Категорія: Великі Дані та Аналітика

  • Швидка реакція: великий день Саллівана призвів до перемоги Північно-Західного жіночого баскетболу з рахунком 64-51

    Швидка реакція: великий день Саллівана призвів до перемоги Північно-Західного жіночого баскетболу з рахунком 64-51

    Незважаючи на ранню боротьбу з кидками, північно-західна жіноча баскетбольна команда (2-0, 0-0 BIG) пізно відірвалася від SIU Edwardsville (2-1, 0-0 OVC) 64-51.

    Домінування Грейс Салліван стало історією гри для «Кетс», вона набрала 25 очок і зробила шість підбирань при 71% кидків з гри.

    Крім Саллівана, Тейт Леш набрав 11 очок, а Тайла Томас набрала 9 очок і 11 підбирань. Керолайн Лау також набрала дев'ять очок.

    «Коти» кидали з гри 41,8%, але перемогли через задушливий захист. SIUE Cougars кинули 29% з гри та 28% з трьох. У Нортвестерна було 17 передач і вісім втрат, тоді як у SUIE було 12 і 10 відповідно. Захист «Котів» утримав зірку SIUE Лорен Міллер, яка набрала 25 очок у своїй останній грі, лише до 11 у той день, оскільки напад «Кугарів» всю гру шукав відповіді.

    Маккеоун випустив ту саму стартову п'ятірку, що й у минулій грі за «Кетс», і ця безперервність принесла дивіденди. Салліван виграв підказку, щоб розпочати гру, і на початку все було північно-західним. Керолайн Лау збила гравця з базової лінії під час першого володіння у грі, і голодний захист Північно-Західної команди взяв верх. У перші чотири хвилини гри «Вайлдкетс» змусили Кугуара тричі програти, включно з перехопленнями Тайли Томас і Тейта Леша, що призвело до перехідних ковшів.

    SIUE вийшов на табло на сьомій хвилині за допомогою трьох м’ячів від Кійоко Проктор, підтягнувши гру до 6-3 «Кетс». Однак на ранніх стадіях гри їм було важко отримати щось інше в атаці, оскільки вони не могли дивитися на кошик, окрім сильних трійок. Повільно, але впевнено, Північно-Західний збільшував свою перевагу, і Тейт Леш, який зникав, стрибнув за 5:34 до завершення першого, змусив Кугар тайм-аут з «Кетс» 12-5.

    Вийшовши з тайм-ауту, SIUE продовжив боротьбу в атаці, зберігаючи план гри на трійки. Тим часом «Нортвестерн» намагався налагодити внутрішню гру з Салліваном і Томасом. Пізніші етапи першого стали захисним ударом, оскільки Салліван стрибнув з вершини за 2:31 до завершення був останнім очком, набраним у періоді. NU лідирував з рахунком 15-6 після одного, вісім очок Саллівана лідирував.

    «Кугарс» розпочали другу чверть триочковим від Проктора, але Салліван відповів ще одним двоочковим. Обидва напади почали вирівнюватися на початку другого, коли Томас трійкою побачив, що «Коти» вели з рахунком 20-11 лише за 90 секунд до початку періоду. Після цього, однак, була ще одна наступальна суха, оскільки джемпер Леша був єдиним забитим відром протягом наступних трьох хвилин.

    Міллер із SIUE забив кошик із-за дуги, скоротивши перевагу Wildcats до 22-14 за 5:28, що залишилися до другої чверті, але погана демонстрація кидків обох команд була постійною протягом усієї другої. У наступні хвилини було багато свистків і ще більше пропущених штрафних кидків, Wildcats вигравали 23-15 з 2:28 до тайму.

    Незважаючи на боротьбу своїх товаришів по команді, Салліван продовжувала домінувати в фарбі, набравши свої 11-е та 12-е очки за допомогою бебі-хука з-за межі обмеженої зони за 1:51 до кінця другого. Два штрафні кидки від Саллівана та лежання SIUE символізували решту голів у таймі, і Північно-Вестерн вів у перерві з рахунком 27-17.

    Захист «Котів людина-особа», увімкнувши всі екрани, які намагався налаштувати SIUE, наполовину витримав суперника та компенсував їхню власну боротьбу в атакуючому кінці. Салліван, яка набрала 14 очок і чотири підбирання, була єдиною гравкою НУ, яка знайшла свою позицію, оскільки команда кидала з гри 37,5% у першому таймі (порівняно з жахливими 19%) у «Кугарс». Штрафний кидок залишався проблемою для Northwestern, оскільки він кинув лише 66,7% від благодійної смуги. Різні ігрові плани двох тренерів були показані протягом тайму, коли «Кугарс» виконали 16 триочкових кидків, виконавши три з них, тоді як «Кетс» забили лише три, зробивши один.

    Другий тайм розпочався з (що ще) стрибка Саллівана на середній дистанції в чверті, після чого Wildcats і Cougars обмінялися ударами на початку. Міллер закинув ще один триочковий м’яч для SIUE, а Салліван відповів старомодною грою з трьох очок, підвищивши «Кетс» 32-20. Проте тренер Маккеоун, здавалося б, не був задоволений зусиллями NU в обороні, оскільки він назвав ранній тайм-аут за 7:53, що залишилися до кінця чверті, а його команда веде з рахунком 32-22.

    Північно-Вестерн збільшив тиск на м’яч після тайм-ауту, і промах Кугуара з одного боку призвів до перехідного відра для Томаса, який поглинув фол, але все одно зробив лежання. Салліван продовжував діяти в зоні нижньої стійки, завдаючи згасаючий удар, а Лау продовжила спроби збільшити темп.

    З 6:03 у третьому матчі та «Кетс» з рахунком 36-26, Лау зробив підбір у захисті та перекинув монету Кейсі Хартеру, який, здавалося, мав відкритий лейап. Хартер пропустила лежання, але Лау була там, щоб підтримати її та все одно закинула м’яч у кошик, підвищивши свою команду 12 рахунків і змусивши Кугар тайм-аут.

    Тим не менш, тайм-аут не дав відповіді на гру Саллівана на низькій пошті, оскільки промахи SIUE продовжували створювати можливості переходу для Wildcats. Трійка Лау за 2:47, що залишилася до кінця чверті, збільшила перевагу NU до 45-29, але «Кугар» відмовилися програти без боротьби. Ава Гульюцца збила одну з глибини для SIUE за 1:49 до кінця чверті, але наполегливість фарби NU дозволила їм підняти рахунок 51-35 наприкінці третьої частини. Салліван набрала 11 очок у періоді, коли МакКеоун вирішила якомога більше тримати м'яч у її руках.

    Томас відкрив рахунок у фінальному фреймі за Нортвестерн, виконавши розворотний удар з лінії штрафного кидка, коли «Кетс» намагалися пройти шлях до ще однієї перемоги. Лау лідирував у завершальному ударі Wildcats з перехопленням, яке призвело до Томаса на лежанні, і флоатера над витягнутим захисником SIUE. Northwestern лідирував з рахунком 57-39 з 6:23 до кінця гри, коли Cougars вирішили оголосити ще один тайм-аут, щоб спробувати спланувати своє повернення.

    Тим не менш, Леш реалізував і-один за 4:50, що залишилися до кінця гри, що було завершальним штрихом, потрібним Північно-Західному, щоб підвищити рахунок 58-43. Решту шляху «Кетс» вичерпали час, здобувши перемогу над «Кугарами» з рахунком 64-51.

    Незважаючи на те, що часом напад був неприємним, NU покладався на Саллівана та його жорсткий захист, щоб здобути другу перемогу в сезоні. 14 листопада о 18:30 “Коти” зіграють свою третю поспіль домашню гру проти “Меріленд Істерн”

  • Суперзірки ШІ Nvidia та Palantir об’єднуються. Ось які акції я зараз купую.

    Суперзірки ШІ Nvidia та Palantir об’єднуються. Ось які акції я зараз купую.

    Nvidia та Palantir є двома найбільшими іменами в інвестуванні штучного інтелекту.

    Палантир (PLTR +1,66%) і Nvidia (NVDA +0,03%) є двома найбільшими іменами в галузі штучного інтелекту (ШІ). Жодна компанія не конкурує з іншою, оскільки Palantir — це програмне забезпечення, а Nvidia надає прискорене обчислювальне обладнання для виконання робочих навантажень ШІ. Нещодавно вони оголосили про партнерство, і це величезна новина для обох компаній.

