Бесшовный переход в индустрию: как закрыть разрыв между вузом и реальным ИИ‑проектом
Сейчас в России активно развивается программа найма стажёров (1, 2, 3, 4, 5, 6
ML‑пайплайн как конечный автомат: от данных до аудита решений
Привет, Хабр! Меня зовут Андрей Бирюков. Я — независимый эксперт в области ИТ и ИБ, преподаю в учебных центрах и пишу статьи и книги. Сегодня мы поговорим об очень злободневной теме — отладке. Да, для машинного обучения эта тема тоже очень актуальна. Давайте представим, что вы выкатили новую модель в продуктив. Через неделю бизнес приходит с вопросом: «Почему в пятницу модель одобрила кредит клиенту с просрочкой, а в понедельник — отказала такому же?»
CI-CD для данных и моделей на Airflow: как мы деплоим прогноз спроса в «Магните»
Привет, Хабр! Меня зовут Евстифеев Илья, я главный разработчик ML в команде MLOps FnR (Forecast & Replenishment) в MAGNIT TECH. Наша команда:Ислам Янгуразов
К2 НейроТех запустил калькулятор ИИ-зрелости для оценки инфраструктурной готовности бизнеса
К2 НейроТех запустил калькулятор ИИ-зрелости для оценки инфраструктурной готовности бизнеса
Коробка с нейросетями: готовая ИИ-инфраструктура, которая просто работает
Коробка с нейросетями: готовая ИИ-инфраструктура, которая просто работает
Оценка быстродействия детекторов YOLO на Raspberry Pi 5 HAT+
В предыдущей статье я описал процесс компиляции модели yolo8n в HEF-файл для нейрочипа HAILO-8L в модуле HAT+. В этой работе я оцениваю быстродействие инференса нескольких моделей YOLO для этого же чипа. Задумка
Как компании строят MLOps без собственной ML-платформы: managed-сервисы
Всем привет! Меня зовут Катерина Цаплина, я AI Architect и программный эксперт курса «MLOps для разработки и мониторинга моделей». Работаю на стыке ML, инфраструктуры и корпоративной архитектуры в крупной промышленной компании и на практике вижу, насколько непросто выстраивать такие процессы в реальной организации. Это четвёртая и финальная статья цикла о том, как компании реализуют MLOps. В предыдущих частях мы разобрали, как компании могут строить MLOps в целом
От legacy до промышленной платформы: инженерная эволюция OSA в «Магнит»
Как мы провели проект через четыре «эпохи» - от ручных запусков на Windows‑планировщике до Spark + k8s на масштабе сети
Побеждаем нестабильность данных
Привет, Хабр! Меня зовут Андрей Бирюков. Я — независимый эксперт в области ИТ и ИБ, преподаю в учебных центрах и пишу статьи и книги. Давайте на секунду представим почти реальную ситуацию: вы настроили модель прогнозирования спроса в ритейле. И сначала всё работало идеально, но потом наступила очередная «Черная пятница» (или локдаун, или новый конкурент на рынке) — и модель начала катастрофически ошибаться. То есть, данные изменились, модель устарела, а бизнес начал терять деньги. В этой статье мы посмотрим, какие проблемы возникают при таком изменении, и что с этим можно сделать.
Как оптимизировать инференс LLM: кеширование, время ответа и GPU-ресурсы
Вы запустили LLM-инференс в продакшене.
