Одной из бесячих вещей в мобильной разработке всегда была скорость билда. Ты пофиксил багу, а фикс прорастет только через какое-то время, и этот промежуток времени ни разу не короткий. Казалось бы, а проблема ли это? Запушил и гуляй спокойно, или другую таску бери, а там посмотрим. Да и вообще, разве с этим можно что-то сделать? 

Эти вопросы не давали ведущим спокойно спать, и поэтому в гости был приглашён Сергей Боиштян из Avito, известный мастер CI/CD в мобильной разработке и прочих грэдлов, чтобы из первых рук получить ответы вопросы, типа: а долгий билд это сколько? А недолгий? А можно ускорить? А как? А есть какая-то специфика у iOS и Android? А кроссплатформа?

Если эти вопросы вам тоже интересны и вы ищете способы оптимизировать процесс сборки на вашем проекте, то выпуск, определенно, для вас, так как Сергей очень подробно и обстоятельно ответил на все!

Наш гость:
Сергей Боиштян, мастер CI/CD в Avito, https://twitter.com/sboishtyan

Полезные ссылки:
Канал, в котором обсуждается CI для Android - https://t.me/avito_android_opensource
CI инструменты - https://github.com/avito-tech/avito-android
Инструмент для проверки настройки Gradle - https://github.com/runningcode/gradle-doctor
Плагин для проверки зависимостей между модулями - https://github.com/autonomousapps/dependency-analysis-android-gradle-plugin
Плагин для отправки Gradle cache метрик - https://github.com/cdsap/Talaiot

“Нас не догонят” или как можно ускорить билд?

Многие знают, что когда модели обучаются, где-то под капотом перемножаются матрицы и тензоры, и все это связано с дифференцированием. Мы с Денисом Степановым взялись за нелегкую задачу – разобраться, что же именно там происходит!


Также ждем вас, ваши лайки, репосты и комменты в мессенджерах и соцсетях! 
Telegram-чат: https://t.me/podlodka  
Telegram-канал: https://t.me/podlodkanews 
Страница в Facebook: www.facebook.com/podlodkacast/ 
Twitter-аккаунт: https://twitter.com/PodcastPodlodka

Ведущие в выпуске:
Женя Кателла, Аня Симонова

Полезные ссылки:

Dive into Deep Learning Aston Zhang, Zachary C. Lipton, Mu Li, Alexander J. Smola (online book with code and formulas) 
https://d2l.ai/ https://www.amazon.com/s/ref=dp_byline_sr_book_2?ie=UTF8&field-author=Zachary+C.+Lipton&text=Zachary+C.+Lipton&sort=relevancerank&search-alias=books 

Micrograd by Andrej Karpathy
https://github.com/karpathy/micrograd 

Andrej Karpathy builds GPT from scratch 
https://www.youtube.com/watch?v=kCc8FmEb1nY 

Scott Aaronson on LLM Watermarking 
https://www.youtube.com/watch?v=YzuVet3YkkA 

Annotated history of Modern AI and Deep Learning by Jurgen Schmidhuber https://people.idsia.ch/~juergen/deep-learning-history.html 

Probabilistic Machine Learning: An Introduction Kevin Patrick Murphy
https://probml.github.io/pml-book/book1.html 

Probabilistic Machine Learning: Advanced Topics  Kevin Patrick Murphy
https://probml.github.io/pml-book/book2.html 

Pattern Recognition and Machine Learning Christopher Bishop 
https://www.microsoft.com/en-us/research/wp-content/uploads/2006/01/Bishop-Pattern-Recognition-and-Machine-Learning-2006.pdf 

Deep Learning: Foundations and Concepts Christopher Bishop, Hugh Bishop
https://www.bishopbook.com/ 

Deep Learning Ian Goodfellow, Yoshua Bengio, Aaron Courville
https://www.deeplearningbook.org/
 
Глубокое обучение: Погружение в мир нейронных сетей С. Николенко, А. Кадурин, Е. Архангельская
https://www.k0d.cc/storage/books/AI,%20Neural%20Networks/%D0%93%D0%BB%D1%83%D0%B1%D0%BE%D0%BA%D0%BE%D0%B5%20%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5%20(%D0%9D%D0%B8%D0%BA%D0%BE%D0%BB%D0%B5%D0%BD%D0%BA%D0%BE).pdf 

Gonzo-обзоры ML статей Григорий Сапунов, Алексей Тихонов 
https://t.me/gonzo_ML 

Machine Learning Street Talk podcast 
https://www.youtube.com/c/machinelearningstreettalk 