    Для Nvidia вона інтегрувала Palantir Ontology у свої графічні процесори (GPU). Цей комплекс інтегрованих технологій буде набагато ефективнішим і розкриє нові можливості для клієнтів Palantir, які розгортають графічні процесори Nvidia.

    Час покаже, як це вплине на обидва підприємства, але я зацікавлений у купівлі лише однієї акції в цьому партнерстві.

    У кого з них моє око? Давайте розберемося.

    ШІ-робот дивиться на зростання біржової діаграми.

    Джерело зображення: Getty Images.

    Бізнес Palantir стане більш стійким у довгостроковій перспективі

    Palantir займається розробкою програмного забезпечення, і щороку його клієнти повинні сплачувати плату за підписку, щоб продовжувати працювати з його програмним забезпеченням для аналізу даних на основі штучного інтелекту. Через те, що програмне забезпечення Palantir все більше інтегрується в операції клієнтів, це робить програмне забезпечення все більш і більш липким з кожним роком. Як наслідок, Palantir, ймовірно, заблокує клієнтів у осяжному майбутньому.

    Котирування акцій Palantir Technologies

    Сьогоднішня зміна

    (1.66%) $2.90

    Поточна ціна

    $177,95

    Обчислювальний бізнес Nvidia дещо інший. Щоб Nvidia продовжувала розвиватися, вона повинна продовжувати щороку продавати нові графічні процесори. Наразі це не проблема, оскільки щороку випускається нова ітерація з продуктивністю, завдяки якій моделі попередніх років виглядають застарілими.

    Врешті-решт ми досягнемо бар’єру продуктивності та матимемо необхідну обчислювальну потужність ШІ, щоб працювати як суспільство, інтегроване з ШІ. Коли це станеться, продажі Nvidia впадуть, оскільки вона фінансуватиме лише поступове нарощування обчислювальної потужності та заміну застарілих і згорілих обчислювальних блоків.

    Котирування акцій Nvidia

    Сьогоднішня зміна

    (0,03%) $0,05

    Поточна ціна

    $188,13

    Це робить бізнес Palantir набагато стійкішим у довгостроковій перспективі, і я волів би володіти ним, ніж Nvidia. Однак є один фактор, який змушує мене побоюватися майбутнього Palantir, і все зводиться до оцінки акцій.

    Ціна акцій Nvidia набагато розумніша

    Хоча вибрати успішну компанію – це одне, а гарантувати, що ви заплатите правильну ціну за неї – інше. Навіть найкраща компанія, придбана за неправильною ціною, може перетворитися на катастрофічну інвестицію, і це саме те, де я зараз бачу акції Palantir.

    Діаграма співвідношення PLTR PE (передній 1 рік).

    Дані PLTR PE Ratio (Forward 1y) за YCharts

    Незважаючи на подібні темпи зростання, Palantir оцінюється набагато дорожче, ніж Nvidia. Оскільки Nvidia торгує приблизно в 30 разів більше, ніж прибуток наступного року, це набагато розумніше, ніж Palantir, який торгується в 224 рази більше, ніж у 2026 році.

    Хоча я згоден надати Palantir певну премію через її активнішу клієнтську базу та стрімке розширення лінійки продуктів, премія, яку інвестори повинні заплатити, щоб володіти акціями сьогодні, надто велика.

    Щоб Palantir повернувся до розумного рівня оцінки, скажімо, 50-кратного відстаючого прибутку, йому потрібно буде підтримувати неймовірне зростання протягом тривалого часу. Якщо протягом наступних п’яти років він зможе продовжувати збільшувати дохід зі зведеним річним темпом зростання (CAGR) приблизно на 50% (неймовірний результат), це дасть йому річний дохід у 26 мільярдів доларів. При нормі прибутку 35% і 50-кратній оцінці прибутку це оцінило б акції в 457 мільярдів доларів. Враховуючи, що ринкова капіталізація Palantir сьогодні становить близько 450 мільярдів доларів, це не залишає можливості для значного зростання протягом наступних п’яти років.

    Тим часом Nvidia також планує продемонструвати грандіозне зростання доходів: очікується, що капітальні витрати глобальних центрів обробки даних зростуть з 600 мільярдів доларів у 2025 році до 3-4 трлн доларів. Таким чином, поки Palantir все ще намагається досягти преміум-ціни, Nvidia зможе перетворити весь свій бізнес, що розвивається, безпосередньо на ціну акцій. Це робить Nvidia найкращим вибором акцій протягом наступних п’яти років, навіть якщо бізнес Palantir продовжить розвиватися (а я думаю, що так і буде).

  • Радість кодування не вмерла, її переосмислюють

    Радість кодування не вмерла, її переосмислюють

    radist koduvannya ne vmerla yiyi pereosmyslyuyut Радість кодування не вмерла, її переосмислюютьradist koduvannya ne vmerla yiyi pereosmyslyuyut Радість кодування не вмерла, її переосмислюють


    Майбутнє кодування не менш людське. Воно більш людське, посилюється машинами, підтримується творчістю та набуває сенсу завдяки меті.

    Зараз програмне забезпечення керує майже кожним рішенням у бізнесі. Статистика в режимі реального часу, автоматизація на основі штучного інтелекту та конвеєри безперервного розгортання змінили те, як організації забезпечують ефективність. Проте розробники стикаються з парадоксом: вони кодують і виробляють більше, ніж будь-коли, але багато хто відчуває менший зв’язок із ремеслом, яке їх привернуло.

    Ця напруга має значення. Підприємствам, які прагнуть повністю реалізувати бізнес-цінність штучного інтелекту, необхідно зберегти найкращі інженерні кадри. Незважаючи на звільнення, такі компанії, як Microsoft, Meta та Google, активно борються за наймання найкращих спеціалістів. Але в міру того як тиск, пов’язаний зі штучним інтелектом, зростає, робота втрачає сенс, виснаження посилюється, плинність кадрів зростає, а інновації страждають.

    Радість кодування не зникла, але її важче знайти.

    Справжня проблема не технічна, а людська. Технології змінили роль розробників швидше, ніж організації оновили очікування, процеси та системи, які їх підтримують. Усунення цього розриву має важливе значення, якщо підприємства хочуть підтримувати як продуктивність, так і креативність у світі, доповненому ШІ.

    Від будівельників до кондукторів

    За кілька років роль розробника кардинально змінилася. Інструменти AI створюють код, автоматичне розгортання конвеєрів і платформи з низьким кодом прискорюють доставку. Розробники більше не пишуть кожен рядок коду. Натомість вони оркеструють системи. Вони підказують, переглядають і направляють стільки, скільки створюють.

    Проте промисловість часто чіпляється за застарілі заходи впливу. Запити на притягування та швидкість досі домінують у оцінках продуктивності. Творчість все ще пов’язана з оволодінням синтаксисом. Автоматизація помилково вважається вдосконаленням. Розрив зв’язку залишає розробників посередині, відповідаючи за сучасні результати, але судячи за застарілими показниками.

    Десятиліттями радість від кодування була синонімом потоку, тобто занурення у вирішення проблем, вдосконалення логіки та спостереження за появою елегантних рішень. Цей досвід не зник, але став фрагментарним.

    Перемикання контексту, розповсюдження інструментів, перевантаження сповіщень і пропозиції, створені штучним інтелектом, порушують фокус. Коли припиняється потік, припиняється і виконання. Розробники не втрачають радості, тому що машини краще справляються зі створенням лісів. Вони втрачають це, тому що організації не захистили те, що найважливіше: час, зосередженість і право власності.

    Дивіться також: Кодування Vibe: як робочі процеси AI-First переосмислюють розробку даних клієнтів

    ШІ не ворог радості. Зловживання є

    Страх навколо інструментів ШІ часто неправильно спрямований. Не штучний інтелект пригнічує креативність; це погана реалізація. При продуманому розгортанні штучний інтелект покращує творчу роботу, усуваючи виснажливі завдання, прискорюючи відкриття та створюючи нові способи мислення. Але якщо ввести без чіткої мети чи огорожі, це стає джерелом втоми, а не натхнення.

    ШІ має бути співавтором, а не заміною. Реальна можливість полягає в тому, щоб розробники могли визначати, як штучний інтелект підтримує їхню роботу, коли вони мають повноваження, радість повертається не від введення кожної дужки, а від того, що розблоковують ці рядки коду.

