ml.
Экономика плохих данных, ИБ‑угрозы от ИИ и zero‑vendor: открываем регистрацию на Data & AI Talks 7.0
Вы тоже сталкивались с тем, что ИТ‑конференции про искусственный интеллект и данные часто уходят в крайности? Когда вместо реальных кейсов приходится слушать либо теоретический хайп в духе «ИИ заменит всех к пятнице», либо замаскированную под доклад презентацию очередного вендорского продукта?
Тернарная нейронка на C#
ОглавлениеВас всю жизнь обманывалиГрадиентПроблема FP32BF16FP8FP4? MXFP4!Бит vs ТритB1.58Ternary LLMИтогоВведениеДавайте заранее договоримся, в статье термин емкость
Cognition выпустила Fusion для Devin Desktop и CLI: две ИИ‑модели делят одну задачу
11 сентября Cognition объявила о доступности Fusion в Devin Desktop и CLI. Ранее система работала в облачном Devin. Теперь связку из ведущей модели и исполнителя можно использовать в десктоп приложении и терминале. Компания рекомендует сочетание Claude Fable 5.1 и SWE-2.
Один ИИ кодит, второй командует: как устроен Devin Fusion
11 сентября Cognition объявила о доступности Fusion в Devin Desktop и CLI. Ранее система работала в облачном Devin. Теперь связку из ведущей модели и исполнителя можно использовать в десктоп приложении и терминале. Компания рекомендует сочетание Claude Fable 5.1 и SWE-2.
InfoWatch Data Discovery меняет подход к файловому аудиту
В обновлении InfoWatch Data Discovery 2.2 появился модуль ML-кластеризации, который автоматически систематизирует 100% файлов и может многократно ускорить файловый аудит.
Открываем претрейн Alice AI Search: как устроена модель быстрых ответов Алисы на Поиске
Быстрый ответ Алисы AI — это самый массовый генеративный продукт Яндекса и первое соприкосновение с Алисой для пользователей Поиска.
Hugging Face выпустила ML Intern — агента для обучения и публикации моделей
Hugging Face добавила в HuggingChat AI‑агента ML Intern для задач, связанных с машинным обучением. В компании его описывают как автономного ML‑инженера: пользователь формулирует задачу на естественном языке, а агент изучает документацию, подбирает данные и модели, генерирует код, запускает вычисления и сохраняет полученные артефакты.
Прыжок в бесконечность: как под капотом работает RBF SVM
Всех приветствую! Меня зовут Андрей, я студент 4 курса факультета математики и компьютерных наук, автор телеграм‑канала Andre | Data Science. Все мы знаем, что направление машинного обучения сейчас на огромном хайпе — практически из‑под каждого камня говорят о разных методах и о том, что они способны решить практически любую задачу. Но гайдов, которые бы подробно разбирали работу конкретного метода — от обычной загрузки данных до математического обоснования принципа его работы и визуализации каждого шага, — катастрофически мало.