Feedforward NNs, Autograd, Backprop (Datalore report, Denis Stepanov) https://datalore.jetbrains.com/report/static/Ht_isxs4iB2.BNIqv-C3WUp/pEpNv2eMVU9tEkPsaboR9y 

Softmax Regression, Adversarial Attacks (Datalore report, Denis Stepanov) https://datalore.jetbrains.com/report/static/Ht_isxs4iB2.BNIqv-C3WUp/cIvd6zX1B5I3kULNiVCEyy 

Dual Numbers, PINN (Datalore report, Denis Stepanov)
https://datalore.jetbrains.com/report/static/Ht_isxs4iB2.BNIqv-C3WUp/3oa1BNrPGpQ8uc82tCaz5d

Podlodka #436 – Математика в ИИ

Мы живём в интересное время: одни люди делегируют AI почти все бытовые задачи, полностью полагаясь на советы LLM — от кулинарии до постановки медицинских диагнозов и подбора лечения; другие же чуть ли не бойкотируют использование любых AI-инструментов, аргументируя это так: «Как можно доверять таким системам? Это же просто генерация символов по контексту!»

Действительно, можем ли мы вообще доверять AI — и насколько? Подлодка любит разбираться фундаментально, поэтому в гости мы позвали Полину Кириченко — исследовательницу в Meta* и приглашенного исследователя в Принстоне. Вместе с Полиной разбираемся, что мы вкладываем в понятие «доверие к AI», откуда берутся галлюцинации, bias и другие баги моделей, и какие есть способы сделать их надёжнее.


Также ждем вас, ваши лайки, репосты и комменты в мессенджерах и соцсетях! 
Telegram-чат: https://t.me/podlodka  
Telegram-канал: https://t.me/podlodkanews 
Страница в Facebook: www.facebook.com/podlodkacast/ 
Twitter-аккаунт: https://twitter.com/PodcastPodlodka  

Ведущие в выпуске:
Катя Петрова, Стас Цыганов


Полезные ссылки:

Статья Business Insider о ChatGPT
https://www.businessinsider.com/sam-altman-chatgpt-yes-man-mode-gpt5-personalities-sycophantic-2025-8?utm_source=reddit.com

О Полине Кириченко 
https://polkirichenko.github.io/

Twitter Полины 
https://x.com/polkirichenko

LinkedIn Полины
https://www.linkedin.com/in/polkirichenko/ 

Ссылки на статьи
https://scholar.google.com/citations?user=05uQHIgAAAAJ&hl=en&oi=ao 



*Компания Meta признана экстремистской и её деятельность запрещена в РФ.

Podlodka #437 – Доверие к AI

В современном IT есть два пути к бесконечным деньгам. Один из них – быть топовым AI рисерчером и ждать, пока позвонит Цукерберг. Второй – поддерживать код на COBOL, от которого зависит вся мировая банковская система. В этом классическом языковом выпуске вместе с Сергеем Куксом, principal инженером из JetBrains, разбираемся с тем, что когда-то помогло COBOL стать таким популярным, и как он продолжает развиваться по сегодняшний день.

Также ждем вас, ваши лайки, репосты и комменты в мессенджерах и соцсетях! 
Telegram-чат: https://t.me/podlodka  
Telegram-канал: https://t.me/podlodkanews 
Страница в Facebook: www.facebook.com/podlodkacast/ 
Twitter-аккаунт: https://twitter.com/PodcastPodlodka  

Ведущие в выпуске:
Катя Петрова, Егор Толстой

Полезные ссылки:

Документация COBOL для новичков
https://www.microfocus.com/documentation/visual-cobol/vc80/EclWin/index.html?t=GUID-7D9BBE92-0AD8-4DDC-975A-FA92A55D7187.html

Про Micro Focus
https://www.opentext.com/about/brands/microfocus

Как работает фича ReportWriter
https://www.microfocus.com/documentation/visual-cobol/vc80/VS2022/index.html?t=HRLHLHWRI01.html

Awesome COBOL
https://github.com/loveOSS/awesome-cobol 

Podlodka #438 – COBOL

Один из главных вау-эффектов текущего поколения LLM – когда ты впервые видишь, как AI рассуждает перед тем, как выдать ответ на сложный вопрос. Чтобы разобраться с тем, что происходит у таких моделей под капотом, как их обучают и верифицируют результаты работы, мы пригласили Евгения Никишина, исследователя из OpenAI, работающего над масштабированием reasoning моделей и test-time compute.

