ml.
Как распознавать контент, созданный нейросетями (рекомендации для репортеров)
Надоел повсеместный нейрослоп? Мне тоже. Настолько, что даже захотелось поделиться с вами этой статьёй Хенка ван Эса с его рекомендациями журналистам - как можно вычислить картинки, сгенерированные нейросетями. Надеюсь, вам будет также интересно и полезно, как мне и моим друзьям и коллегам. Но меньше слов - больше Хенка ван Эса! В наши дни соотношение полезного сигнала и шума в информационном пространстве приближается к единице. Иными словами, дезинформации почти столько же, сколько реальных фактов — и отличить одно от другого становится
AI для PHP-разработчиков. Часть 5: От массивов к GPU: как PHP-экосистема приходит к настоящему ML
Почему PHP-массивы плохо подходят для математики, как появились Tensor и NDArray, и зачем RubixML в итоге решил пойти в сторону GPU.Это четвёртая часть проекта.Часть 4: Практическое использование TransformersPHPЧасть 3: Практика без Python и data scienceЧасть 2: Собираем простейшую RAG-систему на PHP с Neuron AI за вечерЧасть 1: Как я пытался подружить PHP с NER — драма в 5 актах1. Введение: а можно ли вообще делать ML в PHP?
Data Gravity и отравление выборки
Любой, кто хоть немного знаком с ИИ знает, что для эффективной работы искусственного интеллекта необходимы качественные данные
LLM — поиск товаров
Всем привет! В данной статье хочу поделится результатам R&D о применении LLM и графов в поиске товаров по текстовому запросу юзера. Данная идея появилась при разработке Retrivier модуля RAG - системы, осуществлявшей поиск по документам. Были высокие требования к качеству ретривера, при этом латенси в 10-20 секунд являлось приемлемым, что позволило применять вызов нескольких тяжелых модулей. Стало интересно, применима ли получившаяся архитектура для поиска не только документов, но и товаров.Цели стоящие перед алгоритмом поиска.
Книга: «Интервью по машинному обучению. 151 вопрос от FAANG»
Привет, Хаброжители! Хотите построить карьеру в области ML? Воспользуйтесь опытом и советами Пенга Шао, чтобы научиться тому, как успешно пройти собеседование по машинному обучению.
ML и инфобез: три подхода для поиска аномалий во временных рядах
В этой статье будет продемонстрировано применение трёх ML алгоритмов (Isolation Forest, CatBoost, Autoencoder) к решению задачи детекции подозрительных событий в активности пользователей. Описание задачиПредставьте себе инфраструктуру крупной компании, где хранятся миллионы файлов. Сотрудники постоянно взаимодействуют с ними: читают, изменяют, создают новые. В этом непрерывном потоке событий крайне сложно вручную заметить признаки потенциальной угрозы — будь то инсайдер, копирующий данные, или вирус, массово шифрующий файлы.
Как мы автоматизировали модерацию карточек товаров с помощью Computer Vision в Wildberries
Привет! Я Дмитрий Колесников, Team Lead DS-команды «Платформа модерации» в Wildberries & Russ. В этой статье по мотивам моего доклада на HighLoad расскажу, как у нас получилось превратить сотни Computer Vision моделей в единый масштабируемый пайплайн, который ежедневно обрабатывает 15 млн карточек товаров (50+ млн изображений и 500K видео).Что еще будет в статье?Computer Vision‑архитектура системы модерации Wildberries: как мы унифицировали модели через TensorRT и DALI, перешли к шаблонной архитектуре «общий бэкбон - легкие головы» и построили ансамбль в Triton, чтобы снизить нагрузку и ускорить деплой.
AiConf 2026: переход от теории к практике
В 2026 году AiConf делает шаг от разговоров об AI к его практическому применению: ключевым элементом программы станет «стрим развития» — формат, где участники не слушают, а вместе решают реальные задачи. Это серия интерактивных треков, в которых за время конференции можно разобрать проблему, протестировать подходы и уйти с конкретным планом действий.
