Pro intellect technology счетчик банкнот

Летом 1956 года в американском Дартмутском колледже прошел двухмесячный научный семинар, посвященный Artificial Intelligence (искусственному интеллекту). Он собрал ведущих американских ученых в области теории игр, нейронных сетей и ИИ. Участники не ставили перед собой глобальных целей. Они просто пытались понять, можно ли обучить машину естественным языкам, натренировать ее формулировать концепции и создавать абстракции.

Именно на этом семинаре информатик и когнитивист Джон Маккарти предложил использовать термин Artificial Intelligence. Всего через год ИИ-лаборатории появились в университете Карнеги — Меллона, в Стэнфорде и MIT. Так изучение искусственного интеллекта стало официальной академической дисциплиной.

Первые проекты в области ИИ выглядели не более чем игрушками. К примеру, в 1966 году, через десять лет после Дартмутского семинара, появилась программа ELIZA, созданная американским ученым Джозефом Вейценбаумом. Она имитировала, а вернее пародировала разговор с психотерапевтом. ELIZA умела выделять в высказываниях пользователя ключевые слова и выстраивать шаблонные ответы.

До 1990-х годов заметных прорывов в сфере искусственного разума не было: казалось, технология так никогда и не обретет внятную форму и никогда не приблизится к всесильному ИИ, о котором писали фантасты. Но когда в 1997 году суперкомпьютер Deep Blue от IBM выиграл в шахматы у чемпиона мира Гарри Каспарова, об искусственном интеллекте вновь заговорили всерьез. В том же году появилась технология распознавания речи NaturallySpeaking, которая позволила машинам понимать человека «на слух». Следом возникло множество других проектов в области машинного перевода, распознавания и классификации изображений, обнаружения объектов.

В начале 2010-х годов вновь приобрела популярность такая разновидность искусственного интеллекта как нейросети, а также способы ее обучения — машинное и глубокое. Если раньше алгоритмы тренировали в основном на выполнение конкретных задач, то теперь они стали осваивать так называемые представления (features / representations) и учиться распознавать образы. Это оказалось возможным благодаря резкому росту мощности компьютеров. Вычисления начали выполнять с использованием графических процессоров, которые смогли на порядки ускорить процесс обучения моделей.

По мнению одного из крестных отцов ИИ, британского информатика Джеффри Хинтона, благодаря глубокому обучению в недалеком будущем машине удастся воспроизвести человеческий интеллект. Но пока искусственному разуму не хватает масштаба. Мозг человека имеет около 100 трлн синапсов (точек контакта двух нейронов. — РБК Тренды). Для сравнения: самая продвинутая на сегодняшний день языковая модель GPT-3 использует 175 млрд параметров.

Искусственный интеллект в маркетинге: примеры, ограничения, проблемы и мнение Click.ru

Есть такая шутка: хорошая автоматизация – это когда юзер не делает вообще ничего. Шутка она потому, что так не бывает. Все равно часть работы нужно сделать руками либо до, либо во время использования сервиса. Но мы искренне надеемся, что когда-нибудь так будет, в том числе и благодаря ИИ. В этой статье хотим поделиться своими мыслями на тему ИИ и узнать про ваш опыт.

Персонализированная с помощью AI реклама (Accelerator от IBM)

Сегодня мы хотим поговорить о том, чем не является ИИ, как он реально используется в маркетинге сегодня и как его хотим использовать мы (мечты, мечты).

AI, ML и DL

Часто публикации в сети на тему ИИ сопровождаются картинкой вроде той, что ниже. На ней изображено существо-андроид, обладающее разумом, который быстрее-выше-сильнее человеческого. Например, существо может лучше человека играть в шахматы.

Как представляют себе ИИ

Мы считаем, что такая визуализация неверна. Более того, вредна. ИИ, скорее, можно представить как некие вычислительные мощности, настроенные на решение конкретных прикладных задач. Решение более быстрое, чем в ручном режиме, и часто более качественное. Но не всегда.

Как реально выглядит ИИ (шахматы – не более чем символ решаемой задачи)

ИИ «очеловечивают», так как он решает «человеческие» задачи, требующие обобщения и переработки большого количества информации.

Нам нравится определение Британской Энциклопедии:

Искусственный интеллект (ИИ, AI) – способность цифрового компьютера выполнять задачи, обычно связанные с разумными существами. Этот термин часто применяется к проекту разработки систем, наделенных интеллектуальными процессами, характерными для людей, такими как способность рассуждать, открывать смысл, обобщать или извлекать уроки из прошлого опыта.

Одним из методов AI является машинное обучение (machine learning, ML). Оно помогает обучить систему решению задачи с помощью выявления эмпирических закономерностей в ряде прецедентов решения. Однако не все AI-технологии подразумевают машинное обучение, поэтому понятия не являются синонимами.

