Machinelearning

А что, если можно проверить свой уровень в Data Science без собеседований, звонков и HR-скрининга? Авито вместе с getmatch сделали тест по Data Science, основанный на реальных интервью DS-специалистов компании. Что даёт тест: 🔍 Оценка компетенций Поймёте, какие навыки уже хорошо прокачаны, а где есть точки роста – выводы основаны на практике, а не на абстрактной теории. ⚡️ Шанс стать заметнее для рекрутеров Можно открыть доступ к результатам теста и повысить шансы на оффер. ☑️ Подробный разбор В течение дня на почту придёт письмо с анализом ответов и рекомендациями. Отличная возможность спокойно проверить себя на праздниках и понять, куда двигаться дальше. Ссылку на тест оставили здесь.

⚡️ HF Learn: 11 бесплатных курсов по ИИ от HuggingFace. В преддверии новогодних праздников платформа подготовила набор обучающих материалов по основным направлениям ИИ: 🟢LLM Course - познакомит с большими языковыми моделями и обработкой естественного языка с использованием библиотек экосистемы HF: Transformers, Datasets, Tokenizers и Accelerate. 🟢Robotics Course - проведет вас от классической робототехники к современным подходам, основанным на ML. 🟢Model Context Protocol Course - курс, созданный в партнерстве с Anthropic , научит пониманию, использованию и созданию приложений с помощью MCP. 🟢Smol-course - самый всеобъемлющий (и самый короткий) трек по тонкой настройке языковых моделей. 🟢AI Agents Course - научит разбираться и использовать самую топовую тему на сегодняшний день: создание и применение агентов ИИ. 🟢Deep RL Course - курс по самой интересной теме в области ИИ: глубокому обучению с подкреплением. 🟢Computer Vision Course - подробный разбор компьютерного зрения, созданный сообществом HF, состоящий из теории, практических занятий и увлекательных заданий. 🟢Audio Сourse - научит вас использовать Transformers для обработки звука. Вы получите представление о специфике работы с аудиоданными, изучите различные архитектуры Transformers и обучите собственные модели. 🟢ML for Games Course - узнаете как интегрировать модели ИИ в процессы разработки игр и создавать уникальные игровые впечатления. 🟢Diffusion Course - полномасштабный источник знаний и навыков по диффузии. Теория и практика: от изучения библиотеки Diffusers до создания конвейеров обработки данных. 🟢ML for 3D Course - авторский набор обучающих материалов по использованию машинного обучения в 3D от Дилана Эберта (IndividualKex) - разработчика по 3D-графике HuggingFace. Сохраните на праздники, в этом году они длинные @ai_machinelearning_big_data #AI #ML #HuggingFace

