​​👥Как мы строили сквозную аналитику и укрощали бизнес-требования

В этой статье расскажу, как и почему мы решили внедрить сквозную аналитику в компанию, с какими сложностями столкнулись и как побеждали бизнес-требования.

Читать...

​​🧐Мониторинг токсичного контента в AI продуктах

В этой статье рассматривается процесс сбора данных, применение моделей машинного обучения (таких как distilbert и toxic bert) и метрики для оценки их эффективности.

Читать...

​​🤖OpenAI о новых моделях ИИ, которые умеют рассуждать

В этой статье автор вы узнаете об ограничениях бета-версии, о том, как работает новая модель OpenAI, особенностях промптинга и других тонкостях.

Читать...

​​👨‍💻LLM-CodeSlim: Автоматическое сжатие и очистка кода для эффективного использования с LLM

В этой статье автор расскажет о оптимизации исходного кода для использования с большими языковыми моделями, что может быть полезно для программистов и разработчиков, использующих LLM.

Читать...

​​🖥 Самые интересные статьи за последние дни:

• Real-time-распознавание лиц: методы обучения быстрых и точных моделей для работы на мобильных девайсах

• Как мы строили сквозную аналитику и укрощали бизнес-требования

• OpenAI о новых моделях ИИ, которые умеют рассуждать

• LLM-CodeSlim: Автоматическое сжатие и очистка кода для эффективного использования с LLM

​​🧠Как искусственный интеллект может преобразить здравоохранение

В этой статье вы узнаете о потенциальном влиянии искусственного интеллекта (ИИ) на сферу здравоохранения, а также о том, как ИИ может трансформировать подход к профилактике и лечению хронических заболеваний.

Читать...

​​🎮Генеративные модели в разработке видеоигр: будущее за играми от роботов?

В этой статье автор расскажет об изменениях, которые могут произойти в индустрии видеоигр с внедрением искусственного интеллекта, подчеркивая как потенциал, так и ограничения технологий.

Читать...

​​⚡️Симуляция DOOM через нейросеть

В этой статье автор расскажет о проекте, который использует нейросети для создания симуляции игрового процесса в классической игре DOOM.

Читать...

​​🔒Безопасность приложений больших языковых моделей (LLM, GenAI)

В этой статье вы узнаете о ключевых уязвимостях, связанных с безопасностью приложений, использующих большие языковые модели (LLM) и генеративный искусственный интеллект (GenAI), а также о рекомендациях по их предотвращению.

Читать...

​​🧠Эмуляция мозга: 6 ключевых вопросов на пути к AGI

В этой статье вы узнаете о текущих подходах и вызовах, связанных с созданием искусственного общего интеллекта (AGI) через эмуляцию мозга.

Читать...

​​🖥 Самые интересные статьи за последние дни:

• Как искусственный интеллект может преобразить здравоохранение

• Эмуляция мозга: 6 ключевых вопросов на пути к AGI

• Безопасность приложений больших языковых моделей (LLM, GenAI)

👨‍💻Промпт-инжиниринг: как найти общий язык с ИИ

В этой статье я расскажу почему эта профессия приобретает всё большую значимость и как можно использовать приёмы промпт-инжиниринга в работе и повседневной жизни.

Читать...

ИТМО определил самые популярные Open Source решения в сфере ML/Data в России

Свежее исследование от ИТМО определило лидеров среди компаний, активно развивающих open-source проекты в области машинного обучения. Первое место занял Яндекс c 120 решениями и 65000+ звёзд на GitHub (мощный отрыв от остальных участников). На втором месте — Сбер, а замыкает тройку Т-банк. Критериями оценки были популярность и востребованность проектов в РФ и остальном мире.

Исследователи отмечают, что лидерство компании стало возможным, благодаря множеству успешных open source проектов в сфере Data/ML, активному участию в поддержке сообщества через мероприятия и гранты, а также высокому качеству репозиториев и активным контрибьюторам.

Эксперты также поделились общими выводами по сфере:
— Вклад в открытый код становится важнее конкуренции
— Open source объединяет специалистов со всего мира
— GitHub остаётся стандартом, но растёт интерес к альтернативам
— Компаний ориентируются не только на внутренний, но и на международный рынок


Статью об исследовании можно почитать на хабре.

👥 Как мы генерируем GPT-нейросетями миллиарды объявлений на малом количестве GPU

В этой статье автор рассказывает о соединении тяжёлых процессингов и GPU‑вычислений. Как реализовали высоконагруженный процессинг, который обрабатывает миллиарды товаров и превращает их в объявления, используя тяжёлые модели, такие как YandexGPT, DSSM, CatBoost и другие. Оказывается, связать тяжёлый процессинг и инференс моделей вполне реально, даже когда нагрузка в процессинге превышает возможности вашего сервиса.

Читать…