Блог им. Zashibis |Битва ИИ-профессий: менеджеры vs кодеры. Кто забрал больше в гонке за $1 млн на Upwork?

По работе мне постоянно приходится быть в курсе разных нейросетей и простых решений на них,  чтобы подсмотреть часть идей для использования в компании. В феврале я наткнулся на исследование OpenAI под названием SWE-Lancer, в котором ИИ должен был заработать $1 млн .

Что такое SWE-Lancer? Если коротко, то

Опытные специалисты из OpenAI (разработчик ChatGPT) выгрузили с фриланс-биржи Upwork кучу задач. Далее отобрали только те, где в описании есть все данные для решения задачи. Осталось 1488 штуки. После этого начали тестировать как с ними справятся нейросети.

 

Сколько «заработали» нейросети (в теории)?

Самая лучшая на тот момент, Claude 3.5 Sonnet, успешно справилась с 26,2% задач кодирования  и 44,9% решений по управлению проектами (например: выбор подрядчиков, оценка рисков, распределение бюджета). 

 Битва ИИ-профессий: менеджеры vs кодеры. Кто забрал больше в гонке за $1 млн на Upwork?

Что меня особенно заинтересовало в этом исследовании: ИИ оказался сильнее в принятии решений, чем в написании кода, при том, что в СМИ рассуждают о программистах, копирайтерах и дизайнерах. У меня на работе больше менеджеров, чем программистов, но есть вероятность, что они не очень будут рады новым возможностям по использованию нейросетей.



( Читать дальше )

Блог им. Zashibis |Разметка данных в таблице с помощью Google Gemini - один из вариантов

Полагаю, что многие, как и я, часто работают с таблицами. Бывают ситуации, когда нужно добавить пару категорий, но руками это делать долго (а еще информацию нужно поискать), а формулы не подходят.

Недавно попробовал новый, для себя, способ разметки данных через Google Gemini и решил сделать небольшой ролик, надеюсь будет полезно.

📌 Что в ролике:

✔ Как автоматически классифицировать строки в таблице. Сделал на примере покупок во ВкусВилл
✔ Пример промпта для достаточно точной разметки. Там он простой, но можно гораздо больше накрутить
✔ Экономия времени и снижение ошибок

(Звука нет, но, надеюсь, там все понятно сделал)

Если будут вопросы, спрашивайте в комментариях.



ссылка на  rutube


Если вам интересны практические примеры применения LLM (DeepSeek, ChatGPT и пр.) для работы и жизни — подписывайтесь на мой тг-канал


Блог им. Zashibis |“Докажите, что без AI не обойтись” — Новый стандарт для работников в Shopify?

Согласно последней годовой отчётности, к концу декабря общая численность сотрудников Shopify сократилась до 8100 человек по сравнению с 8300 годом ранее. 

Возможно эти шаги направлены на повышение эффективности и внедрение автоматизированных инструментов, которые способны заменить рутинные задачи, при этом позволяя работникам сосредоточиться на более интересных задачах.

 “Докажите, что без AI не обойтись”  — Новый стандарт для работников в Shopify?

CEO Shopify, Тобиас Литке, 07 апреля обратился ко всей команде, подчеркивая, что в современных условиях искусственный интеллект становится не просто инструментом, а настоящим мультипликатором возможностей. Основные идеи его обращения можно резюмировать так:

  • Эффект умножения: AI способен увеличить продуктивность в 10–100 раз. Если раньше выполнение задачи могло требовать долгих часов кропотливой работы, сегодня нейросети помогают решить её за считанные минуты. Это – качественный скачок в эффективности.
  • Стандарт нового времени: Вместо традиционного запроса на расширение команды, Тоби призывает сотрудников сперва доказать, что без AI не обойтись. Такой подход позволяет избежать неэффективности и гарантирует, что каждая новая задача решается с максимальным использованием передовых технологий.