✔️ Google A2UI: открытый стандарт для генерации UI силами ИИ-агентов. A2UI (Agent-to-User Interface) - открытый проект Google, который стандартизирует процесс создания визуальных интерфейсов нейросетями. Инструмент позволяет агентам генерировать полноценные интерактивные элементы (формы, карточки, дашборды) в реальном времени. Проект декларирует безопасность через абстракцию. Вместо генерации исполняемого кода, который может нести риски, агент отправляет JSON-файл, описывающий структуру. Клиентское приложение само парсит этот манифест и отрисовывает компоненты, используя собственные проверенные библиотеки. Экосистема уже включает поддержку веб-фреймворков и Flutter (через GenUI SDK), а в дорожной карте заявлена интеграция с React, Jetpack Compose и SwiftUI. github.com ✔️ YouTube тестирует инструмент для генерации игр. YouTube Gaming запустила закрытое бета-тестирование сервиса Playables Builder, которое позволяет авторам создавать мини-игры на основе промптов. Система работает на базе Gemini 3: чтобы превратить идею в рабочий интерактивный проект, достаточно загрузить короткое текстовое описание, видеофрагмент или изображение. Новый инструмент нацелен на удержание аудитории через геймификацию контента. На данный момент доступ конструктору ограничен (требуется активный канал и одобрение заявки) и допускаются только пользователи из США, Канады, Великобритании и Австралии. Youtube Gaming в сети X ✔️ OpenAI запустила функцию персональных итогов года. Компания представила инструмент, позволяющий взглянуть на свою активность в чат-боте за прошедший год. Функция генерирует персонализированный отчет, присваивает награды-достижения и создает тематические стихи и изображения, базируясь на содержании диалогов. Итоги года доступны только в США, Великобритании, Канаде, Австралии и Новой Зеландии для пользователей тарифов Free, Plus и Pro. Корпоративные и образовательные аккаунты остались без поддержки этой опции. Для получения отчета необходимо, чтобы в настройках были включены история чатов и функция памяти, а сам аккаунт должен иметь достаточный объем накопленных данных. Запустить генерацию можно вручную через баннер на главной странице или прямым запросом к боту. forbes.com ✔️ Alphabet покупает разработчика инфраструктуры Intersect за $4,75 млрд. Материнская компания Google заключила соглашение о приобретении девелопера ЦОДов Intersect Power. Это первый случай, когда бигтех не просто заключает контракты на поставку электричества, а напрямую покупает крупного ресурсного игрока. Сделка, которую планируют закрыть в первой половине 2026 года, будет полностью оплачена денежными средствами. Стратегический смысл покупки заключается в решении проблемы энерго-дефицита для обучения и работы ИИ. Google получает возможность строить дата-центры в едином комплексе с генерирующими мощностями, что позволяет избежать использования электросетей общего пользования. Intersect сохранит операционную независимость, хотя ряд действующих активов в Техасе и Калифорнии будут выведены в отдельную структуру и не войдут в периметр сделки. abc.xyz ✔️ Qwen обновила Qwen-Image-Edit. Новая версия Qwen-Image-Edit-2511 пришла на смену сборке 2509 и предлагает ряд качественных изменений. Теперь модель лучше сохраняет консистентность персонажей и общую структуру кадра при внесении локальных правок. Помимо стабильности, усилили способности к геометрическому рассуждению и генерации промышленного дизайна. Попробовать новинку можно через веб-интерфейс Qwen Chat, а веса для локального развертывания уже на HuggingFace и ModelScope. TongyiLab в сети Х @ai_machinelearning_big_data #news #ai #ml

⚡️ Microsoft хочет избавиться от всего C и C++ к 2030 году и переписать код на Rust В Microsoft поставили радикальную цель - полностью убрать C и C++ из своих кодовых баз к 2030 году и заменить их Rust. Причем делать это собираются не вручную, а с помощью ИИ и алгоритмов, на скоростях, которые раньше казались фантастикой. Новая «North Star» метрика Microsoft звучит так: - 1 инженер - 1 месяц - 1 миллион строк кода Об этом рассказал Galen Hunt, Distinguished Engineer в Microsoft, в своем посте на LinkedIn. В чем идея Microsoft строит инфраструктуру, которая объединяет: - алгоритмический анализ кода - графы зависимостей на масштабе миллионов строк - AI-агентов для понимания и переписывания кода По сути, компания хочет автоматизировать массовое переписывание самых больших и старых кодовых баз. Как это будет работать - алгоритмы строят масштабируемый граф исходного кода - AI-системы анализируют и изучают код - затем эти же системы модифицируют и переписывают его - инфраструктура уже используется для задач понимания старого кода Почему это звучит рискованно - переписываются десятилетиями отлаженные системы - Rust не избавляет от логических ошибок - массовый rewrite - один из самых опасных процессов в инженерии - высокая скорость повышает риск регрессий Почему Microsoft все равно идет на это: - большая часть критических уязвимостей исторически связана с C и C++ - Rust реально сокращает классы memory-багов - ИИ впервые делает такой масштаб переписывания кода технически возможным Источник: linkedin.com/posts/galenh_principal-software-engineer-coreai-microsoft-activity-7407863239289729024-WTzf/ @ai_machinelearning_big_data #Microsoft #Rust #AI

Обновился лидерборд русскоязычного бенчмарка для оценки бизнес-OCR от MWS. В лидерах – Gemini и Alice AI Полный лидерборд лежит на GitHub. В тройке лидеров, кроме Gemini — новая визуально-языковая модель Яндекса Alice AI VLM dev, часть большой Alice AI VLM, об обучении которой компания совсем недавно рассказала в техрепорте. Оттуда можно заимствовать подход к обучению VLM под OCR-задачи и узнать об архитектурных изменениях в VLM Яндекса.

