТМО)
▫️ Екатерина Строева (ВМК МГУ)
▫️ Александр Гавриков (Т-Банк)
▫️ Григорий Карпунин (КриптоПро)
▫️ Павел Снурницын (ВМК МГУ, GlowByte)

Созвон о том как и зачем заниматься наукой

▫️ 12 марта (среда), 17:00 МСК
▫️ Google Meet→

Вопросы к обсуждению:
▫️ Как выбрать тему для исследований? Какая задача подойдет для начала? Начинать ли с небольших и технических задач, или сразу строить стратегические планы по решению крупных научных проблем? Как понять, что выбранная задача по силам, и что делать, если продвижения замедлились. Как эффективнее всего освоить ключевые классические результаты в выбранной области, и как следить за свежими результатами и развитием исследований по своей теме?
▫️ Зачем писать статьи? Как понять, что полученный результат достоин публикации? Как выбрать научный журнал для публикации? Как писать научные тексты, чем в целом этот жанр отличается от других? На что обратить внимание при написании курсовой/диплома/диссертации/…? Какие еще есть способы участия в жизни научного сообщества: конференции, коллаборации, рецензирование, …?
▫️ Зачем идти в аспирантуру, писать диссертацию и получать учёную степень? Зачем вообще заниматься наукой? Какие могут быть варианты развития карьеры в науке? Какие есть особенности финансирования и как работать с системой грантов?

Запись семинара

Антон Воскресенский (@voskresenskiiconsulting), Методы интерпретации моделей машинного обучения в нефтегазовой отрасли. YouTube | Дзен | RuTube (~1 час 10 минут).

Семинар про интерпретацию моделей ML для нефтегазовой отрасли

▫️ 5 марта (среда), 17:00 МСК
▫️ Google Meet→
▫️ Трансляция YouTube→

Выступает: Антон Воскресенский, Founder / CEO Voskresenskii Consulting (@voskresenskiiconsulting)

Тема: Методы интерпретации моделей машинного обучения в нефтегазовой отрасли

Аннотация
На семинаре разберем кейсы интерпретации моделей машинного обучения для нефтегазовой отрасли и инженерии признаков с опорой на экспертные знания. Рассмотрим:
- Модели для прогнозирования временных рядов
- Методы заполнения пропущенных данных
- Подходы к поиску схожих объектов
Каждый метод будет представлен с вводной по предметной области.

Уровень сложности: продвинутый

Ключевые слова: интерпретация моделей ML, прогнозирование временных рядов, каротажные кривые, взаимовлияние скважин, нефтегаз

Про ML в металлургии

Статьи, которые упоминал Ярослав в докладе на прошлой неделе:
▫️ Помощник сталевара: для чего металлургам нужно машинное обучение? 2021 (~9 минут);
▫️ Про внедрение ИИ в сталелитейную компанию и борщ, 2024 (~9 минут).

Также подписывайтесь на канал коллег: @r77_ai

Запись семинара

Ярослав Шмулев (R77 AI @r77_ai), Рекомендательная система для завода по оптимизации процесса производства стали. YouTube | Дзен | RuTube (~1 час 10 минут).

Семинар про оптимизацию сталеварения

▫️ 26 февраля (среда), 17:00 МСК
▫️ Подключение→

Выступает: Ярослав Шмулев, Cofounder / CTO R77 AI (@r77_ai)

Тема: Рекомендательная система для завода по оптимизации процесса производства стали

Аннотация
На семинаре будет рассмотрен кейс оптимизация потребления ферросплавов в конвертерном цехе для снижения затрат при производстве стали высокого качества. В ходе доклада будет представлен подход реализации рекомендательного сервиса на базе моделей машинного обучения.

Уровень сложности: начинающий

Ключевые слова: предиктивная аналитика, ML, прогнозирование временных рядов, оптимизация, рекомендации, сталеварение, металлургия

Запись семинара

Алан-Барсаг Газзаев (MTS AI, ИТМО), Обучение языковой модели Cotype Nano. YouTube | Дзен | RuTube (~35 минут).

