Data Science | Machinelearning [ru] – Telegram
Data Science | Machinelearning [ru]
20.1K subscribers
630 photos
39 videos
29 files
3.52K links
Все о Data Science, машинном обучении и искусственном интеллекте: от базовой теории до cutting-edge исследований и LLM.

По вопросам рекламы или разработки - @g_abashkin

РКН: https://vk.cc/cJPGXD
Download Telegram
​​😎Введение в архитектуру MLOps

В этой статье автор расскажет как ускорить разработку и внедрение новых моделей, а также обеспечить их надежную и эффективную работу на всех этапах жизненного цикла.

Читать...
​​👾Добавляем DALL-E 3 в свой ChatGPT бот в Telegram

В этом туториале мы добавим генерацию изображений с помощью DALL-E 3 в наш Telegram чат-бот.

Читать...
​​👨Использование Insightface для быстрого поиска и сравнения лиц на изображениях

В этой статье я рассмотрю кейс поиска «близнецов» в паспортных данных, которые были размещены в pdf‑файлах, насчитывающих десятки, а порой и сотни страниц.

Читать...
​​😵Обзор современных подходов персонализации диффузионных нейронных сетей

В данной статье я расскажу о современных подходах к персонализации text-to-image моделей на базе открытой архитектуры Stable Diffision, а также делюсь техническими подробностями каждого подхода и анализирую их применимость в реальных высоконагруженных системах.

Читать...
​​😶‍🌫️Как расширить компетенции аналитиков при работе с Big Data

В данной статье мы решили рассмотреть вопрос повышения эффективности работы единого хранилища данных компании.

Читать...
​​👤Персонализация тарифного плана для новых абонентов: как оцифровать привлекательность

В этой статье поговорим о том, как с помощью ML определить оптимальные параметры тарифа для абонентов с короткой историей, и как посчитать привлекательность полученного тарифа.

Читать...
​​Вкатываемся в Machine Learning с нуля за ноль рублей: что, где, в какой последовательности изучить

Всем доброго времени суток. Я давно обещала выложить сюда подробный гайд на тему того, как можно изучать Machine Learning самостоятельно, не тратя деньги на платные курсы, и, наконец, выполняю свое обещание. Надеюсь, этот гайд станет подсказкой, которая поможет найти правильное направление новичкам, которые хотят погрузиться в нашу область.

Читать...
​​👍5 уровней зрелости MLOps

В этой статье мы рассмотрим пять уровней зрелости MLOps, основанных на лучших практиках Google и Microsoft, обсудим эволюцию от ручного развёртывания до автоматизированных инфраструктур, подчеркнув преимущества, которые приносит каждый уровень.

Читать...
​​🖼Практический пример использования модели детекции изображений

В данной статье автор рассмотрит, как пользоваться моделями детекции изображений на практике.

Читать...
​​🧑‍💻Хакатоним эффективнее: как поднять удаленный сервер MLflow Tracking для команды

В этой статье я расскажу о том, как реализовать удаленный сервер MLflow Tracking, даже если у читателя нет опыта взаимодействия с удаленными виртуальными машинами (ВМ).

Читать...
​​🚀Как оптимизировать процесс привлечения клиентов B2B с помощью методов Продвинутой Аналитики

В этой статье мы поделимся примером первого практического применения Продвинутой Аналитики в процессах стратегического бизнес-планирования численности ресурсов Сети для привлечения клиентов Юридических Лиц.

Читать...
​​Хотите разобраться в языковых моделях? Учитесь у профессионалов и получайте знания из первых рук — на интенсиве GPT Week Школы анализа данных Яндекса!  

Эксперты ШАДа, разрабатывающие YandexGPT, подготовили насыщенную 5-дневную программу. Вы узнаете, как запустить генеративную модель на ограниченных ресурсах, какие вызовы есть в сборе гигантских датасетов и в чём особенности предобучения и alignment. Каждый участник сможет задать вопросы спикерам, а также познакомиться с устройством YandexGPT — от деталей создания до сложных инженерных аспектов. 

Что ещё нужно знать? Интенсив пройдёт онлайн с 27 ноября по 1 декабря. Участие бесплатное, но потребуется регистрация. Записаться и посмотреть программу можно на сайте.

Реклама. ООО «Яндекс», ИНН 7736207543.
​​🧠OpenAI GPTs: пошаговое руководство для создания с практическими примерами, ACTIONS и внешние API

В этой статье я расскажу как создавать кастомные GPTs под конкретные задачи и приведу примеры практических реализаций.

Читать...
​​👾ChatGPT плохо отвечает на «простые вопросы». Как это починить?

В этой статье я расскажу о нашей последней работе — Multilingual Triple Match — системе для поиска ответов на фактологические вопросы, которая по своей точности обходит даже ChatGPT.

Читать...
​​🧐Обучение с подкреплением: 10 вариантов применения

В этой статье мы с вами рассмотрим некоторые из реальных применений обучения с подкреплением.

Читать...
​​🤖Модельный риск: как увеличить эффективность работы ML моделей в большой компании

В этой статье расскажем о том, как можно сделать машинное обучение в компании более эффективным, какие бывают риски у ML моделей и как на них реагировать, а также делимся своим опытом, как мы построили систему по модельному риску в X5 Tech – компании с сотнями ML моделей в production.

Читать...
​​👾Генеративная «уловка-22», или Почему ИИ плохо отличает сгенерированные тексты от написанных человеком

В этой статье мы разберём, почему инструменты определения сгенерированных текстов так неточны и можно ли с этим что-нибудь сделать.

Читать...
​​🚀ClickHouse: Передовой инструмент для оперативной обработки данных

В данной статье мы подробно рассмотрим что представляет собой разработка ClickHouse, а также как организации используют ее для хранения и обработки данных.

Читать...
​​💪Как мы запустили сервис вопросов и ответов, получили много хейта, а потом внедрили ML и ускорили процессы в разы

В этой статье я поделюсь с вами историей о том, как мы размечали данные, искали баланс между порогом вероятности и охватом вопросов, обучали и дообучали модель, а также расскажу об итогах нашей работы.

Читать...
​​🗣Большие языковые модели (LLM) в задачах

В этой статье на практических примерах рассмотрим какие задачи из коробки могут решать современные большие языковые модели (large language models, LLM).

Читать...
​​👋Распознавание русского жестового языка: распознаём до 3+ жестов в секунду на обычном ПК без видеокарты

В этой статье я расскажу, как и зачем мы создавали модель распознавания русского жестового языка и покажу, что из этого получилось.

Читать...