Розкажу про сучасні можливості генерації відео з текстових промптів та AI-асистованого монтажу, базуючись на 17-річному досвіді у відеопродакшені. Продемонструю ключові платформи та інструменти, поділюся власними кейсами інтеграції AI у робочі процеси креаторів і продакт-менеджерів. Окреслю продуктові можливості та воркфлоу для розробників і відеотворців і визначу пріоритетні напрями розвитку AI-based відеосервісів.

Чи можна довіряти хмарі? Confidential Computing дає змогу захистити дані навіть у повністю контрольованому середовищі.

Огляд практичних кейсів створення систем на основі штучного інтелекту. У фармацевтичній галузі представлено рішення з комп’ютерним зором для автоматизованого візуального контролю якості вмісту флаконів. Система забезпечує виявлення дефектів у реальному часі, інтегрується в існуючу виробничу лінію та дозволяє зменшити витрати порівняно з класичними інспекційними машинами. У державному секторі впроваджено сервіс на базі LLM для перевірки заявок на участь у конкурсах міжнародних молодіжних обмінів. Сервіс інтегрований у державну платформу реєстрів, забезпечує швидкий зворотний зв’язок для заявників та створює прецедент використання LLM у продуктах на основі Дія.Engine.

Ми як провайдер бачимо що нерідко потенційні клієнти дещо дезорієнтовані в питаннях вибору акселераторів. Технології змінюються дуже швидко, тому питання «а що там на ринку, а чим відрізняються всі ці картки, а які кращі» мають місце бути. І критерії вибору досить непрості. Що таке compute/memory bound models, «арифметична інтенсивність» і квантування моделе? Ці характеристики мають вирішальне значення при виборі інфраструктури.

Наразі Kernel є провідним виробником соняшникової олії та одним з найбільших агрохолдингів України. Які задачі ставить бізнес і чому ML - це must have? Розвиток команди data science в Kernel. Перші експерименти в Google, власне мінімальне залізо, потреба в більшому обсязі ресурсів. Інфраструктурна співпраця Kernel - De Novo. Вирішення задачі прогнозу врожайності полів. Позитивний результат тестування та приріст у швидкості і можливість виконувати більше задач бізнесу на H100.

Доповідь інтегратора AI рішень про те як вони структурують власні бізнес процеси та задачі за допомогою AI. Як модель за 15 хвилин виконує опрацювання бізнес вимог на яке data science витратив би два тижні роботи.

Розкажу про Computer/Browser/Mobile Use агентів. Почнемо з API, які надають нам OpenAI та Claude під задачі Computer Use. Згадаємо, як тренуються LLM/VLM, що таке RL і як його тут можна застосувати. Розберемо свіжі open-source модельки та поговоримо про evaluation таких агентів.

With AI becoming increasingly present in our everyday lives, the latest advancements in the field now make it easier than ever to integrate it into our software projects. In this session, we’ll explore how machine learning models can be embedded directly into front-end applications. We'll walk through practical examples, including running basic models such as linear regression and random forest classifiers, all within the browser environment. Once we grasp the fundamentals of running ML models on the client side, we’ll dive into real-world use cases for web applications—ranging from real-time data classification and interpolation to object tracking in the browser. We'll also introduce a novel approach: dynamically optimizing web applications by predicting user behavior in real time using a machine learning model. This opens the door to smarter, more adaptive user experiences and can significantly improve both performance and engagement. In addition to the technical insights, we’ll also touch on best practices, potential challenges, and the tools that make browser-based machine learning development more accessible. Whether you're a developer looking to experiment with ML or someone aiming to bring more intelligence into your web apps, this session will offer practical takeaways and inspiration for your next project.

2025 рік. Ігнорувати AI-слона в JavaScript-кімнаті стає все важче. Це створіння у ритмі вайб-кодингу топчеться по всьому що так дорого програмістам: по чистому коду, по архітектурі, по нашим звичкам і переконанням що вважати правильним, а що ні. Це знання коштувало мені пару десятків тисяч доларів у розробці проєкту з режимом використання ШІ "на максимум". І все що залишилося на згадку - ця доповідь. Звісно ми не зможемо торкнутися всього, але мені конче потрібен сеанс терапії про найболючіше - про те як я, спілкуючись з ШІ перестав розуміти що таке для мене архітектура і що з цим робити.