Архив рубрики ‘машинное обучение’

Anthropic провели крупнейший опрос об ИИ: 80 000 человек из 159 стран

Anthropic опросили 80 508 пользователей Claude из 159 стран на 70 языках о том, чего они ждут от ИИ и чего боятся. Это крупнейшее качественное исследование такого рода — предыдущий рекорд держали архив Фонда Шоа и Всемирного банка, и оба не дотягивали до 60 000 участников. Вместо анкеты с вариантами ответов каждый проходил живое интервью […]

Data-driven корова: как мы строим SaaS для геномной селекции и решаем проблемы «грязных» данных в агротехе

Вам когда-нибудь казалось, что современное ИТ — это в основном про перекладывание JSON-ов, покраску кнопок и борьбу за миллисекунды в банковских транзакциях? Недавно я наткнулся на статистику о том, сколько данных генерирует одна современная молочная ферма, и как я удивился, когда понял: большинство этих данных оседает в разрозненных Excel-таблицах, тетрадках зоотехников или, в лучшем случае, […]

Оптимизация ремонта грузовых вагонов: от мирового опыта к российской практике

Привет, Хабр! Я Максим Катрушенко, главный специалист по анализу данных и машинному обучению в ПГК Диджитал. В своей статье расскажу, как мы разработали систему оптимизации распределения вагонов на ремонт для одного из крупнейших железнодорожных операторов России Первой грузовой компании (ПГК). Внедрили методологию оценки экономического эффекта через сравнение с «идеальным сценарием». За два с половиной года […]

Ваши стоп-лоссы — их топливо. Smart Money: модель потоков ликвидности и роль крупных игроков

Каждый трейдер знаком с этим неприятным чувством: цена идеально идет к вашей цели, но за мгновение до этого делает резкий рывок в обратную сторону, выбивает ваш стоп-лосс и только потом разворачивается. Кажется, будто вас специально выбивает Маркетмейкер.

200 000+ снимков мусора: что мы узнали о датасетах

В нашей работе хватает безумных задач. Мы создали первого в России цифрового PR-менеджера, разрабатывали виртуальную примерочную и делали много чего еще, о чем не всегда можно рассказать. Но когда мы взялись за создание ИИ-сортировщика мусора MARQUS, поняли — будет совсем жестко. Не так давно мы создали систему сортировки ТКО (Твердых коммунальных отходов) MARQUS, которая делит […]

Что Google Translate может рассказать нам о вайб-кодинге

В последнее время часто звучат мрачные прогнозы (и даже скрытая реклама) о том, что крупные языковые модели (LLM) уничтожат программирование как профессию. Многие обсуждения лишены нюансов, поэтому я хотел бы внести свои пояснения. С одной стороны звучат заявления вроде: «Я использовал $LLM_SERVICE_PROVIDER, чтобы создать маленькую временную программу, и скоро все программисты останутся без работы за […]

Зачем моему бизнесу нейросети: гайд для не-программистов

Как мне применить нейросети в своем бизнесе? Если ваша область деятельности напрямую не связана с разработкой, то этот вопрос легко может поставить вас в тупик. Действительно – из каждого утюга трубят про новые удивительные технологии и их достижения, а как их использовать, не ясно. На днях я общался с человеком, который огорченно рассказывал, что нейросеть […]

ИИ-подсказки в коде: костыли мышления или джетпак продуктивности?

ИИ-помощники в программировании ворвались в повседневную жизнь разработчиков с невероятной скоростью. Но что стоит за удобством? Ускорение или поверхностное мышление?

Cложить два числа-гиганта или почему я прошел квест на собеседовании а на работу в BigTech взяли ChatGPT?

Евгений Жуков (@EvgeniiZhukov) написал статью «Сложить два числа‑гиганта: как я прошел квест на собеседовании в Бигтех». Краткое содержание: Сценарий: вы на собеседовании, ожидаете вопросов про React, WebGL или хотя бы про Event Loop. А вместо этого получаете: «Напишите функцию сложения двух чисел в столбик, но числа передаются как массивы.» Зачем это вообще кому‑то нужно: А интервьюер смотрит, как вы справляетесь с базовой задачей, которая проверяет: Умение […]

Как собирать данные: руководство для ИИ-стартапов

В 2016 году я наткнулся на руководство по стратегиям сбора данных для AI-стартапов, многие идеи из которого были визионерскими для своего времени. Автором этого текста был Мориц Мюллер-Фрайтаг, сооснователь компании Twenty Billion Neurons (TwentyBN).

12