Мне платят за то, что я говорю другим людям что им делать.Автор книги https://www.manning.com/books/machine-learning-system-designhttps://venheads.iohttps://www.linkedin.com/in/venheads
29 658 подписчиков
Несколько раз в неделюКачество: 100%🇷🇺 RUПоследний пост: 05.02.2026
Летел в Куала-Лумпур через Доху.По приезду в аэропорт пришло письмо, что рейс из Дохи отменён.Но, думаю, ничего, нашли другой на 12 часов позже. Решил, проведу лишние 12 часов в Дохе, жить можно.Лечу в Доху, спрашиваю бортпроводника после ужина: "Можно ли мне десертные сыры не сейчас, а с завтраком?"Он говорит: "А не будет завтрака. Мы летим обратно."А я и вправду заметил, что как-то вместо 6 часов до Дохи стало полтора.Инженерные неполадки (вроде как масло стало резко пропадать), развернули на полпути.Летим.
Запустили endowment.dev — это глобальная инициатива по долгосрочному финансированию открытого программного обеспечения (Open Source Endowment).Цель проекта — создать устойчивый финансовый фонд (эндowment), который инвестирует пожертвования и использует только доход от этих вложений на поддержку критически важных OSS-проектов по всему миру. Это делает финансирование стабильным и независимым от разовых спонсоров или корпоративных бюджетов.Это первый в мире такой фонд специально под OSS — не университет, не фонд помощи, а именно структура, где деньги работают вечно, а не тратятся целикомПринцип прост:Люди и компании вносят деньги →Капитал инвестируется →Доход идет на гранты и поддержку проектов.• Членство доступно тем, кто делает взнос от $1 000 и участвует в управлении и выборе направлений финансирования.• Инициатива поддержана крупными фигурами OSS-комьюнити (создатели Vue, Curl, HashiCorp и др.).В двух словах: это попытка создать для Open Source то, что университеты сделали для науки и образования — вечный фонд, который поддерживает проекты не за счёт разовых донатов, а за счёт дохода от инвестиций сами этих средствПонятное дело, я тоже внес свою лепту https://endowment.dev/community/GO TO https://news.ycombinator.com/newest and upvote OSE story
Forbes 30 до 30 не перестает радоватьPromised fixed returns, 200 sq ft space’: How arrested 32nd Avenue CEO cheated investors of ₹500 crore (~5 млрд рупий)He was featured in the Forbes 30 Under 30 Asia list in 2018
Хорошая заметка от Кохави - Drip-Pricing: A Highly Profitable Dark PatternTL; DR: Drip-pricing (also called partitioned pricing or shrouded pricing) is a pattern where web sites highlight low prices that do not include mandatory surcharges and taxes.Consumers hate drip pricing, but A/B tests show that drip-pricing not only improves conversion, but also results in higher-priced booking per conversion. In a competitive marketplace, companies that do not want to lose market share and revenue might need to use this dark pattern until regulation is enacted.Это мы уже после Блиновской поняли, что людям нравится, когда их обманывают, внешне они конечно говорят нет, но голосуют рублем куда надоAn article in the Wall Street Journal (Karp 2014) claimed that “Honesty may be the best policy, but it is taking a toll on sales for the nation's largest ticket reseller, StubHub.” While StubHub eliminated what it said was the “been the single biggest annoyance to most of its customers—hidden fees—its sales have taken a hit.
Валерий Бабушкин — OpenClaw, Moltbook и почему деньги всё ещё в MLВ этом выпуске подкаста поговорили с мощнейшним Валерием Бабушкиным про:— что такое OpenClaw и зачем вообще нужны автономные агенты— эксперимент с Moltbook и системами, которые могут работать неделями без постоянного контроля— GPT-5.2, Codex, Claude Opus и Gemini — где какая модель реально удобнее— синтетических пользователей и ограничения такого подхода— почему большинство ML-пилотов не доходят до продакшена— и почему деньги до сих пор в классическом ML, а не только в LLMЗалетайте:ЮтубВК
Как ИИ меняет культуру экспериментов и цели компанииВ преддверии митапа «Как прокачать эксперименты в 2026 году», который состоится 19 февраля, мы решили обсудить эту тему с Валерием Бабушкиным, автором канала «Время Валеры».Когда мы говорим про «культуру экспериментов», в первую очередь всплывают A/B-тесты. Но если задуматься, то становится ясно, что дело далеко не в тестах.Суть в цикле: изменение 👉 ожидание 👉 измерение 👉 вывод. Очень часто главным ограничением в этом процессе является разработка.Рассмотрим гипотетическую ситуацию: собрать данные, сделать фичу, выкатить, – месяц. Поэтому сам по себе месяц теста после этого никого особо не напрягал: пока один эксперимент красится, команда делает другую фичу в параллель.Это работало, пока скорость изменений и скорость измерения были примерно сопоставимы. Теперь сюда заходит ИИ… Листайте карточки, чтобы подробнее разобраться в этой теме ➡️
