Machine learning Interview

⚡ Google Ironwood - самый мощный TPU 7-го поколения. Производительность: • 4,614 FP8 TFLOPS • 192 GB HBM3E на чип • Пропускная способность памяти - до 7.37 TB/s 🚀 Масштабируемость: • Кластеры (pods) до 9,216 ускорителей • Совокупно — 42.5 FP8 ExaFLOPS для тренировки и инференса • Для сравнения: Nvidia GB300 NVL72, всего 0.36 ExaFLOPS 🔗 Связность: • Собственная сеть Inter-Chip Interconnect - 9.6 Tb/s • Общий объём памяти в pod - около 1.77 PB HBM3E • Это снова больше, чем у конкурирующих систем Nvidia Ironwood — мощнейшая платформа Google для больших LLM и мультимодальных моделей.

💰 OpenAI строит гигантские дата-центры, но 2026-й может стать моментом “проверки на реальность” Forbes пишет: на фоне планов инфраструктуры примерно на $1,4 трлн, OpenAI имеет лишь около $20 млрд выручки и большая часть проекта опирается на ожидание будущего спроса, которого пока нет. Модель финансирования выглядит так: Cloud-операторы вроде CoreWeave и Crusoe, плюс партнёры типа SoftBank и Oracle, берут кредиты, покупают GPU, закладывают их как залог, и рассчитывают, что: - трафик OpenAI загрузит мощности, - Nvidia “выкупит” избыточную ёмкость, если спрос окажется ниже ожиданий. То есть создаётся замкнутый цикл, который может переоценивать реальную рыночную потребность. Проблема в том, что корпоративный спрос пока — это осторожные пилоты, а кластеры нужно обновлять каждые 5–7 лет. По мнению автора, в 2026 инвесторы и кредиторы начнут давить на OpenAI, требуя замедлить или урезать проект Stargate, если компания не докажет, что каждая единица мощности приносит прибыль быстрее, чем Google и другие успевают догнать по качеству моделей. ⚠️ Вывод: если реальный спрос не вырастет, текущая стратегия может превратиться в риск «слишком много построили слишком рано». forbes.com/sites/paulocarvao/2025/12/06/why-openais-ai-data-center-buildout-faces-a-2026-reality-check/

🚀 Креативные подсказки для Nano Banana Pro Собрание уникальных и креативных подсказок для работы с Google's Nano Banana Pro. Идеально подходит для художников и разработчиков, желающих расширить свои возможности в генерации контента. Все подсказки собраны из сообщества и предназначены для образовательных целей. 🚀 Основные моменты: - Более 500 тщательно отобранных подсказок - Поддержка динамических аргументов для Raycast - Разнообразные стили генерации: от фотореализма до художественных работ - Удобный веб-галерея для поиска и генерации 📌 GitHub: https://github.com/YouMind-OpenLab/awesome-nano-banana-pro-prompts

🚀 Tavily Deep Research: как работает новый поисковый движок Hugging Face Tavily - это инструмент для глубокого поиска и анализа. Он не просто ищет ссылки, а собирает факты, фильтрует шум и структурирует информацию так, чтобы её мог использовать ИИ для сложных задач. 🔥 Что делает Tavily • Ищет релевантный контент по вебу • Отбрасывает лишнее и оставляет только важные фрагменты • Сжимает и очищает данные перед тем, как их увидит модель • Экономит токены и ускоряет обработку, потому что не передает «всё подряд» 🧠 Как выглядит процесс Deep Research 1. Поиск по вебу 2. Извлечение полезных частей 3. Сжатие и структурирование информации 4. Формирование финального ответа или отчета ✨ Где это полезно • Аналитика и исследования • Подготовка отчетов и обзоров • Глубокие ответы, где обычный поиск слишком поверхностный Это подход «не просто найти информацию, а переварить и подать её как исследователь». https://huggingface.co/blog/Tavily/tavily-deep-research

Салют, Гига! — пространство для AI-инженеров 10 декабря разработчики GigaChat и Kandinsky расскажут и покажут, что сделали за этот год. В программе — доклады, постеры, живые демонстрации и воркшопы от команд, которые каждый день обучают модели, собирают датасеты, запускают инференс и поддерживают продакшен-сервисы. Это хорошая возможность пообщаться с командами, которые создавали открытые модели GigaChat 3 Ultra Preview & Lightning и Kandinsky 5.0. Вы сможете посмотреть на их пайплайны обучения и понять, как применять модели в своих задачах — от pet-проектов до промышленной разработки. Участие бесплатное, но нужна регистрация. Ждем всех на «Салют, Гига», кому интересен AI в open source!

