Рубрика «трансформеры» - 2
Оптимальный путь в NLP: как стать Middle за полгода
2025-11-23 в 17:09, admin, рубрики: data science, ml system design, nlp, python, rag, машинное обучение, нейронные сети, обучение программированию, трансформерыСтать Middle NLP Engineer за 6 месяцев — реально.
Не за два года, не через бесконечные курсы — а за полгода нормальной учебы.
Эта статья - про оптимальный путь. Без матана, без академизма, без «прочитай пять книг». Только то, что реально нужно для собеседований и работы.
Почему это реально:
-
Мой путь от нуля до стажёра занял два года, и сейчас я понимаю, как пройти его быстрее
-
После нахождения первой работы я вырос до Senior за год;
-
Я регулярно провожу собеседования и знаю реальные требования;
-
Уже помог нескольким людям войти в профессию.
Галлюцинации LLM: запретить нельзя использовать
2025-09-17 в 18:30, admin, рубрики: llm, reasoning, галлюцинирование нейросетей, достоверность, ИИ, нейросети, промт, трансформеры, языковые модели
Давайте поговорим о галлюцинациях LLM - больших языковых моделей.
На первый взгляд это выглядит как ошибка, ложь или выдумка. В недавнем отчёте OpenAI Why Language Models HallucinateЧитать полностью »
Law & Practice Ensemble RAG. Как создать ассистента, помогающего решать многоаспектные юридические задачи
2025-09-11 в 14:15, admin, рубрики: dense retrieval, Fine-tuning, large language models, llm, rag, трансформеры, эмбеддинги, языковые моделиАвтор статьи: Сергей Слепухин
Большие языковые модели (LLM) в последние несколько лет являются ключевым направлением искусственного интеллекта (ИИ). Дальнейшее развитие LLM, очевидно, меняет сам способ взаимодействия с технологиями, снижая порог входа для представителей всех профессий, в том числе исконно гуманитарных.
Как служба поддержки ЮMoney научилась общаться с пользователями из разных стран, не зная их языка
2025-08-28 в 13:45, admin, рубрики: ai-ассистент, llm-агент, lora, детекция текста, машинный перевод, трансформерыПривет. Мы – Даша (инженер машинного обучения) и Наташа (ведущий аналитик в ЮMoney). В этой статье расскажем о системе машинного перевода, разработанной как end-to-end-решение для многоязычной поддержки в финтех-компании. Рассмотрим архитектуру, технические детали реализации и практические результаты внедрения системы. А ещё покажем, как общались с пользователем из Казахстана.
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.
В поисках алгоритма интеллекта — тезисы и комментарии. Часть 1
2025-08-05 в 16:08, admin, рубрики: AI, llm-модели, интеллект, искусственный интеллект, когнитивистика, мышление, нейросети, сознание, трансформерыTimeCoder: Быстрое кодирование нечетких временных выражений для RAG-систем и не только
2025-07-17 в 15:05, admin, рубрики: rag, время, обучение модели, трансформерыВ этой статье хочу рассказать о задаче с которой мы столкнулись и о найденном решении. Надеюсь наш опыт окажется кому-то полезен и натолкнет на решение других подобных задач.
Эмпатичный ИИ: как трансформеры учатся распознавать эмоции в разговорах
2025-07-09 в 10:24, admin, рубрики: erc, python, итмо, машинное обучение, распознавание эмоций, сервисы, трансформеры, университеты, человеко-машинное взаимодействиеВ эпоху чат-ботов и голосовых помощников ИИ всё чаще становится собеседником человека. Но чтобы стать по-настоящему полезным в коммуникации, он должен не только понимать слова — но и улавливать эмоции, интонации, паузы и даже жесты. Именно это и пытается решить задача Emotion Recognition in Conversations (ERC).
В недавней работе “A Transformer-Based Model With Self-Distillation for Multimodal Emotion Recognition in Conversations”Читать полностью »
Глубокое обучение в науке вредно без глубокой проверки фактов
2025-06-13 в 6:10, admin, рубрики: BERT, биоинформатика, трансформеры, ферменты, энзимыГлубокое обучение гламурно и ажиотажно. Если обучить трансформер (современную языковую модель) на датасете из 22 миллионов ферментов, а затем использовать его для прогнозирования функции 450 неизвестных ферментов, то можно опубликовать свои результаты Nature Communications (уважаемом научном издании). Вашу статью прочитают 22 тысяч раз и она будет в верхних 5% из всех результатов исследований по оценке Altmetric (рейтингу внимания к онлайн-статьям).