Технологияны жақсы көретін бірақ өзі ІТ маманы емес адамдарға керемет #вакансия #techjournalist

BCChub.kz В DevRel команду требуется SMMщик.

Оформление строго в штат. Формат работы гибрид. Часть дней в офисе.

Задачи:
— Разрабатывать и развивать SMM-стратегию BCC-Hub
— Вести соцсети (Telegram, LinkedIn и др.) и развивать их
— Планировать и реализовывать контент: новости, IT-материалы, команда, вакансии, мероприятия
— Готовить продуктовый и экспертный контент совместно с командами (разработка, аналитика, продукт)

Требования:
— Опыт в SMM 2–4 года
— Опыт ведения и роста соцсетей (аудитория, вовлечённость)
— Навыки написания разных форматов контента
— Понимание трендов

@kamilakashkenova В телеграме

Жігіттер мен қыздар!

Маған ЛинкедИН арқылы мынадай ұсыныс келді. Әрине, бұл жұмысқа мен жоқпын. Сондықтан сіздерге айтып жатырмын.

Әгәрәки, сіз кодиң мен программиңнен мықты болсаңыздар, онда сағатына $40-60 аралығында ақша табатын мына керемет жұмысқа кіріп көріңіздер.

Тапсырма біреу: ЖИ жазған кодты адам ретінде тексерулеріңіз керек. Болғаны сол!

“ЖИ заманда программистік оқып не керек?” деп жүр едіңіздер ғой;)) Керек екен оқу.

https://www.dataannotation.tech/coding?li_fat_id=a6321195-3835-4a5f-a83f-c4741251085b&viewingBehavior=NATIVE_WEBVIEW&utm_campaign=684807776&worker_src=L&utm_medium=display&utm_content=715229686&utm_adgroup=405142326&utm_source=linkedin&projects=PROG_SA

Kimi:

We’ve added a new option for your high-volume, non-urgent tasks.

When you need to process large-scale tasks with low real-time requirements—like evals, data processing, or bulk generation—the Batch API is the ideal choice. It allows you to submit tasks in bulk via files, saving 40% on costs compared to standard API calls.

It’s the same Kimi intelligence, optimized for your backend pipelines:
Higher Throughput: Bypass standard rate limits for your largest workloads.
Cost Efficiency: Only 60% of the standard API price.
Simple Workflow: Upload your .jsonl files and let us handle the heavy lifting.

#hiring
В Нацбанке Казахстана за полгода вывели в прод 6 AI-продуктов. Ищем инженера, который поможет сделать ещё больше.
Центр Цифрового Развития Национального Банка Казахстана ищет Middle AI / LLM Engineer.

Наша команда уже запустила 6 AI-продуктов внутри банка и сейчас масштабируется - ищем инженера, который с первых недель сможет брать задачи на себя и драйвить их до прода.
Два возможных трека (выбрать ближе к старту):
🅰️ LLMOps & Evaluation - автотесты для LLM (LLM-as-a-judge), eval-сеты, метрики качества RAG и агентов, трейсинг и дашборды в LangFuse, мониторинг моделей в проде.
🅱️ Agentic Systems - разработка агентов на LangChain / LangGraph, MCP-интеграции, ресерч моделей на Hugging Face, прототипирование новых пайплайнов, мультимодальные модели.
Стек команды: Python, FastAPI, LangChain/LangGraph, vLLM/SgLang, Ray Serve, Weaviate, DeepEval, Ragas, LangFuse, Hugging Face, Docker, K8s, PostgreSQL.

Чем будете заниматься:
Разрабатывать и выводить в прод LLM-сервисы и AI-агентов для внутренних задач банка.
Строить eval-пайплайны и системы мониторинга качества RAG/агентов.
Тестировать и внедрять собственные гипотезы - у нас полная творческая свобода.
Оптимизировать инференс и пайплайны под latency/throughput на нашем GPU-кластере.
Ресерчить свежие модели и подходы, доводить идеи из пейперов до работающего кода.

Ожидания от опыта: (Сразу оговоримся: необязательно соответствовать всем пунктам сразу. Если вы сильны в нескольких областях и готовы расти -будем рады познакомиться.)
• От 1.5 лет коммерческого Python (FastAPI или аналог) и уверенный SQL.
• Продакшн-опыт с LLM/RAG: понимаете, где система ломается и как чинить (chunking, retrieval, реранкинг, eval).
• Разработка на LangChain / LangGraph (или LlamaIndex / Haystack) и уверенная навигация в Hugging Face - подбор, запуск, бенчмарки моделей.
• Оценка RAG и LLM через DeepEval, Ragas или собственные eval-пайплайны.
• Опыт с мультимодальными моделями (vision-language, OCR, документ-AI) и/или Speech AI (Whisper, FastConformer, VibeVoice и т.п.).
• Ускорение инференса и оптимизация пайплайнов: vLLM / SgLang, квантизация, батчинг, профилирование, тюнинг latency/throughput.
• Git, Linux, Docker на уверенном уровне; привычка читать arXiv и доводить идеи из пейперов до кода.