Внутри машинного обучения выделяется отдельная группа методов – deep learning (DL). Это более сложная и многоуровневая методика обучения. Входная информация пропускается через несколько уровней оценки разнородных параметров информации. На DL, в частности, основана работа глубинных нейронных сетей для распознавания изображений, мы будем упоминать ее в статье.

Сферы применения ИИ в маркетинге

1. Персонализация предложений. Это одно из наиболее очевидных и ранних направлений использования ИИ. Статистику о покупках системе анализировать просто, данные из счетчиков статистики и баз зачастую неплохо структурированы. С помощью ИИ персонализируют свои продуктовые предложения Hoff, «Эльдорадо», «Подружка», «220 вольт» и многие ритейлеры в России.

2. Предиктивная аналитика. Она тесно связана с персонализацией, но не ограничивается продуктовыми предложениями, а выполняет широкий круг задач:

прогнозирование действий потребителей для увеличения конверсии и снижения рисков;

прогнозирование бюджетов компаний, рекламных затрат;

сегментацию клиентов на основе различных переменных;

выявление скрытого потенциала.

3. Коммуникации. На наш взгляд, для ритейла большее значение имеют умные чат-боты, нежели голосовое управление. Наиболее часто боты используются в банковских приложениях, сервисах такси, каршеринга и подобных с большим количеством обращений. Чат-боты на основе ИИ отличаются от обычных лучшим умением распознавать смысл вопросов и более «человеческими» ответами.

4. Генерация контента.

Изображения. Генеративно-состязательная нейросеть StyleGAN от компании Nvidia умеет создавать реалистичные портреты людей, котов, лендинги несуществующих стартапов и даже упоротых Гомеров Симпсонов. Хотя мы, конечно, ждем, когда она научится создавать рекламные креативы.

Видео. С помощью ИИ-технологий создаются персонализированные видеоролики, подходящие под каждый сегмент аудитории отдельно. Яркий пример – IBM Watson Advertising Accelerator, который анализирует сотни переменных после чего из отдельных частей собирает ролик (фон, образы, заголовки и пр.), который подействует на ЦА лучше всего.

Тексты. AI справляется с ними хуже, чем с изображениями, и пока не может заменить людей. Хотя отлично генерирует идеи для контента. Очень известны языковые нейросети GPT-3 (английский язык) и ruGPT-3 (русский язык).

5 интересных кейсов применения искусственного интеллекта в маркетинге

1. AI-стилист Thread

Это старый, но довольно показательный кейс из ритейла. Нам он очень нравится потому, что не ограничивается персонализированными рассылками для покупателей интернет-магазина одежды (что уже мейнстрим), а идет дальше: учитывает цвета, фасоны, размеры и даже собирает целостные образы.

При первом посещении сайт просит пользователя ввести ряд данных о своем росте, весе, предпочтениях по стилю, стоимости вещей и др. На начальном этапе в процессе участвуют стилисты, которые собирают образы для покупателей.

После этого подключается алгоритм, который компания назвала Thimble. Он выбирает наиболее подходящие предметы одежды от огромного числа поставщиков. В дальнейшем система учится на покупках, отказах и обратной связи от клиентов.

2. Контроль работы мерчендайзеров Carlsberg Group

На отчетность, предоставляемую выездными мерчендайзерами по результатам визита в точки продаж, сильно влиял человеческий фактор. Поскольку отчетные анкеты заполнялись вручную, в них было много неточностей и ошибок.

Заполнение анкеты было заменено на фотографирование полок с товаром. AI оценивает качество фото и распознает данные с них: составляет перечень товаров, оценивает правильность выкладки, считает долю товаров бренда по отношению к конкурентам. По итогам анализа считаются KPI сотрудника, рассчитывается бонусная часть его зарплаты и принимаются решения по изменению ассортимента.

Система работает на основе технологии SmartMerch от «ИНФОТЕК», которая использует обученные глубокие сверточные нейронные сети.

Image Recognition сочетается с предиктивной аналитикой, не только просто выдавая числовые данные, но и анализируя их, а также предоставляя прогнозы и рекомендации.

По информации от Carlsberg Group, технология позволила увеличить продажи на 6% за полгода, сократить операционные затраты на 6,6%, исключить человеческие ошибки и улучшить систему мотивации сотрудников.

Сервисы на основе Image Recognition от SmartMerch используют и другие бренды: Borjomi, Beluga, Heinz, «Савушкин продукт» и др.

3. Персональный кэшбэк Tinkoff

Этой технологии уже год, и наверняка многие из читающих эту статью знакомы с ней на собственном опыте. Банк столкнулся с тем, что количество предложений кэшбэка от партнеров для каждого клиента достигло 300 и люди просто не пересматривали все позиции, чтобы выбрать понравившиеся. Показ всего подряд был явно неэффективен.