( Читать дальше )

Блог им. Zashibis |Как быстро сделать саммари книги с помощью ИИ. На примере "Воспоминания биржевого спекулянта" - Глава 2

В предыдущем посте я показал, как легко сделать саммари из книги с помощью ИИ (ключевые идеи + упражнения, даже если их там нет) .

Продолжаю выкладывать обработанный вариант. Посмотрим, как он справится с новой главой: 

 

Глава 2

Основные идеи:

 

  • Дисциплина и следование стратегии: Автор подчеркивает, что его главной ошибкой было непостоянство в следовании собственной системе. Успех приходит, когда торговля ведется только при наличии четких сигналов, а не из-за азарта или желания действовать постоянно.

  • Разница между bucket shops и реальной биржей: В bucket shops можно было быстро зарабатывать на мелких колебаниях, так как исполнение ордеров было мгновенным. На реальной бирже задержки в исполнении, влияние крупных ордеров на цену и необходимость учитывать комиссии делали прежние стратегии неэффективными.

  • Адаптивность: Успешная торговля требует понимания специфики рынка. То, что работало в одном контексте (например, скальпинг в bucket shops), не работает в другом (например, на NYSE).


( Читать дальше )

Блог им. Zashibis |Как вести Дневник трейдера с помощью ChatGPT. Мой эксперимент.

Дневник трейдера (журнал сделок) — это ваш личный «детектор ошибок». Он фиксирует не только цифры и факты, но и эмоции, которые управляют решениями. Это инструмент, который помогает превращать хаотичную торговлю в системный процесс, где каждая сделка — шаг к пониманию своих слабостей и сильных сторон.


 

Мой эксперимент: голосовой дневник + ChatGPT



Недавно я задумался: уже много лет (с 2005 г., с перерывами) я лениво торгую на бирже, но ни разу не использовал дневник трейдера, хотя я очень эмоциональный человек.

Так как я активно работаю с LLM (нейросети — языковые модели), то подумал: почему бы не приспособить для этого ChatGPT?
Ведь я же общаюсь в голосовом режиме с «GPT-психологом» — а здесь в чем принципиальная разница?

Я нашел подходящие вопросы, адаптировал их под себя и загрузил в промпт (инструкцию для ИИ).

 

Как это работает:

 

  1. Подаю промпт с ролью и вопросами.
  2. В голосовом формате (мне лучше подходит этот формат — это как разговор по телефону) попросил:


( Читать дальше )

Блог им. Zashibis |Как за несколько минут выудить полезную информацию из 180 комментариев с помощью LLM (ChatGPT, DeepSeek, Grok и пр.)

Вводные данные:Интригующий пост Тимофея Мартынова, который моя дофаминовая система не смогла проигнорировать:
«Американцы, похоже, готовы быстро вернуться в Россию чуть что.»

Как за несколько минут выудить полезную информацию из 180 комментариев с помощью LLM (ChatGPT, DeepSeek, Grok и пр.)


Как превратить это в структурированные данные?

Мне хотелось бы получить простую табличку:

Компания Полный текст комментария Статус Объяснение
Schlumberger Сервисмены Schlumberger начали предлагать свои услуги нефтяникам... Пытается вернуться Комментарий упоминает активные шаги по возвращению.
YouTube Ролик заканчивается, и теперь нет антирусской повестки... Пытается вернуться Комментатор отмечает изменения в алгоритме.
General Electric Мне на днях звонил один из директоров GE в Москве... Пытается вернуться Упоминается контакт с московским филиалом компании.
Boeing Boeing хочет продавать детали и самолеты в РФ... Пытается вернуться Комментатор утверждает, что Boeing интересуется рынком.
 


Как получить такие данные за 5 минут?

Реальный ответ: если важна точность, то никак. Но я решил проверить, можно ли быстро вытащить данные с помощью LLM.



( Читать дальше )

....все тэги
UPDONW
Новый дизайн