ChernovDev – Telegram
ChernovDev
1.29K subscribers
720 photos
40 videos
166 files
943 links
Эй ай и вот это вот всё. Qlik
https://chernovdev.ru/
https://vkvideo.ru/@chernovdev
Download Telegram
🆕 qlik_download : qlik_sense_server

📂 Qlik_Sense_update.exe (763.38 MB)
📂 Qlik_Sense_update.exe.md5 (32.00 B)

🔎 tags: #qlik_sense_server #november_2024 #november_2024_patch_23 #qlik_sense_server_november_2024_patch_23

🔗️ release url

🕔 last update : 2025-11-26 14:50:02

✍️ by @chernovdev
🔥1
🆕 qlik_download : qlik_sense_server

📂 Qlik_Sense_update.exe (138.68 MB)
📂 Qlik_Sense_update.exe.md5 (32.00 B)

🔎 tags: #qlik_sense_server #november_2025 #november_2025_patch_1 #qlik_sense_server_november_2025_patch_1

🔗️ release url

🕔 last update : 2025-11-26 14:24:04

✍️ by @chernovdev
🔥2
Gigachat - no comments
1😁12🔥5🏆1🤨1
Почему все пишут "Меня взломали" ?

Ну правда же проста - "Я сам предоставил доступ к своему аккаунту какому то мошеннику!"

Хватит врать уже наконец то !
😁7🏆1
1
В общем есть непонятный баг в #cursor,
Он заключается в том, что через какое то время у меня дико начинает тупить и долго думать выполнение команд (ну типа git ... cd и прочее)

Лечится это переустановкой и удалением всяких разностей
У меня macos, список команд для удаления (после удаления из программ) :

rm -rf ~/Library/Caches/com.cursor
rm -rf ~/Library/Caches/Cursor
rm -rf ~/Library/Application\ Support/Cursor
rm -rf ~/Library/Preferences/com.cursor
rm -rf ~/Library/Saved\ Application\ State/com.cursor
rm -rf ~/.cursor
rm -rf ~/Library/Logs/Cursor
rm -rf ~/Library/LaunchAgents/com.cursor
rm -rf ~/Library/QuickLook/Cursor

В целом там грохнулось порядка 7гигов всякостей
На заметку...
🔥3🤨1
Qlik_Sense_Desktop.unlock
830 B
Совсем забыл, новый анлок файл для QS Desktop
Срок до 2026-03-01 14:30:30 UTC

#trial@chernovdev
🔥9
вайб канбан! ну конечно!

https://github.com/BloopAI/vibe-kanban
😁71
Забавно, мне vk предложил посмотреть мое же видео 😂
🔥94😁3
openai решил всех запутать окончательно - нафига столько то????? (список не полный)
🤷‍♂1
Всем привет!
Посмотрим как будет дальше развиваться эпопея с мессенджерами, но я на всякий случай оставлю тут чатик в махе.

Залетайте по ссылке: https://max.ru/join/f_EvMfEM2O_WmJSMHlXqClS3sZ6YbMLK_utaFWoDxsY


Я конечно все понимаю, но пока регать на ИП - канал, не хочется, посмотрим как оно будет дальше.
1👎3🔥22
This media is not supported in your browser
VIEW IN TELEGRAM
В #cursor приехала афигенная фича - можно в браузере встроенном редактировать css, а потом просто жмем apply и курсор сам внесет изменения в проекте!
2🔥1
🚀 Премьерный вебинар DataForge — 16 декабря, 12:00

Приглашаем на вебинар, где мы впервые покажем DataForge – российскую self-service платформу для централизованного управления аналитическими данными.

Это новый инструмент, обеспечивающий прозрачную бизнес-логику и быструю разработку и сопровождение слоя Data Mart – возможно, единственное решение такого уровня в России!

В стеке с ClickHouse DataForge формирует витрины и сразу обеспечивает согласованность расчётов – без ручной работы.

⚡️ На вебинаре разберем:
• какие задачи решает DataForge и как ускоряет BI,
• как устроены семантический слой и реестр показателей,
• как автоматически создаются и публикуются витрины,
• как изменения логики мгновенно попадают во все системы.

🎙 Спикеры – технический директор и владелец продукта DataForge.

Участие бесплатное! Забронировать место на вебинаре.