Семинар про модель Cotype Nano от MTS AI

▫️ 19 февраля (среда), 17:00 МСК
▫️ Подключение→

Выступает: Алан-Барсаг Газзаев, разработчик-исследователь в MTS AI, магистрант второго курса в ИТМО

Тема: Обучение языковой модели Cotype Nano

Аннотация
Языковые модели развиваются стремительным образом. В то же время, они занимают очень много ресурсов для обучения и для инференса. Поэтому, одним из важных трендов в NLP является тренд на уменьшение размеров языковых моделей. Современные модели размером от 0.5B параметров превосходят в производительности старые LLM размеров в 7 и 14 миллиардов параметров. И мы обучили одну из них. В докладе мы затронем процесс обучения модели Cotype Nano, который несколько месяцев был лидером в своей весовой категории, а также расскажем про квантизацию этой модели

Уровень сложности: начинающий/средний, для понимания доклада будет достаточно базовых знаний по NLP

Ключевые слова: LLM, NLP, Supervised Fine-tuning, Data Generation, Data Preparation

Про FCA для кластеризации и не только

В дополнение к докладу на прошлой неделе Егор рекомендует несколько статей от других команд, работающих над схожими задачами.

Две статьи про кластеризации от коллег из Ля Рошеля, которые так же разрабатывают теорию узорных структур (eng. Pattern Structures) :
▫️ Boukhetta S., Trabelsi M., Formal Concept Analysis for Trace Clustering in Process Mining, at ICCS 2023;
▫️ Waffo Kemgne M. et al., Fuzzy and Overlapping Communities Detection: An Improved Approach Using Formal Concept Analysis, at ASONAM 2024.

Две статьи от коллег из университета Артуа, где кластеризацию и бинарную классификацию решают через SAT солверы:
▫️ Ben Hassine M. et al, On the Discovery of Conceptual Clustering Models Through Pattern Mining, at ECAI 2024;
▫️ Hidouri A. et al., On the Learning of Explainable Classification Rules through Disjunctive Patterns, at ICTAI 2024.

В этой статье можно найти подробный обзор символьных подходов к кластеризации:
▫️ Pérez-Suárez A. et al., A review of conceptual clustering algorithms, in Artificial Intelligence Review, 2018.

Напоследок, в этой статье ниже можно найти множество техник и алгоритмов для оптимизации переборов описаний на бинарных данных:
▫️ Szathmary L. et al., A fast compound algorithm for mining generators, closed itemsets, and computing links between equivalence classes, in Annals of Mathematics and AI, 2014.

Запись семинара

Егор Дудырев (НИУ ВШЭ, Университет Лотарингии), Кластеризация на правилах или как найти кластеризации, которые легко объяснить. YouTube | Дзен | RuTube (~1 час 30 минут).

Recap про FCA

Перед завтрашним семинаром можно посмотреть предыдущие доклады Егора:
▫️ Егор Дудырев, Неформальное введение в Анализ Формальных Понятий, 2024. YouTube | Дзен | RuTube (~1 час 30 минут);
▫️ Егор Дудырев, Модели человеческих знаний, или Когда простейшие правила работают на уровне градиентных бустингов, 2023. YouTube | Дзен | RuTube (~1 час 10 минут).

И еще вспомнить подборку про FCA.

Семинар про кластеризацию на базе анализа формальных понятий

▫️ 12 февраля (среда), 17:00 МСК
▫️ Подключение→

Выступает: Егор Дудырев (НИУ ВШЭ, Университет Лотарингии)

Тема: Кластеризация на правилах или как найти кластеризации, которые легко объяснить

Аннотация
В этом докладе мы рассмотрим пайплайн кластеризации на правилах, где каждый кластер задаётся простым, легко читаем условием. В случае с числовыми данными, такие условия будут выглядеть как: "объект x находится в кластере y если значение его 1-го признака x1 лежит в интервале [a, b], а значение десятого признака x10 – в интервале [c, d]".

Предложенный пайплайн ставится в противовес к "традиционному" подходу к кластеризации – где всё внимание уделяется расстоянию между объектами из разных кластеров. Из-за чего появляются кластера, которые трудно интерпретировать. Ведь даже чтобы объяснить, почему объект х лежит в кластере y, нужно нужно сначала посчитать расстояние в многомерном (часто, масштабированном) пространстве между x и всеми кластерами.

