На 30 юли Велико Търново получи второто си издание на Pie & AI — официалния meetup формат на DeepLearning.AI на Andrew Ng. Мотото този път: „Small Models, Real Problems” — малки модели, реални проблеми. Никакъв хайп, три сесии в три различни формата — пълен доклад, живо демо и lightning talk — и през залата минаха между 30 и 40 души. Атмосферата беше по-близо до работна среща, отколкото до лекция. Точно каквато трябва да бъде.
Ако си изпуснал вечерта (или първото издание през юни), ето обобщението: за какво стана дума, какво да отнесеш у дома и как да хванеш следващото издание. И да — пай имаше.
Залата на Business Center Veliko Tarnovo малко преди началото. Снимка от събитието, 30 юли 2026 г.
Съдържание
Съдържание
- Накратко: какво е Pie & AI
- Доклад: из лабиринта на данните — с Гандалф за водач
- Демо: RAG за една вечер — и кога изобщо не ти трябва
- Lightning talk: агент, който сам си проверява фактите
- Общата нишка: тръгни от проблема, не от технологията
- Защо това има значение за града
- Как да хванеш следващото издание
Накратко: какво е Pie & AI
Pie & AI е серия локални срещи на DeepLearning.AI, организирани независимо от хора в местните AI общности по целия свят. Кратки практически доклади, разговори между хора, които реално правят неща с AI, нетуъркинг — и парче пай накрая (оттам и името).
През юни Велико Търново дебютира на тази карта с разпродадено първо издание. Второто издание дойде само шест седмици по-късно — форматът вече не е еднократен експеримент, а нещо, което се случва редовно в града.
| 📅 Дата | Четвъртък, 30 юли 2026 г. |
| 📍 Място | Business Center Veliko Tarnovo, ул. Кожлуджа 1Б |
| 🎟️ Вход | Безплатен |
| 👥 Публика | 30–40 души в течение на вечерта |
Доклад: из лабиринта на данните — с Гандалф за водач
Вечерта откри Ефрат Мияра с „Navigating the Data Science Maze” — разказ за реален проблем, който е решавала: предсказване на нивата на кръвната захар по данни от сензор на китката. Не абстрактна методология, а конкретен път: от суровите, разхвърляни данни на сензора до работещ модел.
„Илюзията” срещу „реалността”: данните не са просто високо, ниско и нормално ниво на глюкоза. Снимка от събитието, 30 юли 2026 г.
Презентацията беше визуално силна — цялото пътуване през данните беше облечено като фентъзи куест, с „сивия магьосник” в ролята на водач през лабиринта. Но зад ефектните слайдове стоеше сериозна поанта: илюзията е, че глюкозата е просто „високо, ниско, нормално”; реалността е сложен цикъл с шарки, които се виждат само ако погледнеш данните отблизо и с чисти очи.
Финалният слайд — „куест логът” за оцеляване в лабиринта на данните — е може би най-добрият кратък наръчник по data science, който сме виждали на един екран:
Петте правила от „куест лога” на Ефрат. Снимка от събитието, 30 юли 2026 г.
Какво да отнесеш у дома (правилата на Ефрат):
- Чисти данните си. Два пъти. Мръсните данни са първата и най-честа причина моделът „да не работи”.
- Разбери шарките, които се опитваш да предскажеш. Преди алгоритъма — погледни какво реално има в данните.
- Пробвай много алгоритми. Първият избор рядко е най-добрият.
- Използвай най-подходящата метрика. Грешната метрика ти казва, че си готов, когато не си.
- Не се отказвай. Лабиринтът си е лабиринт.
Демо: RAG за една вечер — и кога изобщо не ти трябва
Втората сесия беше живо демо от Любомир Филипов (AI-VT Club): малка RAG система, която решава съвсем битов проблем — избира подходящото филмче за детето ти.
Да преведем за тези, които чуват „RAG” за пръв път:
RAG (Retrieval-Augmented Generation) е подход, при който AI моделът не отговаря „по памет”, а първо изважда релевантната информация от твои данни (документи, каталог, база) и чак тогава генерира отговор, стъпил на нея. Така и малък модел може да е точен по тема, която никога не е виждал при обучението си.
