Интеллект уровня GPT-4o прямо на вашем телефоне!

MiniCPM-V 4.5 обеспечивает производительность ИИ корпоративного уровня при всего 8B параметров, превосходя модели вроде GPT-4o, Gemini-2.0 Pro на визуальных и языковых задачах.

Поддержка 30+ языков

Плавно работает на iPhone/iPad

Полностью опенсорс: GitHub

👉 @DataSciencegx

Наткнулся на мощную подборку реальных кейсов применения ML-систем. Более 500 примеров из компаний вроде Spotify, Netflix, Discord и других.

Ссылки ведут прямиком на инженерные блоги, где разложено по полочкам, что и как они делали

Зацените здесь

👉 @DataSciencegx

Теорема Байеса: наглядное объяснение

👉 @DataSciencegx

Кладезь машинного обучения: репозиторий Machine-Learning-Projects

Здесь собрано более 20 проектов, охватывающих темы от компьютерного зрения до обработки естественного языка

Вот парочка крутых проектов из коллекции:

🔸Gender and Age Detection — Определение пола и возраста человека по изображению лица с использованием глубокого обучения и OpenCV.
🔸Medical Chatbot — Медицинский чат-бот, использующий обработку естественного языка для предоставления вероятных диагнозов на основе симптомов.
🔸Driver Drowsiness Detection — Реальное время обнаружения сонливости водителя с помощью OpenCV и CNN, чтобы обеспечить безопасность на дороге.

Каждый проект снабжён подробными описаниями и кодом, так что можно не только посмотреть, но и пощупать самому

👉 @DataSciencegx

Роадмап по AI Engineering, которому реально могут следовать новички. Всё построено на 100% бесплатных, опенсорс и комьюнити-ресурсах

Все ресурсы можно найти здесь: GitHub

👉 @DataSciencegx

8 архитектур RAG для AI-инженеров

👉 @DataSciencegx

Это лучший способ понять, как на самом деле работают ML-модели

Используйте Drawdata, чтобы нарисовать 2D-датасет прямо в Jupyter. С его помощью можно интерактивно выбирать данные через виджет и обновлять модель по мере того, как данные добавляются

Полностью интерактивно, в реальном времени и с открытым исходным кодом

👉 @DataSciencegx

Open-source RAG-стек (2025)

👉 @DataSciencegx

Обучайте модели ИИ на данных, которых даже не существует

SDV — это open-source фреймворк, который с помощью ML изучает паттерны ваших реальных данных и генерирует синтетические табличные данные в больших масштабах.

Поддерживает встроенную анонимизацию, валидацию и многое другое.

GitHub: SDV

👉 @DataSciencegx

Бесплатный курс, чтобы научиться строить LLM с нуля, используя только чистый PyTorch

Этот курс проведёт вас через весь жизненный цикл: от базовых концептов до продвинутых техник алайнмента

К концу у вас будет глубокий практический опыт, достаточный, чтобы собирать и кастомизировать собственные LLM

https://www.youtube.com/watch?v=p3sij8QzONQ

👉 @DataSciencegx

11 типов переменных в датасете наглядно

👉 @DataSciencegx

Забирайте в закладки этот бесплатный визуальный гайд по эмбеддингам LLM

Ты узнаешь:
- Что такое эмбеддинги?
- Каким должен быть хороший эмбеддинг?
- Традиционные техники эмбеддингов
- BERT
- Эмбеддинги в современных LLM
- Эмбеддинги в действии
- Эмбеддинги как графы: анализ сети

Ссылка: LLM Embeddings Explained: A Visual and Intuitive Guide

👉 @DataSciencegx

4 стратегии, которые используют LLM для генерации текста

👉 @DataSciencegx

Сооснователь super.com, который сам разработчик и у его компании годовой ревенью $200M, собрал список материалов по тому, что он сам выучил про ИИ, и сказал: «Прочитайте это за две недели»:

https://github.com/henrythe9th/AI-Crash-Course

Я посмотрел, что он там накидал - реально интересно. В основном это базовые статьи по искусственному интеллекту, и действительно для успеха нет короткого пути: нужно учиться :)

👉 @DataSciencegx

MCP-серверы могут предоставлять богатые UI-возможности

MCP-серверы в Claude/Cursor пока не предлагают никакого UI, например, графики. Это просто текст/JSON.

mcp-ui позволяет добавлять в вывод интерактивные веб-компоненты, которые может отрендерить MCP-клиент.