Семинар будет построен на основе статьи "Clustering with Stable Pattern Concepts" (предварительная публикация) представленной на воркшопе FCA4AI проходившем в рамках Европейской Конференции по ИИ (ECAI) в октябре 2024 года.

Мы рассмотрим пайплайн состоящий из трёх шагов:
1. как найти хорошие "стабильные" паттерны в данных, которые могут использованы в качестве описаний кластеров;
2. как объединить отдельные кластеры в кластеризации: т.е. как скомбинировать кластеры так, чтобы они покрывали (почти) все данные и при этом (почти) не пересекались;
3. и как из множества найденных кластеризаций выбрать одну наилучшую.

Вторая часть доклада будет посвящена обсуждению алгоритма комбинирования кластеров из шага 2: этот алгоритм получился довольно простым, при этом он содержит множество техник, эффективных для решения комбинаторных задач на бинарных данных.

Уровень сложности: продвинутый, для понимания доклада необходимо базовое представления о задаче кластеризации. В ходе доклада будут использованы термины из областей Frequent Itemset Mining и Subgroup Discovery, поэтому знакомство с этими областями может помочь, но совсем не обязательно. Наконец, рассматриваемый алгоритм является оптимизированной версией обхода графа в ширину, так что он будет полезен людям, знающим базу теории графов.

Ключевые слова: Clustering, Formal Concept Analysis, Pattern Structures, Rare Itemset Mining.

Запись семинара

Дмитрий Васильков (QuSolve), Интерпретируемый ИИ: рынок, теория и практическая реализация с применением MaxSAT-солвера OptJet. YouTube | Дзен | RuTube (~1 час 10 минут).

Семинар про интерпретируемый ИИ и солвер OptJet

▫️ 5 февраля (среда), 17:00 МСК
▫️ Подключение→

Выступает: Дмитрий Васильков, генеральный директор QuSolve

Тема: Интерпретируемый ИИ: рынок, теория и практическая реализация с применением MaxSAT-солвера OptJet

Аннотация
ML-модели и ИИ в целом все шире используются в областях, где цена ошибки при принятии решения высока (например, в медицине или финансах). В связи с этим активно развиваются методы объяснения и проверки тех или иных решений, принимаемых ИИ-системами. Эта область знаний получила название “интерпретируемый ИИ” (Explainable AI, XAI). Существующие методы XAI можно подразделить на эвристические и строгие: первые простые и быстрые, зато вторые точные и надежные. Один из эффективных строгих методов — представление ML-модели в виде множества логических высказываний и использование аппарата формальной логики и созданных на его основе вычислительных алгоритмов для поиска минимального набора критериев, на основе которых исследуемая ML-модель принимает то или иное решение. В докладе расскажем об использовании алгоритма MaxSAT, реализованного в солвере OptJet, для интерпретации ансамблевых ML-моделей.

Уровень сложности: начинающий/средний, для понимания доклада будет достаточно базовых знаний по DS/ML и математической оптимизации.

Ключевые слова: интерпретация ML-моделей, интерпретируемый ИИ (XAI), математическая оптимизация, MaxSAT, SAT, оптимизационные решатели/солверы.

Мероприятия NoML в феврале

План семинаров на ближайший месяц, все доклады по средам в 17:00 МСК, сохраняйте релевантные темы в свои календари:

▫️ 05.02 | Дмитрий Васильков (QuSolve), Интерпретируемый ИИ: рынок, теория и практическая реализация с применением MaxSAT-солвера OptJet;

▫️ 12.02 | Егор Дудырев (НИУ ВШЭ, Университет Лотарингии), Кластеризация на правилах или как найти кластеризации, которые легко объяснить;

▫️ 19.02 | Алан-Барсаг Газзаев (MTS AI, ИТМО), Обучение языковой модели Cotype Nano;

▫️ 26.02 | Ярослав Шмулев (R77 AI), Рекомендательная система для завода по оптимизации процесса производства стали;

Следите за обновлениями в наших канале @noml_digest и чате @noml_community, там же публикуются детали предстоящих докладов и ссылки для подключения.