AppMetrica представила ИИ-ассистента

AppMetrica представила ИИ-ассистента

ИИ-ассистент уже готов к выполнению следующих задач:

Навигация:

• Помогает быстро находить нужные отчёты в интерфейсе.

• Объясняет, как работать с метриками и где их искать.

Ответы на вопросы:

• Поддерживает диалог на естественном языке.

• Уточняет детали и предлагает решения, учитывая контекст.

• Даёт ответы на вопросы о данных, например: «Какой показатель DAU был в приложении вчера?».

Генерация ссылок на отчёты:

• Находит метрику за конкретный период.

• Создаёт ссылку на отчёт.

• Например, по запросу: «Сколько установок было на прошлой неделе?», ассистент покажет число и ссылку на соответствующий отчёт.

Мозговой штурм:

• Участвует в обсуждении продуктовых гипотез.

• Генерирует идеи и предлагает новые инструменты и подходы.

Быстрый доступ к материалам Справки:

• Находит и предоставляет информацию о функционале сервиса.

• Например, можно задать вопрос о настройке, отчёте или событии, чтобы не искать этот раздел в Справке вручную.

Обучение и онбординг:

• Помогает новичкам быстрее освоиться в работе с AppMetrica.

• Знакомит с возможностями сервиса.

Оптимизация рутинных задач:

• Ускоряет выполнение стандартных операций для опытных аналитиков.

• Помогает тестировать гипотезы и генерировать идеи на базе данных.

CatBoost от Яндекса стал одним из самых популярных ML-инструментов в науке

Алгоритм машинного обучения CatBoost, разработанный компанией Яндекс, вошёл в пятёрку наиболее часто используемых инструментов машинного обучения в научных исследованиях, согласно отчету ML Global Impact Report 2025. Эта информация была опубликована американским изданием Marktechpost и проанализирована Forbes.

Отчёт охватывает исследования учёных из более чем 125 стран. В нём отмечается, что США и Китай играют ключевую роль в мировой ML-экосистеме. Среди неамериканских инструментов CatBoost выделяется своей популярностью, войдя в узкую группу из пяти алгоритмов, наиболее часто упоминаемых в научных публикациях. Кроме разработки Яндекса, в этот список также вошли Scikit-learn (Франция), AlphaFold (Великобритания), U-Net (Германия) и GAN и RNN (Канада).

По данным отчёта, CatBoost используется в каждой 30-й научной статье, посвящённой методам машинного обучения. Алгоритм применяется исследователями из 51 страны, среди которых США, Китай и Саудовская Аравия. Среди авторов таких публикаций можно найти представителей ведущих университетов мира, включая Harvard University, MIT, Stanford University и National University of Singapore. Доля США в использовании CatBoost составляет около 13%, что сопоставимо с показателями других популярных американских ML-решений: XGBoost (15%), классической Gradient Boosting Model (12%) и LightGBM (10%).

Отчёт также подчёркивает, что, несмотря на растущий интерес к генеративному ИИ, большинство научных исследований по-прежнему опираются на проверенные методы машинного обучения, такие как градиентный бустинг и работа с табличными данными.

CatBoost находит применение в различных отраслях, включая медицину и прикладные науки. В научных публикациях алгоритм использовался для прогнозирования рецидивов рака печени, обнаружения рака молочной железы, ранней диагностики болезни Альцгеймера, прогнозирования преждевременных родов, анализа качества воды, прогнозирования спроса на зарядку электромобилей и выявления фальшивых аккаунтов в социальных сетях.

Изначально разработанный для задач поиска в Яндексе, CatBoost с 2017 года стал доступен в открытом исходном коде. Сегодня этот алгоритм активно используется в сервисах компании, таких как «Поиск», «Директ», «Маркет», «Погода» и «Музыка». В Яндексе отмечают популярность CatBoost благодаря его способности эффективно работать с табличными данными и автоматически обрабатывать категориальные признаки.

Представители бизнеса и научного сообщества высоко оценивают точность алгоритма и возможность его использования без сложной настройки.