    Збереження радості кодування в корпоративному середовищі реального часу, керованого штучним інтелектом, вимагає не лише оптимізму. Це вимагає змін на системному рівні. Для підприємств ці зміни включають:

    1) Перевизначте роль розробника для цієї епохи

    Припиніть ставитися до розробників як до простих будівельників. Вони є системними дизайнерами, оркестровцями ШІ та стратегами платформ. Оновіть обсяг роботи, моделі визнання та показники успіху, щоб відобразити цю розширену роль.

    2) Ставтеся до ШІ як до творчого підсилювача

    Провести тренінг із підказування та експериментування. Заохочуйте повторення, а не просто виконання. Чим більше вхідних даних мають розробники, тим більше вони відчувають свою власність — і тим інноваційнішими будуть результати.

    3) Модернізація показників і циклів зворотного зв’язку

    Якщо швидкість є єдиним KPI, команди оптимізують її. Додайте показники, які оцінюють довгострокову якість: ремонтопридатність, надійність і задоволеність розробників. Збалансовані показники заохочують збалансований результат.

    4) Захистіть час для глибокої роботи

    Потік не може вижити у шестихвилинних фрагментах. Зменшіть шум сповіщень, зведіть до мінімуму непотрібні зустрічі та інвестуйте в досвід розробників так само свідомо, як і в інфраструктуру.

    5) Відзначайте невидимі внески

    Швидке налаштування, налагодження виходів ШІ та спрощення API не є привабливими, але це важливі завдання. Визнання їх підтверджує творче та технічне судження за лаштунками.

    Чому це важливо для підприємства

    Розробники йдуть не тому, що бояться ШІ. Вони йдуть, тому що робота більше не здається своєю. Це більше, ніж культурне питання; це бізнес-ризик.

    Висока плинність кадрів виснажує інституційні знання, а низька залученість уповільнює продуктивність. Оскільки індустрії намагаються впроваджувати аналітику в реальному часі та штучний інтелект у свою діяльність, втрата ключових кадрів може швидко зірвати зусилля з трансформації.

    З іншого боку, компанії, які захищають потік, розширюють можливості для творчості та розвивають роль розробників, отримують більше, ніж задоволених працівників. Вони відкривають стійкі інноваційні команди, здатні швидше вирішувати складніші проблеми.

    Щоб усунути цю прогалину, організації повинні визнати зв’язок між залученням розробників і стійкістю бізнесу. На ринку, де дані в реальному часі та штучний інтелект формують конкурентну перевагу, незаангажована команда інженерів може зупинити інновації так само ефективно, як заблокований конвеєр. Але коли розробники відчувають свою причетність, вони пишуть кращий код, відкривають можливості для поверхневої автоматизації, завчасно виявляють ризики продуктивності та швидше адаптують системи.

    У цьому контексті радість — це більше, ніж особисте почуття. Це показник здоров'я організації. Він заслуговує на такий самий рівень уваги, як показники безвідмовної роботи або показники задоволеності клієнтів.

    Оскільки організації експериментують із конвеєрами даних у реальному часі, копілотами ШІ та моделями безперервного розгортання, питання не в тому, чи зможуть розробники адаптуватися. Справа в тому, чи буде керівництво адаптуватися достатньо швидко, щоб підтримати їх.

    Компанії, які процвітатимуть, будуть ті, які розглядають досвід розробників як головний пріоритет, впроваджуючи практики, які захищають творчість і зменшують тертя в повсякденних робочих процесах. У середовищі, де технологічні цикли вимірюються місяцями, а не роками, недотримання пріоритетів цього балансу може призвести до того, що талант і можливості залишаться на столі.

    Заглядаючи вперед: радість як конкурентна перевага

    Радість кодування ніколи не полягала в механіці набору тексту. Це було про:

    • Вирішувати проблеми не міг ніхто інший.
    • Бачити, як логіка стає реальністю.
    • Створення цінності завдяки елегантності й ефективності.

    Це не зникло, просто до нього важче дотягнутися через шум. Збереження цього не є ностальгічним задоволенням. Це стратегічна перевага.

    У наступній хвилі корпоративного програмного забезпечення, де дані в реальному часі підживлюють процес прийняття рішень, а штучний інтелект змінює робочі процеси, організації, які досягнуть успіху, захищатимуть людський фактор у центрі всього цього. Розробники, які відчувають силу, довіру та натхнення, не лише швидше кодуватимуть, але й створюватимуть розумніші системи, які адаптуються, навчаються та масштабуються.

    Майбутнє кодування не менш людське. Воно більш людське, посилюється машинами, підтримується творчістю та набуває сенсу завдяки меті.

  • AAPS PharmSci 360: покращення біоаналізу за допомогою ШІ та інших технологій

    AAPS PharmSci 360: покращення біоаналізу за допомогою ШІ та інших технологій

    Біоаналіз, який використовується при розробці ліків для визначення фармакології, біодоступності та біоеквівалентності, включає вимірювання фармакокінетики, токсикокінетики або концентрації біомаркерів (1) у безпеці тварин і клінічних дослідженнях. Регулятори вимагають перевірки біоаналітичних методів, щоб забезпечити надійність їхніх даних (1). Штучний інтелект (AI), машинне навчання (ML) та інші складні інструменти допомагають розробникам ліків оцінювати складні дані, задіяні в таких дослідженнях.

    Фармацевтична технологія® поспілкувався з доктором Марком Арнольдом, власником і директором Bioanalytical Solution Integration, щоб дізнатися, як біоаналіз сприяє розробці біо/фармацевтичних ліків. У понеділок, 10 листопада 2025 р. о 13:30 Арнольд виступить із основною сесією «Роздуми про трансформації в розробці ліків, біоаналізі та нормативних актах» на AAPS PharmSci 360.

    PharmTech: Як штучний інтелект і машинне навчання можна використовувати для покращення біоаналізу в біо/фармацевтичних розробках?

    Арнольд (інтеграція біоаналітичного рішення): ШІ, великі мовні моделі [LLMs]обробка природної мови та ML обговорювалися протягом кількох років у біоаналізі, але зараз вони роблять реальний успіх завдяки розгортанню перевірених програм та інших розробок.

    Найперші впровадження призначені для звітів і контролю якості (QC) валідації аналізів і аналізу досліджуваних зразків. З розвитком можливостей штучного інтелекту розширилися й програми біоаналізу. Нові програми розглядають можливість прийняття GLP [good laboratory practice] або GCP [good clinical practice] протоколи та біоаналітичні контракти для написання біоаналітичних планів. Інші програми виконують перевірки контролю якості, які інтегрують ELN [electronic lab notebook]інструмент і LIMS [laboratory information management system] даних на щоденній основі, щоб завчасно виявляти помилки та визначати тенденції, які призводять до невдач, ще до того, як вони відбудуться, а також аналіз даних у рамках розслідувань невдач аналізу.

    Грунтуючись на дизайні концепцій експерименту, штучний інтелект використовуватиме бази даних знань для покращення розробки методів для імуноаналізів та РХ-МС [liquid chromatography—mass spectrometry] методи. Я чув, що виробник мас-спектрометрів планує застосувати штучний інтелект до інтеграції хроматограм, щоб перейти від правил алгоритму до більш інтелектуального виявлення піків. Зрештою, біотехнологічні та фармацевтичні компанії використовуватимуть штучний інтелект для написання біоаналітичних розділів документів. Органи охорони здоров’я також розглядають штучний інтелект як інструмент для аналізу біоаналітичних даних у поданнях і під час виїзних або дистанційних перевірок біоаналітичних лабораторій. Отриманий аналіз висвітлить як відповідність нормам, так і виявить проблеми та помилки, які потребують подальшого розгляду.

    PharmTech: Як великі мовні моделі можна застосувати до біоаналітичних робочих процесів?

    Арнольд (інтеграція біоаналітичного рішення): Як зазначалося вище, штучний інтелект, обробка природної мови та ML впроваджуються в біоаналіз для написання звітів і біоаналітичних планів. Багато ШІ LLM розроблені як інструменти прогнозування та працюють як чорні ящики, де неможливо визначити, як вони роблять те, що вони роблять. Проблема в регульованому біоаналізі при використанні LLM AI полягає в їх навчанні та прогнозному характері; їм потрібно знайти дані (контент) у різних джерелах і форматах і належним чином розмістити їх у звіті.