Първата половина на демото показа колко бързо се вдига такава система днес — това, което преди две години беше многоседмичен проект, сега е въпрос на вечер. Но истинската поанта на сесията беше в обратната посока: по-трудният и по-ценен въпрос е дали изобщо ти трябва RAG. За немалко задачи едно просто, детерминистично решение — обикновени правила, филтри, заявка към база — решава проблема по-бързо, по-предвидимо и по-евтино.
Точно това „контра” рамкиране запали и най-оживената дискусия за вечерта. Всички сме залети от „вижте какво може AI”; гладът е за „ето кога да НЕ посягаш към него”.
Какво да отнесеш у дома:
- RAG вече не е екзотика — прототип се вдига за една вечер, не за един спринт.
- Но първият въпрос не е „как да си направя RAG”, а „трябва ли ми изобщо”.
- Ако проблемът се решава с прости правила — реши го с прости правила. AI-то не е цел, а инструмент.
Lightning talk: агент, който сам си проверява фактите
Финалът беше светкавичен доклад на Богомил Шопов — за Competitive Research Agent: бот, който следи какво правят конкурентите, проверява собствените си находки и накрая произвежда готов за продажбения екип battlecard (кратка презентация + подробен отчет).
Богомил Шопов: „как един скрипт израсна през три версии”. Снимка от събитието, 30 юли 2026 г.
Най-ценното в разказа беше еволюцията — един скрипт, три версии: V1 — само OpenAI, един модел; V2 — по-дълбоко и по-издръжливо; V3 — по-просто и по-безопасно. Обърни внимание на посоката: зрялата версия не е по-сложната, а по-простата. Под капака: проучване през няколко търсачки едновременно (за да не зависиш от индекса на една), проверка на всяко твърдение на няколко нива и човек, който редактира финалния резултат преди да тръгне към екипа.
Какво да отнесеш у дома:
- Малки, фокусирани, проверими системи бият големите универсални.
- Не проектирай „голямата система” отпред — пусни V1 и я остави да еволюира. Понякога V3 е по-проста от V1.
- Ако агентът ти ще взима решения (или ще ги подсказва) — вгради верификация на фактите в самия процес, не я оставяй за накрая.
Общата нишка: тръгни от проблема, не от технологията
Три сесии, три различни формата — и една тема, която ги свързваше: всичко показано беше реално построено и реално използвано. Предсказване на глюкоза от истински сензор. Инструмент за истинско дете и истински филмчета. Агент, който върши истинска работа за истински екип. Никакви „представете си, че”…
Това е и смисълът на мотото „малки модели, реални проблеми”: въпросът не е „какво може AI”, а „какъв проблем решаваш”. Отговорът понякога включва AI, понякога — не. И точно тази честност направи вечерта силна.
Защо това има значение за града
Едно събитие е случка. Две за шест седмици — вече е ритъм. Велико Търново има работеща AI общност, която се събира, показва си проектите и си задава неудобните въпроси („а трябва ли ти изобщо?”). Следим всичко това в голямата карта на AI инициативите във Велико Търново.
Как да хванеш следващото издание
- 🔔 Следи DeepLearning.AI — Pie & AI изданията се повтарят. Запиши се за нотификации, за да хванеш следващата дата.
- 📰 Следи нас — ще обявим следващото издание и ще пуснем recap отново.
- 🤝 Включи се — имаш какво да покажеш (свой модел, агент, работен поток, експеримент)? И тримата лектори тази вечер бяха хора от общността. Следващият можеш да си ти — пиши ни на hello@ai-vt.club.
Източници:
- Pie & AI: Veliko Tarnovo — Small Models, Real Problems (Eventbrite)
- DeepLearning.AI — Pie & AI
- Ефрат Мияра — LinkedIn
- Богомил Шопов — LinkedIn
- Любомир Филипов — AI-VT Club