53 Episoden
- Фитнес-трекеры, смарт-часы, умные кольца и другие носимые устройства круглосуточно собирают тысячи данных о состоянии нашего организма. Они анализируют сон, замечают приближающуюся болезнь, подсказывают, когда пора отдохнуть и сколько чего съесть. Но насколько можно верить таким метрикам и влияют ли они в действительности на наше здоровье?
В этом выпуске разбираемся, можно ли измерить здоровье. Пригласили Дмитрия Сергеева, Staff Data Scientist в Oura — компании, которая создала одно из самых известных в мире умных колец.
Что на самом деле умеют современные healthtech-продукты, как AI делает рекомендации персональными и почему иногда самые ценные инсайты рождаются из данных не одного человека, а миллионов пользователей? В конце концов, способны ли алгоритмы действительно помочь нам жить дольше и лучше? Обо всем этом — в новом выпуске.
Слушайте и делитесь, какими умными устройствами для трекинга здоровья вы пользуетесь, в нашем телеграм-канале https://t.me/eto_schitaetsya.
Тайм-коды:
00:12 Начало выпуска
00:58 Тема выпуска
01:17 Гость выпуска — Дмитрий Сергеев, Oura
01:51 Путь Дмитрия Сергеева: от геймдева до Oura
02:26 От изучения сна до внедрения ИИ: как развивается Oura как продукт
04:50 Как кольцо предсказывает болезнь и другие фичи Oura
10:47 Кто и зачем покупает кольца Oura
15:58 Какие еще смарт-устройства есть в сфере здоровья
21:48 Улучшают ли умные устройства здоровье
26:21 Больше активности не значит лучше?
28:36 Когда метрики вредят и можно ли доверять советам гаджетов
31:26 Будущее персонализации в Oura
34:39 Почему считать калории — плохая идея?
37:23 Какие инсайты дают данные целой страны
40:46 Рубрика «Метрика из головы»
44:30 Будущее умных устройств в сфере здоровья
46:43 Рубрика «Что считается?»
47:30 Выводы
48:26 Завершение выпуска - Из выпуска в выпуск мы задавали гостям один вопрос — «что считается?». Часто выходили за рамки диджитал-аналитики и проверяли, где вообще заканчиваются метрики. Теперь идем еще дальше. Новый сезон мы посвятили метрикам того, что сложно даже представить.
Любовь считается чем-то иррациональным. Ее нельзя потрогать, взвесить или занести в дашборд. Но что если посмотреть на отношения глазами аналитика? Можно ли измерить любовь? Разбираемся с нашим гостем — Игорем Кузнецовым, CEO «VK Знакомства».
Почему люди ищут пару онлайн? Что влияет на успех в дейтинге? Как устроены алгоритмы онлайн-знакомств, какие метрики важны для таких сервисов и выгодно ли этому бизнесу, чтобы вы нашли любовь?
В конце выпуска — важная и немного грустная новость для наших слушателей, которую нельзя пропустить! Ждем вас в нашем телеграм-канале https://t.me/eto_schitaetsya, чтобы обсудить.
Тайм-коды:
00:12 Начало выпуска
01:15 Тема выпуска
01:32 Гость выпуска — Игорь Кузнецов, VK Знакомства
01:43 Путь Игоря Кузнецова: почему дейтинг?
03:56 «Origination в знакомство»: фильтры, алгоритмы и LLM
06:37 Онлайн-знакомства vs. оффлайн-знакомства
08:19 Чем отличается рынок дейтинг-сервисов в России и на Западе
10:34 Чьи анкеты вы видите: УТП, UX и алгоритмы сервисов знакомств
13:04 Монетизация: выгодно ли дейтинг-сервисам, чтобы вы нашли любовь?
19:23 Метрики дейтинг-сервисов
20:06 Как увеличить свои шансы на успех в онлайн-знакомствах
23:00 Это фейк! Мошенничество в сервисах знакомств
24:20 Рубрика «Метрика из головы»
26:50 VK Знакомства vs. Twinby, Pure, Мамба и другие
31:34 Сегментация: как ведут себя мужчины и женщины в дейтинг-сервисах
34:22 Есть ли место ИИ-агентам в дейтинг-сервисах?
37:54 Рубрика «Что считается?»
38:00 Выводы
39:05 Завершение выпуска - 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 - 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 - 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
Weitere Technologie Podcasts
Trending Technologie Podcasts
Über Это считается
Подкаст о буднях продуктовых аналитиков — с шутками, без цифр и математики.
Podcast-WebsiteHöre Это считается, heiseshow und viele andere Podcasts aus aller Welt mit der radio.at-App

Hol dir die kostenlose radio.at App
- Sender und Podcasts favorisieren
- Streamen via Wifi oder Bluetooth
- Unterstützt Carplay & Android Auto
- viele weitere App Funktionen
Это считается: Zugehörige Podcasts




