    Для регульованого біоаналізу для штучного інтелекту має існувати контроль, інакше може виникнути ризик галюцинацій (створення даних або ненаданого контенту), як це спостерігалося в деяких штучних інтелектах. Біоналітичні лабораторії не можуть ризикувати не знати, чи вміст звіту правильний [quality assurance] ресурси, щоб переконатися в точності звіту. Що суперечить тому, що має робити ШІ: зменшити участь людини та підвищити точність.

    Щоб вирішити цю проблему, принаймні один постачальник на базі штучного інтелекту для біоаналітичних лабораторій має обмеження, щоб запобігти створенню галюцинаційних даних, і включає аудиторський слід у етапи створення звіту, щоб продемонструвати, що дані досягли потрібного місця. Фармацевтичні компанії почали використовувати LLM для написання деяких частин eCTD [electronic common technical documents] і біоаналітичні розділи добре структуровані, що робить їх хорошими кандидатами для раннього впровадження ШІ.

    PharmTech: Які нові прилади використовуються в біоаналізі? Що робить їх унікальними?

    Арнольд (інтеграція біоаналітичного рішення): Більшість технологій, які використовуються для фармакокінетичних, імуногенних і фармакодинамічних вимірювань, існують, але вдосконалюються для підвищення чутливості, точності та точності. До них належать різні форми імуноаналізів, хроматографічні аналізи через дефіс (наприклад, РХ–МС/МС). [liquid chromatography—tandem mass spectrometry]LC–HRMS [liquid chromatography—high-resolution mass spectrometry]), ПЛР [polymerase chain reaction]проточна цитометрія та клітинні технології. Удосконалені інструменти проточної цитометрії, де деякі інструменти мають здатність визначення кольорів 30 і 40, використовуються не тільки для визначення характеристик клітин, але покращена чутливість дозволяє застосовувати їх до біомаркерів циркулюючих екзосом, які можуть виявляти та характеризувати багато захворювань. Мас-цитометрія використовується в дослідженнях, і коли будуть визначені відповідні застосування, ймовірно, для вимірювання біомаркерів, вона переміститься в регульований біоаналіз.

    PharmTech: Як зміна нормативних актів впливає на прогрес у біоаналізі?

    Арнольд (інтеграція біоаналітичного рішення): я [International Council for Harmonisation] Стандартизовані правила M10 для фармакокінетичного біоаналізу з використанням імуно- та хроматографічних аналізів. Наявність стандарту, прийнятого на багатьох основних ринках, позбавила біоаналітиків необхідності стежити за змінами в кожній окремій країні та коригувати свою практику, особливо коли були суперечливі очікування. ВООЗ [World Health Organization] нещодавно опублікований M10, який може розширити його визнання за межами країн, що притримуються ICH. Розширення генної та клітинної терапії потребує технологій (наприклад, ПЛР, FLOW цитометрія), які не розглядаються в ICH M10, і досі наукове співтовариство просуває науково обґрунтовані підходи до цих технологій. Ці технології були використані в клінічних лабораторіях і адаптовані для використання у фармакокінетичних аналізах.

    Що стосується імуногенності, кілька країн розробили нормативні документи, які досить схожі, тому досягти узгодженого підходу не складно. Однак завдяки великому досвіду створення препаратів з моноклональними антитілами біоаналітики пропонують альтернативні підходи для спрощення традиційних багаторівневих аналізів імуногенності, які генерують інформативні дані з меншими зусиллями та витратами. Регулятори офіційно не відреагували на ці пропозиції.

    Іншою сферою без глобальної регулятивної перспективи є аналіз біомаркерів. У Сполучених Штатах вимірювання біомаркерів для прийняття медичних рішень (тобто тих, що використовуються лікарями та в лікарнях) має відповідати Поправкам щодо вдосконалення клінічної лабораторії, тоді як ті, які використовуються для підтвердження безпеки та ефективності нового препарату, мають відповідати вказівкам FDA 2025, які зосереджені на імуно- та хроматографічних (наприклад, LC-MS/MS) аналізах. Європейський Союз і Японія мають повністю окремі та різні набори правил. Ці відмінності створюють не тільки труднощі для біоаналітиків, але й ускладнюють спроби проведення клінічних випробувань у багатьох глобальних регіонах.

    Щоб досягти успіху в наданні даних, прийнятих у всьому світі, біоаналітики повинні бути обізнані про різноманітні правила та те, як вони застосовуються до мети аналізу, типу зразків, які вони аналізують, і технологій. Коли нормативних актів немає, науковці повинні продовжувати співпрацю над найкращими науково обґрунтованими практиками. Оскільки наука завжди розвивається швидше, ніж нормативні акти, регулюючі органи повинні вивчати науку про технології та оцінювати практики, які генерують якісні дані, і коли вони достатньо розуміють науку, створюють нормативні акти; сподіваємось, на основі або у співпраці з рекомендаціями наукової спільноти.

    довідка

    1. FDA. Валідація біоаналітичного методу, керівництво для промисловості (CDER, травень 2018 р.).

    Про Марка Арнольда

    Марк Е. Арнольд, доктор філософії, є власником і керівником Bioanalytical Solution Integration; консультації з біотехнологічними та фармацевтичними компаніями для вдосконалення їхнього портфоліо для надання нових методів лікування пацієнтам, які цього потребують. У цій ролі він спільно розробляє біоаналітичну наукову та регуляторну стратегію для задоволення поточних і майбутніх потреб клієнтів. Раніше Марк був виконавчим директором відділу біоаналітичних наук компанії Bristol-Myers Squibb Co. і директором відділу наукових питань Labcorp, що підтримує біоаналітичні та клінічні лабораторії. Він отримав ступінь бакалавра біології в Пенсільванському університеті Індіани та ступінь доктора філософії з фармакології в Пітсбурзькому університеті. Протягом 40 років д-р Арнольд брав участь у застосуванні біоаналізу для розробки нових методів лікування, включаючи перегляд і тлумачення нормативних актів і вказівок, які стосуються розвитку науки в біоаналітичних і клінічних лабораторіях. Він був співголовою обох семінарів AAPS-FDA Crystal City V і VI та був членом AAPS з 1988 року, обіймаючи різні посади комітету, включаючи 2023-2024 голову наукового консультанта, 2022 голову наукового програмного комітету PharmSci360, 2018 PharmSci360 Bioanalytical Track Chair та AAPS Стипендіат (2014). Доктор Арнольд має понад 115 рецензованих публікацій і численні запрошені презентації.

  • Стратегія Китаю в гонці ШІ з США — великі кластери мікросхем, дешева енергія

    Стратегія Китаю в гонці ШІ з США — великі кластери мікросхем, дешева енергія

    Китай зосереджується на великих мовних моделях у сфері штучного інтелекту.

    Blackdovfx | Istock | Getty Images

    Загальновідомо, що китайські напівпровідники, призначені для штучного інтелекту, не можуть конкурувати з американською фірмою Nvidia. Тим не менш, Китаю вдалося продовжити розробку передових моделей штучного інтелекту, багато з яких працюють на власних мікросхемах.

    Секрет Китаю? Безліч кластерів дешевої енергії та гігантських чіпів від китайського технологічного чемпіона Huawei, які лежать в основі прогресу штучного інтелекту в змаганнях країни проти США

    «Китай прагне до самодостатності у всьому наборі штучного інтелекту, оскільки він розглядає штучний інтелект як стратегічну технологію національної та економічної безпеки», — сказала CNBC Венді Чанг, старший аналітик Інституту китайських досліджень Меркатора (MERICS).

    Оскільки друга за величиною економіка світу відрізана від певних технологій через обмеження США, і Пекін вирішуючи уникати чіпів Nvidia, виникли запитання щодо їх здатності конкурувати у сфері ШІ.

    Незважаючи на ці геополітичні виклики, вітчизняні технологічні компанії з Alibaba to DeepSeek вдалося розробити та випустити високопродуктивні моделі штучного інтелекту, багато з яких навчалися на домашніх мікросхемах.

    Huawei проти Nvidia

    Графічні процесори (GPU) Nvidia вважаються золотим стандартом, коли справа доходить до напівпровідників, необхідних для навчання та запуску моделей і програм ШІ. Але експортний контроль США не дозволив Nvidia постачати свої найсучасніші чіпи до Китаю.

