ml.
Как ИИ создавал клоны «Сапера»: тест четырех моделей и неожиданные результаты
Источник.Недавно команда специалистов по ИИ провела эксперимент
Как ML помогает сортировать титановую губку
В МАИ прошёл кейс-чемпионат AI Challenge: Engineering. Студенческие команды, в том числе по направлениям подготовки ТОП ИТ, решали прикладные задачи от промышленных партнёров. Один из кейсов был посвящён автоматизации сортировки титановой губки на производственной линии. Оказывается чтобы получить титан, который широко применяется в авиастроении, нужно сперва хорошо прохлорировать титановую руду и, не вдаваясь в технические подробности, получить эту самую титановую губку. Кому интересно, можно кратко посмотреть тут.
Лаборатория Lambda 3.0: Где заканчивается хайп и начинается настоящий ИИ
В 2016 году два студента МАИ — Борис Цейтлин и Андрей Шалкаускас — создали студенческий клуб Lambda с простой идеей: «студент учит студента». В 2018 году под руководством Артемия Мазаева Lambda превратилась в проектную лабораторию, где уже делали реальные проекты — от чат-бота «Элайза» до системы прогнозирования паводков для Сбера.А сегодня, в 2025 году, мы запускаем Lambda 3.0 — исследовательскую лабораторию, полностью сосредоточенную на изучении, создании и защите современных систем искусственного интеллекта.Феномен «второй половины»: Когда хайп заканчивается, а работа начинается
Как построить идеальную «песочницу» для ML-моделей
Привет, Хабр! Я Даниил Салман, техлид по контейнеризации. Эта статья написана по мотивам моего доклада для конференции DevOops. Разберёмся, как сделать такую ML-«песочницу», где Data Scientist пишет код, а всё остальное (установка драйверов, выделение ресурсов, деплой и тренировка модели, сбор метрик) уже настроено на бэкенде. Написали максимально просто и доступно, чтобы понять смог даже человек с минимальным погружением в тему. Идеи из этой статьи можно применять в любой инфраструктуре — важно лишь понимать основы: как работает k8s-кластер, Docker и python-фреймворки. Итак, поехали!
ИИ в 2026 году: три основных направления развития
Илья СмирновРуководитель AI/ML практики
PoseGone: ML-система детекции аномалий для РЖД от студентов МФТИ
Команда онлайн-магистратур Центра «Пуск» МФТИ и индустриальные партнеры вуза регулярно реализуют совместные проекты. Благодаря этому студенты получают необходимый практический опыт, а партнеры — возможность осуществить важные бизнес-задачи. Например, благодаря одному из последних проектов, студенты 2 курса программы «Управление цифровым продуктом» и «Науки о данных» предложили ОАО «РЖД» инновационное решение проблемы детекции аномальных состояний пассажиров и предотвращения инцидентов на перроне.
Стек начинающего дата-сайентиста в 2026: инструменты для роста
Краткий гид: от хаоса к профессиональной разработке моделей машинного обученияПривет! Я Максим Катрушенко, главный специалист по анализу данных и машинному обучению в ПГК Диджитал. В свое предыдущей статье
