Как аналитики работают в Generative AI проектах: старт карьеры, ключевые навыки и задачи

Повсюду «AI, AI, AI»: Generative AI, LLM, Fine-Tuning, RAG — но что это значит для системных и бизнес-аналитиков? Куда бежать, что изучать и с чего начать, если уже сейчас хочется новый виток в карьере в направлении AI? В этом выпуске разбираем реальные проекты, задачи и роли в компании red_mad_robot: где место аналитика в Generative AI, какие навыки нужны на старте и как меняется работа команд по сравнению с «обычными» IT-проектами. Анастасия и Игорь «раскрывают кухню» Generative AI-проектов: RAG vs Fine-Tuning, Small LLMs, метрики качества, безопасность и свой реальный опыт работы. К концу эпизода вы поймёте, с чего начать переход, какие артефакты добавить в портфолио и чего ожидать на собеседованиях. Слушайте, делайте заметки и задавайте вопросы в комментариях, чтобы мы могли дать вам максимум пользы от этого выпуска! Тайм-коды: 00:00 | Введение в Generative AI и машинное обучение. Знакомство с опытом аналитиков в AI-компании. 7:19 | Что такое Generative AI: короткое погружение и ключевые термины. 12:49 | Популярные направления внедрения Generative AI: типовые бизнес-задачи и запросы. 16:24 | RAG и Fine-Tuning: как адаптируют модели под задачи. 18:37 | Оценка работы AI: качество ответов, замена человека, типичные проблемы. 25:13 | Какие AI-модели внедряют в мире и РФ, безопасность использования AI. 30:22 | Small LLMs: что это и как повышают безопасность внедрения. 35:34 | Навыки для работы с Generative AI: отличия ролей аналитика, разработчика и тестировщика от...