Также ждем вас, ваши лайки, репосты и комменты в мессенджерах и соцсетях! 
Telegram-чат: https://t.me/podlodka  
Telegram-канал: https://t.me/podlodkanews 
Страница в Facebook: www.facebook.com/podlodkacast/ 
Twitter-аккаунт: https://twitter.com/PodcastPodlodka  

Ведущие в выпуске:
Катя Петрова, Егор Толстой

Полезные ссылки:

Личный сайт Жени 
https://evgenii-nikishin.github.io/ 

Learning to reason with LLMs 
https://openai.com/index/learning-to-reason-with-llms/

Бумага “The Illusion of Thinking” от Apple
https://machinelearning.apple.com/research/illusion-of-thinking

DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning
https://arxiv.org/abs/2501.12948

Chain-of-Thought Prompting Elicits Reasoning in Large Language Models
https://arxiv.org/abs/2201.11903 


Podlodka #439 – Как рассуждают LLM

В этом выпуске говорим о том, как компьютеры представляют числа – от int и float до NaN, BigInt, decimals и комплексных. В гости пришёл разработчик Никита Тонский Прокопов, с которым мы прошлись по всему числовому зоопарку: обсудили, зачем нужны разные типы, где они подводят, и почему 0.1 + 0.2 ≠ 0.3 – не баг, а особенность.

Разбираемся, как работают переполнения, откуда берётся погрешность, можно ли использовать float для денег (спойлер: нельзя), и что общего между округлением и падением ракеты. А ещё вспомнили любимые числовые фэйлы, сравнили числа в разных языках программирования и даже сыграли в игру на угадывание результатов арифметических операций.

Также ждем вас, ваши лайки, репосты и комменты в мессенджерах и соцсетях! 
Telegram-чат: https://t.me/podlodka  
Telegram-канал: https://t.me/podlodkanews 
Страница в Facebook: www.facebook.com/podlodkacast/ 
Twitter-аккаунт: https://twitter.com/PodcastPodlodka

Ведущие в выпуске:
Андрей Смирнов, Стас Цыганов

Полезные ссылки:

Пост, после которого мы решили звать Никиту
https://t.me/nikitonsky_pub/897

Podlodka #440 – Почему компьютеры не умеют считать?

Если вы, как и мы, говорите ChatGPT “спасибо” в конце чата, чтобы вас пощадили, когда начнется восстание машин – этот выпуск для вас! Вместе с Федором Рыженковым разбираемся, что может пойти не так, и как от этого защититься.


Также ждем вас, ваши лайки, репосты и комменты в мессенджерах и соцсетях! 
Telegram-чат: https://t.me/podlodka  
Telegram-канал: https://t.me/podlodkanews 
Страница в Facebook: www.facebook.com/podlodkacast/ 
Twitter-аккаунт: https://twitter.com/PodcastPodlodka

Ведущие в выпуске:
Женя Кателла, Аня Симонова

Полезные ссылки:

Прогноз AI-2027
https://ai-2027.com/

Про XAI
https://transformer-circuits.pub/2024/scaling-monosemanticity/umap.html?targetId=1m_284095

Открытые вакансии в Palisade Research
https://global.palisaderesearch.org/hiring-global

Про отравление датасетов
https://arxiv.org/abs/2410.13722

Примеры того, как этим занимаются
https://www.heise.de/en/news/Poisoning-training-data-Russian-propaganda-for-AI-models-10317581.html


Podlodka #441 – AI Safety


In this first ever in-person episode which was recorded somewhere in San Francisco, we discussed all the interesting things announced on 'Awe dropping' special event, and also some of the implications of upcoming iOS 26, macOS Tahoe 26, visionOS 26 and other updates.

Linktree: https://linktr.ee/AppleTreats

In-person episode

Gleam ворвался в список “The Most Admired Programming Languages” сразу на второе место — 70% разработчиков, которые писали на нём, хотят продолжать его использовать. Зачем в 2025 году нужен ещё один язык программирования, за что энтузиасты любят его, и есть ли шанс у “Elixir для хипстеров” на реальную популярность? Разбираем философию языка и его ключевые фичи с контрибьютером Gleam и CPython-core-разработчиком Никитой Соболевым!