Алгоритмический кэшбэк от Tinkoff собирает наиболее релевантные кэшбэк-предложения и добавляет их в «Рекомендуемое». Выбор основывается на совершенных ранее транзакциях и новых появляющихся предложениях. Система помогает и партнерам, предсказывая вероятность покупки тех или иных товаров или брендов.

В сервисе используется модель machine learning Mult-VAE. Представители бренда заявляют, что в текущем виде она работает без дополнительного обучения, так как multi-hot-векторами для нее являются сами пользователи с их транзакциями.

4. Автоматическая оценка недвижимости «ДомКлик»

Для подтверждения заявки от клиента необходима проверка стоимости недвижимости на вторичном рынке. Ранее для этого «ДомКлик» сотрудничал с подрядчиками, однако это увеличивало время заключения сделки и иногда вызывало ошибки. AI-система расчета цены квартиры от «Сбера» учитывает цены в объявлениях сервиса и суммы ипотечных сделок.

Технология работает в 2 этапа:

Система подбирает похожие дома и предсказывает, во сколько раз будет отличаться цена за квадратный метр в них. Формируется набор признаков, используемых в дальнейшем для точного расчета: средняя цена с поправочным коэффициентом, среднее отклонение в цене у аналогов, средний спред. Построение выполняется с помощью библиотеки CatBoost;

Выполняется финальный расчет цены с помощью модели, обученной по LightGBM.

Результатом внедрения технологии, по словам «Сбера», явилось ускорение оценки, повышение ее точности и рост количества одобренных заявок на 8%.

5. Умный подбор вакансий Head Hunter

Ранее вакансии предлагались соискателю на основе текстового анализа его резюме. Однако точность была невысокой, что в конечном итоге привело к снижению продаж публикаций вакансий.

Новое ML-решение для портала hh.ru анализирует суть резюме и вакансий и учится на похожих соискателях и работодателях. Технология Natural language processing позволяет учитывать смысл резюме, вакансий, запросов, а отдельная рекомендательная система осуществляет подбор. Разработка привела к росту соискателей в 1,3 раза и помогла повысить продажи размещения вакансий на 39,7%.

«Это все, конечно, классно, но внедрять не будем»

Почему не все компании используют ИИ? По нашему опыту, на то есть 4 причины. Некоторые из них мешают и нам, что уж тут скрывать.

Завышенные ожидания. Как раз эта проблема вытекает из представления об ИИ как о сверхразуме, о чем мы говорили в начале статьи. Некоторые менеджеры считают ИИ полноценной заменой экспертам-аналитикам, маркетологам, копирайтерам и пр. Однако в реальности искусственному интеллекту можно доверить в первую очередь простые, рутинные задачи.

Недоверие. Эта причина вытекает из первой: когда становится понятно, что AI-технология требует настройки и отладки, руководители не решаются доверить привычные функции сотрудников механизмам. Страх подкрепляется тем, что в процессе настройки система часто показывает очень странные данные: например, нейросети для текстовых описаний в первое время отдают дичь. Любой AI-технологии надо дать время и грамотно настроить перед массовым запуском.

Нехватка кадров. Для AI требуются профильные разработчики и дата-саентисты, понимающие принципы настройки, оптимизации алгоритмов машинного обучения, а также менеджеры, разбирающиеся в сути вопроса и уже ни раз проходившие всю процедуру внедрения. А чтобы их нанять, желательно, чтобы и рекрутер хотя бы немного был в теме. Короче, все сложно.

Плохое качество исходных данных. И даже если специалистов наняли и у всех одинаковые ожидания, проблема может возникнуть на этапе начала обучения. Системе нужны очищенные и структурированные исходные данные, однако ни одна компания не готова сразу предоставить таковые. В информации из корпоративной базы данных или системы статистики зачастую есть шумы и выбросы – значения, выходящие за пределы допустимых диапазонов, и пропуски. Поэтому этап подготовки данных (Data Preparation) может занимать до 80% времени работы над автоматизированной AI-системой и нет гарантии, что он завершится успешно.

Наше мнение

Нам интересны AI-технологии, особенно в сфере автоматизации контекстной и таргетированной рекламы. При этом мы считаем, что к ним нужно относиться здраво и трезво:

не ожидать от них слишком многого;

четко понимать порядок внедрения;

отдавать конкретные, рутинные, автоматизируемые задачи;

не стрелять из пушки по воробьям, то есть не отдавать те задачи, которые решаются при помощи обычных программ;

быть готовым к длительному обучению AI-системы;

обладать компетенциями в области AI и ML.

