Мой блог:
Smart-Lab.ru →
Стас Искаков — практикующий трейдер и эксперт по финансовым рынкам с 2015 года.
Ключевой опыт и достижения 2015–2025:
- Торгует на российском и международном рынках: акции, фьючерсы, валюты (среднегодовая доходность 2020–2024 — 45–65%)
- 2023–2025 — протестировал 35+ брокеров и платформ: исполнение ордеров, выводы в рублях, работа под санкциями
- С 2025 года ведёт блог на Smart-Lab.ru
- Провёл 25+ вебинаров и личных консультаций по риск-менеджменту, ИИС и ETF
- Участник профессиональных сообществ трейдеров и инвесторов MOEX
Специализация — практические стратегии для розничных трейдеров и инвесторов: от внутридневной торговли до долгосрочных портфелей. Всё публикуемое основано на реальных сделках и анализе 2025 года.
Все материалы носят информационно-аналитический характер и не являются индивидуальной инвестиционной рекомендацией (ФЗ-39 «О рынке ценных бумаг»).
Страница обновлена: 3 декабря 2025
SymTorch: библиотека PyTorch, переводящая модели глубокого обучения в читаемые человеком уравнения
Meet SymTorch: A PyTorch Library that Translates Deep Learning Models into Human-Readable Equations Глубокие нейронные сети уже более десяти лет находятся в центре инноваций, но их «чёрный ящик» остаётся преградой для широкого применения в бизнесе и науке. Появление SymTorch меняет эту картину, превращая сложные модели в набор математических формул, понятных
Как создать прозрачный AI‑аналитический конвейер с SHAP‑IQ для понимания важности признаков, взаимодействий и разложения решений модели
В последние годы рост инвестиций в искусственный интеллект превратил его из нишевой технологии в драйвер глобального роста. По данным IDC, мировой рынок AI достиг 560 миллиардов долларов в 2023 году и к 2030 году может превысить 1,2 триллиона при ежегодном темпе роста 20 процентов. Такая динамика требует не только повышения точности моделей, но
Полный практический гид по кодированию: отслеживание экспериментов MLflow, оптимизация гиперпараметров, оценка модели и живой деплой
MLflow превратил процесс разработки моделей машинного обучения из разрозненных экспериментов в управляемый конвейер. С момента релиза в 2018 году платформа собрала более 25 000 звёзд на GitHub и более 5 000 форков, что свидетельствует о её популярности среди исследователей и инженеров. Сегодня компании используют MLflow для контроля версий данных, кода и артефактов,
Sakana AI представила Doc-to-LoRA и Text-to-LoRA — гиперсети, мгновенно внутренне усваивающие длинные контексты и адаптирующие LLM без предварительного обучения
Sakana AI Introduces Doc‑to‑LoRA and Text‑to‑LoRA: Hypernetworks that Instantly Internalize Long Contexts and Adapt LLMs via Zero‑Shot Natural Language Новые гиперсети Doc‑to‑LoRA и Text‑to‑LoRA от Sakana AI открывают возможность адаптировать крупные языковые модели без традиционного этапа дообучения. Технология использует небольшие адаптивные матрицы, которые «встраивают» огромные контексты документов за считанные секунды.
Tailscale и LM Studio запускают «LM Link» – зашифрованный прямой доступ к приватным GPU‑ресурсам
В последние годы спрос на вычислительные мощности для искусственного интеллекта вырос в геометрической прогрессии. По оценкам аналитической компании IDC, к 2025 году глобальный рынок GPU‑серверов превысит 25 млрд долларов, а ежегодный рост будет составлять около 30 %. На этом фоне компании ищут способы сделать свои дорогостоящие графические процессоры более доступными и безопасными.
Новый подход к созданию эластичной векторной базы данных: согласованное хеширование, шардинг и живое отображение кольца для систем RAG
Эпоха масштабных языковых моделей заставила компании искать новые способы хранить и быстро искать векторные представления текстов. Традиционные реляционные СУБД не справляются с миллионами высокоразмерных эмбеддингов, а простая линейная индексация приводит к росту задержек до нескольких секунд. Именно здесь на сцену выходит Elastic Vector Database — гибридное решение, объединяющее консистентное хеширование,