Пять лет назад я начал работать с или в проекте Comexp Research Lab - научно-исследовательской компании, в которой тогда было два человека (считая меня). На самом деле исследованиями компания в своей области занимается примерно 15 лет, просто именно на последние пять лет (и особенно на последние полтора года) пришлась самая интенсивность разработок и открытий.
Рубрика «ml» - 7
TAPe + ML: универсальная архитектура компьютерного зрения вместо патчей и «сырых» пикселей
2026-02-28 в 5:16, admin, рубрики: cnn, dino, dinov2, dinov3, ml, искусственный интеллект, исследование, Компьютерное зрение, машинное обучение, трансформерыАвтоматический анализ GPX-треков: от трека до аналитики
2026-02-13 в 10:28, admin, рубрики: AI, gpx, mlПривет! Сегодня хочу поделиться интересным проектом, который мы сделали для конкурса. Задача — превратить сырые GPX-треки (треки с GPS-устройств) в структурированные данные с визуализацией, метеорологической и географической аналитикой. Всё это — на Python, с использованием открытых API и библиотек для работы с геоданными.
Что делает проект?
Код представляет собой пайплайн обработки GPS-треков, который:
-
Скачивает GPX-файлы по ссылкам
-
Визуализирует треки на карте
-
Извлекает данные о каждой точке (координаты, время, высота)
-
ДобавляетЧитать полностью »
Бинарная классификация: как работает логистическая регрессия
2026-02-09 в 10:32, admin, рубрики: gini coefficient, ml, roc auc, sgd, Бернулли, бинарная классификация, градиентный спуск, линейная регрессия, логистическая регрессия, сигмоидаНедавно мне предстояло написать реализацию LogisiticRegression для одного проекта в Школе 21, так что было необходимо разложить всё по полочкам и разобраться в бинарной классификации в целом. Хочу поделиться также этой информацией здесь, потому что не нашла статьи, которая была бы понятна и обширна лично в моём случае. Автор хочет отметить, что только начинает свой путь в машинном обучении. Если в статье найдутся неточности, то с радостью будет их заметить в комментариях
Сегодня я бы хотела рассмотреть следующие аспекты:
-
Сигмойдная функция
-
MLE и NLL
-
Распределение Бернулли
Kaken — как мы внедрили четыре AI-сервиса для собственного использования
2026-02-06 в 8:00, admin, рубрики: AI, ai-агенты, AI-инструменты, AI-разработка, ml, ml-задачи, selectel, архитектура ии, нейросеть
Можно бесконечно смотреть, как течет вода, горит огонь, и рассуждать об инновациях в IT. Но нет лучшего способа понять качество инфраструктуры, чем запустить на ней собственные сервисы.
Как мы с помощью ML попали на остров
2026-02-05 в 5:45, admin, рубрики: ml, датафреймы, кросс-валидация, машинное обучение, случайный лесМашинное обучение обычно ассоциируется с датасетами, метриками и бесконечными экспериментами в ноутбуках. Но в какой-то момент для нас ML перестал быть абстрактной технологией - и стал маршрутом. Причём буквально. Эта история о том, как модели, гипотезы и пара неочевидных решений привели нас не только к рабочему результату, но и на самый настоящий остров Парамушир (северные Курилы).
MLOps — дитя DevOps и ML
2026-02-03 в 9:01, admin, рубрики: devops, Evidently AI, kubeflow, ml, mlflow, mlops, ruvds_статьи
Один ML-проект в проде вам или два другому? Внедрение машинного обучения в производственную среду остаётся одной из главных проблем индустрии. По статистике, 80% ML-проектовЧитать полностью »
Ред флаги, но не в тиндере: что важно понять data-специалисту ещё до оффера
2026-01-25 в 8:22, admin, рубрики: data analysis, data science, ml, вакансия, команда, команда мечты, переработки, плюшки, редфлаги, собеседованиеПятничный вечер, бар, шумные разговоры. Мы - компания из нескольких ML-инженеров, DE и DA из Сбера, Магнита, Озона и Альфа-Банка собрались не ради обсуждения задачек в JIRA. Разговор зашел о наболевшем: как найти своих людей и команду мечты? Обсудили зарплату и плюшки, удалёнку и офис, стартапы и зрелые продукты, переработки, карьерный рост и рабочую культуру. В статье - цитаты из обсуждения и обобщённые выводы. А в конце - список вопросов, которые стоит задать на собеседовании, чтобы не ошибиться с выбором и найти тех людей, с кем не страшно будет выкатить релиз в пятницу вечером.
AI Safety by Desing — новая Clean Architecture. И как же ее достичь?
2026-01-22 в 15:15, admin, рубрики: AI, infosec, mlВсем привет! Меня зовут Денис Панков, я занимаюсь R&D исследованиями по направлению ИБ . Помню, когда поступал на ИБ направление, сложно было представить, что рост отрасли будет настолько стремительным.
Хотелось бы выделить несколько точек, которые так сфокусировали развитие современного ПО. ИБ я рассматриваю как часть ИТ, сейчас отрицать это бессмысленно, особенно с ростом количества инструментов LLM.
Субъектный подход к архитектуре агентов: инверсия управления LLM
2026-01-21 в 14:45, admin, рубрики: agents, AI, mlВ статье разбираем архитектурный паттерн, где LLM вынесена из ядра принятия решений в сервисную роль, а управление диалогом осуществляет stateful-субъект. Показываем реализацию механики "осознанного обращения к LLM" (deliberate query) на основе оценки внутреннего состояния, в отличие от жестких пайплайнов типа ReAct или CoT.
Проблема "LLM-центричности"
Большинство современных агентов строятся вокруг промпта к модели:
Context + Prompt - LLM - Action/Answer
Это делает агента заложником стохастики модели. Мы предлагаем инверсию:
Agent State - Decision Logic - (Optional LLM Call) - Answer
Архитектура ENA
Читать полностью »
