В этом выпуске разбираемся, что такое векторные базы данных – зачем они понадобились, если есть SQL и текстовый поиск, как устроены под капотом и в чём их ключевое отличие от привычных подходов. Объясняем простыми словами: как данные превращаются в векторы, как по ним происходит быстрый поиск и почему это вообще работает.

В гостях Андрей Васнецов – основатель Qdrant. Вместе обсуждаем, откуда пошёл хайп, что изменилось с приходом LLM, как на практике применяются векторные базы (не только в RAG), какие есть популярные движки и встроенные решения в Postgres и ClickHouse, а также с какими подводными камнями, ограничениями и компромиссами сталкиваются команды при работе.

Партнёр команды Podlodka — наши давние друзья @AvitoTech. Это команда с крутыми процессами, культурой здравого смысла и эксперимента. Узнать про их технологии, подходы и прокачку компетенций в командах можно по ссылкам:

Статья “Как DS-инженеры совершенствуют автогенерацию описаний и пополняют индекс объявлений Авито” https://clc.to/G1TJ5g

Статья “Как аналитики Авито с помощью ML помогают людям выбирать хорошие авто с пробегом” https://clc.to/TMFC5A

Реклама. ООО "Авито Тех”, ИНН 9710089440, erid:2SDnjdPnvxw

Также ждем вас, ваши лайки, репосты и комменты в мессенджерах и соцсетях!


Telegram-чат: https://t.me/podlodka

Telegram-канал: https://t.me/podlodkanews

Страница в Facebook: www.facebook.com/podlodkacast/

Twitter-аккаунт: https://twitter.com/PodcastPodlodka

Ведущие в выпуске:

Андрей Смирнов, Егор Толстой

Полезные ссылки:

Интервью Осетинской

https://youtu.be/_GwPpxtMcNs

Андрей в подкасте TeamleadTalks

https://youtu.be/agYxjnc8mdU

Главная разработка Андрея

https://github.com/qdrant

Берты, трансформеры, эмбеддинги, аттеншены, энкодеры с декодерами и другие страшные слова – все это разберем в выпуске с Владиславом Танковым, директором по AI в JetBrains, попутно разложив большие языковые модели на составные части.

Также ждем вас, ваши лайки, репосты и комменты в мессенджерах и соцсетях!


Telegram-чат: https://t.me/podlodka

Telegram-канал: https://t.me/podlodkanews

Страница в Facebook: www.facebook.com/podlodkacast/

Twitter-аккаунт: https://twitter.com/PodcastPodlodka

Ведущие в выпуске:

Женя Кателла, Андрей Смирнов

Полезные ссылки:

Illustrated Transformer

https://jalammar.github.io/illustrated-transformer/

Attention is all you need

https://arxiv.org/abs/1706.03762

Illustrated BERT

https://jalammar.github.io/illustrated-bert/

GPT-family models overview

https://towardsdatascience.com/meet-gpt-the-decoder-only-transformer-12f4a7918b36/

A bit of overview of tokenization

https://huggingface.co/learn/llm-course/en/chapter6/1

Сегодня AI внедряют во всё: от образования и медицины до финтеха и путешествий. Но что на самом деле означает «AI-продукт» и чем он отличается от классического? Вместе с Анной Подображных разбираем полный цикл их создания: от первых прототипов и проверки гипотез ценности до бенчмарков и эвалов, помогающих измерять качество. Обсуждаем почему важно и как проверить технологическую реализуемость. Этот выпуск – практическая карта для тех, кто хочет осознанно строить AI-продукты.

Также ждем вас, ваши лайки, репосты и комменты в мессенджерах и соцсетях!