И немного размышлений. Написание рекламных объявлений в Click.ru – у нас сейчас ручная задача, требующая привлечения копирайтеров. Люди анализируют УТП компании и объявления конкурентов, чтобы создать привлекающие внимание тексты. Однако когда-то это может стать идеальной задачей для ИИ, ведь входные данные довольно конкретны (например, выгрузки слов и объявлений конкурентов из нашего автоматизированного сервиса) и их легко получить. Доучивать систему можно в том числе и по обратной связи от пользователей, например от тестовой группы участников нашей партнерской программы. Конечно, для них за такую помощь могут полагаться плюшки и бонусы.

Еще одно направление, куда можно было бы внедрить AI, – автоматическое изменение параметров таргетинга на основе анализа данных об аудитории и эффективности рекламы. Однако пока непонятна целесообразность внедрения сложных решений, если простые работают неплохо. Да и алгоритмы самих рекламных систем нормально справляются.

А у вас есть опыт создания автоматизированных сервисов для рекламы на основе ИИ? Будем благодарны, если поделитесь в комментариях.

Почему нужна касса для онлайн-плетежей

С 1 июля 2017 г. вступили в силу изменения 54-ФЗ, согласно которым все интернет-магазины обязаны использовать онлайн-кассы и отправлять электронные чеки покупателям.

‟. при осуществлении расчетов с использованием электронных средств платежа, исключающих возможность непосредственного взаимодействия и применением устройств, подключенных к сети»Интернет», обеспечивающих возможность дистанционного взаимодействия, обязаны обеспечить передачу покупателю кассового чека электронной форме на абонентский номер либо адрес электронной почты, указанные покупателем до совершения расчетов. “
Ст. 1.2. п.5 54-ФЗ в редакции 03.07.2016г.

Штраф за отсутствие онлайн-кассы у интернет-магазина — от 30 000 р.
Штраф за отсутствие электронных чеков — от 10 000 р.

⇡#Сила мысли

Чтение мыслей пока что остаётся уделом фантастических фильмов и книг. Однако наука и техника не стоят на месте, и есть все основания считать, что в будущем подобного рода технологии станут реальностью. На шаг вперёд в этом направлении удалось продвинуться группе учёных из Калифорнийского университета в Сан-Франциско, экспериментально доказавшим возможность распознавания нервных сигналов в головном мозге человека и их трансляции в понятные слова с помощью рекурентной нейросети и вживлённых в мозг электродов. В эксперименте приняли участие пациенты с эпилепсией, электроды которым были вживлены для борьбы с неврологическим заболеванием и отслеживания приступов. Так получилось, что часть электродов оказались в зонах мозга, в которых происходит подбор слов, составление выражений и осуществляется обратная связь с участками мозга, воспринимающими собственную речь человека. Испытуемым было предложено мысленно, а затем вслух произнести несколько предложений с ограниченным набором слов. Одновременно снимались сигналы с имплантированных в мозг датчиков. Полученные данные были переданы в нейронную сеть для обучения, а промежуточный результат был отдан для анализа другой AI-сети. Вероятность ошибочного определения слов составила всего 3 процента. Впечатляющий показатель!

Перевод на лету нервных импульсов мозга в речь мог бы помочь людям с травмами конечностей и речевого аппарата, а это общение и возможность пользоваться электроникой и информацией (источник изображения: darpa.mil)

Как я выбирал фонды и сколько вложил

Сразу скажу, что в каждой индустрии я в итоге выделил один ETF и вложил в него 1000 $. Всего получилось 14 фондов и 14 000 $.

При выборе фонда я ориентировался на следующие критерии:

1. Специализация фонда на конкретной технологии, а не на широком спектре.
2. Методика отбора эмитентов.
3. Ликвидность.
4. Адекватный спред, с которым можно купить бумагу.
5. Размер комиссии за обслуживание.
6. Дата запуска.
7. Наличие конкурентов.
8. Исторические котировки.

В каждом разделе я привожу иллюстрации котировок и географии — по ним можно понять историческую доходность фонда, эффективность методологии отбора акций и то, насколько хорошо фонд диверсифицирован: в идеале он должен отслеживать компании по всему миру, а не только в США.

В конце статьи будет интерактивная таблица со всеми выбранными фондами. По ней видно, что происходит сейчас с моим портфелем.

1. Военные — для разведки и боевых действий.
2. Потребители — фотографы, видеографы и просто любители игрушек.
3. Правоохранительные органы — для наблюдения и патрулирования.
4. Электронная коммерция — Amazon уже доставляет с помощью дронов покупки в Великобритании.
5. Нефтегазовый сектор — для наблюдения за трубопроводами.
6. Строительство — для технического обслуживания, геодезии, составления карт.
7. Государственные органы — для спасательных миссий.
8. Сельское хозяйство — для анализа почвы, оценки здоровья сельскохозяйственных культур, опрыскивания пестицидами, посадки семян и орошения полей на протяжении всего цикла урожая.