🚀 AWS представила новое поколение AI-инструментов: Amazon Nova 2 и Agentic-AI ✔️ Nova 2 - семейство мощных моделей для текста, изображений, видео и мультимодальных задач ✔️ Nova Act - AI-агенты, которые могут работать в браузере: кликать, заполнять формы, навигироваться по UI ✔️ Nova Forge — сервис для создания собственных моделей на базе Nova: пред-тренировка, дообучение, кастомизация Почему это важно - Универсальность: от чат-ботов до анализа видео и документов - Автоматизация: агенты заменяют рутинные действия и ручные процессы - Кастомизация: компании могут строить модели под свои данные - Оптимальная цена-производительность: конкурент на рынке крупных моделей #AI #AWS #AmazonNova #GenerativeAI #AgenticAI #Automation https://www.aboutamazon.com/news/aws/aws-agentic-ai-amazon-bedrock-nova-models

Собеседования по ML меняются быстрее, чем обновляются списки вопросов Рынок смещается в сторону прикладного ML: ответственность за качество данных, мониторинг, управление моделями, работа с LLM-инструментами. И собеседования все чаще проверяют именно это — способность мыслить контекстно, а не только технически. Вебинар «ML в 2026: тренды, требования и новая роль инженера машинного обучения» от karpovꓸcourses поможет разобраться, как сейчас развивается профессия и что изменится в ближайший год. Вам расскажут, какие процессы становятся стандартом, как LLM перестраивают привычные задачи и какие навыки будут восприниматься работодателями как обязательные. Спикеры — практики с серьезным опытом: - Нерсес Багиян — руководитель направления по работе с данными, прошедший путь от стажера до старшего аналитика в Яндекс.Маркете всего за два года; - Алексей Кожарин — старший разработчик в Газпром-Медиа, специалист с сильной технической экспертизой и опытом работы в крупных IT-командах. Вебинар пройдет онлайн 9 декабря в 18:00 по МСК, присоединяйтесь по ссылке — https://clc.to/erid_2W5zFHWDjZi Реклама. ООО "КАРПОВ КУРСЫ". ИНН 7811764627. erid: 2W5zFHWDjZi

🚀 В SAMGeo совсем скоро появится поддержка сегментации изображений с помощью SAM3 - это добавит больше возможностей и упростит работу с данными дистанционного зондирования. Интеграция сделает точную сегментацию быстрее и доступнее для всех, кто работает с геоданными. На картинке: сегментация зданий по простому текстовому запросу «building». Результаты выглядят многообещающе. Обновления уже на подходе. 🔗 GitHub PR: https://github.com/opengeos/segment-geospatial/pull/430

Оффер в Яндекс за 48 часов: Weekend Offer ML для инженеров R&D Яндекс объявляет регистрацию на Weekend Offer ML — мероприятие быстрого найма, которое пройдет онлайн 13–14 декабря. Это прямой путь в R&D команды, работающие над Alice AI LLM (YandexGPT), Яндекс Переводчиком, Компьютерным зрением, Синтезом речи и другими передовыми технологиями. Командам нужны инфраструктурные и DL-инженеры с опытом в NLP, CV, ASR, TTS или RecSys, готовые создавать продукты на острие прикладного R&D. Формат предполагает прохождение всего двух технических секций 13 декабря, а уже 14 декабря, по итогам финальных интервью с командами, будет возможность получить оффер. Не упустите возможность зарегистрироваться: крайний срок 9 декабря до 12:00 мск.

