ADT, выше написал, где вы на статью сослались

ADT, там есть правильный комментарий — Статья то про выбор языка для компании.

Go — хороший язык для написание продуктового кода с использованием микросервисов в большой компании
Если это маленькая компания или один человек или не классический продуктовый код про перекладывание json-ов — очень спорное решение
Если много математики и статистики — в Go c этим очень плохо, так как нет нормальных библиотек
Если нужна очень большая скорость, то тоже есть варианты получше

ИМХО если скорость не важна (не надо укладываться в микросекунды и с сервером на колокейшене), но много математики (стат тесты, ML/DL), то лучше Python
Если чего-то очень быстрое, то Rust или С и сервер на колокейшене

Чего у вас на Python тормозит дистанционно сложно понять — при правильной реализации, все тормозное выполняется в библиотеках вроде numpy или pytorch со скоростью недостижимой на Go, а для io операций есть asyncio

Хоть я и люблю Go, но выбор на мой взгляд странный

Платить прилично — это сколько? Мне насчитали пол миллиона — никто не звонил

Дмитрий Овчинников, Средняя начисленная заработная плата работников по полному кругу организаций города Москвы

Гуру Хренов, у меня сын еще не окончил посредственный московский ВУЗ по IT специальности. Работает на примерно 2,5 средних московских зп. Постоянно проводит собеседования — у них обязанность минимум два в неделю, активно набирают. Есть и другие примеры. Не вижу в Москве каких-то проблем с IT

Никак, потому что не имею дело с классами, а предсказываю распределение доходности

Alex Craft, судя по всему найти чего-то новое не так просто. ResNet больше 10 лет, а attention 8. Возможно просто повезло, что придумали несколько промывных идей и теперь много лет ничего не будет

Качество текущих можно улучшить, но это будет медленный прогресс

Alex Craft, как говорится, посмотрим. Прогресс был быстрым, потому что была прорывая идея, но ее потенциал исчерпан, и теперь будут медленный прогресс на основе мелких доработок. Мне кажется уже очевидно, что прогресс замедлился. Раньше выход новой GPT был ощутимым прорывом. Про GPT5 многим не очень понятно, есть ли там вообще улучшения

Вы это реально считает доказательством? Где стат тесты? Почему не проверена обратная гипотеза, что М1 растет, когда рынок растет? А главное зачем эти мудовые рыдания про М1? Лучше займитесь доработкой своих моделей — больше пользы будет

Антон Б, вопрос в скорости. Я не отрицаю, что будет развитие, но оно будет крайне медленным, на фоне аномально быстрого прогресса, который был в предыдущие несколько лет

Антон Б, возможно, а возможно нет. Мой поинт, что весь последний хайп строится на эксплуатации работы почти десятилетней давности. Эффект от нее исчерпан, и я не жду какого-то быстрого прогресса, если кто-то не придумает что-то принципиально новое. Медленное развитие и обсасывание существующей идеи будет. А вот когда придумают что-то новое уровня attention is all you need хрен его знает

Alex Craft, это все не очень про LLM, а в других областях не сказать, что есть какой-то серьезный прогресс

Очень сомнительно. Весь последний прогресс — экстенсивная эксплуатация идеи из статьи 2017 года. С тех пор по сути ничего нового не придумали, а некоторое время назад экстенсивный прогресс уперся в потолок — в модели засунули весь интернет. Пока не будет новых прорывных идей, так и будем болтаться на текущем уровне — много знающий дурак, этакий Вассерман номер 2

Повлиять конечно можно — например перебраться в другую страну, что в общем многие и делают

Главное чтобы не оказалось, что это был еще оптимизм

Alex Craft,

— Как вы выбираете эти N, если оценки будут плюс минус киллометор и статистически будут перекрываться. При подходе в лоб вы просто выберите те, у которых случайно оказалась максимальная положительная ошибка и самая большой доверительный интервал оценок параметров используемых моделей. Классический Garbage in, garbage out
— Тут тоже много вопросов, даст ли это чего-то содержательно, как выбирать страйки и т. д.
— Ну сделали вы стресс тест и чего дальше? Минимальная проблема будет у портфеля из фондов ликвидности

Я не говорю, что это плохие подходы, но их нужно приземлять из абстрактных общих формулировок в практические реализации. А потом можно как-то итеративно улучшить усложнить модели оценок, где нужно. А копание в теории и тем более в заявлениях хайфпового писателя Талиба имеет мало практического смысла

Если считать на дневный данных, то std порядка 1-3%. Эти скачки принебрежительно малы по сравнению с точностями оценок. Я вообще если честно давно потерял ход вашей мысли. ИМХО попытки выбрать какую-то более правильную модель и капание в этом не стоит того, так как всегда в финансах оценки очень не точные. Особенно если у вас будет много активов. И надо не модель искать, а придумывать как вы будете жить с заведомо кривыми оценками и хотя бы минимальный рабочий прототип собрать с заведомо упрощенными подходами

Нельзя считать корреляцию между нестационарными рядами

Подозреваю никто не пойдет на СВО под мутные обещания заплатить, но когда-нибудь потом по малопонятной схеме, которую естественно по пути 100 поменяют, а потом и вообще временно заморозят на неопределенный срок