В ленте несколько раз пролетала картинка с глубоким посылом, что из-за внедрения ИИ мы все умрём не сразу, а через 20 лет.
Я сам часто говорю о том, что сроки внедрения новых технологий это 2 раза не менее чем по 15 лет, и нефиг быть ёрлиадоптером, то есть, бесплатной лабораторной мышкой, на которой всё оттестируют. Однако, тут ситуация несколько иная.
Привет!
За семь лет проведения воркшопов по Story Points я наблюдаю одну и ту же картину: команды изучают технику, применяют её несколько спринтов, а затем постепенно возвращаются к старым паттернам. И если на маленьких масштабах работы с одной командой или тремя кажется что Story Points прекрасный подход, на текущем масштабе — 47 команд, около 400 человек в IT — 60% используют Story Points, 40% не используют - я вижу совершенно иную картину. И вот что интересно: те 60%, которые используют, делают это крайне по-разному. Да и в целом, во всяких FAANG-ах о Story Points почти ничего не слышали, максимум - про размеры в футболках.
Всё началось с простого вопроса: что, если научить искусственный интеллект не просто анализировать данные, а воспринимать каждое решение как один из множества возможных исходов? Не искать единственно верный ответ, а картографировать все возможные траектории, которые могли бы реализоваться в параллельных реальностях.
Такой подход меняет саму логику анализа: вместо нахождения оптимума — построение карты событий. И если мы поручаем эту задачу модели, то стоит задуматься и о том, как сделать эту множественность доступной для человека — наглядной, понятной, функциональной.
Мы все как-то так или иначе прогнозируем в уме. Интуитивно или рационально. В период отпусков обычно меняем половину отложенных рублей на доллары (или даже все), если собираемся за границу. А похоже на то, что возможно формализовать интуитивный подход.
Прогнозируются ли одномерные временные ряды? Можно сказать "иногда". Когда ряд удается декомпозировать на регулярные шаблоны - прогнозировать достаточно несложно.
Привет! Я Настя — лид A/B Платформы в Wildberries. На протяжении всего карьерного пути меня интересует тема оценки эффектов. Для этого существуют различные инструменты, в числе которых как A/B‑тестирование, так и альтернативные способы, например, различные вариации Causal Inference.
В этой статье я хочу поделиться примером проведения двух квази‑экспериментов в Wildberries с использованием Синтетического контроля (Synthetic Control).
