Aноним
- #1
[Онтико] AiConf 2026
- Ссылка на картинку
AiConf 2026 — это практико-ориентированная конференция нового поколения, фокусирующаяся на прикладных решенияx, инженерной экспертизе и реальных сценариях использования AI/ML. Обновленная программа объединяет технологии, продакшен-практики и бизнес-ценность, создавая площадку для обмена опытом между разработчиками, архитекторами и руководителями AI-направлений.
Технологические тренды AiConf 2026
Эволюция AI-агентов и современные паттерны RAG
От простых пайплайнов на Python — к полноценным агентным системам с детерминированной логикой и контролируемыми сценариями. Эксперты обсудили:
Индустрия уходит от «магии нейросетей» к инженерной дисциплине. Основные акценты:
AiConf 2026 детально разобрал технический стек для продакшен-развертывания LLM:
Отдельный трек был посвящен ответственному и безопасному использованию ИИ:
Практические воркшопы
Участники в реальном времени решали инженерные задачи:
Лидеры индустрии (МойОфис, Cloud.ru, Umbrella IT, Авито, Just AI) обсуждали реальные финансовые эффекты AI-проектов, поиск продуктовой ценности и критерии закрытия нерентабельных инициатив.
Групповая работа «AI для бизнеса без иллюзий»
Формат тематических столов с экспертами Сбера, Альфа-Банка, ВШЭ, Райффайзен Банка и MWS позволил обсудить самые проблемные аспекты внедрения AI:
Особое внимание уделено глобальному развитию AI:
Конференция будет полезна специалистам, работающим над созданием и внедрением AI/ML-продуктов:
Технологические тренды AiConf 2026
Эволюция AI-агентов и современные паттерны RAG
От простых пайплайнов на Python — к полноценным агентным системам с детерминированной логикой и контролируемыми сценариями. Эксперты обсудили:
- SGR Agent Core и новую архитектуру управляемых агентов;
- Реализацию RAG в высоконагруженных продуктах;
- Первые кейсы внедрения ИИ в телефонию (SIP/VoIP);
- Сегментацию задач между агентами и LLM.
Индустрия уходит от «магии нейросетей» к инженерной дисциплине. Основные акценты:
- Инструментирование моделей через Langfuse и аналоги;
- Использование LLM-as-a-judge для оценки качества;
- Unit-тестирование RAG и анализ отказоустойчивости;
- Прозрачная диагностика «черного ящика» и отслеживание деградации моделей.
AiConf 2026 детально разобрал технический стек для продакшен-развертывания LLM:
- Сравнение vLLM, SGLang, NVIDIA Dynamo;
- Оптимизация доставки данных на GPU и устранение bottleneck’ов;
- Обзор альтернативного железа: AMD, TPU, Groq, Cerebras, AWS;
- Практики стабильной эксплуатации LLM в высоконагруженных системах.
Отдельный трек был посвящен ответственному и безопасному использованию ИИ:
- Machine Unlearning для точечного удаления данных из весов моделей;
- Генерация сложных синтетических наборов данных (пример GigaChat Ultra);
- Методы обнаружения и предотвращения фрода при разметке;
- Управление качеством данных для промышленных ML-систем.
Практические воркшопы
Участники в реальном времени решали инженерные задачи:
- разворачивали наблюдаемость AI-систем;
- проводили нагрузочные тесты и ломали RAG-пайплайны через Unit-тесты;
- создавали синтетические датасеты через Яндекс Задания;
- собирали голосовых роботов с нуля.
Лидеры индустрии (МойОфис, Cloud.ru, Umbrella IT, Авито, Just AI) обсуждали реальные финансовые эффекты AI-проектов, поиск продуктовой ценности и критерии закрытия нерентабельных инициатив.
Групповая работа «AI для бизнеса без иллюзий»
Формат тематических столов с экспертами Сбера, Альфа-Банка, ВШЭ, Райффайзен Банка и MWS позволил обсудить самые проблемные аспекты внедрения AI:
- расчёт ROI и экономической эффективности;
- коммуникацию с токсичными стейкхолдерами;
- проблему грязных данных;
- сопротивление команд цифровой автоматизации.
Особое внимание уделено глобальному развитию AI:
- технологическая культура Baidu, Xiaomi, SenseTime;
- особенности технического китайского для CV и LLM research;
- технологии автоматизации научных исследований;
- путь академической статьи к конференциям уровня A*.
Конференция будет полезна специалистам, работающим над созданием и внедрением AI/ML-продуктов:
- Data Scientists и ML-инженерам, оптимизирующим модели и продакшен-стек;
- Архитекторам данных и системным инженерам, строящим RAG и AI-инфраструктуру;
- AI Team Leads, Product Owners и Enterprise-менеджерам, отвечающим за бизнес-результаты AI-проектов.
Показать больше
Зарегистрируйтесь
, чтобы посмотреть контент.