DATApedia | Data science

ИИ-агенты выходят на рынок: как строится новая агентная экономика Автономные ИИ-агенты становятся активными участниками цифровых рынков: они договариваются, закупают данные, пишут код и управляют роботами. В статье обсуждается, как формируется новая агентная экономика, какие риски и возможности она несёт, и почему важно заранее проектировать правила для таких рынков, чтобы масштабировать выгоды и сдерживать риски. Статья ↗ | DATApedia ↗ | #DS_AI

​​Что такое эмбеддинги и как с ними работать. Вводная для начинающих В этой статье я хотел бы рассказать о подходах в работе с векторными представлениями данных, а именно — эмбеддингами. Читать | DATApedia

Почему ИИ скрывает от нас свои цели (и как это исправить) Статья объясняет, почему современные языковые модели ИИ могут оптимизировать скрытые цели, отличные от намерений пользователя. Разбираются причины misalignment, реальные примеры “взлома” функций награды и методы аудита, позволяющие выявлять и предотвращать такие ситуации. Статья | DATApedia | #DS_AI

​​Три сказа о построении RAG: От выбора модели до форматирования базы знаний В этой статье хочу рассказать, как мы сделали карманного консультанта по клиентократии — и зачем вообще он понадобился. Читать | DATApedia | #DS_AI

​​Нейросеть — это? Сегодня мы поговорим об искусственном интеллекте, а я постараюсь ответить на вопрос: что же такое эти ваши нейросети? Кроме того, я попытаюсь собрать своеобразный сборник с кратким материалом по каждому отдельному разделу про искусственный интеллект, а также дам ссылки на более развернутые материалы по каждой конкретной теме. В конце подойдем к вопросу о том, сможет ли нейросеть заменить человека, и выскажу своё мнение в достаточно актуальной баталии. Читать | DATApedia | #DS_AI

​​Как построить мультиагентную систему, которая реально работает без магии и костылей Большие языковые модели (LLM) уже неплохо рассуждают, но настоящая ценность появляется, когда они умеют делать что‑то за пределами генерации текста: обращаться к базам данных, вызывать API, считать, ходить в веб‑браузер. Но здесь появляются трудности... Читать | DATApedia #DS_AI

Как создать датасет для машинного обучения за 6 шагов Сегодня мы обсудим шесть шагов для создания наборов данных, которые идеально подойдут под ваши задачи, и разберем их на примере датасета, который мы собрали в Data Light. Читать | DATApedia

​​Градиентный бустинг для новичков В этой статье я рассмотрю общий принцип работы градиентного бустинга. Этот алгоритм считается достаточно продвинутым и эффективным, однако если рассмотреть его работу по шагам — можно увидеть, что он работает очень просто. Читать | DATApedia | #DS_AI

​​LLM и их хрупкая логика: новое исследование ставит под сомнение Chain-of-Thought Эта статья продолжает традицию критического анализа глубины рассуждений LLM, но в отличие от предыдущих исследований предлагает уникальный взгляд через призму «распределения данных», который позволяет понять, где и почему CoT систематически даёт сбой. Читать | DATApedia | #DS_AI

Неформально про реком Глитч нейросети — это база, а ивент AI VK & Pro в «оригинале» — повод собраться и узнать, как меняются рекомендательные системы. 27 августа VK проводит AI VK & Pro — закрытый митап про RecSys и ML. Где соберутся крутые ML-инженеры, исследователи и разработчики. В программе доклады от ML-лидов VK. Поговорим про Discovery Platform, продовые трансформеры и мультимодальные модели. Приходите задать вопросы, поделиться опытом и поглитчевать среди своих в неформальной обстановке. А после — афтепати: винил, сигары, вино и покер. 📍 Москва, только офлайн 📅 27 августа, сбор с 18:00 🎟 Вход по регистрации

Как заменить GitHub Copilot на полностью офлайн‑Continue Plugin В этом посте я покажу, как использовать Continue Plugin вместо GitHub Copilot, подключив к нему собственную локальную модель LLM без доступа к интернету. Такой подход обеспечивает максимальную конфиденциальность: ни IDE, ни LM Studio не имеют возможности передавать ваши файлы в облако. Читать | DATApedia | #DS_AI

Человек и LLM: как построить метрики для оценки моделей В этой статье предлагаю найти ответ на вопрос: есть ли универсальный метод оценки работы LLM‑моделей? Для этого я расскажу, какие для этого существуют бенчмарки и почему нельзя полагаться только на них, как работает Chatbot Arena LLM Leaderboard, кто такие AI‑тренеры и может ли одна модель правильно оценить другую. Читать | DATApedia | #DS_AI

Ты и та самая задача, которую ты хочешь свалить коллегам из другого отдела:

E-CUP возвращается. Реальные данные. Масштабные проекты. Большие призы Решайте ML-задачи в стиле Ozon Tech и узнайте, как работают ML-инженеры в e-com бигтехе. Девять победителей разделят призовой фонд — 7 200 000 рублей 🔥 🗓 Регистрация: https://cnrlink.com/ecup25datapedia 💻 Формат участия: онлайн 👥 Команда: от 1 до 5 человек 🎯 Для кого: Data Scientists, ML-специалисты, аналитики данных, дата-инженеры, специалисты Big Data и разработчики, которые интересуются ML/DS. Что вас ждёт: 🔹 Работа над проектом для миллионов пользователей на основе данных от ведущего e-com в России. 🔹 Обмен опытом с экспертами Ozon Tech. 🔹 Питчинг — 13 сентября на конференции E-CODE. Ozon Tech предоставит финалистам билеты и оплатит поездку. Каждый трек E-CUP — реальная e-com задача, как в настоящей продуктовой ML-команде. 1️⃣ Рекомендации: предсказание следующей покупки пользователя 2️⃣ Логистика: автопланирование курьеров 3️⃣ Контроль качества: автоматическое выявление поддельных товаров Регистрация на платформе Codenrock: https://cnrlink.com/ecup25datapedia

​​Я перешла из Data Science в AI Engineering: вот всё, что вам нужно знать В этой статье я расскажу о своём переходе из Data Science в AI Engineering, а также дам несколько практических советов тем, кто хочет совершить такой переход или просто узнать больше об этой области. Читать | DATApedia

⚡️Разбираем воронку регистраций как продуктовый аналитик Представьте ситуацию: вчера трафик был обычный, но регистраций — в разы меньше. Маркетинг в панике, руководство требует ответов. В чём дело? Ответ всегда кроется не в одном показателе, а в цепочке событий — именно в воронке метрик, которая предшествует целевой конверсии. Разберёмся с этим в прямом эфире 29 июля в 18:30 (МСК) на бесплатном вебинаре с Иваном Гераськиным, ментором курса «Аналитик данных» и руководителем аналитики и Data Science в 24HSoft. Что вас ждёт: 🟠Практический разбор кейса с просадкой регистраций. 🟠Работа с данными: выгрузим сырые данные с помощью SQL, очистим и визуализируем в Python. 🟠Анализ воронки: найдём, где именно «сливаются» пользователи Если вы работаете с цифровыми продуктами и хотите научиться видеть глубже метрики, которые стоят за успехом, — этот вебинар даст вам ценные инструменты и опыт. 🕗 Встречаемся 29 июля в 18:30 по МСК 😶Зарегистрироваться на бесплатный вебинар