TSP трансформеры
Трансформеры — это больше, чем кажется на первый взглядВозможно кто-то догадался, что заголовок выше — это перевод первых строк темы из ламповых сюжетов мульсериала 80-х:The TransformersMore than meets the eye
Онлайн-таблицы: как ИИ делает аналитику доступной каждому
По оценкам специалистов, в 2025 году объём рынка бизнес-аналитики составит
Чем же типичный заметковед занимается, когда работает со своими записями? Типизация деятельности заметковеда
Небольшое, но важное уточнение того, откуда этот исследовательский отчет.Меня зовут Рустам Агамалиев, я учитель и исследователь, автор нескольких книг и некоторого множества публикаций. На данный момент моя работа происходит на стыке педагогики, когнитивистики, лингвистики и психологии; я в основном работаю с детьми и студентами.Последние 7 лет занимаюсь развитием сообщества
Виды Structured Output и способы их реализации
Structured Output это способ “заставить” модель отвечать в строго заданном формате.Пример. Имеется пачка неструктурированных объявлений о продаже недвижимости.Продается однокомнатная квартира площадью 35,6 кв.м. на 11-м этаже 22-этажного монолитного дома по адресу: ул. Академика Королёва, 121. Год постройки — 2018, что гарантирует современное качество и надёжность конструкции. Дом оснащён подземной парковкой.
Автоэнкодер: как нейросеть учится понимать норму
ВведениеНепосвящённому человеку кажется, что нейронная сеть может всё. Средства массовой информации этот миф только подпитывают, а где-то в недрах Голливуда Джеймс Камерон шепчет: «Я не режиссёр — я пророк».В реальной же повседневной работе от нейронной сети мне нужна одна простая и приземлённая вещь — поиск аномалий в данных. И вот с этим нейросети действительно справляются. Более того, для этого у них есть специальный инструмент — автоэнкодер.В этом небольшом опусе я попробую быстро, просто и без магии объяснить, что такое автоэнкодер, как он работает и
Куда исчезают пользователи: современные фреймворки аналитики retention в 2025 году
В 2025 году retention снова стал главной метрикой рынкаТрафик дорожает, конкуренция растет, AI-продукты выходят быстрее, чем я успеваю их тестировать, — и единственный способ выжить в этой гонке: удерживать пользователей, а не просто радоваться скачкам трафика по праздникам.Но есть проблема: большинство команд все еще думают, что retention — это «график, на который мы будем смотреть, пока CFO грустит».если вы тоже сейчас грустите, глядя на свой retention, — вы не один Давайте разберём, как всё работает в реальности.1. Почему классический retention устарел
Цифровые культиваторы, теплицы и мотоблоки или мультиагентная трансформация АПК
Миронов В.О., Кальченко С.Н.Приветствую вас, бравые хаброжители ;-) В наше время искусственный интеллект очень быстро развивается, при этом, вносит значительные коррективы в развитие различных профессий, диктуя там свои правила и виденье. При этом основные козыри — это скорость, время и профит. В этом контексте мы и будем говорить о сложившейся ситуации, а именно, о дифференцированной трансформации профессий.
Как рассуждают большие языковые модели
Транскрибация доклада Ивана Оселедця: "Большие языковые модели в эпоху ризонинга"В самом деле эпоха ризонинга, она так вот началась в Раде. Сейчас, конечно, есть такое четкое ощущение, что она немножко уже заканчивается. Сроки развития в искусственном интеллекте, они очень короткие. И эпохи у нас длятся, получается, пару месяцев. И мы уходим уже в подходы, которые связаны, например, уже с эволюцией агентов, подходы, которые предложены первой Вальфой Волве. Вот вчера буквально статья вышла.
LLM: обучение и использование
Транскрибация лекции Михаила Тихомирова с названием "LLM: обучение и использование. 1. Большие языковые модели. Введение. Основы архитектуры Transformer". Материал по архитектурам больших языковых моделей. Разбил на несколько частей из-за большого объёма. Слайды на видео, распечатка очень удобна для заметок. Часть 1.
Часть 2. Иван Оселедец с докладом «Успехи и проблемы больших языковых моделей»
Первая часть - https://habr.com/ru/articles/970614/
