​​Промпт-инжиниринг на основе здравого смысла: как понимать LLM и получать от них предсказуемый результат

Использование ИИ позволяет мне получить около 3х к производительности, при этом повысить качество итогового кода и даже сделать разработку более увлекательной, но почему-то у многих моих коллег пока не получается даже близко воспроизвести такой результат. Поэтому надеюсь, мой опыт действительно мог бы быть кому-нибудь полезен.

Читать | DATApedia | #DS_AI

Когда стал сеньором

​​Добро пожаловать в эру опыта: почему обучение с подкреплением изменит мир

Исследователи из Google DeepMind опубликовали интересную статью "Welcome to the Era of Experience". В ней авторы утверждают, что мы стоим на пороге новой эры искусственного интеллекта, обещающей достижение беспрецедентного уровня способностей. Новое поколение агентов будет приобретать сверхчеловеческие возможности преимущественно через обучение на собственном опыте.

Читать | DATApedia | #DS_AI

​​Будущее трансформеров: от громоздких моделей к персональным обучаемым агентам

Современные большие языковые модели (LLM) достигли впечатляющих результатов, но остаются громоздкими и статичными. Они требуют огромных вычислительных ресурсов и не умеют самостоятельно запоминать новый опыт в долгосрочной перспективе. В ближайшие годы нас ожидает переход от этих монолитных систем к персональным интеллектуальным агентам – компактным и адаптивным моделям, способным учиться на ходу.

Читать | DATApedia | #DS_AI

📂 Мы делимся с вами папкой «IT», в которой собрали статьи с полезными советами от экспертов в сфере IT.

⚙️ Внутри вас ждет:
🟠 Статья "Экономика инференса LLM: локальный vs облако"
🟠 Вайб-кодинг что это ?
🟠 Качество требований в IT-проектах.
🟠 И еще 28 полезные статьи, которые прокачают ваши навыки.

🔗 А мы с вами делимся статьёй: «​​Искусственный интеллект в 2025 году: что происходит на самом деле и куда мы идем».

✔️ Сохраняйте папку « IT», чтобы быть в курсе всех новостей в мире IT и не только!

⚡️ ПОДПИСАТЬСЯ ⚡️

​​Как мы научили GigaChat слышать: погружение в аудиомодальность

Сегодня мы расскажем, почему ушли от классической схемы ASR (Automatic Speech Recognition) + LLM и построили end-to-end модель, которая понимает речь; как устроена наша новая модель; на каких данных мы её обучали; и что из этого получилось.

Читать | DATApedia | #DS_AI

​​Как мы внедрили LLM в рабочие процессы аналитиков на R — и сделали это бесплатно

В этой статье расскажу, как мы в команде аналитиков начали использовать большие языковые модели (LLM) в повседневных рабочих инструментах. Всё построено на R, и покажу на практике, как можно внедрить такие фичи у себя — без платных подписок, без OpenAI и без строчки кода на Python.

Читать | DATApedia

​​Как перестать кидать Jupyter-ноутбуки по почте: гид по работе с данными и моделями для ML-инженеров

О том, как сделать код читаемым, эксперименты — воспроизводимыми, а время на написание и рефакторинг своего и чужого кода — минимальным, и поговорим в этой статье. И всё это без привязки к готовой инфраструктуре внутри компании.

Читать | DATApedia | #DS_AI

​​Искусственный интеллект в 2025 году: что происходит на самом деле и куда мы идем

2025‑й год становится переломным для искусственного интеллекта (ИИ): технология уже активно формирует современную экономику, науку и политику. В этом обзоре мы рассмотрим ключевые выводы AI Index 2025 от Стэнфордского университета, проанализируем пессимистичный и оптимистичный взгляд на дальнейшее развитие ИИ.

Читать | DATApedia | #DS_AI

Дорогие друзья!

У нас есть замечательная новость для вас! Теперь вам не нужно тратить часы на поиски качественных ресурсов в области искусственного интеллекта и нейросетей!

🤖 Все, что вам нужно сделать, это перейти по указанной ссылке и сохранить папку на своем устройстве. В ней вы найдете массу полезной информации, которая поможет углубить свои знания и развить навыки в этой быстроразвивающейся сфере.

Не упустите возможность расширить свои горизонты и улучшить свои компетенции!

Подборка каналов тут🚀

​​Что такое конвейер данных? И почему вы должны это знать

Читать | BApedia

​​Генерация синтетических данных для LLM, или Как не «выстрелить» в ногу продакшену. Часть 1

В связи с бурным ростом LLM и просто невероятным, прорывными результатами практически ошеломительного качества, всё острее мы погружаемся в вопросы о дальнейшем развитии: «Куда двигаться дальше с точки зрения данных? Где их брать? Какого качества они должны быть? Как их бесшовно встроить в общую канву текущего конвейера? Сколько их вообще надо генерировать?» Всё это порождает массу тревог, размышлений и проводимых тестов.

Читать | DATApedia | #DS_AI

Приветствуем, коллеги!

Собрали в одном месте самые полезные нейросети на все случаи жизни — от учёбы до генерации креативов. Настоящий must-have для тех, кто хочет сэкономить время и нервы.

DATApedia | #DS_AI

​​Когда обучение не идет. Loss is NaN. Причины и решения

Почему в ходе обучения ML-моделей иногда Loss принимает вместо значений NaN. Рассмотрим причины и способы решения.

Читать | DATApedia | #DS_AI