🗣 Новая линейка Qwen3-TTS: VoiceDesign и VoiceClone Qwen представили новое поколение TTS-моделей, которые выводят управление голосом и voice cloning на новый уровень. Быстрее, выразительнее и гибче, чем раньше. VoiceDesign-VD-Flash Модель для полного конструирования голоса с нуля. Что умеет: - полный контроль речи через обычные текстовые инструкции - управление тоном, ритмом, эмоциями и персоной - никаких готовых голосов - ты создаешь уникальную вокальную идентичность - превосходит GPT-4o-mini-tts и Gemini-2.5-pro в role-play бенчмарках Подходит для: - игровых персонажей - виртуальных ассистентов - сторителлинга и диалогов - AI-персонажей с характером VoiceClone-VC-Flash Фокус на быстрое и качественное клонирование голоса. Ключевые возможности: - клонирование любого голоса всего по 3 секундам аудио - генерация речи на 10 языках (китайский, английский, японский, испанский и другие) - на 15% ниже WER по сравнению с ElevenLabs и GPT-4o-Audio в мультиязычных тестах - контекстно-зависимая интонация и ритм для более естественного звучания https://x.com/Alibaba_Qwen/status/2003445076257656880 Попробовать: • Qwen Chat: http://chat.qwen.ai • Блог: https://qwen.ai/blog?id=qwen3-tts-vc-voicedesign • VoiceDesign: http://hf.co/spaces/Qwen/Qwen3-TTS-Voice-Design http://modelscope.cn/studios/Qwen/Qwen3-TTS-Voice-Design • VoiceClone: http://hf.co/spaces/Qwen/Qwen-TTS-Clone-Demo http://modelscope.cn/studios/Qwen/Qwen-TTS-Clone-Demo @ai_machinelearning_big_data #AI #TTS #voicecloning

✔️Команда AI-Центра Т-Банка выпустила обновление языковых моделей T-Pro 2.1 и T-Lite 2.1 Ключевыми изменениями стали улучшенные способности в точном следовании инструкциям (Instruction Following) и tool calling. ✔️Как изменились T-Pro 2.1 и T-Lite 2.1 T-Pro 2.1 (32B): модель стала значительно лучше понимать сложные требования (ответы строго в формат JSON, лимиты длины, многошаговые инструкции) и увереннее работать в агентских сценариях. Она основана на базе Qwen3-32B и отвечает без “тысяч токенов рассуждений”. T-Lite 2.1 (8B): популярная модель после обновления стала сильнее в прикладных задачах и при этом сохранила скорость и практичность для продакшена и локального запуска. ✔️Обучение моделей работе с инструментами Для улучшения Instruction Following команда разработала собственный пайплайн генерации синтетических данных на основе подхода AutoIF. На RL-стадии использовался алгоритм GRPO с комбинированной reward-функцией, которая проверяла как выполнение формальных требований через верификационные функции, так и осмысленность ответа через штраф на основе Reward Model. Это позволило избежать классической проблемы “reward hacking”, когда модель учится подстраиваться под проверку, а не давать хорошие ответы. ✔️Генерация синтетических инструментов для tool calling Для изменений в tool calling был разработан синтетический пайплайн. Сначала генерировались реалистичные наборы инструментов, а затем — сложные многошаговые диалоги с их использованием через мультиагентную симуляцию. Для обучения на этих данных применялся RL (GRPO) с бинарным reward, проверяющим корректность вызова, и балансировкой датасета. ✔️Результаты на бенчмарках На локализованном русскоязычном бенчмарке IFeval T-Pro 2.1 демонстрирует результат 0.8065, значительно опережая свою версию 2.0 (0.6865), а T-Lite 2.1 показывает 0.7585. На тесте BFCL v3 (RU), оценивающем tool calling, T-Pro 2.1 набирает 65.96 баллов, что является одним из лучших показателей среди открытых моделей, а T-Lite 2.1 — 56.45. В диалоговых аренах (Arena Hard Ru, WildChat) обновленные модели также показывают существенный рост качества ответов на реальные пользовательские запросы. @ai_machinelearning_big_data #news #ai #ml

