Что происходит с ML после того, как модель обучена

Рекомендуем канал Data New Gold. Владимир Камчаткин закончил бакалавриат ФПМИ и магистратуру ТехПреда МФТИ, восемь лет проработал в продуктовой аналитике (Нетология, Ozon, YClients, inDrive, последние годы тимлид продуктовой аналитики в Т-Банке), а в феврале ушёл из найма и делает «Сократ AI», платформу подготовки к ЕГЭ и ОГЭ по физике, математике, химии и языкам. Сейчас на ней 160 репетиторов, 500 учеников, около 2000 занятий в месяц. Продукт и код Владимир тащит сам и 60-70% времени вайбкодит с агентами.

В канале он пишет про две вещи.

1️⃣Рабочее окружение AI-native разработчика. Claude Code, MCP, скиллы, память проекта, суб-агенты под рутину. Всё на живых задачах стартапа: где агенты экономят неделю, где красиво и уверенно врут и какие проверки приходится ставить, чтобы это ловить.

2️⃣Слой между моделью и деньгами. A/B-тесты, метрики, как из хорошего оффлайн-качества получается или не получается эффект в проде. Плюс много про найм: Владимир сам собеседует аналитиков и рассказывает, что за последний год перестал смотреть, как человек пишет запрос, и смотрит, как тот думает и как перепроверяет ИИ. Его статья на Хабре про А/Б-тесты собрала 27 тысяч просмотров, про найм аналитиков 17 тысяч, разборы собеседований на ютубе суммарно 60 тысяч. Всё собрано в одном посте.

➡️ @data_new_gold

Ещё Владимир ведёт менторскую программу для middle-аналитиков, которые упёрлись в потолок исполнителя и хотят дорасти до senior, целиком вокруг ИИ-инструментов. Трое участников за это время уже нашли новую работу.