Сейчас в индустрию дронов можно инвестировать только с одним узкопрофильным фондом — ETFMG Drone Economy Strategy, тикер IFLY. Фонд отслеживает собственный индекс акций компаний по всему миру — на компании из США приходится только 58,67% портфеля. Все компании индекса связаны с индустрией беспилотных летательных аппаратов, включая производителей и поставщиков. IFLY запустили в марте 2016 года, фонд берет комиссию 0,75% за управление.

В этот сектор входят разработки в области машинного обучения, нейросетей, робототехники, распознавания лица и речи. Благодаря нейросетям бортовой компьютер самоуправляемого транспорта может отличить пешехода от прочих объектов на трассе.

Инвестировать в искусственный интеллект и робототехнику можно через несколько фондов: IRBO, ROBO, BOTZ, ROBT.

Мне понравился глобальный фонд IRBO — iShares Robotics and Artificial Intelligence ETF. Он самый свежий: запущен в августе 2018 года. Стоимость обслуживания значительно ниже, чем у конкурентов, — 0,47%.

Биотех — это модификация биологических организмов для обеспечения потребностей человека. Биотехнологии и генная инженерия помогут нам в анализе генома и лечении болезней, которые сейчас считаются неизлечимыми, модификации растений и животных, решении технологических задач с помощью живых организмов.

Я инвестирую в биотехнологии через фонд SPDR S&P Biotech ETF, тикер XBI. Фонд запущен в январе 2006 года и инвестирует только в биотехнологические компании из США. Стоимость обслуживания — 0,35%.

Хайп вокруг криптовалют прошел, а технология распределенного хранения данных осталась и имеет широкий спектр применения, например в области финтеха и государственных услуг.

Блокчейн не просто «управляет биткоинами»: это распределенный регистр, который облегчает запись транзакций и отслеживание активов в бизнес-среде.

Фонд Amplify Transformational Data Sharing ETF, тикер BLOK, инвестирует в компании, разрабатывающие или использующие «трансформационные технологии обмена данными», фокусируясь на блокчейне. BLOK ищет фирмы, которые разрабатывают или внедряют технологии обмена данными, а также сотрудничают с такими компаниями. Управляющий выбирает компании по всему миру — только 47% активов приходится на США. Комиссия за управление — 0,7%. Фонд запущен в январе 2018 года.

Квантовый компьютер — это ответ на потребность в ускорении вычислительных устройств. Defiance Quantum ETF, тикер QTUM, ищет компании, которые занимаются разработкой квантовых технологий. Такие технологии включают разработку и применение квантовых компьютеров, взаимодействие квантовых и традиционных компьютеров, аппаратное и программное обеспечение для машинного обучения, оборудование для упаковки полупроводников и интегральных схем, производство и обработку сырья для квантовых вычислений.

Фонд запущен в сентябре 2018 года и берет за обслуживание комиссию 0,4%.

Интернет вещей — это концепция, в которой повседневные вещи подключены к интернету для взаимодействия друг с другом или с внешней средой. Например, холодильник, который отслеживает, какие продукты заканчиваются, и самостоятельно докупает их в интернет-магазине.

Global X Internet of Things ETF, тикер SNSR, инвестирует в компании из индустрии интернета вещей по всему миру. В эту отрасль входят компании, которые разрабатывают носимые технологии, умный дом, автомобильные технологии, сетевую инфраструктуру и программное обеспечение, умные приборы учета и контроля энергии. Фонд запущен в сентябре 2016 года и берет за обслуживание комиссию 0,42%.

Киберспорт набирает обороты, а призы для профессиональных геймеров измеряются миллионами долларов. Алишер Усманов в 2015 году вложил в киберспорт 100 млн долларов.

Турниры спонсируют производители игр, чтобы привлечь внимание к своим играм, или внешние спонсоры — для широкого охвата молодой аудитории. Объем рынка в 2017 году составил около миллиарда долларов во всем мире и около 37 млн в России.

ETFMG Video Game Tech, тикер GAMR, владеет акциями компаний, которые поддерживают, создают или используют видеоигры. Фонд распределяет акции по трем группам:

1. «Только игры» — разработчики аппаратных и программных игр, в том числе компании виртуальной реальности.
2. «Не только игры» — компании, которые поддерживают разработчиков из первой группы.
3. «Конгломерат» — крупные компании, которые активно поддерживают всю отрасль.

Первые две группы получают 90% от общего веса и распределяются по рыночной капитализации относительно всего индекса. Конгломераты получают всего 10%, что не дает доминировать крупным компаниям. Акции в каждом сегменте приобретают одинаковый вес.