🚀 Вышел QwenLong-L1.5 - модель для long-context reasoning, которая на длинных контекстах конкурирует с GPT-5 и Gemini-2.5-Pro. Коротко о модели - 30B параметров, из них 3B активных - Заточена под рассуждение на очень длинных контекстах - Полностью открыты веса, код обучения и рецепты данных Ключевые показатели: - +31.7 балла на OpenAI MRCR при контексте 128K - SOTA среди всех моделей - На уровне Gemini-2.5-Pro на 6 крупных long-QA бенчмарках - +9.69 на CorpusQA - +6.16 на LongBench-V2 Что интересного. 1. Синтетические данные в масштабе 14.1K длинных reasoning-сэмплов из 9.2B токенов без ручной разметки. Средняя длина - 34K токенов, максимум - 119K. 2. Стабильное RL-обучение Используется балансировка задач и Adaptive Entropy-Controlled Policy Optimization (AEPO), что позволяет стабильно обучать модели на длинных последовательностях. 3. Архитектура с памятью Итеративные обновления памяти за пределами окна 256K токенов. Результат - +9.48 балла на задачах с контекстом от 1M до 4M токенов. QwenLong-L1.5 - это один из самых сильных open-source шагов в сторону реально масштабируемого ризонинга с длинным контекстом Модель интересна не только результатами, но и тем, что весь стек обучения открыт. GitHub: https://github.com/Tongyi-Zhiwen/Qwen-Doc Paper: https://modelscope.cn/papers/2512.12967 Model: https://modelscope.cn/models/iic/QwenLong-L1.5-30B-A3B HF: https://huggingface.co/Tongyi-Zhiwen/QwenLong-L1.5-30B-A3B @ai_machinelearning_big_data #AI, #LLM, #opensource, #long #Owen

⚡️ Генерация A/B-тестов в режиме реального времени. Gemini 3 Flash открывает совершенно новый способ разработки. Ее возможности и навыки программирования позволяют проводить A/B тестирование кода в реальном времени. Например, в этом плэйграунде Gemini 3 Flash создает идеальный лоадер загрузки настолько быстро, что он вам практически не нужен. Как только вы начинаете процесс, система предлагает код для следующей версии лоадеров и показывает метрики задержки. Вы выбираете понравившийся вариант, и следующая версия будет основана именно на нем. Такой подход можно использовать для любого приложения, персонального ассистента или ПО, которое должно обучаться на основе предпочтений пользователя. @ai_machinelearning_big_data

⚡️ МТС Web Services запустила MWS Track Rails — таск-трекер с ИИ-агентами внутри платформы MWS DevRails. Решение автоматизирует ключевые этапы разработки: ИИ-агенты берут на себя до 50% рутинных задач и генерируют до 30% кода, снижая нагрузку на ИТ-команды. Как это работает: - AI Product Owner формирует бизнес-требования (−30% нагрузки на продакта); - AI Analytic декомпозирует требования в техзадачи; - AI Developer создает до 40% нового кода и собирает версии продукта; - AI QA-агенты описывают тесты и проводят проверки (−50% времени тестирования). 📌 В результате DevRails позволяет масштабировать разработку без найма новых специалистов, сокращает time-to-market в три раза и повышает продуктивность команд вдвое. @ai_machinelearning_big_data #AI #ML #DevTools #MTS

🌟 Z-Image Turbo взяла 1 место на Artificial Analysis Image Arena. Детище Alibaba, которое было выпущено отдельно от команд Wan и Qwen и стоит 5 долларов за 1000 изображений на Alibaba Cloud добралась до 1 места в рейтинге Artificial Analysis Image Arena. Это модель с 6 млрд. параметров, которая может работать на потребительском оборудовании с объемом памяти всего 16 ГБ в полной точночти, а квантованные варианты запускаются на 8 ГБ. Z-Image Turbo дешевле всех конкурентов: FLUX.2 [dev] ($12/1 тыс. изображений), HiDream-I1-Dev ($26/1 тыс. изображений) и Qwen-Image ($20/1 тыс. изображений), доступна под открытой лицензией Apache 2.0, что позволяет использовать ее в коммерческих целях без ограничений. Кто-нибудь, поднимите веки Stable Diffusion @ai_machinelearning_big_data #news #ai #ml

