— Обзор основных классов моделей машинного обучения: supervised, unsupervised, semi-supervised, reinforcement learning
— Роль больших языковых моделей (LLM) в аналитических и исследовательских задачах
— Ограничения и зоны ответственности LLM при работе с данными
— Обзор и сравнение ведущих LLM-моделей 2025 года (GPT, Claude, Gemini, Grok, DeepSeek и др.)
— Критерии выбора модели в зависимости от задачи:
аналитика, работа с текстами, структурирование данных, выводы и рекомендации
— Особенности reasoning, точности и устойчивости результатов
— Обзор российских языковых моделей и платформ (GigaChat, YandexGPT и др.)
— Возможности и ограничения российских моделей при решении аналитических и исследовательских задач
— Сценарии целесообразного использования российских LLM в корпоративной среде
— Принципы формулирования запросов для аналитических задач
— Структурирование промптов: роль, контекст, ограничения, формат результата
— Использование примеров (few-shot) и пошагового анализа
— Типовые ошибки при работе с нейросетями и способы их устранения
— Риски утечки данных при работе с облачными AI-сервисами
— Ограничения на загрузку конфиденциальной информации
— Практики безопасного взаимодействия с нейросетями в корпоративной среде
Основатель современной школы Интернет-разведки в России, создатель поисковой системы Avalanche, президент Консорциума «Инфорус»