Приглашаем на T-Meetup: R&D от Т-Технологий. В программе — три доклада о работе R&D-инженеров, задачах с высокой неопределенностью и подходах, которые помогают искать решения там, где стандартной разработки уже недостаточно.

Поговорим о границе между разработкой и R&D, графах знаний по коду и эволюционных агентах на практике.

После докладов останемся на нетворкинг — можно будет задать вопросы спикерам, обсудить идеи и познакомиться с участниками митапа.

Доклады

18:00 – 18:40
«Почему существуют задачи, которые нельзя решить обычной разработкой?»
Расскажу:
  • где проходит граница между разработкой и R&D;
  • почему некоторые технологические вызовы нельзя решить с помощью стандартных инженерных подходов;
  • что делать с задачами, готового ответа на которые нет в документации, на рынке или в чужом опыте;
  • как исследования помогают создавать новые технологии и работать с высокой неопределенностью;
  • почему отрицательный результат тоже может быть ценным;
  • как устроен инженерный R&D сегодня и какие задачи становятся его фокусом в ближайшие годы
Станислав Моисеев
Директор инженерных исследований
T-Банк
18:40 – 19:20
«Code Knowledge Graphs как память для LLM»
Поделюсь:
  • как графы знаний по коду помогают превратить кодовую базу в структурированную память для AI-ассистентов;
  • что такое графы знаний;
  • как строить граф знаний поверх кода;
  • почему графы эффективнее простого RAG для сложных проектов;
  • как LLM используют связи между сущностями, файлами и зависимостями;
  • какие есть практические кейсы.
Доклад будет полезен инженерам, AI/ML-специалистам и тимлидам, которые хотят сделать AI-инструменты действительно полезными для разработки
Михаил Бадерик
Разработчик-исследователь
Т-Технологии
20:00 – 20:40
«Эволюционные агенты на практике: open-source и реальные задачи»
Разберу:
  • что такое эволюционные агенты и почему это новый класс систем;
  • как LLM выступает в роли умного оператора мутации и кроссовера в эволюционном поиске;
  • как устроены AlphaEvolve и его open-source-аналоги;
  • чем отличаются подходы к эволюционным агентам;
  • два кейса: исследование AutoML vs AgentML и оптимизации выездов торговых представителей в Т-Географии
Данил Матиенко
Разработчик-исследователь
Т-Технологии
Регистрация на митап
Иванов Алексей Петрович
Регистрируясь, я соглашаюсь с
Я даю согласие на обработку моих персональных данных для цели (целей):
Мы обрабатываем ваши данные в соответствии с

Подписывайтесь на Т-Банк

R&D — Research and Development, исследования и разработка. AI — Artificial Intelligence, искусственный интеллект. ML — Machine Learning, машинное обучение. AI/ML — направление на стыке искусственного интеллекта и машинного обучения. Code Knowledge Graphs — графы знаний по коду: способ представить кодовую базу как сеть связанных сущностей, файлов, зависимостей и функций. LLM — Large Language Model, большая языковая модель: нейросеть, обученная на больших массивах текстов и кода. RAG — Retrieval-Augmented Generation, генерация с поиском по внешним источникам данных.AlphaEvolve — AI-система Google DeepMind, которая сочетает языковые модели Gemini и эволюционный подход к поиску решений. Google DeepMind — исследовательская лаборатория Google в области искусственного интеллекта. Gemini — семейство языковых моделей Google. Open-source — подход к разработке программного обеспечения, при котором исходный код открыт для изучения, использования и доработки. AutoML — Automated Machine Learning, автоматизированное машинное обучение: набор инструментов и технологий, которые помогают автоматизировать создание моделей машинного обучения. AgentML — открытый язык разметки и система с открытым исходным кодом для создания и оркестрации детерминированных AI-агентов. vs — versus, против. Т-География — сервис Т-Технологий для работы с геоданными и маршрутами. Кейсы — примеры из практики или разборы реальных задач.