У этого ETF довольно высокая комиссия — 0,75%. В целом это вполне нормально для узкопрофильных фондов, тем более что у GAMR нет конкурентов. Фонд запущен в марте 2016 года.

Defiance Future Tech ETF, тикер AUGR, фокусируется на компаниях, связанных с технологиями дополненной и виртуальной реальности — как в области разработки, так и коммерциализации. Индекс фонда находит компании по нормативным документам, аналитическим отчетам и отраслевым публикациям.

Технологии включают в себя искусственный интеллект, игровые системы, графические процессоры, изготовление изображений и сенсорных дисплеев, датчики, используемые для касания, глубины или восприятия изображения, и программное обеспечение или приложения, зависящие от дополненной и виртуальной реальности.

Отобранные компании первоначально имеют равный вес с возможными корректировками в сторону понижения для ценных бумаг с низкой ликвидностью. Фонд запущен в августе 2018 года. Стоимость обслуживания — 0,4%.

iShares U.S. Medical Devices ETF, тикер IHI, отслеживает индекс The Dow Jones U.S. Select Medical Equipment Index, нацеленный на компании из США, которые производят и распространяют медицинские приборы. Фонд запущен в мае 2006 года, а комиссия за обслуживание составляет 0,43%.

ETFMG Alternative Harvest ETF, тикер MJ, отслеживает по всему миру компании, которые занимаются легальным выращиванием, производством, маркетингом или распространением марихуаны для медицинских или немедицинских целей. MJ также владеет акциями компаний, которые продают или производят табак или табачные изделия, удобрения, растительную пищу, пестициды или оборудование для выращивания каннабиса или табака.

Кроме того, в фонд могут входить фармацевтические компании, которые производят, продают или распространяют лекарственные препараты, использующие каннабиноиды. Фонд запущен в декабре 2015 года, а за обслуживание берут комиссию 0,75%.

Зеленые технологии набирают обороты — использование солнечной и ветряной энергии в ближайшее время может показать неплохой рост.

SPDR Kensho Clean Power ETF, тикер XKCP, фокусируется на компаниях, зарегистрированных в США, чьи продукты и услуги стимулируют инновации в отрасли «чистой» энергии. Базовый индекс представляет собой комбинацию двух субиндексов. Один индекс следует за компаниями, которые производят технологии, используемые в возобновляемых источниках энергии, другой — за компаниями, предлагающими продукты и услуги, связанные с такими источниками.

Технология 3Д-печати применяется в архитектуре, строительстве, мелкосерийном производстве, медицине, образовании, производстве одежды и обуви, для печати ювелирных изделий, игрушек и сувениров, в геоинформационных системах.

3D Printing ETF, тикер PRNT, — это первый узкопрофильный ETF со специализацией на рынке 3Д-печати . В портфеле фонда акции компаний из США, развитых стран и Тайваня. Базовый индекс ориентирован на пять различных направлений бизнеса, связанных с 3Д-печатью : оборудование, программное обеспечение, центры 3Д-печати , сканеры и измерительные материалы, материалы для 3Д-печати . На направления приходится 50, 30, 13, 5 и 2% соответственно. Фонд запущен в июле 2016 года, комиссия за обслуживание — 0,66%.

Облачные вычисления — это предоставление пользователям вычислительных ресурсов через интернет: серверов, дискового пространства, баз данных, сетевого оборудования, программного обеспечения, аналитики и т. д.

First Trust Cloud Computing ETF, тикер SKYY, — единственный на рынке ETF с уникальной методологией, который фокусируется на облачных вычислениях. Уникальность методологии в том, что фонд объединяет компании, которые занимаются облачными вычислениями, и технологические конгломераты, и одинаково взвешивает компании каждого типа в своей категории. SKYY выделяет только 10% своего портфеля технологическим конгломератам, которые просто используют облачные вычисления.

СМИ регулярно пишут об утечках пользовательских данных, а бизнес все больше и больше инвестирует в кибербезопасность. С развитием информационных технологий потребность в защите от хакеров будет только расти.

Вложить в кибербезопасность можно через ETFMG Prime Cyber Security ETF, тикер HACK, и First Trust NASDAQ Cybersecurity ETF, тикер CIBR. Стоимость обслуживания у обоих 0,6%. Я выбрал HACK из-за большей ликвидности и меньшего спреда.

HACK запущен в ноябре 2014 года — и это первый ETF на рынке, который фокусируется на кибербезопасности. Индекс фонда делит отрасль на два типа компаний: те, что создают аппаратное и программное обеспечение для кибербезопасности, и те, что предлагают кибербезопасность как услугу.