    Згідно з угодою з Білим домом цього року, Nvidia отримала зелене світло на продаж свого продукту H20, чіпа пониженої версії, розробленого для Китаю, на ринку. Проте, як повідомляється, Пекін заохочував китайські фірми уникати продуктів Nvidia і замість цього використовувати чіпи, розроблені для вітчизняних компаній.

    З’являється Huawei, один із найвідоміших технологічних гігантів Китаю, який розробляє серію чіпів Ascend. Але за принципом чіп за чіп Huawei не конкурує з Nvidia. Натомість перевага Huawei полягає в її здатності зв’язувати та з’єднувати багато з цих чіпів у високопродуктивні «кластери», які можуть конкурувати з Nvidia.

    Генеральний директор Nvidia: Huawei «покриє Китай», якщо США не братимуть участі

    Одним із таких продуктів є Huawei CloudMatrix 384, який об’єднує 384 чіпи Ascend 910C, щоб забезпечити продуктивність конкуруючої GB200 NVL72 Nvidia, однієї з найдосконаліших систем. Система Nvidia використовує 72 своїх графічних процесора, тоді як продукт Huawei використовує в п’ять разів більше своїх власних мікросхем Ascend.

    «Ця стратегія базується на високошвидкісних, потенційно оптичних з’єднаннях для швидкого переміщення даних між великими кластерами – установка, яка не потребує топових чіпів і тому відповідає поточним сильним сторонам Китаю», – сказав CNBC Брейді Ван, заступник директора Counterpoint Research.

    Енергетична перевага Китаю

    Недоліком системи Huawei є те, що використання більшої кількості чіпів також означає значно більше споживання енергії. І тут починається енергетична перевага Китаю над США.

    «Такі рішення, як CloudMatrix, менш енергоефективні, ніж системи Nvidia, але тут Китай виграє від великої кількості дешевої енергії», — сказав Чанг з MERICS.

    «Китай зробив величезні інвестиції в зелену енергію, включаючи сонячну, вітрову та іншу. Він також швидко розширює свою інфраструктуру ядерної енергетики. Тому він може розраховувати на дешеву енергію при створенні інфраструктури ШІ».

    Загальний вигляд нової обчислювальної системи штучного інтелекту, системи CloudMatrix 384, дебютує на стенді Huawei у Shanghai New Expo Center під час відкриття Всесвітньої конференції штучного інтелекту (WAIC) 2025 у Шанхаї, Китай, 26 липня 2025 року.

    Ін Тан | Nurphoto | Getty Images

    Пекін, а також місцеві органи влади прагнули підтримати ці зусилля. Кілька міст Китаю, від Шанхаю до технологічного центру Шеньчжень, запропонували субсидії або «ваучери», щоб зменшити витрати для компаній, які хочуть орендувати обчислювальну потужність.

    Цього тижня Financial Times повідомила, що деякі місцеві органи влади в Китаї пропонують субсидії, які скорочують рахунки за електроенергію центрів обробки даних, які використовують вітчизняні мікросхеми.

    «Менш просунуті прискорювачі споживають більше енергії, але Китай компенсує це різноманітними джерелами енергії — ядерною та відновлюваною енергією, як-от сонячна — разом із низькою орендною платою та фінансуванням, що дозволяє фінансувати та запускати великомасштабні кластери, незважаючи на неефективність на рівні мікросхем», — сказав Ван з Counterpoint Research.

    Китай проти США: розрив збільшиться?

    Кріс Міллер: Яка найбільша проблема Китаю для досягнення самодостатності мікросхем?

    Питання полягає в тому, чи зможуть Huawei та SMIC не відставати від Nvidia та TSMC у міру розвитку напівпровідників для ШІ, враховуючи обмеження китайських компаній на доступ до критичних технологій?

    «Одним із ключових обмежень у цій стратегії є здатність Китаю виробляти достатню кількість мікросхем усередині країни, щоб компенсувати розрив у можливостях, оскільки NVIDIA та інші також продовжують покращувати продуктивність», — сказала CNBC Ханна Домен, старший дослідницький аналітик Джорджтаунського центру безпеки та нових технологій (CSET).

    «Китай наполегливо працює над нарощуванням своїх можливостей і потужностей у виробництві напівпровідників; однак він все ще значно відстає через обмеження, накладені експортним контролем США та союзників щодо обладнання для виробництва напівпровідників».

  • Жителі округу Принс-Вільям знову протестують проти запропонованих центрів обробки даних

    Жителі округу Принс-Вільям знову протестують проти запропонованих центрів обробки даних

    Мешканці округу Принс-Вільям знову збираються мітингувати проти пропонованих центрів обробки даних у своєму районі.

    Демонстрація в середу відбулася в той момент, коли компанія Dominion Energy розглядає план будівництва лінії електропередач довжиною шість миль для з’єднання своїх станцій.

    Що вони кажуть:

    Домініон проводить день відкритих дверей на кампусі університету Джорджа Мейсона, щоб залучити сусідів до їхніх проблем щодо цього проекту, тому організатори провели мітинг у середу.

    Організатори мітингу проти дата-центрів кажуть, що їм набридло відчуття, що їхні райони стають подовжувачами для великих даних.

    Звичайно, ми знаємо, що в Північній Вірджинії неймовірно велика щільність центрів обробки даних, і ці люди хочуть покласти цьому край.

    Вони пройдуть прямо через мій двір”, – сказав Роб Плейс, чий дім знаходиться на одному із запропонованих маршрутів для проекту. “Між мною та моїм сусідом, поставте ці вежі, знецініть моє майно, крім того, що мене справді хвилює, це здоров'я та безпека моєї родини”.

    «Дика природа в лісі, причина, чому ви тут, в першу чергу, перетворюється на це. Вона перетворюється на гігантські лінії електропередачі, про які ніхто не просив», — сказала під час мітингу сенатор штату Вірджинія Даніка Роем.

    Передісторія:

    Нова запропонована Dominion лінія електропередачі призначена для з’єднання існуючої підстанції Nokesville з майбутньою комутаційною станцією Bristow.

    За словами Домініон, він матиме довжину близько 6,5 миль з трьома потенційними варіантами маршруту, які зараз оцінюються.

    Домініон стверджує, що лінія забезпечить надійне електропостачання, але жителі цього не хочуть, кажучи, що щільність центрів обробки даних в окрузі Принс-Вільям вже є надзвичайною.

    Ці жителі кажуть, що запропоновані маршрути негативно вплинуть на райони, школи округу та природні території.

    FOX 5 звернувся до Dominion. Ми ще не отримали відповіді.

    Новини графства принца Вільяма

  • Сальваторе Фаллетта: Людські ресурси та ШІ досягли етичного роздоріжжя

    Сальваторе Фаллетта: Людські ресурси та ШІ досягли етичного роздоріжжя

    Ви претендуєте на роботу; чи етично для бота зі штучним інтелектом переглядати ваше резюме до того, як воно потрапить до реальної людини? А як щодо вашого відділу кадрів, який використовує комп’ютерний бот для відстеження продуктивності? І чи прийнятно, щоб штучний інтелект відстежував і аналізував залученість, задоволеність і настрої співробітників без відома співробітників?

    salvatore falletta lyudski resursy ta shi dosyagly etychnogo rozdorizhzhya Сальваторе Фаллетта: Людські ресурси та ШІ досягли етичного роздоріжжя
    Сальваторе Фаллетта, професор практики на кафедрі людського та організаційного розвитку та лідерства, політики та організацій Університету Вандербільта (Надіслане фото)

    Подібні запитання вивчає Сальваторе Фаллетта, який став керівником відділу кадрів і став академіком, у своєму дослідженні проблем етики та конфіденційності в кадровій сфері, аналітики персоналу та прийняття рішень на основі доказів.

    «Мої дослідницькі, викладацькі та професійні інтереси лежать на перетині освіти, психології та бізнесу», — сказав Фаллетта, професор практики на кафедрі людського та організаційного розвитку та лідерства, політики та організацій у коледжі освіти та людського розвитку Пібоді.

    АНАЛІТИКА ЛЮДЕЙ

    Одна зі сфер компетенції Falletta пов’язує штучний інтелект безпосередньо з кадровою аналітикою — використання даних і аналізу для отримання інформації про робочу силу організації, щоб, сподіваємося, приймати більш обґрунтовані бізнес-рішення.

    Фаллетта вважає, що аналітика людей або робочої сили має величезний потенціал, щоб допомогти організаціям отримати інформацію, необхідну для формування креативних стратегій у сфері управління персоналом. До них входять інструменти, які вимірюють досвід співробітників, продуктивність і тенденції щодо робочої сили.

