ml.
Генеративный ИИ (например, ChatGPT) запрещен на Stack overflow
В самой статье все очень хорошо разложено по полочкам и я рад что они решились на это этот шаг. Очень емко и по делу.Перевод сделал гугло переводчиком, так что если что напишите в личку, поправлю ошибки.Любое использование генеративного ИИ (например, ChatGPT 1 и других LLM) запрещено при публикации контента на Stack Overflow.Это включает в себя как «задавание» вопроса генератору ИИ с последующим копированием и вставкой его результата, так и использование генератора ИИ для «перефразирования» ваших ответов.
Система мониторинга ML-моделей: превращаем данные в полезный инструмент
В прошлой статье мы разобрали, из каких компонентов собирается система мониторинга, и составили инструкции, чтобы указывать на действительно важные проблемы. Пришло время выстроить их в единую систему. Она должна масштабироваться и давать ясную картину происходящего, чтобы наш мониторинг не был бесполезным потребителем ресурсов.В этой статье мы сформулируем правила, которые помогут:организовать хранение данных для масштабируемости;построить понятную визуализацию на дэше;настроить осмысленные оповещения;написать документацию.
Книги, видео и курсы для изучения ML
Собрали бесплатные ресурсы, которые позволят погрузиться в работу с искусственным интеллектом — как для новичков, так и для тех, кто уже работает с ML и хочет углубить знания.Сборники материаловСборник учебных материалов от TensorFlow
Яндекс представляет YaC 2025 AI Edition
Вышел новый YaC AI Edition. По традиции, этим форматом Яндекс подводит итоги года: в нем сотрудники рассказывают про важные запуски от обновленных роботов‑доставщиков до первых ИИ‑агентов, и показывают их в деле.
Поговорим об основах машинного обучения
Различные направления машинного обучения сейчас используются практически везде и порой сложно понять какое направление какие задачи решает. Сегодня мы попробуем разобраться в ключевых особенностях машинного обучения, рассмотрим из каких основных направлений состоит ML и как они используются. Основная цель этой статьи помочь начинающим специалистам разобраться с тем, что из себя представляет машинное обучение.Цель машинного обучения
Фильтруем политику и нецензурщину: как в «Эвоторе» защищают клиентский чат
В мире высоких технологий все больше и больше компаний внедряют голосовых и чат‑ассистентов в различные сегменты рабочих процессов. Они помогают обрабатывать рутинные задачи, ускоряют взаимодействие с пользователями и снижают нагрузку на сотрудников. Компания «Эвотор» находится в числе тех, кто активно занимается разработкой ассистента поддержки на базе llm — Евы, которая уже помогает тысячам пользователей ежедневно.
Как мы учили поиск понимать контекст: практическое руководство Купера для маркетплейсов
Когда слов недостаточно, поможет семантический поиск на ElasticsearchВ IT-сообществе только и разговоров об эмбеддингах, metric learning, косинусных расстояниях и семантическом поиске. На конференциях все рассказывают про нейросети и векторные пространства. Но если заглянуть под капот и посмотреть, что реально работает в поиске крупных маркетплейсов и e-commerce платформ, то там, как правило, он — добрый, старый полнотекстовый индекс.
Система мониторинга ML-моделей: что важно контролировать и почему
«Обучил, запустил и забыл» — плохая стратегия работы с ML‑моделями, но она часто встречается после удачного тестирования. Качество моделей может незаметно снижаться, и если пропустить этот момент — последствия могут дорого стоить. Когда мы начали задумываться о системе мониторинга, одна из наших моделей начала выдавать предсказания, которые требовали незамедлительного вмешательства в выстроенную работу. Но разум подсказывал, что проблема не в процессе, а в модели. О том, каким трудоемким оказалось наше расследование, и как мы восстанавливали и изучали каждую составляющую процесса почти вслепую, читайте по
Benchmark Driven Development: почему мы перестали верить чужим бенчмаркам
Каждый день появляются новые LLM, OCR, мультимодальные модели и агенты. В новостях — одни заголовки: «Модель X побила все бенчмарки». Руководство хочет «самое новое и передовое», команда — «самое лучшее по метрикам». А вот как понять, что конкретно для вашего кейса это действительно лучше — обычно не очень понятно.В этой статье расскажем, как мы пришли к подходу, который внутри называем Benchmark Driven Development (BDD) — разработка, движимая бенчмарками на своих данных. (Да, мы знаем, что BDD — это ещё и Behavior Driven Development, тут у нас своя расшифровка 🙂)Задача из практики: документы в одном длинном PDF
Нейросетевая модель интересов пользователя: как мы улучшили разнообразие и релевантность рекомендаций на главной Авито
Привет! С вами Ярослав Хныков — senior ML engineer в Авито. В статье расскажу, как мы повысили разнообразие и релевантность рекомендаций на главной странице. Покажу, как появляется выдача с однотипными рекомендациями, чем здесь помогает простой «блендер» категорий и как мы прокачали его с помощью модели интересов пользователя, основанной на трансформерах. В конце — результаты A/B-тестов, метрики и рекомендации, которые вы сможете забрать к себе в продукт.Статья будет особенно интересна специалистам, которые работают с рекомендательными системами.