Программные решения

Поставка готовых тестовых методик осуществляется под оболочкой Maintest, разработанной в Лаборатории «Гуманитарные Технологии». При этом возможны несколько вариантов системы тестирования:

1. Maintest Online

Maintest Online — программа, представляющая собой онлайн-приложение, не требующее его установки на компьютер и реализованное на базе методологии SaaS (Software as a Service). Для пользователя в приложении создается отдельный web-кабинет (закрытый персональный раздел), который позволяет организовывать онлайн тестирование с использованием приобретенных пользователем сеансов тестирования. Владелец web-кабинета получает возможность доступа к системе управления тестированием с любого компьютера, подключенного к сети Интернет.

Данное решение не ограничено во времени использования, но лимитировано количеством приобретаемых лицензий тестирования.

Система имеет решение для многофилиальных компаний, — многопользовательский web-кабинет, поддерживающий разграничение прав администрирования. Многопользовательский кабинет представляет собой иерархию: 1 родительский (головной офис) и N-дочерних кабинетов (филиалы). Администраторы всех кабинетов могут самостоятельно организовывать тестирование и работать со своей базой результатов. Администратор родительского кабинета имеет расширенные права:

• распределяет лицензии по дочерним кабинетам;
• проводит мониторинг сеансов и результатов тестирования дочерних кабинетов.

Стоимость лицензий при многопользовательском использовании выше на 30%, чем для однопользовательского, и не зависит от количества филиалов.

C техническими требованиями системы Maintest Online можно ознакомиться здесь.

Документы

Maintest Online имеет свидетельство о государственной регистрации программы для ЭВМ.

Цена лицензий на тестирование зависит от выбранной методики и количества одновременно приобретаемых лицензий. Чем больше пакет, тем больше скидка. Узнать точную стоимость пакета лицензий Вы можете с помощью онлайн-калькулятора.

2. Maintest Offline

Maintest Offline устанавливается на один ПК, который является сервером. Для запуска тестирования на других компьютерах достаточно браузера и доступа к серверу по сети. Одновременно можно запускать до 40 сеансов.

Поставка осуществляется на CD. Для работы программы необходим usb-ключ, содержащий приобретенное количество условных единиц, которые используются для запуска тестирования.

Данное решение не ограничено во времени использования, но лимитировано количеством приобретаемых условных единиц.

C техническими требованиями системы Maintest Offline можно ознакомиться здесь.

Документы

Maintest Offline имеет свидетельство о государственной регистрации программы для ЭВМ.

Цена лицензий на тестирование зависит от выбранной методики и количества одновременно приобретаемых лицензий. Чем больше пакет, тем больше скидка. Узнать точную стоимость пакета лицензий Вы можете с помощью онлайн-калькулятора.

3. Maintest Pro

Облачное решение для разработки и проведения тестов знаний.

Maintest Pro — это профессиональный инструмент для конструирования и проведения тестов знаний. Сервис позволяет шаг за шагом реализовать всю технологию разработки профтестов. Специалисты нашей компании уже давно и с успехом используют этот сервисный модуль в своей работе. Теперь он доступен всем абонентам тестовой оболочки Maintest Pro.

Основные отличия Maintest Pro:

1. Высокий уровень информационной безопасности. Помимо традиционной рандомизации вопросов и ответов, в Maintest Pro реализована возможность формирования уникальных вариантов теста путем случайного выбора заданий из расширенного банка вопросов. При достаточном размере банка, эта технология позволяет проводить ответственное квалификационное и экзаменационное тестирование, не боясь утечки информации. Для получения более достоверных результатов Maintest Pro контролируют время тестирования.
2. Экспресс-редактор. Компактный редактор, состоящий всего из 5 шагов, содержит весь необходимый при разработке тестов знаний функционал и является альтернативной полнофункциональному редактору, содержащему более 20 шагов.
3. Рассылка приглашений и мониторинг прохождения тестов. Система рассылает респондентам индивидуальные ссылки и отслеживает прохождение ими тестов в реальном времени.
4. Защита от потери данных. В случае перебоев со связью или неполадок с клиентским оборудованием, респондент застрахован от потери данных. Он может восстановить свой сеанс с того же места, заново перейдя по ссылке, или восстановить свои ответы из резервного файла.
5. Психометрический анализ. Встроенный статистический модуль рассчитывает основные показатели по каждому тестовому заданию: трудность, дискриминативность, частоту выбора различных вариантов ответа и др. Эти данные позволяют проверить работоспособность теста и при необходимости внести изменения.
6. Экспертиза тестовых заданий. Режим предназначен для проведения экспертного цикла в ходе разработки теста – оценки качества заданий. Он позволяет подтвердить правильность расстановки ключей, выявить двусмысленные и непонятные задания, собрать рекомендации по изменению их формулировок.
7. Различные формы отчетов по одному и тому же тесту. Для каждого теста доступно неограниченное количество отчетов, ориентированных как на самого респондента, так и на его руководителя и специалистов по обучению и развитию.
8. Импорт-экспорт данных. Система позволяет импортировать и экспортировать тесты и их результаты в эксель-таблицы.
9. Интеграция. Система имеет API-интерфейс, который позволяет интегрировать ее с LMS и ERP-системами Заказчика. Тестовый плеер может быть встроен в корпоративный портал или на сайт. Цены на интеграцию указаны в прайс-листе (лист «Интеграция»). Подробнее об услуге.