    Але є важливе застереження.

    “Багато організацій закінчаться і приймуть керовані штучним інтелектом рішення, такі як інструменти перевірки резюме та прогнозована аналітика людей, у контексті HR. Але вони роблять все це, не повністю враховуючи та не розуміючи етичних, правових і трудових наслідків”, – сказав він.

    “Ключ до будь-якого інструменту штучного інтелекту полягає в тому, що ви завжди повинні тримати людей у ​​центрі. Ви ніколи не повинні дозволяти штучному інтелекту самостійно приймати рішення щодо робочої сили”.

    1762377923 851 salvatore falletta lyudski resursy ta shi dosyagly etychnogo rozdorizhzhya Сальваторе Фаллетта: Людські ресурси та ШІ досягли етичного роздоріжжя
    Сальваторе Фаллетта виступає на бізнес-конференції про HR-аналітику в Мілані, Італія. (Надіслано фото)

    Серед улюблених нових інструментів штучного інтелекту Falletta є ті, які можуть слухати та вимірювати відгуки та залученість співробітників, за умови, що вони роблять це етично та прозоро.

    «Це дає співробітникам право голосу в режимі реального часу, якщо організації не просто слухають і вживають дій», — сказав він.

    Він сказав, що інструменти штучного інтелекту також можуть бути чудовими для посилення роботи рекрутера, наприклад допомагати сканувати тисячі резюме, якщо компанія розуміє дані, які використовуються для навчання інструменту штучного інтелекту.

    УНИКАЙТЕ «МОТОШНУ АНАЛІТИКУ»

    Збір даних про співробітників та їхню роботу також має темну сторону, наприклад, організації розширюють межі за допомогою інструментів опитування на основі штучного інтелекту, які відстежують вирази обличчя, або інструментів спостереження, які фотографують рух робочого столу працівника.

    Але Фаллетта все ще вірить, що аналітика людей може залишатися силою добра, якщо з нею поводитися правильно. Він об’єднав свої останні дослідження в книзі під назвою Моторошна аналітика: Уникайте перетину межі та запровадьте етичну кадрову аналітику для прийняття розумніших рішень щодо персоналу.

    1762377923 750 salvatore falletta lyudski resursy ta shi dosyagly etychnogo rozdorizhzhya Сальваторе Фаллетта: Людські ресурси та ШІ досягли етичного роздоріжжя
    Сальваторе Фаллетта розповідає про своє дослідження використання штучного інтелекту в аналітиці людей на конференції в Мілані, Італія. (Надіслано фото)

    «Ми спостерігаємо поступову ерозію конфіденційності на робочому місці через ці поширені інструменти збору даних, тому я спробував запропонувати дослідження та експертизу щодо того, як компанії та організації в будь-якому секторі чи галузі можуть розробити надійні можливості аналітики людей, не переходячи межі», — сказав він.

    МАЙБУТНІ ДОСЛІДЖЕННЯ

    Окрім подальшої роботи зі штучним інтелектом, дослідження Фаллетти аналізуватимуть залученість співробітників і лідерів.

    «Я переконаний, що драйвери, які є найбільш важливими для лідера, відрізняються від працівників загалом, і я хочу дослідити, що відбувається в результаті цього», — сказав він.

    За його словами, Вандербільт є ідеальним місцем для такого типу досліджень, частково через унікальність і міждисциплінарний характер людського та організаційного розвитку.

    “У нас є викладачі, які вийшли зі шкіл психології, освіти, навчання дорослих, технологій, лідерства та бізнесу. Отже, програма HOD знаходиться на цьому дуже практичному перетині. Я з нетерпінням чекаю на вигідну кар'єру тут”, – сказав він.

  • Дані є в: Багатофункціональні стадіони приносять великі перемоги містам і вболівальникам

    Дані є в: Багатофункціональні стадіони приносять великі перемоги містам і вболівальникам

    Стадіони Вищої бейсбольної ліги стають не просто місцями для перегляду гри. По всій країні нові забудови перетворюють футбольні стадіони на райони, де поєднуються спорт, житло, ресторани та роздрібна торгівля.

    Новий звіт JLL показує, що ці «райони стадіонів» добре працюють з точки зору нерухомості, допомагаючи командам утримувати вболівальників протягом року. У цій статті розглядається, як почалася ця тенденція, висвітлюються приклади, які працюють, і пояснюється, що це може означати для Tampa Bay, коли нові власники Rays шукають власну ділянку.

    Процес дослідження

    JLL дослідила показники нерухомості поблизу великих спортивних об’єктів у США. Дослідження виявило вищу заповнюваність і пішохідний рух у цих районах порівняно з сусідніми ринками.

    Будівництво стадіону різко сповільнилося у 1980-х роках, як показує ця діаграма JLL.

    За даними JLL Research 2025, відвідуваність команд із багатофункціональними районами «стилю життя» зростає на 20 відсотків, незалежно від відсотка перемог.
    Точкова діаграма показує відвідуваність MLB і відсоток перемог. Команди з районами стилю життя, як-от Сан-Дієго та Атланта, збирають на 20% більше вболівальників, незалежно від ефективності.

    Аналітики розглянули ставки оренди, роздрібну оренду та показники відвідуваності для команд із прилеглими багатофункціональними районами. Звіт об’єднує дані з національних баз даних лізингу, дослідження внутрішнього ринку JLL і записи про відвідуваність MLB.

    Такі команди, як Atlanta Braves, продемонстрували ефективність цього підходу. Battery Atlanta, яка включає мільйон квадратних футів комерційних площ, 500 будинків і готель, залишається еталоном. Бравс займає майже 90 відсотків своїх місць навіть у невдалий рік.

    Як тренд досягає Тампа-Бей

    Тепер ця модель привернула увагу нової групи власників Tampa Bay Rays.

    Керуючий партнер Патрік Залупскі, генеральний директор Кен Беббі та співголова Білл Косгроув заявили на жовтневій прес-конференції, що вони планують побудувати новий стадіон у багатофункціональному районі до 2029 року.

    Залупскі сказав, що група шукає приблизно 100 акрів, щоб включити роздрібну торгівлю, ресторани, бари та житлові приміщення поряд зі стадіоном. Він назвав цей розвиток «критично важливим» для довгострокового успіху команди.

    ПРОЧИТАЙТЕ: USF щойно досяг 750 мільйонів доларів фінансування досліджень; ось чому це важливо

    «Ми вважаємо, що без такого доходу конкурувати буде дуже складно або майже неможливо», — сказав Залупскі на своїй вступній прес-конференції. “Ми хочемо побудувати стійку чемпіонську команду. Ми впевнені, що зможемо досягти успіху в Тампа-Бей”.

    Серед можливих місць — Ібор-Сіті, кампус Dale Mabry Community College Хіллсборо та власність Tropicana Field у центрі Санкт-Петербурга.

    Навчання від акумулятора

    Залупскі сказав, що його команда уважно вивчила The Battery Atlanta, назвавши її «золотим стандартом» для того, що Rays сподіваються створити. Проект Бравсів використовував фінансування податкових надбавок, структуру, яка реінвестує майбутні надходження податку на нерухомість від сусідніх підприємств для фінансування витрат на реконструкцію.

    ПОВ'ЯЗАНО: Район газового заводу Санкт-Петербурга переосмислять у проекті вартістю 6,8 мільярда доларів

    Мер Тампи Джейн Кастор, яка була присутня на прес-конференції, заявила, що не планує використовувати гроші платників податків для будівництва стадіону, але погодилася з ширшою концепцією.

    «Вони розуміють, що дні самотнього бейсболу, ймовірно, позаду», — сказав Кастор. «Їм потрібен район, який оточує бейсбольне поле».

    Що це означає для Тампа-Бей

    Якщо Rays вдасться, проект може змінити економіку та горизонт Тампа-Бей.

    Район стадіону площею 100 акрів міг би залучити національні інвестиції, розширити податкову базу регіону та створити нове цілорічне місце для вболівальників і жителів.

    Виклики та наступні кроки

    Графік «Променів» амбітний. Залупскі хоче, щоб стадіон був готовий до 2029 року, і назвав час «вирішальним». Група має остаточно визначити місцезнаходження, структурувати фінансування та отримати громадську підтримку для інфраструктури та зонування.

    Генеральний директор Кен Беббі сказав, що увага залишатиметься локальною.

