Cloud.ru

AI&ML в деле! Приглашаем на митап Cloud․ru Tech Lab ⚡️

🗓 Когда: 24 июля, 18:00
📍 Где: Москва, Гоэлро Лофт (м. Электрозаводская)

В программе — четыре доклада от экспертов Cloud․ru и приглашенных гостей про AI-агентов, RAG, Ragas и сборку MCP-сервера без кода. После — тестируем AI-решения в демозоне, практикуем нетворкинг и остаемся на afterparty.

Что приготовили:

😶‍🌫️ Открытие митапа
Дмитрий Юдин, технический лидер по развитию искусственного интеллекта, Cloud․ru

😶‍🌫️ «Как мы встроили AI-агента в онлайн-обучение»
Стас Гридин, менеджер проектов и Илья Жбанов, Data Science инженер, Cloud․ru

😶‍🌫️ «Model Context Protocol (MCP): главный тренд AI-индустрии»
Игорь Латкин, управляющий партнер и системный архитектор, KTS

И еще два секретных доклада — от наших экспертов и приглашенного гостя.

Митап будет особенно полезен разработчикам, продуктовым менеджерам и архитекторам, а также всем, кто интересуется внедрением AI в свои сервисы.

Какой формат участия выбрать?
— Офлайн, если хотите присутствовать лично на площадке.
— Онлайн, если вы не в Москве. Всеми записями поделимся после митапа.

😶‍🌫️Регистрируйтесь на митап

Столкнулись с перекосом нагрузки в gRPC-сервисах на Kubernetes? 🖥

Рассказываем как решить эту проблему клиентской балансировкой и headless-сервисами без Service Mesh.

Михаил Абраш, старший Go-разработчик, делится решением проблемы балансировки gRPC в Kubernetes. В своей практике он столкнулся и успешно решил критичную проблему неравномерного распределения запросов из-за долгоживущих HTTP/2 соединений при использовании стандартного L4-балансировщика.

Узнайте, как его команда реализовала отказоустойчивое решение с помощью клиентской балансировки gRPC и Headless-сервисов, полностью избежав оверхеда Service Mesh!

Подробнее читайте в статье на Хабре 👈

Evolution AI Factory? Запустили!
Новый AI-агент? Презентовали!

Следующий уровень — это ВЫ 🍑

Не читайте про наши достижения, а становитесь их частью.

Выбирайте из вакансий ниже, куда можно применить свои суперсилы прямо сейчас:
😶‍🌫️ Golang developer (AI Assistant)
😶‍🌫️ NLP Engineer (Data Science)
😶‍🌫️ QA Full-stack (AI Assistant)
😶‍🌫️ Технический эксперт (App & Dev)
😶‍🌫️ Архитектор решений
😶‍🌫️ Старший разработчик ELMA
😶‍🌫️ Технический писатель в Evolution Data Platform

Что внутри Evolution AI Factory▫️
Рассказываем подробнее о новой облачной среде для работы с AI и ML

Сервисы в общем доступе:

➡️ Evolution ML Inference — сервис для запуска ML-моделей из библиотеки Hugging Face. Благодаря нашей технологии Shared GPU, вы можете использовать только необходимое количество видеопамяти для запуска моделей и платить только за него.

➡️ Evolution Foundation Models — сервис с популярными open source моделями, доступными по API. Модели уже готовы к использованию — вам не придется развертывать инференс и писать код.

Инструменты в стадии тестирования (попробуйте бесплатно):

➡️ Evolution Managed RAG — готовый сервис для Retrieval Augmented Generation. Это способ обогатить LLM вашими данными. Сначала из базы знаний извлекаются релевантные документы, затем языковая модель генерирует ответ, учитывая найденный контекст. Такой подход уменьшает галлюцинации и позволяет отвечать фактологически точно даже на доменные вопросы.

➡️ Evolution ML Finetuning — сервис для тонкой настройки LLM под ваши задачи. Используя технологию LoRA, можно быстро адаптировать модель под конкретные задачи бизнеса без дорогостоящего полного переобучения.

➡️ Evolution Notebooks — сервис для работы и экспериментов с машинным обучением в облаке. Запускайте и тестируйте ML-гипотезы на мощных GPU, используя пользовательские или базовые Docker-образы на базе JupyterLab.

➡️ Evolution AI Agents — сервис для создания AI-агентов, работающих автономно. AI-агенты могут анализировать информацию, обучаться на данных, планировать действия и адаптироваться к изменяющимся условиям среды, в которой работают. А еще вы можете объединить до пяти разных AI-агентов и создать мультиагентную систему.