✔️ OpenAI нашла способ заставить модели признаваться в собственных галлюцинациях — в новом исследовании представили технику под названием Confessions. Проблема, которую пытаются решить: модели нередко стремятся «угодить» системе оценки — выдают уверенные, но неверные факты, скрывают нарушения инструкций или занимаются reward hacking, чтобы получить более высокий балл. Как работает Confessions: 1. Модель сначала генерирует обычный ответ. 2. Затем формирует второй, независимый отчёт, в котором сама оценивает: - нарушила ли инструкции, - где могла ошибиться, - какие элементы ответа были сомнительными. 3. И получает награду за честность, а не за попытку скрыть ошибку. Идея в том, что модель начинает рассматривать своё собственное поведение как объект анализа, а не пытается «выпутаться» любыми средствами. Результаты: В тестах на GPT-5 Thinking вероятность того, что модель нарушит правила *и попытается это скрыть*, снизилась до 4.4%. Важно: Confessions не устраняет галлюцинации, а работает как инструмент диагностики — помогает выявлять моменты, где модель могла «соврать» или отойти от инструкции. https://openai.com/index/how-confessions-can-keep-language-models-honest/

⚡️ Google представил бесплатный адвент-календарь для вайбкодеров. Google выпустил бесплатный обучающий адвент-календарь, рассчитанный на 25 дней. Каждый день открывается новый короткий видеоурок со ссылками на дополнительные материалы и примерами кода, которые можно сразу использовать в проектах. Курс последовательно проводит слушателя через ключевые этапы работы с агентами - от быстрого развёртывания базовых решений до оркестрации полноценных мультиагентных систем. Первые два урока уже доступны. Инициатива выглядит полезной для тех, кто хочет системно разобраться в современных подходах к созданию и управлению агентами. https://adventofagents.com/

✔️ Mistral AI представила Mistral 3 - новое семейство открытых ИИ-моделей, рассчитанных на работу где угодно: от ноутбуков и смартфонов до облаков и edge-устройств. Линейка включает флагманскую Mistral Large 3 и компактные Ministral-модели - все под лицензией Apache 2.0 с коммерческим использованием. Модели оптимизированы для широкого спектра задач: от работы на устройствах с ограниченными ресурсами до корпоративных нагрузок. - Mistral Small 3 вышла на уровень свыше 81 % на MMLU: для компактной модели это очень высокий показатель при низких задержках. - Mistral Medium 3.1 заняла верхние позиции в LM Arena: первое место в категории English (no style control), второе, в общем зачёте, плюс топ-3 в задачах кодирования и длинных запросов. - Medium 3.1 показывает около 90 % качества «тяжёлых» моделей, но при существенно меньших ресурсных затратах - одно из лучших соотношений цена/производительность на рынке. https://mistral.ai/news/mistral-3 @ai_machinelearning_big_data #mistral #ml

⚡️ Trinity Nano и Trinity Mini - новое семейство открытых MoE-моделей: - 6B и 26B MoE (1B/3B активных параметров) - 128 экспертов, 8 активных, 1 общий - GQA и gated attention - 128k контекст - 10T токенов, обучено на 512 H200 в bf16 - Apache 2.0 и полностью открытые веса - Созданы для агентов, function calling и долгих рассуждений - Разработано совместно с Datology и Prime Intellect https://huggingface.co/arcee-ai/Trinity-Mini

✔️ Краудсорсинговая платформа Ozon Profit расширила возможности для ML-разработки Сервис, изначально ориентированный на онлайн-разметку данных, теперь позволяет собирать информацию и в офлайн-среде по всей России. Это решение может быть особенно полезно для проектов, где требуется верификация ML-моделей в реальных условиях. Что позволяет сервис: • Запущены «полевые задания» — исполнители могут выполнять проверки в офлайне, посещая локации по всей стране • В онлайне — разметка текста, изображений и видео, анализ обращений клиентов, определение эмоций, намерений и тем в комментариях и чатах • Доступны API-интеграции для автоматизации процессов, контроль в режиме реального времени вне зависимости от масштаба проекта • Комиссия фиксированная и не зависит от формата задач