    «План А — розібратися тут, у Тампа-Бей», — сказав Беббі. «Ми впевнені, що нам це вдасться».

    Троє членів нової групи власників Tampa Bay Rays позують разом у капелюхах команди на тлі прес-конференції з логотипами Rays та Orlando Health.
    Нова група власників Tampa Bay Rays на вступній прес-конференції в Тампі.

    На винос

    Райони, зосереджені на стадіонах, змінюють те, як ростуть міста та як вболівальники відчувають гру. Для Тампа-Бей наступна глава Рейсів може створити більше, ніж новий дім для бейсболу. Це могло б створити новий центр тяжіння для регіону — місце зустрічі спорту, бізнесу та громади.

    Залишайтеся на зв'язку

    Підпишіться на інформаційний бюлетень TBBW

    Слідкуйте за TBBW у соціальних мережах

    Читайте більше історій TBBW

  • Спостереженість даних в аналітиці: інструменти, методи та чому це важливо

    Спостереженість даних в аналітиці: інструменти, методи та чому це важливо

    Спостереженість даних в AnalyticsСпостереженість даних в Analytics
    Зображення автора

    # вступ

    Ви, мабуть, чули кліше: «Дані — це основа сучасних організацій». Це вірно, але тільки якщо ви можете покластися на цей хребет. Я не обов’язково говорю про стан самих даних, а радше про систему, яка створює та переміщує дані.

    Якщо інформаційні панелі ламаються, конвеєри виходять з ладу, а показники змінюються випадковим чином, проблема полягає не в недостатній якості даних, а у відсутності спостережуваності.

    # Що таке спостережуваність даних?

    Спостереженість даних — це процес моніторингу працездатності та надійності систем даних.

    Цей процес допомагає групам обробки даних виявляти, діагностувати та запобігати проблемам у стеку аналітики — від прийому даних до зберігання й аналізу — перш ніж вони вплинуть на прийняття рішень.

    Завдяки можливості спостереження за даними ви відстежуєте такі аспекти даних і системи.

    Спостереженість даних в AnalyticsСпостереженість даних в Analytics
    Зображення автора

    1. Актуальність даних: відстежує, наскільки актуальні дані порівняно з очікуваним графіком оновлення. Приклад: якщо щоденну таблицю продажів не оновлено до 7 ранку за розкладом, інструменти спостережень видають сповіщення, перш ніж бізнес-користувачі скористаються звітами про продажі.
    2. Обсяг даних: вимірює, скільки даних надходить або обробляється на кожному етапі. Приклад: падіння записів транзакцій на 38% за одну ніч може означати, що завдання прийому даних було порушено.
    3. Схема даних: виявляє зміни в назвах стовпців, типах даних або структурах таблиць. Приклад: якщо новий виробник даних надсилає оновлену схему до виробництва без попередження.
    4. Розподіл даних: перевірте статистичну форму даних, тобто чи виглядають вони нормально. Приклад: відсоток клієнтів преміум-класу впадає з 29% до 3% за ніч. Спостережливість виявить це як аномалію та запобіжить оманливому аналізу швидкості відтоку.
    5. Походження даних: візуалізує потік даних у екосистемі, від прийому через перетворення до кінцевих інформаційних панелей. Приклад: вихідна таблиця в Snowflake не вдається, і в поданні походження буде показано, що три інформаційні панелі Looker і дві моделі машинного навчання залежать від неї.

    # Чому спостережуваність даних важлива

    Переваги спостережуваності даних в аналітиці показано нижче.

    Спостереженість даних в AnalyticsСпостереженість даних в Analytics
    Зображення автора

    Кожен із параметрів або стовпів спостережуваності даних, про які ми згадували раніше, відіграє певну роль у досягненні загальних переваг спостережуваності даних.

    1. Менше поганих рішень: можливість спостереження за даними гарантує, що аналітика відображає поточні умови бізнесу (параметр актуальності даних) і що цифри та шаблони даних мають сенс, перш ніж використовувати їх для аналізу (розмір розподілу даних), що призводить до меншої кількості рішень, які можуть піти не так.
    2. Швидше виявлення проблеми: коли системи раннього попередження сповіщають вас про те, що дані завантажуються неповно або дублюються (розмірність обсягу даних) та/або є структурні зміни, які могли б тихо зламати трубопроводи, аномалії виявляються ще до того, як бізнес-користувачі їх навіть помітять.
    3. Покращена продуктивність команди даних: параметр походження даних відображає те, як дані переходять між системами, що полегшує відстеження, звідки почалася помилка та які активи зазнали впливу. Команда обробки даних зосереджена на розробці, а не на боротьбі з пожежами.
    4. Краща довіра зацікавлених сторін: це останній бос переваг спостереження за даними. Довіра зацікавлених сторін є кінцевим результатом трьох попередніх переваг. Якщо зацікавлені сторони можуть довіряти групі обробки даних, що дані є актуальними, повними, стабільними, точними, і всі знають, звідки вони взялися, довіра до аналітики випливає природно.

    # Життєвий цикл і методи спостереження за даними

    Як ми вже згадували раніше, можливість спостереження за даними – це процес. Його безперервний життєвий цикл складається з цих етапів.

    Спостереженість даних в AnalyticsСпостереженість даних в Analytics
    Зображення автора

    // 1. Етап моніторингу та виявлення

    Мета: надійна система раннього попередження, яка в режимі реального часу перевіряє, чи щось дрейфує, зламається чи відхиляється у ваших даних.

    Що тут відбувається:

    Спостереженість даних в AnalyticsСпостереженість даних в Analytics
    Зображення автора

    • Автоматизований моніторинг: Інструменти спостереження автоматично відстежують доступність даних за всіма п’ятьма основними компонентами
    • Виявлення аномалії: машинне навчання використовується для виявлення статистичних аномалій у даних, наприклад, несподіване падіння кількості рядків
    • Системи оповіщення: щоразу, коли відбувається будь-яке порушення, системи надсилають сповіщення Млява, PagerDutyабо електронною поштою
    • Відстеження метаданих і показників: системи також відстежують інформацію, таку як тривалість завдання, рівень успіху та час останнього оновлення, щоб зрозуміти, що означає «нормальна поведінка».

    // Методи моніторингу та виявлення

    Ось огляд поширених прийомів, які використовуються на цьому етапі.

    Спостереженість даних в AnalyticsСпостереженість даних в Analytics

    // 2. Етап діагностики та розуміння

    Мета: зрозуміти, з чого виникла проблема та на які системи вона вплинула. Таким чином, відновлення може бути швидким або, якщо є кілька проблем, їх можна визначити за пріоритетністю залежно від тяжкості їх впливу.

    Що тут відбувається:

    Спостереженість даних в AnalyticsСпостереженість даних в Analytics
    Зображення автора

    • Аналіз походження даних: Інструменти спостереження візуалізують дані від необроблених джерел до остаточних інформаційних панелей, що полегшує визначення місця виникнення проблеми
    • Кореляція метаданих: тут також використовуються метадані, щоб визначити проблему та її місце розташування
    • Оцінка впливу: Що вплинуло? Інструменти ідентифікують активи (наприклад, інформаційні панелі чи моделі), розташовані нижче за місцем виникнення проблеми, і покладаються на дані, на які впливає проблема
    • Дослідження першопричини: походження та метадані використовуються для визначення першопричини проблеми

    // Методи діагностики та розуміння

    Ось огляд технік, які використовуються на цьому етапі.

    Спостереженість даних в AnalyticsСпостереженість даних в Analytics

    // 3. Етап профілактики та покращення

    Мета: вчитися на тому, що зламалося, і робити системи даних більш стійкими з кожним інцидентом шляхом встановлення стандартів, автоматизації виконання та моніторингу відповідності.

    Що тут відбувається:

    Спостереженість даних в AnalyticsСпостереженість даних в Analytics
    Зображення автора

    • Контракти даних: Угоди між виробниками та споживачами визначають прийнятну схему та стандарти якості, тому немає неоголошених змін даних
    • Тестування та перевірка: Автоматизовані тести (наприклад, через dbt тести або Великі сподівання) переконайтеся, що нові дані відповідають визначеним пороговим значенням перед опублікуванням. Для команд, які покращують свої навички аналітики даних і налагодження SQL, такі платформи, як StrataScratch може допомогти практикам розвинути аналітичну точність, необхідну для виявлення та запобігання проблемам якості даних
    • СЛАМ & СЛАМ Відстеження: команди визначають і контролюють вимірювані цілі щодо надійності (угоди про рівень обслуговування та цілі рівня обслуговування), наприклад, 99% конвеєрів завершено вчасно
    • Розслідування інциденту: кожне питання переглядається, що допомагає покращити правила моніторингу та спостережливість загалом
    • Управління та контроль версій: Зміни відстежуються, документація створюється, і є призначення права власності

    // Методи профілактики та покращення

    Ось огляд технік.

