🚀💊 ИЦ «Хелснет» НТИ запускает уникальный онлайн-акселератор «МЕДТЕХ НАВИГАТОР», который поможет биомедтех-проектам встраиваться в систему национального здравоохранения. Это первая площадка с таким профилем.

Программа позволит участникам упаковать свои продукты под запросы и приоритеты нацпроектов «Продолжительная и активная жизнь» и «Новые технологии сбережения здоровья» и подготовить их к продвижению в рамках федеральной системы здравоохранения.

🎯 Для кого?

Для стартапов, исследовательских коллективов и компаний в сфере MedTech и Digital Health, которые хотят не просто получить бустер для развития своих проектов, но и внедрять их в масштабах национальной системы здравоохранения страны.
Требования к уровню участников: в приоритете — готовые продукты, но рассматриваем также стартапы от уровня MVP.

👀 Что будет?

💙Обзор национальных и федеральных проектов и их ключевых метрик;
💙Разбор и адаптация проектных идей под задачи госпрограмм;
💙Экспертная обратная связь от профильных специалистов, которые в том числе участвовали в разработке федеральных проектов;
💙Демо-день, где участники представят свои проекты экспертам из ведущих НМИЦ России.

По итогам акселератора команды получат практический гайд по продвижению проектов в рамках национальных и федеральных программ, а также ценную экспертизу для масштабирования решений в здравоохранении.

⭐️ А кто эксперты?

В рамках ускорителя участники смогут пообщаться и получить обратную связь от топовых специалистов из Сеченовского университета, СамГМУ, НМИЦ ТПМ Минздрава России, Фонда Сколково, Министерства образования и науки СО, Региональных центров Инжиниринга.

«Сегодня ключевая задача — не просто создавать инновации в медицинских технологиях, а формировать их прикладную ценность для системы здравоохранения. Акселератор «МЕДТЕХ НАВИГАТОР» помогает разработчикам выстроить правильную траекторию интеграции в федеральные программы и национальные проекты»,

— отмечает Мария Галямова, руководитель ИЦ HealthNet НТИ.

🗓 Когда и где?

💙Старт акселератора: 16 октября. Успейте подать заявку до этой даты!
💙Формат: ОНЛАЙН
💙Участие: БЕСПЛАТНО!
💙Продолжительность обучения: до 13 ноября.

👉 Подать заявку: https://leader-id.ru/events/575264

#акселератор #медтех #хелстех #медицинскиестартапы #биотех #биомед #нацпроекты

Друзья, ловите осознанную рекомендацию👇

Бластим на курсах и вообще помогает ученым получать реально востребованные хардскиллы, однако мы всегда мягко напоминаем, что не стоит забывать и про развитие карьеры. Не стыдно быть немножко карьеристом. Но где (помимо Бластим) искать советы, точки роста и ориентиры?

Для всех, кто думает о своем месте в науке, медицине и биотехе, советуем канал @IMC_education.

Это не про абстрактные советы «верь в себя», а про конкретные карьерные стратегии. Здесь вы найдете:

→ Интервью с теми, кто уже прошел путь: ученые, врачи и топ-менеджеры из фармы и биотеха делятся опытом — как они строили свою карьерную траекторию.
→ Тактики развития: как планировать рост, куда двигаться и на что обращать внимание.
→ Возможности: анонсы стажировок, программ и интересных проектов, где пригодятся ваши навыки.

🔻Если вы хотите управлять своей карьерой, а не просто плыть по течению, — вам точно стоит подписаться на канал «Карьерных возможностей»

#бластим_рекомендует

💡 Если обработку данных страшно отдавать на аутсорсинг ИИ, но работать быстрее всё равно хочется — пора знакомиться с Python

Это язык, который делает жизнь ученых проще:
• почистит и отформатирует таблицы за мгновение
• скачает нужные файлы с NCBI или других баз
• подготовит и проведет анализ точнее и быстрее, чем уставший аспирант

А ещё на Python надежный «вайб-кодинг»: пишешь запрос человеческим языком → ИИ переводит его на «змеиный» → можно запускать код. Возможности почти безграничны. Открытые форумы помогают LLM эффективнее учиться и выдавать хорошие скрипты. Главное — самому понимать основы, чтобы не пугаться и проверять, что там навайбил ИИ.