📌 Sony представили Video-R4: визуальную систему «размышления» для видео, работающую по принципу человеческого восприятия. Эта мультимодальная модель использует итеративный выбор кадров, приближение фрагментов и повторное перекодирование пикселей для точного анализа видео с большим количеством текста. Такой подход имитирует то, как человек изучает сложные визуальные подсказки, и значительно превосходит предыдущие одношаговые видеомодели. Video-R4 достигает лучшего результата в задачах видеоанализа с насыщенным текстом. Модель обучена с использованием инновационных техник SFT и RL на специализированных датасетах Video-R4-CoT-17k и Video-R4-RL-30k. 📌📌Статья: https://huggingface.co/papers/2511.17490 📌Проект: https://yunlong10.github.io/Video-R4

❓ Как устроена инфраструктура AI-сервисов и почему от неё зависит успех продукта AI-решение — это не только модель. Без правильной архитектуры оно превращается в черный ящик, который ломается при первой нагрузке. Если вы проектируете или сопровождаете AI-системы и хотите понять, как устроены архитектуры, обеспечивающие высокую доступность, отказоустойчивость и безопасность — присоединяйтесь к открытому вебинару 2 декабря в 20:00 (МСК). ❗️ Разберём ключевые подходы High Availability , Fault Tolerance и Disaster Recovery и создадим RAG-сервис на реальном примере. Вы поймёте, как строить архитектуру, которая не падает, не теряет данные и выдерживает рост нагрузки. ▶️ Открытый урок проходит в преддверии старта курса «AI-архитектор». Зарегистрируйтесь и выведите свои AI-проекты на инженерный уровень: https://otus.pw/OvO1H/?erid=2W5zFJSbPsN Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963.

🧠 Погружение в глубокое обучение: от основ до GPT Этот репозиторий предлагает серию блокнотов, которые проведут вас через ключевые концепции глубокого обучения, от базовых элементов до создания и понимания современных моделей, таких как GPT. Каждый блокнот последовательно раскрывает темы, включая нейронные сети и сверточные архитектуры. 🚀 Основные моменты: - Пошаговое изучение глубокого обучения. - Создание первой нейронной сети. - Изучение сверточных нейронных сетей. - Погружение в архитектуры ResNet. - Работа с моделями GPT и их настройка. 📌 GitHub: https://github.com/Infatoshi/all-of-it #jupyter

«Прожарка» специалистов по машинному обучению от ChatGPT! Это небольшой отрывок из подкаста «Криптонит говорит» об искусственном интеллекте и машинном обучении — ИИ задаёт неудобные вопросы и прогнозирует, когда он всех заменит. 📺 VK Видео 📺 YouTube 📺 Rutube 💬 Подкаст в телеграме 🎵 Яндекс.Музыка Смотрите и подписывайтесь на подкаст «Криптонит говорит» — обсуждаем айти, искусственный интеллект, языки программирования и криптографию. Реклама АО НПК «Криптонит» ИНН 9701115253 Erid: 2VtzqwapzWV

🇨🇳 Китай представил концепт AI-ускорителя на базе 14 нм логики + 18 нм DRAM, который обещает 120 TFLOPS при 2 TFLOPS на ватт. По заявлениям, это уровень производительности Nvidia A100, но с упором не на техпроцесс, а на упаковку и работу с памятью. Идея такая: - вычислительные кристаллы 14 нм размещаются прямо поверх 18 нм DRAM - используется гибридное 3D-бондинг-соединение - тысячи коротких медных линий дают почти «как на кристалле» пропускную способность - память ближе к вычислениям → меньше простаивания → выше реальная производительность на ватт Заявленные характеристики — 120 TFLOPS при ~60 Вт, что лучше старых A100 по эффективности, но значительно слабее линейки Blackwell. Но важно понимать: - это пока архитектурный концепт, без массового кремния - нет открытых бенчмарков - нет подтверждённого серийного производства - до уровня Nvidia Blackwell и по мощности, и по эффективности ещё далеко Тем не менее сам подход показатель: акцент переносится с гонки за «нанометрами» к близости памяти, 3D-упаковке и near-memory computing. Это то направление, куда движется весь рынок высокопроизводительного AI-железа. На данный момент концепт скорее сигнал о намерениях, чем реальный конкурент Nvidia. tweaktown.com/news/109123/china-says-its-homegrown-14nm-chips-rival-nvidias-4nm-chips/index.html