    Спостереженість даних в AnalyticsСпостереженість даних в Analytics

    # Інструменти спостереження за даними

    Тепер, коли ви розумієте, що робить спостереження даних і як воно працює, настав час познайомити вас з інструментами, які ви використовуватимете для його впровадження.

    Нижче наведено інструменти, які найчастіше використовуються.

    Спостереженість даних в AnalyticsСпостереженість даних в Analytics
    Зображення автора

    Ми розглянемо кожен із цих інструментів докладніше.

    // 1. Монте-Карло

    Монте Карло є галузевим стандартом і першим формалізував модель п’яти стовпів. Він забезпечує повну видимість стану даних у конвеєрі.

    Ключові переваги:

    • Охоплює всі стовпи спостереження за даними
    • Аномалії та зміна схеми відбуваються автоматично, тобто не потрібно налаштовувати правила вручну
    • Детальне відображення походження даних і аналіз впливу

    Обмеження:

    • Не зовсім підходить для невеликих команд, оскільки розроблено для масштабного розгортання
    • Ціноутворення підприємства

    // 2. Datadog

    Datadog починався як інструмент для моніторингу серверів, програм та інфраструктури. Тепер він забезпечує уніфіковану можливість спостереження за серверами, програмами та конвеєрами.

    Ключові переваги:

    • Співвідносить проблеми з даними з показниками інфраструктури (ЦП, затримка, пам’ять)
    • Інформаційні панелі та сповіщення в реальному часі
    • Інтегрується, наприклад, з Apache Airflow, Apache Spark, Апач Кафкаі більшість хмарних платформ

    Обмеження:

    • Більша увага приділяється працездатності, а не глибоким перевіркам якості даних
    • Не вистачає розширеного виявлення аномалій або перевірки схеми в спеціалізованих інструментах

    // 3. Велике око

    Велике око автоматизує моніторинг якості даних за допомогою машинного навчання та базових статистичних даних.

    Ключові переваги:

    • Автоматично генерує сотні показників свіжості, обсягу та розповсюдження
    • Дозволяє користувачам візуально встановлювати та контролювати дані SLA/SLO
    • Просте налаштування з мінімальними інженерними витратами

    Обмеження:

    • Менше уваги до глибокої візуалізації походження або моніторингу на рівні системи
    • Менший набір функцій для діагностики першопричин порівняно з методом Монте-Карло

    // 4. Сода

    Сода це інструмент із відкритим вихідним кодом, який підключається безпосередньо до баз даних і сховищ даних для тестування та моніторингу якості даних у реальному часі.

    Ключові переваги:

    • Зручний для розробників із тестами на основі SQL, які інтегруються в робочі процеси CI/CD
    • Версія з відкритим кодом доступна для невеликих команд
    • Сильна співпраця та особливості управління

    Обмеження:

    • Потрібне ручне налаштування для складного текстового покриття
    • Обмежені можливості автоматизації

    // 5. Acceldata

    Acceldata це інструмент, який поєднує перевірку якості даних, продуктивності та вартості.

    Ключові переваги:

    • Спільно відстежує надійність даних, продуктивність конвеєра та показники вартості хмари
    • Управління гібридними та багатохмарними середовищами
    • Легко інтегрується з Spark, Hadoopта сучасні сховища даних

    Обмеження:

    • Орієнтоване на підприємство та складне налаштування
    • Менше уваги до якості даних на рівні стовпців або виявлення відхилень

    // 6. Ненормальний

    Аномальний це платформа на базі штучного інтелекту, орієнтована на автоматичне виявлення аномалій, що вимагає мінімальної конфігурації.

    Ключові переваги:

    • Автоматично вивчає очікувану поведінку з історичних даних, правила не потрібні
    • Чудово підходить для моніторингу змін схеми та розподілу значень
    • Виявляє тонкі, неочевидні аномалії в масштабі

    Обмеження:

    • Обмежене налаштування та ручне створення правил для розширених випадків використання
    • Зосереджено на виявленні з меншою кількістю інструментів діагностики чи керування

    # Висновок

    Спостереженість даних — важливий процес, який зробить вашу аналітику надійною. Процес побудований на п’яти стовпах: свіжість, обсяг, схема, розподіл і походження даних.

    Його ретельне впровадження допоможе вашій організації приймати менше неправильних рішень, оскільки ви зможете уникнути проблем у конвеєрах даних і швидше їх діагностувати. Це покращує ефективність роботи групи обробки даних і підвищує достовірність їхніх ідей.

    Нейт Росіді є науковцем із обробки даних і займається стратегією продуктів. Він також є ад’юнкт-професором, який викладає аналітику, і є засновником StrataScratch, платформи, яка допомагає дослідникам даних готуватися до інтерв’ю за допомогою реальних питань для інтерв’ю від провідних компаній. Нейт пише про останні тенденції ринку кар’єри, дає поради на співбесідах, ділиться науковими проектами з даних і охоплює все, що стосується SQL.

  • AQ представляє нові функції на основі штучного інтелекту, щоб зробити революцію в лікуванні хронічних захворювань і догляду за людьми похилого віку

    AQ представляє нові функції на основі штучного інтелекту, щоб зробити революцію в лікуванні хронічних захворювань і догляду за людьми похилого віку

    Група мурах's Служба охорони здоров’я ШІ AQ відкриває нові Функції на основі ШІ для лікування хронічних захворювань і догляду за людьми похилого віку.

    Ant Group сподівається, що безперервні інновації в охороні здоров’я сприятимуть «побудові більш надійної, ефективної та інклюзивної екосистеми охорони здоров’я в Китаї, підвищенню ефективності обмежених медичних ресурсів і сприянню медичної інклюзії для всіх».

    Кирило Хе
    Кирило Хе

    «Ми сподіваємося, що штучний інтелект зможе розширити можливості лікарів, розширивши охоплення більшої кількості пацієнтів, звільнивши час для медичних досліджень і боротьби зі складними захворюваннями, одночасно оснастивши лікарів у громаді потужними помічниками зі штучним інтелектом», — сказав він. Кирило Хегенеральний директор Ant Group.

    Нові інновації ШІ

    Серед нещодавно запущених інновацій у сфері охорони здоров’я на основі штучного інтелекту:

    • Інтелектуальне розпізнавання даних: користувачі можуть насолоджуватися легкістю інтелектуального аналізу даних, подальших запитань і сповіщень про аномальні дані, просто надіславши фотографію свого тонометра або глюкометра.
    • Моніторинг артеріального тиску на основі AI: у партнерстві з Ювеллтонометр на основі штучного інтелекту автоматично завантажує дані та створює щотижневі звіти про здоров’я для підтримки контролю артеріального тиску.
    • Нагадування про ліки: допомагає користувачам із хронічними захворюваннями приймати ліки вчасно.
    • Обмін інформацією про стан здоров’я сім’ї: AQ тепер сприяє відчуттю зв’язку, забезпечуючи обмін даними про здоров’я в режимі реального часу між членами сім’ї, підтримуючи лікування хронічних захворювань і догляд за людьми похилого віку.

    Завдяки великій моделі охорони здоров’я Ant Group компанія AQ стверджує, що надає передові медичні аргументи та можливості мультимодальної взаємодії.

    aq predstavlyaye novi funkcziyi na osnovi shtuchnogo intelektu shhob zrobyty AQ представляє нові функції на основі штучного інтелекту, щоб зробити революцію в лікуванні хронічних захворювань і догляду за людьми похилого віку

    Служба охорони здоров’я ШІ

    Служба охорони здоров’я зі штучним інтелектом Ant Group AQ зараз входить до 7 найкращих у Китаї Власні програми зі штучним інтелектом і єдиний медичний додаток у списку, заснований на кількості активних користувачів щомісяця. Він надає доступ до цифрових послуг із понад 5000 лікарень, онлайн-консультації з 200 000 лікарями та підтримку від понад 300 агентів AI Doctor Agents.