👾 — если уже перешли к тестированию Evolution AI Factory

Вы на GigaConf?
Ждем вас на стенде Cloud․ru ✋️

А во второй половине дня присоединяйтесь к офлайн-воркшопам:

➡️ 15:45-16:00
«Разворачиваем инференс модели с Hugging Face за 2 минуты»

Покажем, как быстро развернуть инференс популярных open source моделей с платформы Hugging Face в сервисе Evolution ML Inference. Расскажем про нашу технологию Shared GPU, позволяющую потреблять только необходимое количество видеопамяти для работы модели и платить только за нее.

➡️ 18:00-18:15
«Прототипирование агента с RAG для ответа по базе знаний»

Покажем, как собрать агентную RAG-систему с помощью GigaChain и Evolution ML Inference от Cloud․ru для эффективного инференса моделей и LLM.

И, конечно, не пропустите доклады экспертов Cloud․ru 😎

Запускаем Cloud․ru Evolution AI Factory😶‍🌫️

Теперь любой бизнес и разработчики могут легко работать с LLM, создавать AI-агентов, запускать мультиагентные системы и решать полный цикл ML-задач.

Все это возможно благодаря Cloud․ru Evolution AI Factory — облачной среде с готовыми AI- и ML-инструментами.

Она ориентирована на широкий круг специалистов — работать с сервисами можно даже без глубоких знаний в машинном обучении и навыков программирования.

Что в составе:
🤖 Evolution Foundation Models — сервис с популярными AI-моделями, доступными по API;
🤖 Evolution ML Inference — инструмент для развертывания ML-моделей;
🤖 Evolution Managed RAG — готовый сервис для Retrieval Augmented Generation;
🤖 Evolution ML Finetuning — сервис для быстрой адаптации LLM-моделей;
🤖 Evolution Notebooks — среда визуализации данных и работы с кодом Jupyter Notebooks как сервис;
🤖 Evolution AI Agents — визуальный редактор агентов на базе LLM.

Выбирайте подходящие инструменты и тестируйте в своих проектах.

Запускаем AI-помощника в облаке Cloud․ru Evolution▫️

Сегодня на GigaConf мы представили AI-помощника, который поможет пользователям управлять ресурсами и инфраструктурой в облаке Cloud․ru Evolution.

Благодаря ему специалисты без глубокого опыта в IT Ops и облачных технологиях смогут передать часть рутинных операций искусственному интеллекту и ускорить запуск новых проектов.

Что он уже умеет:
1️⃣ подбирать облачные сервисы под ваши задачи;
2️⃣ создавать базовую инфраструктуру в облаке: подбирать конфигурацию, помогать в создании SSH-ключа и развертывании виртуальной машины;
3️⃣ создавать виджеты мониторинга и настраивать алертинг;
4️⃣ в режиме co-pilot подсказывать команды для работы в серийной консоли виртуальных машин.

AI-помощник уже доступен в режиме открытого тестирования

Вы можете найти его в личном кабинете — чат доступен для пользователей с ролью «администратор организации» на аккаунтах физических лиц. А здесь вы сможете найти документацию по помощнику.

Тестируйте и делитесь впечатлениями!

Начинаем через 10 минут⏳

Подключайтесь к трансляциям🖱

Встретимся завтра на GigaConf 🌥

Директор продуктовой разработки Cloud․ru Владимир Шульга примет участие в открытии и расскажет про наши новые решения для работы с AI и облаками.

А затем сразу шесть наших спикеров выступят в треке Cloud AI Architecture:

➡️ 13:00-13:30

Multi-Agent AI Systems in Practice: архитектуры, метрики, эффекты
Дмитрий Юдин

Погружаемся в практическую сторону создания AI-агентов для продаж: разберем архитектурные паттерны, управление состояниями, интеграцию с CRM и внешними данными, вызовы масштабируемости и устойчивости. Поговорим о реальных проблемах внедрения и обозначим ключевые технологические направления, которые формируют будущее AI-продаж.

➡️ 13:45-14:15

Как мы переосмыслили инференс
Максим Блинов

В докладе расскажем о том, как мы делали решение SharedGPU, позволяющее разделять ресурсы между разными пользователями. Обсудим model-analyser и пройдем путь запуска популярных моделей. Доклад будет полезен всем, у кого есть собственное клиентское облако, чтобы перестать бояться и понять, что инференс — это простое и дешевое решение, позволяющее быстро запустить любые модели.

➡️ 14:30-15:00

RAG как инструмент: когда LLM знает, о чем говорит
Евгений Третьяков

Расскажем о прикладном применении RAG в рабочих задачах: от внутренних процессов до технической поддержки и консультирования клиентов и обучения AI-агентов. Доклад будет полезен product-owner'ам и всем, кто использует LLM на практике и желает контролировать достоверность выдаваемой информации.