Telegram-чат: https://t.me/podlodka

Telegram-канал: https://t.me/podlodkanews

Страница в Facebook: www.facebook.com/podlodkacast/

Twitter-аккаунт: https://twitter.com/PodcastPodlodka

Ведущие в выпуске:

Стас Цыганов, Андрей Смирнов

Партнёр эпизода — @trisigma_avito. Это платформа для проведения A/B-экспериментов, анализа результатов и управления процессом тестирования от Avito Tech. Узнать больше о Trisigma можно по ссылке: https://clc.to/5mRShQ

Реклама. ООО "Авито Тех”, ИНН 9710089440, erid:2SDnjcX1Ktr

Gleam ворвался в список “The Most Admired Programming Languages” сразу на второе место — 70% разработчиков, которые писали на нём, хотят продолжать его использовать. Зачем в 2025 году нужен ещё один язык программирования, за что энтузиасты любят его, и есть ли шанс у “Elixir для хипстеров” на реальную популярность? Разбираем философию языка и его ключевые фичи с контрибьютером Gleam и CPython-core-разработчиком Никитой Соболевым!

Также ждем вас, ваши лайки, репосты и комменты в мессенджерах и соцсетях!


Telegram-чат: https://t.me/podlodka

Telegram-канал: https://t.me/podlodkanews

Страница в Facebook: www.facebook.com/podlodkacast

Twitter-аккаунт: https://twitter.com/PodcastPodlodka

Ведущие в выпуске:

Катя Петрова, Андрей Смирнов

Полезные ссылки:

Страница Никиты на Boosty

https://boosty.to/sobolevn

Документация Gleam

https://gleam.run/cheatsheets/gleam-for-python-users/

Курс по Gleam

https://tour.gleam.run

Gleam v1.11.0

https://gleam.run/news/gleam-javascript-gets-30-percent-faster/

Если вы, как и мы, говорите ChatGPT “спасибо” в конце чата, чтобы вас пощадили, когда начнется восстание машин – этот выпуск для вас! Вместе с Федором Рыженковым разбираемся, что может пойти не так, и как от этого защититься.

Также ждем вас, ваши лайки, репосты и комменты в мессенджерах и соцсетях!


Telegram-чат: https://t.me/podlodka

Telegram-канал: https://t.me/podlodkanews

Страница в Facebook: www.facebook.com/podlodkacast/

Twitter-аккаунт: https://twitter.com/PodcastPodlodka

Ведущие в выпуске:

Женя Кателла, Аня Симонова

Полезные ссылки:

Прогноз AI-2027

https://ai-2027.com/

Про XAI

https://transformer-circuits.pub/2024/scaling-monosemanticity/umap.html?targetId=1m_284095

Открытые вакансии в Palisade Research

https://global.palisaderesearch.org/hiring-global

Про отравление датасетов

https://arxiv.org/abs/2410.13722

Примеры того, как этим занимаются

https://www.heise.de/en/news/Poisoning-training-data-Russian-propaganda-for-AI-models-10317581.html

В этом выпуске говорим о том, как компьютеры представляют числа – от int и float до NaN, BigInt, decimals и комплексных. В гости пришёл разработчик Никита Тонский Прокопов, с которым мы прошлись по всему числовому зоопарку: обсудили, зачем нужны разные типы, где они подводят, и почему 0.1 + 0.2 ≠ 0.3 – не баг, а особенность.

Разбираемся, как работают переполнения, откуда берётся погрешность, можно ли использовать float для денег (спойлер: нельзя), и что общего между округлением и падением ракеты. А ещё вспомнили любимые числовые фэйлы, сравнили числа в разных языках программирования и даже сыграли в игру на угадывание результатов арифметических операций.

Также ждем вас, ваши лайки, репосты и комменты в мессенджерах и соцсетях!


Telegram-чат: https://t.me/podlodka

Telegram-канал: https://t.me/podlodkanews

Страница в Facebook: www.facebook.com/podlodkacast/

Twitter-аккаунт: https://twitter.com/PodcastPodlodka

Ведущие в выпуске:

Андрей Смирнов, Стас Цыганов

Полезные ссылки:

Пост, после которого мы решили звать Никиту

https://t.me/nikitonsky_pub/897

Один из главных вау-эффектов текущего поколения LLM – когда ты впервые видишь, как AI рассуждает перед тем, как выдать ответ на сложный вопрос. Чтобы разобраться с тем, что происходит у таких моделей под капотом, как их обучают и верифицируют результаты работы, мы пригласили Евгения Никишина, исследователя из OpenAI, работающего над масштабированием reasoning моделей и test-time compute.