Также ждем вас, ваши лайки, репосты и комменты в мессенджерах и соцсетях! 
Telegram-чат: https://t.me/podlodka
Telegram-канал: https://t.me/podlodkanews
Страница в Facebook: www.facebook.com/podlodkacast
Twitter-аккаунт: https://twitter.com/PodcastPodlodka

Ведущие в выпуске:
Катя Петрова, Андрей Смирнов

Полезные ссылки:

Страница Никиты на Boosty
https://boosty.to/sobolevn

Документация Gleam
https://gleam.run/cheatsheets/gleam-for-python-users/

Курс по Gleam 
https://tour.gleam.run

Gleam v1.11.0 
https://gleam.run/news/gleam-javascript-gets-30-percent-faster/

Podlodka #442 – Gleam

Сегодня AI внедряют во всё: от образования и медицины до финтеха и путешествий. Но что на самом деле означает «AI-продукт» и чем он отличается от классического? Вместе с Анной Подображных разбираем полный цикл их создания: от первых прототипов и проверки гипотез ценности до бенчмарков и эвалов, помогающих измерять качество. Обсуждаем почему важно и как проверить технологическую реализуемость. Этот выпуск – практическая карта для тех, кто хочет осознанно строить AI-продукты.


Также ждем вас, ваши лайки, репосты и комменты в мессенджерах и соцсетях! 
Telegram-чат: https://t.me/podlodka  
Telegram-канал: https://t.me/podlodkanews 
Страница в Facebook: www.facebook.com/podlodkacast/ 
Twitter-аккаунт: https://twitter.com/PodcastPodlodka

Ведущие в выпуске:
Стас Цыганов, Андрей Смирнов

Партнёр эпизода — @trisigma_avito. Это платформа для проведения A/B-экспериментов, анализа результатов и управления процессом тестирования от Avito Tech.  Узнать больше о Trisigma можно по ссылке: https://clc.to/5mRShQ

Реклама. ООО "Авито Тех”, ИНН 9710089440, erid:2SDnjcX1Ktr

Podlodka #443 – AI в продуктах

Берты, трансформеры, эмбеддинги, аттеншены, энкодеры с декодерами и другие страшные слова – все это разберем в выпуске с Владиславом Танковым, директором по AI в JetBrains, попутно разложив большие языковые модели на составные части.


Также ждем вас, ваши лайки, репосты и комменты в мессенджерах и соцсетях! 
Telegram-чат: https://t.me/podlodka  
Telegram-канал: https://t.me/podlodkanews 
Страница в Facebook: www.facebook.com/podlodkacast/ 
Twitter-аккаунт: https://twitter.com/PodcastPodlodka 

Ведущие в выпуске:
Женя Кателла, Андрей Смирнов

Полезные ссылки:

Illustrated Transformer
https://jalammar.github.io/illustrated-transformer/

Attention is all you need
https://arxiv.org/abs/1706.03762 

Illustrated BERT
https://jalammar.github.io/illustrated-bert/ 

GPT-family models overview
https://towardsdatascience.com/meet-gpt-the-decoder-only-transformer-12f4a7918b36/ 

A bit of overview of tokenization
https://huggingface.co/learn/llm-course/en/chapter6/1

Podlodka #444 – Архитектура LLM

Mobile People Talks — подкаст про мобильную разработку. И все остальное.
Так что если вы не мобильный разработчик, не спешите закрывать страничку – разные выпуски имеют разные уровни погружения и будут интересны разработчикам с разным стажем и степенью мобильности).
Хочется надеяться, что подкаст станет регулярным ресурсом, который поможет вам создавать лучшие приложения и продвигать их более эффективно, так как всегда есть место для роста экспертизы в мобильной разработке, учитывая сложный характер этой отрасли. 
 
Ведущие подкаста — разработчики с большим опытом и стажем, каждый из которых представляет свою область мобильной разработки:
 
Александр Денисов, организатор GDG Moscow, создатель канала FlutterRussia, Co-Head of Flutter Competency in EPAM
Flutter and Dart GDE (Google Developer Expert)
Twitter: https://twitter.com/shuregdenisov
Telegram: t.me/aleksandr_denisov (группа: t.me/FlutterRussia)
Email: denisov.shureg@gmail.com
 
Владимир Иванов, активный спикер, член программного комитета Mobius 
Twitter: twitter.com/vvsevolodovich
Telegram: t.me/vvsevolodovich
 
Данис Тазетдинов, драйвер мобильного комьюнити EPAM, евангелист платформ Apple, автор канала о новостях в мире iOS разработки
Telegram: t.me/edeniska (канал: t.me/AppleDevNews)
Twitter: twitter.com/edeniska
Email: edeniska@gmail.com
 
У подкаста есть свой канал: t.me/MobilePeopleTalks, а еще нам можно написать по почте mobilepeopletalks@gmail.com