Машинное обучение. - страница 12

Как измерить силу команды во времени: строим рейтинг Universal Cup

С какой вероятностью наша команда возьмёт медаль на финале ICPC? Вопрос могут задавать себе десятки команд, но кто может дать на него ответ? У меня были результаты 30 контестов Universal Cup, немного свободного времени и желание разобраться.Всем привет! На связи финалист ICPC и гроссмейстер Codeforces MachineSolution

продолжить чтение

Применение ИИ в проведении численных экспериментов и оформлении статей поисковых НИР

продолжить чтение

Как я предсказал просмотры на Хабре через ML

Чуть больше года назад у меня вышла статья про биржу Kwork (ссылка на статью). Она набрала 30 000 просмотров. Результат неплохой, но в топе того же хабра лежат публикации по 150 000 и 350 000 просмотров. Мне стало интересно, почему одни статьи собирают пару тысяч просмотров, а другие читают сотнями тысяч.Я решил проверить это с помощью Python и машинного обучения. План был простой: собрать статистику по статьям из моего хаба, оценить качество текстов через языковую модель, загрузить все метрики в Random Forest и посмотреть, какие параметры сильнее всего влияют на просмотры.

продолжить чтение

Затестил Kimi AI, Qwen, DeepSeek и Grok на работе с текстами. Делюсь результатами

Нейросеть получает статью на редактуру и возвращает гладкий текст, в котором автора уже не узнать. В препринте 2026 года исследователи из Berkeley, Google DeepMind и других организаций показали, что ИИ-модели меняют смысл текста, даже когда их просят исправить только грамматику. Kimi AI, Qwen, DeepSeek и Grok всё чаще пробуют для текстов вместо ChatGPT, и выбирать среди них редактора на глаз рискованно.

продолжить чтение

ML и LLM: Разница с продуктовой точки зрения

Хотя ML и является старшим братом LLM, на поверку он всё-таки оказался двоюродным. В этой статье разбираем, чем отличается работа delivery-команд в ML- и LLM-проектах.В классическом ML мы оптимизируем метрикуНапример, предсказываем вероятность оттока клиента или определяем оптимальную цену товара.У нас есть узкая задача и понятная метрика качества. Когда мы делаем LLM-проект, то мы оптимизируем работу сотрудника.

продолжить чтение

Не DeepSeek единым: 4 китайских ИИ-проекта, о которых стоит знать

продолжить чтение

790 трлн токенов за октябрь: OpenRouter опубликовали новые данные об использовании LLM

OpenRouter, платформа для доступа к моделям разных компаний через единый API, собрали свежую сводку по использованию моделей за январь–октябрь 2026 года. Только за октябрь через неё прошло 790 трлн токенов. Это почти в 25 раз больше, чем в январе, и на 37% больше сентябрьского объёма.

продолжить чтение

Новая GPT-6 Cyber. Поиск уязвимостей и обеспечение безопасности

Источник.5 ноября OpenAI представила GPT-6 Cyber, специализированную модель для кибербезопасности. Она предназначена для поиска и устранения уязвимостей, анализа защищенности ПО и проведения тестирования на проникновение.

продолжить чтение

Как я скрестил RAG, LLM и RandomForest: архитектура торгового сигнала с доказательствами

ВступлениеВ первой части я рассказывал, как собрал RAG-систему с LangGraph-агентом на локальных LLM. Она умела искать новости, отвечать на вопросы и извлекать сущности. Но для трейдинга этого мало — нужно не просто читать, а предсказывать.В этой статье я расскажу, как превратил новостной скрапер в ML-пайплайн, который генерирует торговые сигналы (BUY/SELL/NEUTRAL) с доказательствами. Мы пройдём путь от привязки новостей к тикерам до Explainable UI, разберём грабли на малых данных и заглянем в архитектурное будущее проекта.Стек: Scikit-learn, Plotly, FastAPI, Streamlit, PostgreSQL, Ollama.

продолжить чтение

Gemini Omni 1.2 Flash. Google впервые дает видеогенерации SLA и снижает цену до 0,07 $ за секунду

Google DeepMind выпустила

продолжить чтение