Машинное обучение. - страница 4

Галлюцинации недели: Claude Fable 5.2, Gemini 4 Hydrogen и отставка Дженсена Хуанга

продолжить чтение

Цифровые двойники (Digital Twin) в инженерных системах — Часть 1. Управление документацией

В последние годы технология Digital Twin превратилась в один из главных трендов промышленной автоматизации. Крупные вендоры - Siemens, Schneider, Aveva, и десятки других предлагают платформы, в которых «двойник» обещает предсказывать отказы, оптимизировать режимы, экономить миллионы. Аналитики Gartner и MarketsandMarkets оценивают рынок в десятки миллиардов долларов к концу десятилетия.

продолжить чтение

Корпоративная база знаний на базе ИИ

Корпоративная база знаний на базе ИИ отвечает сотрудникам на вопросы по внутренним документам компании и показывает, откуда взят ответ. Строится она по схеме RAG — поиск нужных фрагментов плюс языковая модель. Это руководство для архитектора: из чего состоит стенд и где его разместить, сколько ресурсов нужно каждой модели, как выбрать хранилище и посчитать среду, что проверить до запуска и где обычно совершаются ошибки.Зачем компании база знаний с ИИ

продолжить чтение

Qwen4-Max вышла. В чем отличие от Preview версии

Источник.

продолжить чтение

predict_proba похож на вероятность, пока его не проверить

Привет, Хабр!Модель оттока готова, и бизнес просит не метки, а вероятности. Логика в целом понятная: звонить клиентам, у которых вероятность ухода выше 0,3, а ожидаемые потери считать как вероятность, умноженную на выручку клиента. В коде это одна строка model.predict_proba(X), и дальше эти числа уезжают в CRM, в отчёт и в расчёт бюджета на удержание.Метод называется predict_proba

продолжить чтение

Зачем ансамблю отрицательные веса: от портфельной теории до кредитного скоринга

Представим, что мы обучили две модели кредитного скоринга и хотим объединить их прогнозы. Казалось бы, всё просто: каждой модели назначаем положительный вес и получаем итоговую оценку вероятности дефолта.Но что, если оптимизация предложит веса 1,34 и −0,34? Получается, что прогноз второй модели нужно не прибавлять, а вычитать. Зачем тогда вообще включать её в ансамбль?

продолжить чтение

Что вы ещё не пробовали в IT? 26 открытых уроков на этой неделе

Разобраться в новом инструменте, найти причину сбоя или понять, как применить ИИ в работе, — задачи, до которых не всегда доходят руки. Особенно когда непонятно, с чего начать и какой подход действительно сработает.С 16 по 19 ноября на открытых уроках OTUS можно разобрать практические кейсы, познакомиться с новыми технологиями и перенять опыт экспертов. Выбирайте темы под свои задачи и прокачивайте навыки, которые помогут увереннее решать рабочие проблемы и двигаться дальше в профессии.Искусственный интеллект и машинное обучение16 ноября, 18:00. «Тенденции LLM и генеративного ИИ (GenAI)».

продолжить чтение

Нейросеть на железе со свалки, или Как Bonsai 2 27B проиграла Qwen3 8B

продолжить чтение

Дообучать LLM или дать ей документы: сначала выясните, что сломалось

«Давайте дообучим модель на наших данных» — эту фразу я слышу почти в каждом разговоре о внедрении LLM. Обычно к этому моменту лечение уже выбрано, а диагноза ещё нет.Допустим, агент ошибся в условиях возврата товара. Ему вообще передали актуальный регламент? Поиск нашёл нужный пункт? В базе одна версия правил или три, и все помечены как действующие? Пока это не выяснено, говорить об обучении рано: у плохого ответа часто вполне административная причина.

продолжить чтение

Хватит жечь токены на поиск файлов: как QMD помогает кодинг-агентам экономить до 40%

Я заметил что кодинг агенты перед выполнением задачи запускают "find, rg --files, glob" для поиска файлов и нужных классов и модулей. Потом поиск по содержимому файлов через "rg, grep". И на это сжигается много токенов. И я решил проверить можно ли сэкономить на токенах используя семантический поиск вместо всего выше перечисленного. Если локальный GPU простаивает, почему бы тогда на нем семантический поиск не гонять.

продолжить чтение

1...234567...2030...601