➡️ 15:15-15:45

Мультиагентные системы нового поколения
Артемий Мазаев

В докладе обсудим проблемы поддержки, версионирования и тестирования AI-агентов. Расскажем, как на платформе Cloud․ru Evolution реализована возможность создания собственных AI-агентов.

➡️ 16:00-16:30

Как мы меняем клиентский сервис с помощью AI
Максим Михайлов

Внедрение искусственного интеллекта и создание Al-агентов стали одними из самых обсуждаемых тем за последние два года. В своем выступлении я расскажу о практическом применении этих технологий в процессах поддержки пользователей, покажу, на какие метрики можно повлиять, зачем это делать и какие усилия потребуется приложить. Обсудим co-pilot и боты в поддержке, новые инструменты, аналитику, будущее Al-агентов и реальные результаты.

➡️ 18:15-18:45

AI-помощник, упрощающий работу в облаке
Илья Жбанов

Доклад посвящен созданию мультиагентной системы для автоматизации облачной инфраструктуры, мониторинга и персонализации решений, снижающей порог входа пользователей. Рассмотрим, что под капотом и как устроена архитектура, обсудим функционал и вызовы, с которыми столкнулась команда при создании системы.

А еще ждем вас на нашем стенде, где вы сможете первыми протестировать новые продукты и заработать мерч.

Еще есть время зарегистрироваться🖱

Вы тоже с нами? 🎂

Встречаемся 25 июня в Москве на конференции GigaConf.
Регистрируйтесь уже сейчас на сайте 😎

Почему 98% команд терпят неудачу при внедрении DevEx? 🤔

В новом выпуске подкаста с Артёмом Арюткиным, руководителем проектного офиса Яндекс, разбираем главные ловушки платформенной разработки.

Вы узнаете:
😶‍🌫️ Почему стандартные метрики врут про реальное положение дел в командах
😶‍🌫️ Как когнитивная нагрузка убивает продуктивность (и при чём тут импортозамещение)
😶‍🌫️ Чем опасна "гибкость" инструментов и когда стандартизация спасает проекты
😶‍🌫️ Почему онбординг новых разработчиков — лучший стресс-тест для платформы

Смотреть:
😶‍🌫️ YouTube
😶‍🌫️ VK Видео

Внимание: 25 июня будет облачно ☁️

Ведь на GigaConf 2025 мы представим целых 6 докладов в треке AI Cloud Architecture.

Приходите послушать о том, как мы разрабатывали Cloud․ru Evolution AI Factory — цифровую среду для разработки приложений и агентов на основе искусственного интеллекта.

Покажем, как все устроено под капотом: от вызовов, с которыми столкнулись, до развертывания популярных моделей для рабочих задач.

А еще, ищите стенд Cloud․ru, чтобы вживую попробовать наши AI-сервисы, получить доступ к тестированию, а также заработать баллы и обменять их на мерч 😎

Встретимся на GigaConf 2025. Регистрируйтесь🖱

Как собрать отказоустойчивую инфраструктуру для команды разработчиков? ☁

Олег Юрчик, старший python-разработчик Cloud․ru, делится практическим опытом построения гибридных решений.

За последние два года он организовал инфраструктуру для трёх распределённых команд разработки и поддерживает домашний сервер с полным набором сервисов.

Подробнее читайте в статье на Хабр 👈

А как вы решаете проблему устойчивости и какие инструменты оказались бесполезны на практике? Делитесь в комментариях!

1️⃣2️⃣3️⃣4️⃣
Начинаем в 11:00. Зарегистрироваться🖱

Пишете😶‍🌫️Запускаете😶‍🌫️Делитесь

Запустили новый сервис Evolution Notebook для работы с Python-кодом, обучения моделей и визуализации данных — все это без IDE и долгой настройки окружения.

Кому будет полезно
Дата-сайентистам, ML-инженерам, разработчикам и всем, кто работает с кодом и данными.

Как получить бесплатный доступ
Расскажем на вебинаре 24 июня.

В программе:
🤖 обзор интерфейса и ключевых возможностей сервиса;
🤖 демо написания кода, запуска фрагментов и работы с результатами;
🤖 инструкция, как присоединиться к бесплатному тестированию Evolution Notebook, включая доступ к GPU.

Регистрируйтесь на вебинар и упрощайте работу с кодом.

Ответ: 
Оба последних варианта ✈️

«Перцептрон» буквально был сетью — провода соединяли электронные лампы, которые загорались при активации «нейронов». Это и правда напоминало примитивную нервную систему.

Каждый такой «нейрон» принимал сигналы, обрабатывал их и передавал дальше — ровно как в живом мозге, только в тысячу раз проще 🧠