ruvds_статьи. - страница 7

MLOps — дитя DevOps и ML

literally meОдин ML-проект в проде вам или два другому? Внедрение машинного обучения в производственную среду остаётся одной из главных проблем индустрии. По статистике, 80% ML-проектов

продолжить чтение

Дадим крионике шанс? Замораживание без кристаллизации — эндотермические «эритроциты»

Мы можем сохранить внутреннюю микроструктуру криопациента, если используем эндотермические капсулы

продолжить чтение

Погружение в пиксели: знакомство с ZX Spectrum

продолжить чтение

Теория мышления от Петера Наура. Программирование на уровне потока сознания

продолжить чтение

Модели личности на LLM. Интервью с Турчиным

При общении с моделью личности может возникнуть чувство, что там кто-то есть...После выхода статьи «Сайдлоадинг и оффлоадинг: создание цифровых моделей личности с помощью сверхбольших промптов для LLM»

продолжить чтение

Растягиваем кошек, чтобы избежать переобучения. Аугментация данных в машинном обучении

продолжить чтение

Кручу-верчу, обмануть хочу: как испортить картинку, чтобы нейросеть стала умнее

продолжить чтение

Сайдлоадинг и оффлоадинг: cоздание цифровых моделей личности с помощью сверхбольших промптов для LLM

Оффлоадинг даёт возможность узнать вероятное мнение исторических личностей по современным вопросамВведение

продолжить чтение

«Привет! Я [0.44, -0.91, 0.66…]» или как научить машину понимать смысл слов

Я уверен, вы видели модели машинного обучения, которые принимают текст и предсказывают, является ли он спамом. Аналогично модель может проанализировать отзыв о фильме и определить его тональность — положительную или отрицательную, понимать что «груша» связана с «яблоком» куда больше, чем с «теплоходом». Первое правило обучения любой модели машинного обучения — это преобразование входных данных в числа. Любой цифровой объект можно представить как некое число: картинку, текст, аудио или видеофайл — практически всё что угодно.

продолжить чтение

«Привет! Я [0.44, -0.91, 0.66…]» или как научить машину чувствовать смысл слов

Я уверен, вы видели модели машинного обучения, которые принимают текст и предсказывают, является ли он спамом. Аналогично модель может проанализировать отзыв о фильме и определить его тональность — положительную или отрицательную, понимать что «груша» связана с «яблоком» куда больше, чем с «теплоходом». Первое правило обучения любой модели машинного обучения — это преобразование входных данных в числа. Любой цифровой объект можно представить как некое число: картинку, текст, аудио или видеофайл — практически всё что угодно.

продолжить чтение

1...5678910...14