Рубрика «research»
Я хотел повторить Growing Neural CA за вечер. Ушёл месяц
2026-05-26 в 14:34, admin, рубрики: claude code, genetic algorithms, ml engineering, neural cellular automata, neural networks, neuroevolution, optuna, pytorch, reproducibility, research22 эксперимента, 9 потолков, один champion и неприятная правда про дисциплину эксперимента
Месяц назад я прочитал на Хабре статью про нейронные клеточные автоматы. Маленькие нейросети управляют клетками на сетке, клетки сами собираются в букву T или крест, и всё это обучается без учителя через что-то вроде эволюции. Я подумал: круто, повторю за пару вечеров, посмотрю как себя ведёт.
Эта статья — про то, что было дальше. Спойлер: пара вечеров превратилась в месяц, я провёл 22 эксперимента, упёрся в потолок IoU 0.44 на простой букве T, и главное чему научился — это вообще не про нейросети.
Сначала бизнес, потом юзеры: продуктовый подход к внутренним инструментам на примере PWA-конструктора
2026-05-01 в 11:15, admin, рубрики: b2e, development, product design, product management, research, UX, ux-команда, менеджмент, продуктПривет! Я Софа, ведущий b2e дизайнер в Perfomance Lab, и я считаю, что внутренние продукты недооценены, а процесс их создания в корне отличается от b2c/b2b.
Сегодня речь пойдёт про последнее упомянутое решение — PWA-конструктор, который помогает нашим медиабаерам проверять свои гипотезы быстрее и создавать более 20 приложений каждый день. Я расскажу, зачем мы начали его делать и с какими сложностями столкнулись.
Три компромисса, от которых мы отказались: AI в дневниковом исследовании
2026-04-01 в 11:04, admin, рубрики: AI, business analysis, research, research tools, искусственный интеллект, исследование пользователейДневниковое исследование - один из самых информативных методов в качественном арсенале. Респонденты фиксируют поведение в реальном времени, в естественном контексте, без эффекта интервью. Но у информативности есть цена: метод требует от команды больше ресурсов, чем почти любой другой. Десятки респондентов, у каждого отдельный чат, в который ежедневно приходят текстовые записи, фотографии, голосовые сообщения, видеокружочки. Данных много, и это известно заранее - ещё на этапе проектирования.
Поэтому три компромисса закладываются в дизайн исследования задолго до старта поля:
Momentum Attention: когда внимание получает инерцию
2025-10-27 в 15:58, admin, рубрики: AI, attention, deep learning, machine learning, pytorch, research, Transformers, нейросетиВ классическом self-attention каждый токен смотрит на другие токены, чтобы понять, что важно в данный момент.
Внимание распределяется мгновенно:
Именно этот механизм сделал трансформеры тем, чем они стали.
Но вот в чём проблема - внимание не имеет памяти.
Читать полностью »
Правда ли KAN лучше MLP? Свойство разделения глубины между двумя архитектурами
2025-07-22 в 11:15, admin, рубрики: approximation, deep learning, kan, machine learning, math, MLP, neural networks, research, scienceВведение
Прошлым летом в свет вышла новая архитектура нейронных сетей под названием Kolmogorov-Arnold Networks (KAN). Основная статья есть в открытом доступе на архиве по следующей ссылке. На момент выхода статьи эта новость произвела фурор в мире машинного обучение, так как KAN показывали существенный прирост в качестве аппроксимации различных сложных функций. На фото ниже видно, что ошибка новых сетей падает значительно быстрее при увеличении числа параметров.
Известные и неизвестные рамки для дизайнерского мышления
2025-05-25 в 5:40, admin, рубрики: product discovery, research, ux-исследования, гипотезы, дизайн, продуктовая аналитика, продуктовый дизайн12 февраля 2002 года министр обороны США Дональд Рамсфелд произнёс ставшую знаменитой фразу о том, что «есть известные известные, известные неизвестные и неизвестные неизвестные». Пресса тогда разделилась: одни называли это бессмысленным словоблудием, другие — неожиданной философией.
NotebookLM: Как освоить сложные темы в 10 раз быстрее
2025-05-17 в 7:00, admin, рубрики: AI, context window, learning, llm, Mind map, NotebookLM, podcast, research, обучение, продуктивностьВсем привет!
Меня зовут Александр, я COO в SaaS-платформе аналитики данных. Последний год активно изучаю внедрение AI-решений в кросс-функциональные процессы. Делюсь полезными материалами, которые считаю стоят внимания. В основном про AI, изменение процессов, тренды и продуктовое видение.
У себя в телеграм-канале делюсь сжатыми и структурированными саммери статей.