Для знакомства с «π-научным сотрудником» Бластим подготовил два бесплатных вебинара с Александром Ильиным:

📌 11 октября — «Экономим десятки часов на данных: первый шаг в Python без боли»
📌 18 октября — «Библиотеки Python: практические инструменты для работы с данными»

✅ Уже учили Python, но не знаете, как применять его в своей рутине? Приходите тоже — всё расскажем и покажем на реальных примерах. Пора сворачивать «Летающий цирк» в данных и табличках Excel!

Регистрация: clck.ru/3PeRTN

🦀 Рачки рачки рачки 🦀

Мастер анализа Александр Ильин отвечает на вопросы по Python и разбирает датасеты, показывая, как обработать таблички с помощью кода 🤩

Сначала непривычно, особенно, если привык к графическому интерфейсу, но преподаватель на всё отвечает и дает советы

🔗 Подключайтесь сейчас — интересно, на разбор какого датасета попадете вы.

Сейчас собачки 🐶

В конце, как всегда, сюрприз и полезный скрипт: мини-гайд по циклу while и numpy 🐍

Нерон и Нейрон: ИИ — моя Римская империя 🏛

Древние римляне много писали. Ежегодно обнаруживают до полутора тысяч латинских начертаний — высеченные на камне и выгравированные на монументах, в публичных пространствах и частных домах, нацарапанные на заборах... Надписи позволяют напрямую ощутить повседневную жизнь людей разных слоев обществ прошлого — от бытовых забот до политики и экономики. Это исследует дисциплина эпиграфика 🖋🪦

🔨 Однако за тысячелетия буквы стерлись, предметы с надписями разрушились или были перемещены. Вдобавок римляне злоупотребляли сокращениями и аббревиатурами. Всё это затрудняет и без того сложную расшифровку и интерпретацию, которой занимаются историки и археологи. Традиционно эксперты вручную ищут параллели — надписи с похожими словами, фразами, синтаксисом. Они нужны для контекстуализации. Изнурительный процесс сравнения текстов требует невероятной эрудиции и может затягиваться на месяцы и даже годы. Алгоритмы применялись, но они ограничивались буквальными совпадениями и не считывали смысл. Пришло время нейросетей.

🏺 Специалисты из Google DeepMind под руководством Янниса Ассаэля совместно с академическими учеными создали мультимодальную генеративную модель Aeneas, дабы автоматизировать процесс реконструкции старинной латыни и облегчить участь историков. Название отсылает к мифическому герою Троянской войны Энею, сыну богини Венеры, предку Ромула и Рема. Статья вышла в июле в Nature.

Aeneas принимает на вход транскрибированный латинский текст с пропусками нескольких символов (-) или фрагментов неизвестной длины (#), а также фотоснимки надписей. Ранее модели учитывали исключительно текст, тогда как много деталей можно почерпнуть из внешнего вида физических носителей.

🎭 Как в классической драме соблюдаются три единства, так и Aeneas решает три нетривиальные задачи: действие — заполняет гэпы в тексте, место — выдвигает предположение о регионе происхождения надписи, выбирая одну из 62 римских провинций и, наконец, время — предсказывает датировку с точностью до десятилетия.

Всем этим занимаются три нейросети (головы), принимающие данные от декодера трансформера T5, обрабатывающего исходные символы. Для обучения машинлернеры собрали корпус из 176 тыс. латинских надписей (для 5% были и картинки) за 15 веков со всех уголков Pax Romana — от Британии до Ирака. Aeneas восстанавливает обломки текста, даже когда вообще неизвестно, какой объем утерян! Исторически обогащенные эмбеддинги из T5 применяются для поиска в векторном пространстве, куда спроецирован весь датасет надписей: в итоге получается ранжированный список аналогов. Это прогресс по сравнению с предшествующей моделью Ithaca для древнегреческого языка. А еще в состав Aeneas входит ResNet-8 для обработки фото: эта визуальная информация учитывалась при географической атрибуции. Простейший пример: строку #us populusque Romanus ИИ дополняет до Senatus populusque Romanus («Сенат и народ Рима»).

