15 лучших библиотек для визуализации данных, о которых должен знать каждый разработчик
Инструменты, которые выведут ваши информационные панели, документы и рабочие процессы на новый уровень. Причем совершенно бесплатно!Привет, меня зовут Йогеш, и имею довольно большой опыт работы с React,.NET и AI. Но есть одна вещь, к которой я питаю особую страсть: создание красивых и интерактивных визуализаций данных.
Добыча полезных ископаемых в космосе: от фантастики к стратегической цели
Представьте будущее, в котором Земля — не гигантский карьер и не трубопровод завода, а цветущий сад, вдохновляющий поколения. Чтобы сохранить нашу планету уютным домом, человечеству нужно вынести тяжелую индустрию за пределы Земли. Космос может стать новой кладовой ресурсов и промышленности, и это уже не научная фантастика, а насущная стратегическая задача.Земные ресурсы на исходе: важность внеземной добычи
Фабрика данных 2030: от GAN-конвейеров до каузальных сетей — кто отвечает за рождение синтетической реальности
1. Вступление: синтетика выходит из-подпольяДесять лет назад мы говорили о «данных–нефть». В 2025-м метафора смещается: нефть закончилась, а нужен устойчивый источник энергии. Синтетические наборы — эта самая «зелёная электростанция» для AI-экономики.Почему это не очередная хайповая игрушка?Дефицит реальных выборок. Регуляторы закрутили гайки (GDPR, HIPAA, китайский PIPL). В финтехе и медицине доступных датасетов меньше, чем стартапов, желающих их тренировать.Приватность без компромиссов.
Строительство полностью автоматизированного предприятия
Привет, Хабр!В горной отрасли назревает тихая революция: на смену людям в карьерах приходят роботы и алгоритмы. Безлюдные ГОКи уже введены в эксплуатацию, но переход к полной автоматизации в России идёт со сбоями. Разберёмся, из чего состоит полностью автономное предприятие и какие технологии уже внедряются на практике. Основной аргумент - безопасность.
Как я стал быстрее переключаться между задачами
Немного о своей колокольнеПривет, Хабр! Я тимлид команды бэкенда и скрам-мастер кросс-функциональной команды разработки. Отвечаю за техническое развитие продукта и рост эффективности команды. Мой опыт 6 лет коммерческой разработки, из которых 1,5 года управления командой.С чем я столкнулсяЗадач всегда больше, чем времени. Они разноплановые, не помещаются в один день, внезапно появляются срочные и важные, требуют переключения внимания. Сконцентрироваться и вернуться к своим основным задачам становится тяжело, а продуктивность оставляет желать лучшего.
Полноценное RAG-приложение на Go — безумие?
ПредисловиеПрежде всего хочу сказать, что я не являюсь никаким специалистом, даже джуновского лвла, просто безработный студент, пишущий на коленке свои пет-проекты. И код, и тем более архитектура далеки от идеала. Однако, я думаю, некоторые моменты, о которых я буду рассказывать далее в статье, могут быть интересны полноценным разработчикам как бэкенда, так и ИИ-агентов. RAG и Go
️ Прорыв в ИИ-фотосессиях! (Ведь так?)
На прошлой неделе Higgsfield выпустили модель Soul, которая позволяет тренировать лоры (то есть донастройки модели под конкретный объект — будь то человек или стиль), и кажется, они действительно лучше лор flux, stable diffusion или hidream.
Китайские GPU против NVIDIA
В октябре 2023 года Вашингтон добавил тринадцать китайских компаний в Entity List, включая Biren Technology и Moore Threads — две компании, которые считались лучшими надеждами Китая в создании конкурентов NVIDIA. Санкции перекрыли доступ к передовым фабрикам и американскому программному обеспечению для проектирования чипов, но не остановили амбиции Поднебесной в создании собственных GPU.
Как тестировать качество ответов RAG системы?
LLM могут принимать на вход все большее количество токенов, но большое количество переданных на вход токенов, включая промт, контекст и историю переписки, не равно качеству ответа.В идеале на вход LLM нужно передавать минимально достаточный набор данных для получения ожидаемого качественного ответа.Иными словами, если на вход LLM дан один конкретный вопрос, то есть шанс, близкий к 100%, что будет получен качественный ответ. И наоборот, чем больше данных (вопросов, контекста и прочего) на вход LLM вы даёте, тем больше вы понижаете качество ответа.