Также ждем вас, ваши лайки, репосты и комменты в мессенджерах и соцсетях!


Telegram-чат: https://t.me/podlodka

Telegram-канал: https://t.me/podlodkanews

Страница в Facebook: www.facebook.com/podlodkacast/

Twitter-аккаунт: https://twitter.com/PodcastPodlodka

Ведущие в выпуске:

Катя Петрова, Егор Толстой

Полезные ссылки:

Личный сайт Жени

https://evgenii-nikishin.github.io/

Learning to reason with LLMs

https://openai.com/index/learning-to-reason-with-llms/

Бумага “The Illusion of Thinking” от Apple

https://machinelearning.apple.com/research/illusion-of-thinking

DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning

https://arxiv.org/abs/2501.12948

Chain-of-Thought Prompting Elicits Reasoning in Large Language Models

https://arxiv.org/abs/2201.11903

В современном IT есть два пути к бесконечным деньгам. Один из них – быть топовым AI рисерчером и ждать, пока позвонит Цукерберг. Второй – поддерживать код на COBOL, от которого зависит вся мировая банковская система. В этом классическом языковом выпуске вместе с Сергеем Куксом, principal инженером из JetBrains, разбираемся с тем, что когда-то помогло COBOL стать таким популярным, и как он продолжает развиваться по сегодняшний день.

Также ждем вас, ваши лайки, репосты и комменты в мессенджерах и соцсетях!


Telegram-чат: https://t.me/podlodka

Telegram-канал: https://t.me/podlodkanews

Страница в Facebook: www.facebook.com/podlodkacast/

Twitter-аккаунт: https://twitter.com/PodcastPodlodka

Ведущие в выпуске:

Катя Петрова, Егор Толстой

Полезные ссылки:

Документация COBOL для новичков

https://www.microfocus.com/documentation/visual-cobol/vc80/EclWin/index.html?t=GUID-7D9BBE92-0AD8-4DDC-975A-FA92A55D7187.html

Про Micro Focus

https://www.opentext.com/about/brands/microfocus

Как работает фича ReportWriter

https://www.microfocus.com/documentation/visual-cobol/vc80/VS2022/index.html?t=HRLHLHWRI01.html

Awesome COBOL

https://github.com/loveOSS/awesome-cobol

Мы живём в интересное время: одни люди делегируют AI почти все бытовые задачи, полностью полагаясь на советы LLM — от кулинарии до постановки медицинских диагнозов и подбора лечения; другие же чуть ли не бойкотируют использование любых AI-инструментов, аргументируя это так: «Как можно доверять таким системам? Это же просто генерация символов по контексту!»

Действительно, можем ли мы вообще доверять AI — и насколько? Подлодка любит разбираться фундаментально, поэтому в гости мы позвали Полину Кириченко — исследовательницу в Meta* и приглашенного исследователя в Принстоне. Вместе с Полиной разбираемся, что мы вкладываем в понятие «доверие к AI», откуда берутся галлюцинации, bias и другие баги моделей, и какие есть способы сделать их надёжнее.

Также ждем вас, ваши лайки, репосты и комменты в мессенджерах и соцсетях!


Telegram-чат: https://t.me/podlodka

Telegram-канал: https://t.me/podlodkanews

Страница в Facebook: www.facebook.com/podlodkacast/

Twitter-аккаунт: https://twitter.com/PodcastPodlodka

Ведущие в выпуске:

Катя Петрова, Стас Цыганов

Полезные ссылки:

Статья Business Insider о ChatGPT

https://www.businessinsider.com/sam-altman-chatgpt-yes-man-mode-gpt5-personalities-sycophantic-2025-8?utm_source=reddit.com

О Полине Кириченко

https://polkirichenko.github.io/

Twitter Полины

https://x.com/polkirichenko

LinkedIn Полины

https://www.linkedin.com/in/polkirichenko/

Ссылки на статьи

https://scholar.google.com/citations?user=05uQHIgAAAAJ&hl=en&oi=ao

*Компания Meta признана экстремистской и её деятельность запрещена в РФ.