C техническими требованиями системы Maintest Pro можно ознакомиться здесь.

Документы

Maintest Pro имеет свидетельство о государственной регистрации программы для ЭВМ.

4. Maintest 4 (снят с продажи)

Maintest 4 устанавливается на один или несколько ПК, объединенных локальной сетью. Данная версия программы поставляется на CD в комплекте с usb-ключом, лицензия ограничивает срок работы с программой (от 1 до 3 лет) и количество одновременно задействованных ПК, но не ограничивает количество тестирований.

C техническими требованиями системы Maintest 4 можно ознакомиться здесь.

Преимущества работы с Авалон Технолоджис

Доходность посчитана с учетом капитализации тела депозита и бонуса

Доходность посчитана с учетом капитализации тела депозита и бонуса

Доходность посчитана с учетом капитализации тела депозита и бонуса

Доходность посчитана с учетом капитализации тела депозита и бонуса

Доходность посчитана с учетом капитализации тела депозита и бонуса

Бонус: 0%

Депозит: от 100 ₽

Капитализация: нет

Доходность посчитана с учетом капитализации тела депозита и бонуса

Депозит: от 100 ₽

Капитализация: да

Доходность посчитана с учетом капитализации тела депозита и бонуса

Депозит: от 100 ₽

Капитализация: да

Доходность посчитана с учетом капитализации тела депозита и бонуса

Депозит: от 100 ₽

Капитализация: да

Сколько вы знаете миллионеров,
которые стали богаты, инвестируя
в банковские депозиты?

© Роберт Дж. Аллен

Как начать зарабатывать с Авалон?

Для того, чтобы начать работу с компанией Авалон Технолоджис, Вам следует пройти простую процедуру регистрации на нашем сайте. Далее необходимо внести свой первый депозит, выбрав соответствующий раздел в личном кабинете, после чего вся инвестиционная работа будет проводиться нашей компанией, а Вы, в свою очередь, будете получать с этого ежедневный доход.

Какая минимальная и максимальная сумма депозита?

Минимальный размер депозита – 100 рублей.

Максимальный размер депозита – 10 000 000 рублей.

Какие существуют риски?

Риски в инвестиции присутствуют всегда. Но речь идет о том, чтобы этот риск был не просто оправдан, а о сведении его к минимуму. Именно на это нацелены мы, наша бизнес-модель. Стратегия минимизации рисков предусматривает сразу несколько компонентов:

первый – это команда аналитиков, которая отвечает за проект и постоянно работает с рисками разного уровня, как краткосрочными, так и долгосрочными;

второй – у нас есть отдельная стратегия инвестирования (5 критериев), которая также предусматривает минимизацию рисков именно в этом направлении;

третий – диверсификация в работе, в первую очередь – инвестиций. Мы четко держим баланс между краткосрочными инвестициями, которые должны принести прибыль уже в ближайшей перспективе, и долгосрочными инвестициями, которые служат для нас почвой для стабильности и стратегического развития. Проще говоря, если у нас возникнут какие-либо финансовые сложности с одним стартапом, то мы сможем это компенсировать прибылью с других.

четвертый – компания Авалон Технолоджис основана на личных инвестициях его собственников, которые являются также учредителями компании. Эти средства составляют 100% первичных инвестиций Авалон в стартапы, и, согласно документам компании, процент собственников в операционной инвестиционной деятельности никогда не должен составлять меньше 51% от общей суммы инвестиций, которые компания может привлечь. Таким образом, учредители нашей компании не просто являются гарантами ее деятельности, но и обеспечивают стабильность выплат для инвесторов, гарантируя их инвестиции своими.

пятый – мы постоянно ведем переговоры не только с новыми стартапами, но также с инвестиционными и венчурными фондами, стартап-инкубаторами и большими компаниями, в которых есть интерес в IT, чтобы привлечь их к сотрудничеству, в том числе на уровне финансовой поддержки – кредитной, инвестиционной, а в перспективе возможно и IPO.

Все это отображено также в нашей бизнес-модели и ежедневной работе, поэтому следите за проектом и становитесь нашим инвестором, чтобы лично убедиться, как все работает.