Забираем с GitHub

👉 @DataSciencegx

Годный проект с GitHub, который предоставляет единое sandbox-окружение для разработки AI-агентов. Он объединяет браузер, терминал, файловую систему, VS Code и Jupyter в одном Docker-контейнере, готовый к использованию "из коробки".

Все компоненты работают с общей файловой системой: файл, скачанный в браузере, сразу доступен в терминале или коде.

В контейнер также предустановлены несколько MCP-серверов, благодаря чему AI Agent может напрямую вызывать различные возможности без дополнительной сложной настройки окружения.

Есть поддержка Chrome DevTools Protocol для программного управления браузером, а также встроенный порт-форвардинг и мониторинг сервисов для удобного предпросмотра и отладки веб-приложений.

Предоставляются SDK для Python, TypeScript и Golang, запуск возможен в один клик через Docker.

GitHub: AIO Sandbox

👉 @DataSciencegx

Генеративные vs. дискриминативные модели в ML

(популярный вопрос на собеседованиях по ML)

👉 @DataSciencegx

Эта статья Себастьяна Рашки пошагово проводит через реализацию self-attention с нуля, далее расширяя разбор до multi-head и cross-attention, с понятными объяснениями и примерами кода на PyTorch.

Обязательное чтение, если хотите глубоко разобраться в трансформерах. Читайте здесь

👉 @DataSciencegx

Когда мы говорим про RAG, обычно думают так: проиндексировал документ → потом извлёк тот же самый документ.

Но индексация ≠ извлечение.

Данные, которые ты индексируешь, не обязаны быть теми же данными, которые ты подаёшь в LLM во время генерации.

Вот 4 умных способа индексировать данные:

1) Chunk Indexing (индексация чанков)

🔹Самый распространённый подход.

🔹Документ разбивается на чанки, затем каждый чанк преобразуется в эмбеддинг и сохраняется в векторную БД.

🔹При запросе извлекаются ближайшие чанки по косинусному сходству (или другому метрике).

Просто и эффективно, но слишком большие или «шумные» чанки могут снизить точность.

2) Sub-chunk Indexing (индексация под-чанков)

🔹Берём исходные чанки и дополнительно разбиваем их на более мелкие под-чанки.

🔹Индексируем именно эти мелкие фрагменты.

🔹При извлечении всё ещё возвращаем более крупный чанк для контекста.

Этот подход полезен, если документ содержит несколько разных концепций в одном разделе - повышается шанс точного совпадения с запросом.

3) Query Indexing (индексация по запросам)

🔹Вместо того чтобы индексировать сырой текст, генерируются гипотетические вопросы, на которые, по мнению LLM, данный чанк может ответить.

🔹Эти вопросы эмбеддятся и сохраняются.

🔹При реальном запросе пользователя поиск происходит по этим «синтетическим» вопросам.

🔹Похожая идея используется в HyDE, но там сопоставляется гипотетический ответ с реальными чанками.

Отличный вариант для систем вопрос–ответ (QA), поскольку он сокращает семантический разрыв между пользовательским запросом и индексированными данными.

4) Summary Indexing (индексация по суммаризации)

🔹Используется LLM, чтобы сгенерировать краткое семантическое представление (summary) для каждого чанка.

🔹В индекс попадает именно summary, а не исходный текст.

🔹При извлечении возвращается оригинальный чанк для контекста.

Особенно эффективно для плотных или структурированных данных (например, CSV или таблиц), где эмбеддинги сырого текста не дают осмысленных результатов.

👉 @DataSciencegx

3 ключевые свойства следа матрицы в Deep Learning

1. L2-регуляризация: Квадрат нормы Фробениуса, ||W||² = tr(WᵀW), используется для штрафования больших весов и предотвращения переобучения.

2. Вычисление градиентов: Циклическое свойство следа, tr(AB) = tr(BA), упрощает вывод матричных производных при обратном распространении ошибки (backpropagation).

3. Инвариантность: След инвариантен к замене базиса, tr(P⁻¹AP) = tr(A); это свойство используется при поиске нового, более удобного базиса в PCA.

👉 @DataSciencegx