👑 Ллмку проверили на знаменитом документе эпохи императора Октавиана — Res Gestae Divi Augusti («Деяния божественного Августа»), лучшая копия которого сохранилась на каменной стене храма в Анкаре 🇹🇷. Полагаясь только на тонкие лингвистические маркеры, ИИ сузил оценку возраста монументального трактата до двух периодов (10–1 гг. до н. э. и 10–20 гг. н. э). К таким же выводам пришли эксперты. Но за годы трудов и дебатов.

Конечно, Aeneas не заместит опытных профессионалов, однако позволит им мгновенно находить параллели и сосредотачиваться сразу на самых вероятных версиях. 23 приглашенных эпиграфиста уже протестили модель: в 9 из 10 случаев она дала полезную затравку и инсайты. Сейчас датасет и код полностью доступны, открыт сайт predictingthepast.com

🏆 Думаете, это чудеса и технологии уровня олимпийских богов? Вовсе нет: ученые из разных сфер используют те же самые архитектуры и тулы для обработки данных, которые изучают даже студенты. Скажем, в приложении к статье про Aeneas можно обнаружить, что рисечеры юзали numpy, pandas для стандартизации датасетов, seaborn, matplotlib для графиков, а также другие библиотеки. Все дороги ведут в... Python

🫵 Хватит смотреть, как кто-то кодит на YouRuTube. Пора делать свою науку

Многие из вас наверняка уже участвовали в наших вебинарах по Python или проходили похожие курсы. Мы стараемся, чтобы даже бесплатные материалы были максимально полезными для научных задач.

Но признавайтесь, было же такое:
Смотришь, повторяешь за преподавателем — вроде всё понятно. А потом открываешь свои данные — краш за крашем. Файлы не читаются, структура другая, код выдает ошибки, а ChatGPT не спасает. Для новичка это сплошные подводные камни. Без помощи происходит быстрый откат к состоянию «сложно, непонятно и потом как-нибудь» 🥲

Так значит, быстрого и легкого решения не существует?
Да, к сожалению. Отдельные занятия нужны, но лишь чтобы «помочить ножки в воде». Они дают шанс оценить возможности и понять направление развития, но не помогают с конкретной задачей.

На полном курсе «Python для анализа данных в науке» подход совсем другой. Мы детально адаптируемся под задачи исследователей: какие данные используются, что и как нужно посчитать, визуализировать или сравнить. Затем разбираем актуальные подходы и собираем код по шагам, фрагмент за фрагментом, с постоянной обратной связью — пока всё точно не заработает на ваших данных.

Вы не просто прослушаете курс — вы уйдете с готовыми решениями. Не теория, а навык в действии.

🔋 И, конечно, вы экономите время и силы: не ищете ответы по форумам и не теряете мотивацию. Вдохновение остается на планирование следующего анализа, а не на борьбу с ошибками.

А если вы уверены в своих знаниях, пройдите наш тест: clck.ru/3PhEsL 🔙 Проверьте себя и получите дополнительную скидку, если решите прокачать навыки.

Но поторопитесь! Завтра последний день до повышения цены на курс 🕓

Прошла неделя со старта курса «Статистика, R и анализ данных» 🎉

Наши участники уже делают первые, но уверенные шаги в R на пути к превращению своих датасетов в статьи Q1-уровня.