Многие знают, что когда модели обучаются, где-то под капотом перемножаются матрицы и тензоры, и все это связано с дифференцированием. Мы с Денисом Степановым взялись за нелегкую задачу – разобраться, что же именно там происходит!

Также ждем вас, ваши лайки, репосты и комменты в мессенджерах и соцсетях!


Telegram-чат: https://t.me/podlodka

Telegram-канал: https://t.me/podlodkanews

Страница в Facebook: www.facebook.com/podlodkacast/

Twitter-аккаунт: https://twitter.com/PodcastPodlodka

Ведущие в выпуске:

Женя Кателла, Аня Симонова

Полезные ссылки:

Dive into Deep Learning Aston Zhang, Zachary C. Lipton, Mu Li, Alexander J. Smola (online book with code and formulas)

https://d2l.ai/ https://www.amazon.com/s/ref=dp_byline_sr_book_2?ie=UTF8&field-author=Zachary+C.+Lipton&text=Zachary+C.+Lipton&sort=relevancerank&search-alias=books

Micrograd by Andrej Karpathy

https://github.com/karpathy/micrograd

Andrej Karpathy builds GPT from scratch

https://www.youtube.com/watch?v=kCc8FmEb1nY

Scott Aaronson on LLM Watermarking

https://www.youtube.com/watch?v=YzuVet3YkkA

Annotated history of Modern AI and Deep Learning by Jurgen Schmidhuber https://people.idsia.ch/~juergen/deep-learning-history.html

Probabilistic Machine Learning: An Introduction Kevin Patrick Murphy

https://probml.github.io/pml-book/book1.html

Probabilistic Machine Learning: Advanced Topics Kevin Patrick Murphy

https://probml.github.io/pml-book/book2.html

Pattern Recognition and Machine Learning Christopher Bishop

https://www.microsoft.com/en-us/research/wp-content/uploads/2006/01/Bishop-Pattern-Recognition-and-Machine-Learning-2006.pdf

Deep Learning: Foundations and Concepts Christopher Bishop, Hugh Bishop

https://www.bishopbook.com/

Deep Learning Ian Goodfellow, Yoshua Bengio, Aaron Courville

https://www.deeplearningbook.org/

Глубокое обучение: Погружение в мир нейронных сетей С. Николенко, А. Кадурин, Е. Архангельская

https://www.k0d.cc/storage/books/AI,%20Neural%20Networks/%D0%93%D0%BB%D1%83%D0%B1%D0%BE%D0%BA%D0%BE%D0%B5%20%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5%20(%D0%9D%D0%B8%D0%BA%D0%BE%D0%BB%D0%B5%D0%BD%D0%BA%D0%BE).pdf

Gonzo-обзоры ML статей Григорий Сапунов, Алексей Тихонов

https://t.me/gonzo_ML

Machine Learning Street Talk podcast

https://www.youtube.com/c/machinelearningstreettalk

Feedforward NNs, Autograd, Backprop (Datalore report, Denis Stepanov) https://datalore.jetbrains.com/report/static/Ht_isxs4iB2.BNIqv-C3WUp/pEpNv2eMVU9tEkPsaboR9y

Softmax Regression, Adversarial Attacks (Datalore report, Denis Stepanov) https://datalore.jetbrains.com/report/static/Ht_isxs4iB2.BNIqv-C3WUp/cIvd6zX1B5I3kULNiVCEyy

Dual Numbers, PINN (Datalore report, Denis Stepanov)

https://datalore.jetbrains.com/report/static/Ht_isxs4iB2.BNIqv-C3WUp/3oa1BNrPGpQ8uc82tCaz5d