Как врач на пенсии создал AI‑приложение для определения биологического возраста на Flutter + TFLite
Я врач с более чем 30-летним стажем, последнее время работал доцентом медицинского вуза. Недавно я вышел на пенсию и получил то, о чем мечтал всю трудовую жизнь — много свободного времени, и часть его желательно тратить с пользой (а не только играть на ПК, что я, конечно, тоже люблю).
Студенты-медики массово выпускают сомнительные исследования с помощью популярного инструмента
Критики считают, что TriNetX позволяет слишком легко анализировать электронные медицинские карты, из-за чего неопытные исследователи быстро публикуют плохо проработанные статьи.
65 бесплатных уроков июля: от LLM и RAG до Kubernetes, Go и QA
В июле пройдут 65 бесплатных демо-уроков по основным IT-направлениям: от разработки, архитектуры и инфраструктуры до ML, тестирования, аналитики и управления. В программе много тем, которые сейчас регулярно всплывают в рабочих обсуждениях: LLM-приложения, RAG, AI-агенты, Kubernetes, Go, Java, C++, QA-метрики, сети ЦОД и безопасность LLM-систем.Уроки ведут преподаватели курсов OTUS — практикующие специалисты, которые разбирают инструменты и подходы на прикладных задачах. Это удобный способ свериться с тем, что происходит в индустрии, задать вопросы экспертам и посмотреть, как устроено обучение на конкретном направлении.
Совет требует ИИ, а данные не готовы. Как ESM даёт фундамент, который не провалит пилот
В прошлой статье мы обсудили, почему ИИ-инициативы в компаниях, даже с большими деньгами и ресурсами, просто проваливаются. Коротко говоря, если у ИИ нет качественных данных, проект скорее всего обречён — по данным Gartner, 60% ИИ-проектов не доходят до продакшена из-за неготовности данных и процессов. В этот раз поищем решение: как собрать все заявки в одном месте и научить модель делать то, что вам нужно — уничтожать рутину.
Контекстная инженерия для слабой локальной модели: как мы делаем среднюю модель надёжной
Принято думать, что качество ИИ-агента упирается в размер модели. Но когда модель работает локально, в закрытом контуре и на ограниченном железе, брать «побольше» особо некуда. И оказывается, что главный рычаг не модель, а контекст: что вы ей показываете, в каком порядке и как фильтруете. Причём «контекст» здесь — это сборка под то, кто спрашивает, откуда и о чём, плюс честный порог релевантности и продуманный порядок секций. На сильной облачной модели небрежный контекст прощается запасом по reasoning; на средней локальной — нет. Об этом и статья.Почему на локальной модели контекст важнее самой модели
Кто «показывает» нам сны: как нейробиологи объясняют сновидения
NB! Новая редакция текста, впервые статья была опубликована 24.06.26Несколько лет назад, 21 мая 20121 года, Дэвид Иглман и его соавтор Дон Воан из Стэнфорда опубликовали работу, которая как будто закрыла один из самых любопытных вопросов в истории человечества. Удивительно, что за пределами узкого круга нейробиологов об этом научном открытии почти никто не знает.Суть загадки проста: зачем мы видим сны?
