Привет!
Рубрика «машинное обучение» - 10
Athenix — мониторинг котировок с глубоким анализом объёмов и прогнозами от ИИ
2025-08-30 в 15:15, admin, рубрики: MOEX, python, анализ данных, временные ряды, машинное обучение, нейросети, объемный анализ, прогнозирование, финтех, финтех стартапыУченые научились «расшифровывать» внутренний голос человека. Приватности конец?
2025-08-30 в 7:00, admin, рубрики: machine learning, будущее здесь, искусственный интеллект, машинное обучение, мозг, Научно-популярноеПредставьте, что ваши мысли, которые вы проговариваете про себя, переводятся в текст на экране. Без единого слова и движений губ — просто сигналы мозга, пойманные и расшифрованные. Как-то не по себе, не так ли? Между тем это не сюжет фантастического фильма, а реальность, созданная учеными из Стэнфордского университета: они разработали нейроинтерфейс, способный услышать «внутренний голос».
Google снизил энергопотребление AI-запросов в 33 раза: что это значит для будущего ИИ
2025-08-29 в 12:43, admin, рубрики: Google, machine learning, высокая производительность, искусственный интеллект, машинное обучениеИскусственный интеллект давно вышел за рамки научной фантастики и стал частью нашей жизни — от поисковых систем до чат-ботов и голосовых помощников. Но у этого удобства есть немалая цена: для генерации ответа ИИ расходует значительные вычислительные ресурсы и энергию.
Путь от школьной математики к Data Science и системной инженерии: как я учился строить продукты
2025-08-29 в 7:17, admin, рубрики: AI, big data, data science, mlops, автоматизация, инженерия данных, машинное обучение, Системная инженерияИсторииуспеха часто подаются слишком гладко. Но за каждым «сегодня я работаю в Data Science» всегда стоит длинный и запутанный маршрут.
Я хочу поделиться своей дорогой — не как учебником, а как историей, которая, возможно, поможет тем, кто сейчас только ищет направление или сомневается, стоит ли идти в аналитику, инженерию или AI.
Начало: школьный выбор и первая любовь к системам
Моя отправная точка — школа. Учился я в физико‑математическом классе, где нас приучали к структурному мышлению и логике. Это был мой первый контакт с идеей, что за любым хаосом всегда можно найти систему.
Кофе — мой type, музыка — мой out: строим NERвный-пайплайн на продуктовых запросах
2025-08-28 в 13:37, admin, рубрики: ner, nlp, ИИ, искусственный интеллект, машинное обучение, трансформерыПривет! На связи команда Ad-Hoc аналитики X5 Tech.
В этой статье расскажем, как мы научили поиск извлекать важные сущности из запросов пользователей. Полный разбор реализации NER (Named Entity Recognition) для продуктового ритейла, шаг за шагом: как мы размечали данные, считали метрики на уровне токенов и сущностей — и почему для коротких и длинных запросов потребовались разные архитектурные решения.
ElizaOS v2: из мемного AI-фонда в полноценную систему для агентов
2025-08-27 в 12:51, admin, рубрики: ElizaOS, open source, web3, автономные агенты, блокчейн, децентрализация, искусственный интеллект, машинное обучениеПомните ai16z, тот самый “хедж-фонд на ИИ” с отсылкой к Andreessen Horowitz? Так вот, из шутки он вырос в ElizaOS v2 — open-source фреймворк, который реально позволяет собирать автономных агентов.
Сегодня это уже не набор скриптов, а полноценная операционная система для цифровых компаньонов: с собственной памятью, мозгом (LLM) и возможностью работать напрямую с Web3 и внешними сервисами. Короче, из бот-игрушки он превратился в инструмент для серьёзных автономных агентов в Web3. В этой статье я разберу архитектуру ElizaOS v2, покажу ключевые компоненты и объясню, зачем она нужна нам, разработчикам.
ElizaOSЧитать полностью »
LLM-агенты против ручного ресерча: кейс Bioptic в биофарме
2025-08-26 в 9:35, admin, рубрики: ai-ассистент, Bioptic, llm, ml, агенты, Дороничев, ии-агенты, искусственный интеллект, машинное обучение, ФармаПри разработке новых лекарств важно вовремя оценить конкурентную среду – какие препараты уже существуют или находятся в разработке для той же болезни (индикации). Такой анализ конкурентов обычно входит в due diligence проекта: инвесторы и фармкомпании вручную собирают данные из разных источников о всех потенциальных конкурентах целевого препарата.
Несогласованность эффектов или «Где деньги, Лебовски?»
2025-08-25 в 14:48, admin, рубрики: ab-тестирование, causal Inference, cuped, propensity score, АБ-тесты, аналитика, машинное обучение, несогласованность эффектов, статистика, эффекты на категориях
Приветствуем всех читателей! Сегодня мы, Никита и Маша из команды Ad-Hoc аналитики X5 Tech, расскажем о проблеме несогласованности оценок эффектов в A/B-тестировании и Causal Inference и предложим эффективный способ ее решения.
1. Предыстория
Как я автоматизировал мониторинг цен своей корзины на маркетплейсах и при чем тут LLM
2025-08-24 в 13:47, admin, рубрики: llm, маркетплейсы, машинное обучение, стартап, языковые моделиПривет! Маркетплейсы очень сильно изменили нашу жизнь, сделав ее супер удобной. Это классно, но думаю всем знакома картина, когда добавил товар в корзину, отвлекся, а он уже на 500р дороже. Или дешевле. Или вообще продается на косарь меньше на другом маркетплейсе. Ах да, как насчет «зачеркнутых выгодных» цен вида ̶1̶7̶0̶0̶0̶ 800р?
Все это превращает покупки в биржу (или большой рынок), где одни и те же товары уезжают разным людям по разным ценам. А если так, то значит это дело надо автоматизировать и хочу рассказать как это сделал я.
ML Q & AI. Глава 7. Парадигмы обучения на нескольких GPU
2025-08-21 в 6:37, admin, рубрики: глубинное обучение, машинное обучение, нейросети, переводКакие существуют подходы к обучению на нескольких GPU и в чем их сильные и слабые стороны?
Подходы к обучению на нескольких GPU можно разделить на две группы: разделение данных для параллельной обработки несколькими GPU и разделение модели по нескольким GPU для преодоления ограничений памяти, когда размер модели превышает возможности одной видеокарты. Параллелизм данных попадает в первую категорию, в то время как тензорный параллелизм и параллелизм моделей попадают во вторую. Такие подходы как Читать полностью »