Что предлагаем:
🖥️ Доступ к кластеру из 16× NVIDIA H200
🧪 Полная творческая свобода - тестируем и внедряем собственные гипотезы, а не разгребаем чужой бэклог.
💰 Прозрачная система премий: ежемесячные, квартальные и годовые бонусы поверх оклада.
🏥 ДМС для вас и членов семьи.
🌴 Оплачиваемые отпускные и официальное оформление.

Условия:
📍 Локация: Астана, офис/гибрид
🕐 Формат: Full-time

Резюме - мне в личку в LinkedIn или на почту: Adilet.Mukhitov@bsbnb.kz

#AIEngineer #LLMEngineer #MachineLearning #NLP #GenerativeAI #GenAI

If you want to become an AI engineer in 2026 and don't know where to start.

1. Stanford CS229- Machine Learning
The course Andrew Ng built before he became Andrew Ng. Full lectures on YouTube, Problem sets on the Stanford site.
Audit free on Coursera.

2. Harvard CS50 AI - Intro to AI with Python
The cleanest beginner AI course on the internet. Harvard puts it out for free. No excuses.

3. MIT 6.S191 - Deep Learning : MIT's official intro to deep learning. Updated every year. Guest speakers from Google, Microsoft, MIT labs.

4. UC Berkeley - LLM Agents MOOC
Guest lectures from Anthropic, OpenAI, Google DeepMind, and NVIDIA on how agents actually work.
The most industry-relevant free course on agents right now.

5. Hugging Face LLM Course : Covers transformers, fine-tuning, deployment, and advanced LLM techniques.
Built by the team that ships the tools you'll actually use on the job.

6. Hugging Face AI Agents Course : Goes from theory to production.
You build with smol-agents, LangGraph, and LlamaIndex. Free certificate included.

7. Anthropic Academy – Developer Deep Dive: 13 free courses from the team that built Claude. Covers the API, MCP, prompt engineering, and production integration patterns. Launched March 2026.

8. Anthropic Prompt Engineering Course: 9 chapters, hands-on exercises, runs directly in Claude. The only prompt engineering course where you learn from the people who built the model.

9. DeepLearningAI Short Courses : 88 free courses. Each one runs 1–2 hours. Built with OpenAI, LangChain, Anthropic, and Mistral. Start with "ChatGPT Prompt Engineering for Developers.

10. fast AI - Practical Deep Learning for Coders : Jeremy Howard's course. Code-first. No math gatekeeping.
The fastest way to go from zero to actually building neural networks.

All of it is free.

Өзіме қатты өтеді осы;))

Маған командаға қыздар мен жігіттер керек.

Не үшін?

Claude Partner Network болуға Anthropic компаниясына өтініш берген едім. Қабылданыппын. Бірақ енді ол үшін командада 10 адам болу керек дейді.

Сол команда ретінде ресми курсты аяқтау керек. Соңында Claude Certified Architect Foundations (CCAF) technical certification береді.

Сосын ары қарай өздері айтады не істеу керегін.

???

DeepSeek-V4 preview нұсқалары шықты.

Қытайдың DeepSeek стартапы 24 сәуірде DeepSeek-V4-тің екі preview нұсқасын (V4-Pro және V4-Flash) жариялады.

1.6 триллион параметрлі (активті 49B) MoE моделі 1 миллион токендік context-ке ие, Huawei чиптеріне бейімделген.

Ол математика, coding және reasoning benchmark-терінде ашық модельдердің ішінде лидер, GPT-5.2 және Gemini 3.0 Pro-мен салыстырғанда күшті өнімділік көрсетеді (бірақ GPT-5.4 және Gemini 3.1 Pro-дан аздап артта).

Бұл Қытайдың AI автономиясын күшейтетін маңызды қадам.

Әңгіменің өзегі - Huawei чиптерінде жұмыс істейді. Nvidia үшін қорқынышты түс.

Сіздерге қызық көрінетін болар…

Бірақ жеке басым мына күн емес, сағат емес, секунд сайын жаңарып жатқан ЖИ модельдерге, соны жасап жатқан компанияларға ренжіп жүрмін;))

Неліктен?

