ds.
Валерий Бабушкин & MLinside, часть 1 | Автократия. System Design. Lego & Sport. Срезание углов
На днях посмотрел подкаст с Валерой Бабушкиным. Как всегда, было очень приятно слушать, и я хочу поделиться с вами основными тезисами, которые я для себя вынес.
Benchmark — разрушитель LLM’ок, или Как мы собрали свой мультиязычный SWE-Bench
В статье представлено многоязычное расширение SWE-Bench от команды Doubletapp — бенчмарка для оценки больших языковых моделей (LLM) на реальных задачах программной инженерии, на различных языках программирования и кодовых базах индустрии. О процессе сбора SWE-Bench мы уже рассказывали в отдельной статье
Обучаем нейросеть управлению транспортным средством на основе мультисенсорных данных и информации о локальной траектории
Автор статьи: Егор Колотвин Визуализация объединенного лидарного облака точек, изображение автора
Популярные API для работы с искусственным интеллектом
API для искусственного интеллекта предоставляют разработчикам доступ к мощным предобученным моделям и при этом не требуют глубоких знаний в области машинного обучения. В статье представлен обзор самых популярных API для работы с искусственным интеллектом. Давайте рассмотрим, как эффективно использовать их в своих проектах.В статье рассмотрим: OpenAI API · · Anthropic · · Google Vertex AI · · AWS Bedrock · · Groq · · Cerebras Зачем использовать API для ИИ?
Видение концепции Цифровой Двойник в терминах «Индустрии 5.0». Агентный планировщик и симулятор
ВводнаяЕсли разбираться в тонкостях применимости понятия цифровой двойник к разным сущностям от человека до планеты, то любой заинтересованный человек будет активно защищать - применимость, а незаинтересованный скорее всего будет говорить про - неприменимость. Для себя я определил интересные области применимости ЦД, это сущности которые имеют под собой процессы планирования. Вначале попробуем разобраться с терминологией Индустрии 4.0, те самые хайповые определения, в них я не буду затрагивать AR/VR и аддитивные технологии (3д печать) - каждый раз себе представляю человека сидящего в шлеме VR перед 3Д принтером =)
Коротко про библиотеку TSFresh
Привет, Хабр!Сегодня в коротком формате познакомимся с библиотекой TSFresh. TSFresh берет на себя две основные задачи:Извлечение признаков: функция extract_features() генерирует огромный набор статистик по заданным временным рядам. Внутри неё используются так называемые FeatureCalculators — функции, рассчитывающие конкретные признаки. Например, автокорреляция, энтропия, число нулевых пересечений.Отбор признаков: функция select_features()
Как мы обучили модель прогноза ранней просрочки: логистическая регрессия vs градиентный бустинг
Всем привет! На связи дата-сайентисты стрима разработки моделей для корпоративного сегмента ВТБ — Андрей Бояренков, Иван Кондраков и Денис Дурасов.Как уже писали ранее в другой статье
Сегментация изображений с дефектами для промышленности на основе Unet и TensorFlow
ВведениеНедавно я и моя команда участвовали в хакатоне от компании «Норникель». Мы выбрали трек «Грязные дела», где наша задача заключалась в разработке алгоритма компьютерного зрения для решения проблем на производстве.Вот условия задачиЗадача заключалась в решении проблемы загрязнения линз камер на производстве. Из-за этого алгоритмы компьютерного зрения теряли свою точность, что сказывалось на производительности. Нужно было разработать эффективный алгоритм для сегментации дефектов с минимальными затратами ресурсов и времени.
