TabFM против XGBoost: 5 фактов, которых нет в релизе
Всем привет, меня зовут Сергей Прощаев и в этой статье расскажу про то, что произошло с табличными данными летом 2026 года: появилась модель, которая делает предсказание по таблице вообще без обучения, и первые же замеры показали, что она обходит настроенный
Как я первый в Казахстане измерил ИИ видимость банков (и что из этого вышло)
Это моя первая публикация на Хабре, который я читаю уже лет 10... Так что, если честно, даже немного трясусь от волнения. Всё равно что смотреть футбол и выйти на поле в составе моего любимого Кайрата. Но постараюсь без лирики и перейду к делу. Итак, в 2026 году уже всем как будто понятно, что потенциальные клиенты всё чаще выбирают банк не в поиске, а в диалоге с нейросетью (хотя многие с этим до сих пор почему‑то спорят). На выходе клиент получает короткий список из трёх‑четырёх названий.
Как работают текстовые ИИ-вотермарки и как их обходить
Наверное уже многие знают, что в силу недавно вступивших в ЕС законов, регулирующих использование ИИ, провайдеры LLM обязаны помечать ИИ-сгенерированные тексты. Та же Claude недавно обновила справочную информацию о работе своей помечалки сгенерированного ИИ контента, в том числе и текста. Но в подробности его работы почему-то вдаваться не стала, как и размещать в публичном доступе средства добавления и обнаружения этих самых вотермарок.
Программный код летучий
В статье описывается Python пакет peacepie — экспериментальная фреймворк, реализующий акторную модель с динамически загружаемыми акторами из внешних пакетов во время выполнения. Основная область применения — автоматизация, бэкенд.
Как я устал ждать и написал* свой STEP-экспортёр для Allegro
*Навайбкодил, разумеетсяКак я дошёл до жизни такой
Книга: «Современная бизнес-аналитика. Увеличьте ценность данных с помощью Python и R»
Привет, Хаброжители!
В Telegram-бот пришли 300 человек. Через полгода регулярно возвращаются 11. Разбираю, где я накосячил
Привет, Хабр!Я снова про своего Telegram-бота для дисциплины. Каждая моя статья тут приводила в него новых людей. После последней за один день пришли 60 человек. Я тогда подумал: ну всё, полетело.Спойлер: не полетело.Сейчас в базе 299 аккаунтов вместе с моим. В аналитическом срезе 298. За последние семь дней ботом пользовались 11 человек. Средний DAU за месяц 7. Реферальная программа за всё время привела трёх человек.Трёх пользователей, Карл. Не процентов.
Почему цена Bitcoin «сломалась»: разбор аномалий 2022–2026 с WhyTrend
Увидел провал на графике → открыл Google или Twitter → полдня собираешь версии "почему". Знакомо? Детектор аномалий сам по себе даёт только точки на оси времени, а вопрос "почему" как был ручным, так и остаётся.В этот раз я прогнал WhyTrend не на паре аккуратных точек из Google Trends, а на полном ряде BTC за 4.5 года — и заодно на двух разных LLM. Результат оказался неожиданным: модель меньшего размера дала в три раза больше настоящих объяснений, чем более крупная. Расскажу, что случилось и почему.Что запускалиДанные — дневные close BTC/USDT, 1680 точек без единого пропуска, с 1 января 2022 по 7 августа 2026. Ключевое слово одно — Bitcoin
73 замечания начальника как датасет: делаем цифрового двойника рецензента
У меня есть руководитель, который очень хорошо ревьюит документы. Настолько хорошо, что один его проход по моим текстам породил 73 комментария. За один день.Первая реакция была ожидаемая: сесть и править. Вторая пришла минут через десять и оказалась продуктивнее: это же датасет.Дальше — история о том, как замечания одного конкретного человека превратились в чек-лист из 16 правил, чек-лист — в этап конвейера, а следующая партия документов ушла без единой правки по старым паттернам. С кодом, промптами и одним неудобным вопросом в конце.Контекст: что за документы