Все новости о продукте – в канале: t.me/dataforge_team
🔥31
📚 AI Playbook для устойчивого развития от Google

Google выпустил практическое руководство по применению ИИ в отчетности по устойчивому развитию (ESG). Документ основан на почти двухлетнем опыте компании и предлагает:

5-шаговый фреймворк для внедрения ИИ в процессы отчетности
Карта возможностей — где ИИ дает максимальный эффект: анализ данных, генерация контента, взаимодействие со стейкхолдерами
Готовые промпты и кейсы из реального цикла отчетности Google 2025 года
Лучшие практики: как масштабировать решения и избежать типичных ошибок

Главный посыл: ИИ — не замена людям, а инструмент для автоматизации рутинных задач (обработка данных, проверка заявлений, создание черновиков), что позволяет экспертам сосредоточиться на стратегии и принятии решений.

Забрать можно по ссылке к новости https://blog.google/outreach-initiatives/sustainability/ai-playbook-sustainability-reporting/

или в комментарии в телеге
У Алисы есть промптхаб, ого, а я и не знал.
Можно поискать готовые промпты под множество идей.
А какой у вас любимый промпт?

https://alice.yandex.ru/prompthub/
Forwarded from Machinelearning
🌟 TurboDiffusion: ускорение генерации видео в 100+ раз.

Суровая реальность нашего времени: вы хотите сгенерировать 5-секундное видео на большой SOTA-модели. Вы запускаете промпт, идете пить кофе, возвращаетесь, а процесс все еще идет. И зачастую генерация может занимать больше часа.

Главные виновники - чудовищная вычислительная сложность механизма внимания в трансформерах, необходимость сотен шагов денойзинга и огромный объем памяти для весов в полной точности.


Авторы проекта TurboDiffusion из Цинхуа и Беркли решили собрать все эффективные методы сжатия и ускорения в один пайплайн. Их идея заключалась в том, что разреженность и квантование — это техники, которые не мешают друг другу.

🟡Архитектура держится на 3-х китах оптимизации:

🟢Заменили стандартное внимание на гибрид из SageAttention2++ и Sparse-Linear Attention (SLA), который превратил квадратичную сложность в линейную. чтобы модель фокусировалась только на важных токенах.

🟢Дистиллировали сэмплинг через rCM - вместо стандартных 50–100 шагов модель приходит к результату всего за 3-4 шага без потери сути изображения.

🟢Перевели и веса и активации линейных слоев в INT8 используя блочное квантование, чтобы не потерять точность.

В довершении ко всему смогли объединить после файнтюнинга под SLA и дистилляции rCM веса в единую модель, избежав конфликтов.

🟡Результаты бенчмарков выглядят как опечатка, но это не она.

На RTX 5090 время генерации для тяжелой модели Wan2.2-I2V 14B упало с 69 минут до 35.4 секунд. А для более легкой Wan 2.1-1.3B - с почти 3-х минут до 1.8 секунды.

Это ускорение больше чем в 100 раз.

При этом, судя по примерам, визуальное качество осталось практически неотличимым от оригинала.


📌Лицензирование: Apache 2.0 License.


🟡Набор моделей
🟡Техотчет
🖥GitHub


@ai_machinelearning_big_data

#AI #ML #I2V #T2V #TurboDiffusion
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥43
Forwarded from Machinelearning
📌Итоги года от Андрея Карпаты.

2025 год был захватывающим годом для языковых моделей.

Они проявились как новый вид интеллекта, одновременно гораздо более умный и гораздо более глупый, чем я ожидал. Я думаю, что индустрия не реализовала хотя бы 10% их потенциала даже при нынешних возможностях.

Я одновременно верю и в то, что мы увидим быстрый и непрерывный прогресс, и в то, что впереди еще очень много работы.

Пристегнитесь.


🟡Обучение с подкреплением на основе проверяемых вознаграждений (RLVR)

В 2025-м стек обучения LLM дополнился новой ключевой стадией оптимизации по объективным наградам. Он заставляет модели самостоятельно находить стратегии рассуждения.

Прогресс года в том, что создание моделей стало не про увеличение размера модели, а про более длительные RLVR-прогоны.

Это также дало новый рычаг управления: "время размышления" на инференсе. Первопроходец - OpenAI o1, а переломный момент - o3.

🟡Интеллект современных LLM принципиально отличен от человеческого

Интеллект LLM формируется под давлением специфических оптимизаций и на выходе мы имеем резкие всплески способностей в рядом с грубыми ошибками.

