ml.
Рекомендательные системы на SVD в .NET: практическое руководство с нуля
Это конспект-статья по итогам построения рекомендательной системы на C# - от идеи до рабочей модели на данных MovieLens. Изложено только главное, но в местах, которые обычно вызывают затруднения, старался разобрать максимально подробноГлавная цель: угадать оценку, которой ещё нетЕсть таблица: строки - пользователи, столбцы - фильмы, в ячейках - оценки (1-5).ТитаникРэмбоМатрицаНоттинг-ХиллАня51?5Борис
GLM-5.3: Z.ai выпустил новую модель
14 августа 2026 года компания Z.ai (бывшая Zhipu AI, Пекин) официально представила GLM-5.3 - новую версию своей флагманской линейки языковых моделей GLM-5. Анонс сопровождается слоганом "Built to Code. Ready for Cyber Defense" ("Создана для кода. Готова к киберзащите") и техническим блогом на z.ai/blog/glm-5.3.Z.ai впервые за всю серию GLM-5 явно позиционирует модель как инструмент не только агентной разработки, но и информационной безопасности область, которую индустрия ИИ традиционно считает зоной повышенного риска.
Как устроен нейропрофиль пользователя в рекомендациях VK
Привет! Меня зовут Михаил Трапезников, я руководитель группы рекомендательных технологий в AI VK.
Платформа — не самоцель: когда ML-разработку стоит унифицировать, а когда лучше остановиться, обсудили на «ИТ-Пикнике»
Машинное обучение часто воспринимают как работу над моделью: есть данные, алгоритм, обучение и результат. В крупных компаниях основная сложность постепенно перемещается в другое место. Одни и те же данные приходится готовить для разных проектов, модели — регулярно переобучать, эксперименты — проверять, а найденные решения — переносить между командами.На «ИТ-Пикнике» Сергей Кузнецов, руководитель разработки платформы рекомендаций и поиска MWS, показал на трех кейсах, почему в одних случаях лучше работать с полноценной ML-платформа, а в других — выгоднее остановиться на уровне библиотеки.
Масштабирование LLM: от одного чипа до ЦОДа. Глава 4. Тренировка трансформера
Предыдущая главаНаконец-то мы добрались непосредственно до того, как тренировать трансформер, и не просто тренировать, а делать это эффективно и масштабируемо.
Из софтварного инженера в AI рисерч или история 413 «нет»
Воронеж, аутсорс и стартапы, веб, конференции. Лондон, Meta, инфра, опен-сорс. Москва, Сколтех, вторая магистратура, первые публикации. Обратно в Лондон, Mistral AI и Revolut, индустриальный AI рисерч, постоянное чувство собственной тупости и предвкушение кучи приключений впереди. Впрочем, обо всем по порядку.