Өйткені, керемет технологияның дәмін сезініп, толығымен қолданып үлгермей жатырмыз.

Тек қана GPT-3, GPT-3.5 модельдерін, кейін gpt-4o дәмін ғана алған шығармын бір жылдай. Оған да 2 жыл уақыт өтіпті. Міне, соңғы 2 жылдан бері таңертең тұрсақ басқа модель жарияланып жататын күнге келдік.

Сосын тағы бір қызық тенденцияны байқадым. Мысалы, су жаңа Айфон шығады ғой? Мәселен, 17 pro max делік. Сол күні сенің күні кеше ғана әлемдегі ең үздік смартфон боп тұрған 16 pro max суретке бұлыңғыр қылып түсіріп, қатып қала бастай ма, бірдеңе. Осының сырын ұқпай қойдым.

Дәл сол сияқты, осы былтыр ғана Sonnet 3.5, Gemini 2.0, gpt-4o сияқты модельдермен тым жақсы жұмыс істеп жүрген сияқты боласың. Тіпті менде соншалықты претензия да болмапты.

Енді бүгін Gemini 3.1 Pro, Opus-4.7, GPT-5.5 шыққан кезде қарасаң, әлгі бұрынғы модельдер жынынан айрылған бақсыдай түкке қауқарсыз боп шығад. “Әй, күні кеше осы модельмен 3 приложение жазып шықтым ғой, мынаған не болды?” деп отырғаның…

Одан кейін ренжитін себебім… Еш нәрсе экспоненциал шарықтаумен өсе бермейді. Бәрінің шырқау шегі бар. Сол шекке бүгін-ертең тез жетіп алып, экзистенциал дағдарысқа ұшырағаннан не пайда?

Celeron, Pentium 1, Pentium 2, Pentium 3, Intel Core 2 Duo деп те баппен, әдемі дамыдық қой? Әлемде жоқ дата центрге қажет әлемде жоқ график картаға әлемде жоқ оператив жадыны осы бастан сатып алып, әлемде жоқ инвестициялық ауадағы эфемер ақшаны тарта бергеннен… Пайда бола қояр ма екен?

xAI Grok 4.3 ресми шықты.

xAI 1 мамырда Grok 4.3-ті іске қосты — жақсартылған agentic мүмкіндіктері (tool use, multi-step reasoning), 1 миллион токен контекст және reasoning режимі бар модель. API бағасы айтарлықтай төмендетілді (~40% input, ~60% output). Сонымен қатар Custom Voices suite — қысқа аудио үзінділерден voice cloning мүмкіндігі (АҚШ-та қолжетімді). Модель agentic workflows, long-document analysis және instruction-following-де күшті

iOS simulator directly in Codex!

Add your own tweaks, features, fix bugs. Anything.

-/github.com/b-nnett/codex-plusplus-ios-simulator

ЖИ бізге қазақ болғанымыз үшін салық салады. Оны біз "токен салығы" деп атаймыз.

Сіз оны біліп пе едіңіз?:))

When you use the File Search API, every time a user asks a question, Google constructs a single massive prompt to send to the "brain" (the LLM). This total token count is what determines if you hit the 200k jump:

System Instructions: Your "helpful assistant" rules in Kazakh (approx. 150–300 tokens).

User Message: The client's specific question (50–200 tokens).

Retrieved Knowledge (The "RAG" Part): This is the main driver. The File Search API identifies the most relevant parts of your knowledge base and pastes them directly into the prompt. If your settings retrieve 20 chunks of a transaction log, this can add 10,000+ tokens per request.

Conversation History: If your bot remembers previous messages in the chat, every old message is re-sent in the prompt. A 10-turn conversation can easily reach 15,000+ tokens.

The "Kazakh Tax": Because Kazakh is a morphologically rich language, it fragments into more tokens per word than English, making all the above components roughly 20% to 30% more "expensive" in terms of token count.

Мен сияқты AWS пен GCP кірген сайын айналшық жеген қойдай миы айналып қалатын адамдарға арналады. Әзірге, Azure ғана түсініктірек сияқты;))

AWS in plain English:
• EC2 → rent a server in minutes
• S3 → store anything, anytime
• RDS → database without headache
• Lambda → run code, no servers to manage
• API Gateway → expose your backend safely
• CloudWatch → see what’s breaking
• VPC → your private network
• IAM → who can do what
• CloudFront → make apps fast globally
• DynamoDB → scale without worrying
• SQS → apps talking reliably
• SNS → broadcast alerts instantly

Жалпы, естеріңізде болсын дегенім...