качество данных.

GlowByte провела хакатон по ИИ‑разработке на базе корпоративного портала

Источник изображения: Magnific.com

продолжить чтение

Я собрал конвейер аналитики банков на LLM-агентах. Показываю, где он остановил 7 из 31

У проекта есть работающий сайт: ortant.net. На нём 24 принятых исследования, десять досье банков, карта покрытия данных и раздел с методикой. Исследование можно не только прочитать, но и заказать: конструктор собирает вопрос из готовых блоков (банк, окно, фокус), система бесплатно показывает паспорт данных с ценой, и после подтверждения идёт прогон. Медиана прогона $0,132 и 12,8 минуты; результат открывается своей страницей.

продолжить чтение

От «грязных» справочников к золотым записям: как AI-ML спасает НСИ от хаоса

ВведениеПричины деградации нормативно‑справочной информацииПочему простые алгоритмы сравнения строк — тупиковый путьЕдинственно надежный путь — атрибутивная нормализацияПримеры задач, решаемых с использованием сервиса SOFROS AI/ML

продолжить чтение

LLM-судье нельзя верить на слово: как построить надёжный гейт и проверить сами тесты

В одном из проектов я строил систему оценки ответов с двумя контурами. Первый был скучным и предсказуемым: нормализовать результат и сравнить его с эталоном. Второй использовал LLM как судью и оценивал смысл ответа целиком.Каппа Коэна

продолжить чтение

Как мы встроили LLM в Data Quality и не потеряли контроль

Привет, Хабр! Меня зовут Макунина Арина, я аналитик и инженер данных в Just AI. Наша команда аналитики обожает, чтобы рутина в данных была максимально предсказуемой. Если что-то ломается, то должно быть понятно что, где, почему и что делать дальше. Когда мы поработали с Data Quality в продакшене, выяснилось, что правила качества сами по себе есть базовый минимум, но время утекает в две черные дыры.Первая — это эффект белого листа.

продолжить чтение

Data Gravity и отравление выборки

Любой, кто хоть немного знаком с ИИ знает, что для эффективной работы искусственного интеллекта необходимы качественные данные

продолжить чтение

Синтетика как топливо: почему self-training работает и где начинается model collapse

продолжить чтение

Стена данных: почему ИИ упирается не в GPU, а в реальность

Если вы когда-нибудь задумывались, почему огромные GPU-кластеры перестали быть главным драйвером прогресса в развитии ИИ, а контракты на данные подписываются за десятки миллионов долларов — эта статья для вас.Об авторе:

продолжить чтение

AI и Data engineering: Что реально происходит с профессией?

продолжить чтение

12