Разбор вашей задачи практиком, который запускает AI-системы в проде. Онлайн, 60 или 90 минут, запись и оплата на сайте.
Последние пару лет ко мне регулярно приходят с одними и теми же вопросами. Как встроить LLM в продукт и не разориться на токенах. Почему модель показывает хорошие метрики в ноутбуке, но не доезжает до прода. Нужен ли здесь вообще машинное обучение или хватит правил. Отвечал в личке, на созвонах, иногда в комментариях. Теперь для этого есть отдельная страница: consultation.alimbekov.com
Почему я
18 лет в IT. Начинал с аналитики в банках, потом машинное обучение, потом AI Research. Сейчас моя ежедневная работа это production-платформа с LLM-джобами, фолбэками между провайдерами, базами знаний, генерацией текста и изображений и эвалами качества. Те же грабли, на которые наступает ваша команда, я прохожу каждый день и знаю, где они лежат.
Из результатов, за которые могу отвечать: модель классификации для Conformal Group с F1 ≈ 0.96, production AI-платформа Spiry с 13+ агентами, проекты для Bank Kompanion, FindMyKids, SCAANZ и Unimatch.ai. Автор курса «Управление AI и ML продуктами», преподовал в Яндекс Практикуме.
Чем консультация отличается от курса
В выдаче по «AI» и «data science» десятки курсов. Курс рассказывает, как должно быть в общем виде. Консультация разбирает, почему не работает именно у вас, и что сделать завтра. Это не лекция про RAG, а ответ на вопрос, какая архитектура подойдёт вашему продукту, какие модели брать, где вы потеряете деньги и время и как этого избежать.
С чем приходят
- Внедрение LLM и GenAI в продукт. Ассистенты, RAG, генеративные контент-системы: архитектура, выбор провайдеров, стоимость, фолбэки. От идеи до работающего пайплайна.
- AI/ML-стратегия. Для фаундеров и продактов: какие фичи дадут результат, как не сжечь бюджет на хайп, дорожная карта и эвалы.
- MLOps и инфраструктура. Модель есть, а в проде её нет: развёртывание, мониторинг, надёжность. Часто это банки и финтех.
- Аудит проекта, который буксует. Качество плавает, расходы растут, сроки едут. Разбираем выбор моделей, эвалы, узкие места и составляем план починки.
- Менторинг по Data Science. Индивидуальный план на 3–6 месяцев, ревью кода и проектов, подготовка к собеседованиям, 10 дней поддержки в чате между сессиями.
Как проходят
Онлайн по видеосвязи из любой точки мира. Два формата: 60 минут за 50 000 ₸ для конкретного вопроса и 90 минут за 80 000 ₸, если задача сложная и нужно поработать с вашими данными прямо на созвоне. Менторинг почасовой, 40 000 ₸ за час.
Готовиться специально не нужно. Достаточно описать задачу своими словами и принести то, что есть: выгрузку, скриншот дашборда, документ с требованиями. Если данных или команды пока нет, это тоже нормальный вход: разберём, какие данные действительно нужны и с чего начать без большого штата.
На выходе структурированный план действий, запись разговора и рекомендации по технологиям. Плюс поддержка в чате: 3 дня после часовой консультации, 5 дней после полуторачасовой, чтобы не застрять на внедрении.
Запись
Слоты в календаре по средам, четвергам и пятницам с 14:00 до 18:00 по Алматы. Выбираете тариф и время на сайте, оплачиваете картой, приглашение в календарь приходит сразу. Перенести можно бесплатно при уведомлении за сутки.
Записаться: consultation.alimbekov.com
Если пока не готовы к консультации, на сайте лежит бесплатный чеклист «Нужен вам ИИ-агент или всё-таки пока нет». Девять вопросов, которые я задаю на первом звонке. В большинстве случаев после них выясняется, что нужна обычная автоматизация, и это тоже полезный ответ.