А вообще, сегодня вторник — идеальный день, чтобы вдохновиться и всем попробовать что-нибудь визуализировать. #TidyTuesday — это комьюнити-проект для любителей R. Каждую неделю публикуется новый открытый датасет, и сообщество R-энтузиастов придумывает самые разные способы его анализировать. Это целая коллекция творческих экспериментов с графиками. Главное правило — работать только в R, без доработок в иллюстраторах 🎨

А на картинке поста, кстати, пример из октября прошлых лет 🎃

Тема: Horror Movies
Данные: количество фильмов ужасов, выпущенных по годам
Автор: Benjamin Uveges — геобиолог и специалист по осадочным породам
Тип графика: «Skeleton» — комбинация барплотов и точек в жутковато-забавной композиции. «Зубы» показывают соотношение выпущенных фильмов по месяцам (октябрь, конечно же, выделен оранжевым), а «глаза» обозначают периоды с минимальной (пустой круг) и максимальной (заполненной) выручкой.
Вывод: фильмов ужасов становится всё больше. Пик релизов приходится на октябрь, но самые прибыльные месяцы не всегда совпадают с самыми «страшными».

Чтобы R не вызывал ужас и у вас, успейте на ультрараннее бронирование на весенний поток курса по самой выгодной цене!

🗓 Даты: март-апрель 2026
💬 А с любыми вопросами можно обращаться к Варваре: @varvara_blastim

Успейте забронировать место до того, как впадете в зимнюю спячку. Весной проснетесь и сразу начнете превращать данные в красивые и понятные графики ↗️

from ilyin import wisdom — разбираемся в библиотеках Python с Александром Ильиным 📣

Вы уже слышали про списки и векторы, прошли курсы по основам Python, открывали Google Colab и даже писали import something... Но как всё это прикрутить к реальным данным — особенно если они с приставкой bio — остается загадкой?

🐍 Если с уровня «А1» на змеином языке никак не сдвинуться, то пора по библиотекам! Зовем всех на бесплатный вебинар: «Как выбрать нужную библиотеку в Python под задачу? С чего начать работу с библиотекой?»

Когда? Эта суббота, 18 октября, в 12:00 мск

Вместе с матерым преподавателем Александром Ильиным:
• разберетесь, зачем вообще нужны библиотеки и где их искать
• научитесь устанавливать и импортировать их без страха ошибок
• узнаете, какие пакеты помогают работать с биологическими данными
• подберете решения под конкретные задачи и быстро проверите их в Jupyter

Во время встречи можно задавать вопросы вживую. Александр разберет ваш кейс и подскажет, с чего начать 💬

А еще в конце вебинара вы получите подборку must-have библиотек и рекомендации для прокачки навыка, который значительно расширит ваши карьерные возможности.

«Читательский билет» в мир Python-библиотек здесь: clck.ru/3PkJZZ 🔗

Доверяй и не проверяй: вайб-кодинг

В феврале этого года с твита Андрея Карпатого зародился термин вайб-кодинг (ВК), и вот уже весь 2025 проходит под его знаком. ВК — это когда ты полностью доверяешь LLM (к примеру, ChatGPT, GitHub Copilot или CursorAI) написание программы. Текстовыми или голосовыми промтами ты излагаешь свою идею, нейросеть кодит, ты принимаешь, запускаешь, если ошибка — просишь пофиксить, снова запускаешь и т.д. Никакого код-ревью! ВК делает программирование доступным всем и, возможно, даже заменит опытных айтишников. Но так ли хорош ВК, как кажется на первый взгляд?

⚠️ Warning: обычно те, кто раздают советы, уже умеют программировать и отнюдь не на уровне junior. Скажем, Андрей Карпатый — очень прошаренный разработчик, сооснователь OpenAI и экс-руководитель проекта автопилота Tesla, автор крутого блога по нейросетям. Ему никакие LLM не нужны: он вайб-кодит по фану. Новичкам не стоит примерять рекомендации таких гуру сразу на себя

Итак, какие подводные камни ВК?

