BlackWave: Как я создал симулятор соцсети с тысячами ИИ-ботов и почему перешёл на Python
Привет, Хабр! Меня зовут Владислав, в сети я известен как Metimol. Хочу поделиться историей создания моего open-source проекта BlackWave — симулятора социальной сети, где реальные пользователи могут взаимодействовать с тысячами автономных ИИ-ботов. У каждого из них есть уникальный характер, память и собственная модель поведения. Это был путь от безумной идеи до неожиданной коллаборации, полного переосмысления стека и, наконец, до релиза.Идея: Социальная сеть для одного
5 техник, применяемых в анализе временных рядов, которые должен знать каждый. Часть 2
В этом руководстве мы будем разбираться, как повысить качество прогнозирования с помощью машинного обучения, используя точные методы разделения данных, перекрестную проверку временных рядов, конструирование признаков и многое другое!Конструирование признаков для временных рядов: создание идеального рецепта данныхВ отличие от традиционных наборов данных, где объекты часто остаются статичными, данные временных рядов обладают уникальными временными паттернами, которые необходимо использовать для извлечения значимых признаков.
Обучение с гарантированным трудоустройством – в чем подвох?
Недавно один из подписчиков моего канала по обучению Python рассказал, как с ним связались из одной конторы и предложили довольно интересные условия обучения – 250 к за всю программу плюс гарантированное устройство в этой же компании после завершения, с начальной зарплатой 80 – 100 к. Причем направление перспективное – машинное обучение и искусственный интеллект. Представились, как АНО Цифротех.
Создаем свой RAG: от загрузки данных до генерации ответов с LangGraph. Часть 2
Привет, Хабр!В этой статье я объясню, как работает технология RAG (Retrieval-Augmented Generation), и покажу её базовые реализации. Для примеров я буду использовать фреймворк LangGraph — его основы я разбирал в предыдущей статьеВ конце статьи вас ждет дополнительный пример, поэтому дочитывайте до конца. Как устроен RAGТехнология RAG состоит из двух ключевых компонентов:Индексация (Indexing)Загрузка данныхРазбиение на фрагменты Векторизация Хранение Поиск и генерация (Retrieval and Generation)
Обыгрываем казино, с блэкджеком и стратегиями
В данной статье будет рассмотрена работа с библиотекой gymnasium для изучения машинного обучения с подкреплением. Реализация агента, который использует метод машинного обучения q-learning
Стартовал ежегодный конкурс по ИИ для детей и молодёжи AI Challenge
Компания «Сбер» объявила о старте международного конкурса по искусственному интеллекту для детей и молодёжи AI Challenge. В конкурсе участники из России и других стран мира смогут прокачать навыки работы с искусственным интеллектом, решая реальные бизнес‑задачи. Регистрация на конкурс продлится до 22 сентября 2025 года. С 2025 года в конкурсе могут принять участие, кроме школьников, ещё и студенты (до 25 лет), обучающиеся по программам среднего профессионального и высшего образования.
Вычисление функции потерь и градиентов в AI переводчике
Привет, Хабр!Меня зовут Алексей Рудак, я основатель компании Lingvanex, которая разрабатывает решения в области машинного перевода и транскрипции речи. Продолжаю цикл статей о том, как устроен переводчик на нейронных сетях изнутри. И сейчас хочу рассказать про работу функции потерь. Для тренировки модели используется opensource фреймворк OpenNMT-tf.
Как я на спор делал ИИ-агента: 3 пути, 2 часа, 1 кэс
Поспорил с коллегой, что соберу своего ИИ-агента за вечер. Он посмеялся, я завёл терминал.За 19 лет в айти я участвовал в автоматизации процессов, писал ботов, даже обучал нейросети для поиска багов. Но вот чтобы сделать персонального ИИ-агента — такого, который реально помогает, а не просто болтает — руки не доходили. Пока не появился повод в виде лёгкой подколки в чате.Пошёл по трём направлениям: кастом на LangChain, локальная сборка через Ollama и no-code-конструкторы. Где-то пришлось попотеть с кодом, где-то — удивиться, насколько просто всё работает.