Российские генеративные модели Kandinsky 5.0 Video Lite и Pro в международной text-to-video арене 🔘Pro версия является ТОП-1 опенсорсом в мире (см. модели с лицензиями MIT, Apache 2.0 в лидерборде) 🔘Lite версия (2B параметров) лучше первой версии Sora 🔘На данный момент Сбер уступает только топовым мировым бигтех компаниям: Google (Veo 3.1, Veo 3), OpenAI (Sora 2), Alibaba (Wan 2.5), KlingAI (Kling 2.5, 2.6); в паритете с Luma AI (Ray 3), MiniMax (Hailuo 2.3) — отрыв по ELO максимум 3 балла, при 95% доверительном интервале оценивания +-21 балла 🔘Для российских генеративных моделей выход на международную арену — уникальное событие 🚀 Полезные ссылки: 🔘Посмотреть весь лидерборд: lmarena 🔘Почитать подробнее про Kandinsky 5.0: пост, техрепорт 🔘Open Source Kandinsky 5.0: github и hf

✔️ OpenAI подняла маржинальность вычислений до 70% на фоне убытков от R&D. Согласно внутренним финансовым отчетам, к октябрю 2025 года «вычислительная маржа» компании достигла 70%. Этот показатель, отражающий долю выручки, остающуюся после покрытия прямых затрат на работу моделей для пользователей, удвоился с начала 2024 года - тогда он составлял лишь 35%. Такая динамика указывает на успешную оптимизацию инфраструктуры инференса, что делает платных клиентов значительно рентабельнее. Несмотря на техническую оптимизацию, компания остается глубоко убыточной. За первую половину 2025 года чистый убыток OpenAI составил $13,5 млрд, из которых $6,7 млрд пришлось на R&D и разработку новых моделей. Тем не менее, бизнес-показатели продолжают расти: годовая выручка преодолела отметку в $12 млрд еще в июле, а к концу года аналитики прогнозируют выход на уровень $15–20 млрд. theinformation.com ✔️ Nvidia готовится начать поставки H200 в Китай в феврале. Компания уведомила китайских партнеров о планах отгрузить первую партию H200 в середине февраля. По информации инсайдеров, Nvidia намерена использовать имеющиеся складские запасы, чтобы поставить от 40 до 80 тысяч чипов (примерно 5–10 тысяч модулей). Это реакция смягчение политики Вашингтона: экспорт флагманского железа разрешили при условии уплаты специального 25-процентного сбора. Основным препятствием остается позиция Пекина. Правительство Китая пока не согласовало закупки H200, и без официального одобрения местных регуляторов сделка не состоится. Если же политический вопрос будет урегулирован, Nvidia планирует не ограничиваться разовой партией и открыть слоты для новых производственных заказов под китайский рынок уже во втором квартале 2026 года. reuters.com ✔️ Z.ai выпустила GLM-4.7. GLM-4.7 - обновление линейки моделей, оптимизированное для разработчиков. При размере в 358 млрд. параметров модель показала существенный прирост производительности в программировании, работе с терминалом и созданию чистого UI-кода (функция Vibe Coding). На SWE-bench Verified модель улучшила результат до 73.8%, а в тестах на сложное математическое рассуждение прирост составил более 12%. Архитектурное новшество релиза — развитие механизмов мышления. Функция Preserved Thinking позволяет модели сохранять и переиспользовать CoT между репликами, а механизм Interleaved Thinking дает время на анализ перед каждым вызовом внешних инструментов. GLM-4.7 уже доступна через API и на OpenRouter, а веса модели выложены на HuggingFace и ModelScope. z.ai ✔️ Anthropic Bloom: фреймворк для авто-тестирования поведенческих паттернов ИИ. Инструмент кардинально упрощает процесс оценки безопасности моделей: вместо ручного написания тестов нужно просто описать искомое поведение (сикофанство, самосохранение или склонность к саботажу). На основе этого описания, Bloom автоматически генерирует сотни уникальных сценариев, симулирует диалоги с участием виртуальных пользователей и выносит вердикт о частоте и тяжести выявленных проявлений. Фреймворк поддерживает интеграцию с W&B для трекинга и экспорт логов в формат Inspect. Вместе с релизом кода на GitHub компания опубликовала результаты проверки 16 моделей по 4 критическим категориям безопасности. anthropic.com ✔️Manus добавила функцию Design View. Design View - интерфейс для редактирования графики в режиме point-and-click с сохранением исходной композиции и стиля. Дизайнеры могут менять цвета объектов, корректировать глубину сцены и исправлять текст прямо на холсте. Инструмент глубоко интегрирован в экосистему Manus: поддерживается редактирование презентаций, созданных Nano Banana Pro, а также доработка UI-элементов и иконок для мобильных приложений в реальном времени. Функция уже доступна всем пользователям сервиса. manus.im @ai_machinelearning_big_data #news #ai #ml