Из-за этого бенчмарки теряют смысл: под них напрямую оптимизируются, что не ведёт к созданию AGI.

🟡Cursor - это новый слой LLM-приложений

Это не просто интерфейс к условной модели, а сложная оркестрация работы LLM под конкретные вертикали, c управляемым контекстом, вызовами и интерфейсом.

Cursor создаёт отдельную ценностную прослойку между LLM-лабораториями и конечными пользователями.

🟡Claude Code

В отличие от облачных агентов, он использует ваши данные, контекст и инструменты для ризонинга и вызова инструментов.

Его фишка - в низкой задержке, приватности и глубокой интеграции в рабочее окружение. Это сдвиг от ИИ как «сайта» к напарнику-помощнику в вашей системе.

Я думаю, OpenAI допустили ошибку, сосредоточив свои усилия по созданию агентов в облаке и управляемых из ChatGPT, вместо localhost.


🟡Вайб-кодинг

В 2025 году ИИ преодолел порог, позволяющий через текстовые инструкции создавать работающие программы.

Это демократизирует программирование, позволяя непрофессионалам писать код, а экспертам - быстро прототипировать без глубокого погружения.

Код становится эфемерным, гибким и бесплатным ресурсом.

Забавно, что я придумал термин «вайб-кодинг» в этом твите с мыслями из душа, совершенно не представляя, как далеко это зайдет :)


🟡LLM GUI и Nano banana

Взаимодействие с ИИ через чат - это аналог командной строки 80-х, неудобный для человека.

Будущее за LLM GUI интерфейсом, где ИИ общается визуально (инфографика, анимации, веб-приложения).

Nano banana - ранний пример такого взаимодействия, в ней объединены генерация текста, изображений и общие знания.

Google Gemini Nano banana — одна из самых невероятных, меняющих парадигму моделей 2025 года.


🔜 Читать статью полностью


@ai_machinelearning_big_data
Please open Telegram to view this post
VIEW IN TELEGRAM
Я тут с интересным докладом пришел от Эндрю Нг, полное видео по ссылке

▌ Описание автора:


Имя: Эндрю Нг (Andrew Ng)

Достижения:

- Один из ведущих экспертов в области искусственного интеллекта и машинного обучения.
- Основатель и генеральный директор Landing AI, основатель deeplearning.ai и соучредитель Coursera.
- Бывший вице-президент и главный научный сотрудник Baidu, где он возглавлял группу AI.
- Профессор Стэнфордского университета, где он преподавал курсы по машинному обучению.
- Известен своими вкладами в развитие глубокого обучения и популяризацию AI через онлайн-курсы и образовательные инициативы.

▌ 10 топ-выводов из доклада:

1. Золотой век AI: Сейчас лучшее время для построения карьеры в AI, так как технологии развиваются стремительно.
2. Ускорение разработки: AI ускоряет процесс создания программного обеспечения, что делает продукт-менеджмент более важным.
3. Окружение: Успех в карьере зависит от людей, с которыми вы работаете. Важно окружать себя мотивированными коллегами.
4. Эволюция AI: AI будет продолжать развиваться, и сложность задач, которые он может решать, будет расти.
5. Риски и возможности: Несмотря на риски, связанные с AI, такие как предвзятость и этические вопросы, возможности для инноваций остаются значительными.
6. Продуктивность: AI ускоряет процесс разработки, что позволяет быстрее создавать более мощные решения.
7. Бизнес-фокус: В условиях конкуренции важно понимать бизнес-ценность AI и уметь ее демонстрировать.
8. Ответственность: Ответственность за AI эволюционирует, и важно учитывать этические аспекты и риски.
9. Тенденции: Важно следить за тенденциями в AI и уметь отделять шум от реальных возможностей.
10. Образование: Постоянное обучение и развитие навыков в области AI являются ключевыми для успеха в этой сфере.
2🔥1🏆1
Собственно, это я всё к чему.
Наступил действительной интересный момент в жизни многих ИТ специалистов (без разницы в какой вы должности), ключевая суть заключается в том, что вы можете написать для себя множество сервисов в каком то ииШном IDE, где стоимость разработки "для себя", будет сопоставима со стоимостью подписки SaaS в месяц.

Задача на подумать: какие сервисы вы оплачиваете ежемесячно, почему еще не написали для себя более удобный сервис?
4