🧌 Непредсказуемость: генеративный ИИ до сих пор может ошибаться в самых простых вещах: чат-боты плохо считают (2010 год был 15 лет назад? ИИ: нет), и в программировании делают ошибки. Результаты нейросети носят вероятностный характер: на один и тот же инпут, может быть получен разный аутпут. Компьютерные программы, наоборот, должны вести себя однозначно.
⌛️ Псевдоэкономия времени: вайб-код — это черный ящик, его трудно интерпретировать и, соответственно, исправить руками, а отладка с помощью нейросети не так проста. Когда вы просите LLM устранить ошибку в коде, вы можете столкнуться с непониманием: играет роль и двусмысленность, зашитая в человеческом языке, на котором пишутся промты. В результате нужно просить внести правки снова и снова. Процесс может затянуться и свести на нет заявленную скорость.
🧠 Шаблонность: ИИ хорошо справится с небольшими кусками кода для типовых задач. Но когда нужны креативные решения, инновации и тонкая чуйка — тут ИИ слаб.
📏 Ограничение размера контекстного окна: если перебрать с числом токенов, модель может остановиться на полпути генерации кода.
📜 Устаревшая документация и синтаксис: ИИ может не знать про апдейты библиотек, фреймворков (например, недавно вышел настоящий пи-тон 3.14) и использовать deprecated функции (нежелательные и замененные на новые в свежих версиях), а также не учитывать зависимости.
🌀 Галлюцинации: ИИ может ссылаться на неопределенные переменные или функции, написать красивые, но совершенно излишние фрагменты кода, обратиться к ненастоящим или даже вредоносным пакетам.
🐢 Неоптимальные решения: нейросети не озабочены вопросами производительности и эффективности алгоритмов.
🔒 Неполные знания: LLM тренировались на публичном коде с GitHub и подобных хранилищ, без доступа к корпоративному закрытому коду, отсюда — незнание узких областей и непонимание контекста и специфики вашего проекта/домена.
🧩 Трудности интеграции: вайб-код часто пишется несвязанными блоками без соблюдения code style и практик разработки ПО, так что отдельные куски потом невозможно объединить в единое целое.
🥷 Безопасность: нейросети обучались в том числе на коде с уязвимостями и могут их воспроизводить, что чревато утечкой конфиденциальных данных.
⚖️ Этика: кто будет отвечать за работу сгенеренного кода, если он приведет к опасной ошибке, допустим, удалит базу данных?

TL;DR: вайб-кодинг позволяет получить сносный одноразовый код для быстрой проверки идеи, но несет риски для серьезных долгосрочных проектов. Лучше использовать ИИ как друга-сеньора и кодить собственноручно. Так что без знания хотя бы одного языка программирования пока не обойдешься🙁

👉 Поэтому ждем вас завтра на вебинаре по Python в 12:00 мск, чтобы не умереть за вайб-дебаггингом

#бластим_технологии

👍 Курс по Python, который подстраивается под вас

«Python для анализа данных в науке» собирает участников с разным уровнем подготовки. Некоторые уже писали скрипты, а для кого-то Jupyter выглядит как планета с ошибкой в названии. Каждый продвигается в своем темпе, но все чувствуют себя комфортно.

Мы специально выстроили обучение так, чтобы:
• кто только начинает — не терялся и не чувствовал давления
• кто уже что-то умеет — не скучал и находил для себя массу нового и полезного

Преподаватель Александр Ильин и команда технических ассистентов ведут вас почти за руку в мир Python не только на лекциях. Они помогают разбирать домашние задания и проекты, созваниваются лично, объясняют ошибки и поддерживают на каждом этапе. Фактически становятся персональными репетиторами.

При этом сохраняются все плюсы группового формата:
• поддержка и мотивация от единомышленников
• обмен опытом с коллегами
• возможность выйти из «информационного пузыря» и завести полезные знакомства

А все занятия остаются с вами и после окончания курса: можно пересматривать уроки, освежать знания и быть уверенным, что ничего не упустили.

Каждый профессионал когда-то начинал с нуля. Главное, сделать первый шаг, а дальше мы вас подхватим. Python — совсем не страшно. Гораздо страшнее упустить проект мечты из-за нехватки базового навыка.

⚠️ Сегодня ещё можно записаться по цене до повышения.

Подробности и регистрация здесь: clck.ru/3PoqDg