✔️ Американский стартап Gloo представил христианский AI-бенчмарк Flourishing AI (FAI-C), который оценивает, насколько ответы ИИ помогают человеку жить осмысленно и правильно с точки зрения христианского мировоззрения. Результаты: - Qwen3 - 1 место - DeepSeek R1 - 6 место Обе модели обошли несколько американских LLM. Что именно тестируют: вопросы не про факты, а про смысл и руководство - почему существует страдание, как формировать духовные привычки, как жить правильно. Оценку проводили пасторы, богословы, психологи и специалисты по этике. Как работает бенчмарк: - 807 промптов - 7 измерений - ответы оцениваются христианскими judge-персонами - важны библейская опора, богословская согласованность и моральная ясность Это проверка ценностного рассуждения, а не знаний. Многие популярные бенчмарки неявно исходят из секулярных культурных установок, из-за чего религиозные ответы оцениваются неконсистентно. Важная оговорка: высокий христианский скор не означает религиозной свободы - в Китае христианская практика и онлайн-проповеди жестко регулируются. scmp.com/tech/article/3336642/chinas-qwen-and-deepseek-edge-out-us-ai-models-christian-values-benchmark @ai_machinelearning_big_data #ai #ml #news

Яндекс показал ИИ-инструмент для автоматизации научных исследований. Команды Yandex Crowd Solutions и Центра технологий для общества Yandex Cloud создали решение, которое помогает анализировать влияние стресса на поведение. В чем суть: – Для медицинских и когнитивных исследований ученые изучают поведение лабораторных мышей. Все наблюдения записывают на видео. – Ручная разметка одного 10-минутного видео занимает около часа, а для одного исследования нужно проанализировать 90 часов записей. – В итоге на ручную расшифровку видео у научных сотрудников уходят сотни часов. Чтобы автоматизировать расшифровку, разработчики научили ИИ самостоятельно разбирать записи и структурировать все данные. Для этого они проанализировали и разметили 8 часов видеозаписей лабораторных экспериментов, выделив ключевые действия мышей. Система состоит из двух компонентов: первый определяет ключевые точки на теле животного, второй — распознает его действия и положение в пространстве с точностью до 89%. Авторазметка фиксирует события покадрово, поэтому она эффективнее, чем глаз человека. На выходе ученые получают более надежные данные для исследований и экономят до 500 часов ручной работы. Анализ автоматизируется на 90%. Пока решением пользуются в Институте цитологии и генетики СО РАН, но его можно адаптировать для других организаций. Кроме того, в ближайшее время компания планирует опубликовать исходный код инструмента.

🤖 Cтудия Leehom Wang показала выступление с гуманоидным роботом Unitree G1 на сцене. Финальный акробатический флип стал настоящей кульминацией шоу и вызвал бурную реакцию публики. ИИ должен был оптимизировать бизнес-процессы. Но сначала решил раскачать зал. @ai_machinelearning_big_data #Robotics #HumanoidRobots #AI #Unitree

🖥🖥🖥🖥🖥🖥🖥🖥🖥🖥 🖥🖥🖥🖥🖥🖥🖥🖥🖥 🖥🖥🖥🖥🖥🖥🖥🖥🖥 Ваш путеводитель по ИТ Каждый разработчик знает ощущение, когда в проекте накапливается техдолг, а автотесты начинают жить своей жизнью. В такие моменты могут помочь кейсы от коллег по цеху: как допилить CI/CD, как сэкономить время на фиче или как спасти продукт в кризисное время. Именно такие истории регулярно появляются в МТС True Tech вместе с разбором технологий и подборками инструментов. А еще у сообщества есть офлайн и онлайн-мероприятия. Совсем недавно прошел True Tech Champ — чемпионат по алгоритмическому и робототехническому программированию с призовым фондом более 10 млн рублей. Анонсы следующих событий вы сможете найти также в @truetechcommunity, там проще всего за ними следить. 🖥🖥🖥🖥 Реклама. ООО "МТС Веб Сервисы". ИНН 7707767501. Erid: 2W5zFHYZSek

⚡️ Это гигантский дата-центр Amazon за $11 млрд в Индиане. Кампус строится под обучение и инференс ИИ и будет потреблять до 2.2 ГВт - примерно как 1 миллион домов. В состав комплекса войдут собственные электростанции, поэтому нагрузка на местную энергосеть и тарифы для жителей должна быть минимальной. @ai_machinelearning_big_data #Amazon #DataCenter #AIInfrastructure #AIFactory #CloudComputing

🔵 Reinforcement Learning — ключевая стратегия для создания автономных систем. Создайте агента, который думает как живой! 🔥Записывайтесь на бесплатные вебинары курса «Reinforcement Learning» 🌀№1: Классические алгоритмы RL - SARSA и Q-learning ⏰23 декабря в 20:00 Вы узнаете: •Что такое обучение с подкреплением и чем оно отличается от других подходов •Как работают алгоритмы SARSA и Q-learning и в чем их отличия •Как настроить окружение и запустить RL-агента на реальных задачах 🌀№2: Построение собственного окружения на примере биржевой торговли ⏰13 января в 20:00 Вы узнаете: •Структуру RL-окружений на примере OpenAI Gym: состояния, действия, награды, шаги среды •Как строить окружение для биржевой торговли, используя данные Yahoo Finance, MOEX 🌀№3: FinRL - фреймворк RL для построения торговых агентов ⏰22 января в 20:00 Вы узнаете: Как построить торгового агента с помощью фреймворка FinRL Записывайтесь ➡️ OTUS.RU #реклама О рекламодателе

💀 NeuroSploit v2 - продвинутый AI-фреймворк для тестирования на проникновение (пентеста). NeuroSploit v2 использует большие языковые модели, чтобы автоматизировать и усилить offensive security. Фреймворк помогает анализировать цели, находить уязвимости, планировать эксплуатацию и поддерживать защитные меры, сохраняя фокус на этике и операционной безопасности. Основные возможности: • Агентная архитектура Специализированные AI-агенты под разные роли: Red Team, Blue Team, Bug Bounty Hunter, Malware Analyst. • Гибкая интеграция LLM Поддержка Gemini, Claude, GPT (OpenAI) и Ollama с настройкой через профили. • Тонкая настройка моделей Отдельные LLM-профили для каждой роли: выбор модели, температура, лимиты токенов, кэш и контекст. • Markdown-промпты Динамические шаблоны промптов, адаптирующиеся под задачу и контекст. • Расширяемые инструменты Интеграция Nmap, Metasploit, Subfinder, Nuclei и других security-инструментов через конфигурацию. • Структурированные отчёты JSON-результаты кампаний и удобные HTML-отчёты. • Интерактивный CLI Командная строка для прямого управления агентами и сценариями. NeuroSploit v2 - пример того, как agentic AI превращает пентест из ручной работы в управляемую автоматизацию.

git clone https://github.com/CyberSecurityUP/NeuroSploitv2.git
cd NeuroSploitv2

▪ Github: https://github.com/CyberSecurityUP/NeuroSploit @ai_machinelearning_big_data #python #Penetrationtesting #llm #mlops #Cybersecurity