Big data world

Генерация тестов ИИ: руководство для разработчиков, не стреляя себе в ногу https://foojay.io/today/ai-driven-testing-best-practices

За полчаса установил DeepSeek 1.5B, пока вы искали GPT подешевле DeepSeek 1.5B — маленький, но шустрый собрат больших языковых моделей. Работает локально, не требует железа на киловатт. Внутри — инструкция по установке, настройке и запуску DeepSeek 1.5B на Ubuntu 24.04 с Ollama и Open WebUI. https://habr.com/ru/companies/minerva_media/articles/909130/

Бесплатный 65-часовой учебный лагерь GenAI https://www.freecodecamp.org/news/free-genai-65-hour-bootcamp

10 практических шагов по улучшению агентских систем https://blog.dailydoseofds.com/p/10-practical-steps-to-improve-agentic

От MCP до мультиагентов: 10 лучших новых проектов ИИ с открытым исходным кодом на GitHub прямо сейчас и почему они важны https://github.blog/open-source/maintainers/from-mcp-to-multi-agents-the-top-10-open-source-ai-projects-on-github-right-now-and-why-they-matter/

Создайте MCP-сервер за 3 шага https://blog.dailydoseofds.com/p/build-an-mcp-server-in-3-steps

Как бы я быстро освоил машинное обучение и искусственный интеллект, если бы мне пришлось начинать все сначала https://www.youtube.com/watch?v=8xUher8-5_Q

Достижение гибкой и высокоточной генерации изображений с сохранением идентичности остается сложной задачей, особенно с помощью усовершенствованных диффузионных преобразователей (DiT), таких как FLUX. Мы представляем InfiniteYou (InfU), одну из самых ранних надежных фреймворков, использующих DiT для этой задачи. https://github.com/bytedance/infiniteyou

Сообщество аналитиков и инженеров данных, где ты найдёшь множество интересных трюков, лайфхаков и глубоких инсайтов по работе с Pandas в Python. Всё, что нужно, чтобы усвоить мощь библиотек для анализа данных и автоматизировать рутинные задачи. Подписаться ✔️

Dolphin — это многоязычная, многозадачная модель ASR, разработанная в рамках сотрудничества Dataocean AI и Университета Цинхуа. Она поддерживает 40 восточных языков Восточной Азии, Южной Азии, Юго-Восточной Азии и Ближнего Востока, а также 22 китайских диалекта. Она обучена на более чем 210 000 часах данных, включая как собственные наборы данных DataoceanAI, так и наборы данных с открытым исходным кодом. Модель может выполнять распознавание речи, обнаружение голосовой активности (VAD), сегментацию и идентификацию языка (LID). https://github.com/dataoceanai/dolphin

Карта разума панд Лучшая интеллект-карта для освоения панд. https://blog.dailydoseofds.com/p/pandas-mind-map

💥ОБЪЯВЛЕНИЕ: Выпущен Opik v1.2! 💥 Opik — это фреймворк оценки LLM с открытым исходным кодом для: 🔥Реализации метрик на основе LLM 🪲Регистрации/отладки трассировок LLM 💯Оценки, аннотирования и управления версиями данных LLM И многого другого. Ознакомьтесь с репозиторием ниже. https://github.com/comet-ml/opik?twclid=22ezzw30vusgrr1nvofweb0qbi

Что такое протокол контекста модели(MCP)? https://www.builder.io/blog/model-context-protocol

9 шпаргалок по RAG, LLM и агентам ИИ ...для инженеров ИИ (объяснение с наглядными примерами). https://blog.dailydoseofds.com/p/9-rag-llm-and-ai-agent-cheat-sheets

GigaChat 2.0 в API https://habr.com/ru/companies/sberdevices/articles/890552/

Создание рекомендательного сервиса по типу TikTok Масштабирование персонализированного рекомендателя до миллионов товаров в режиме реального времени https://medium.com/data-science-collective/1-building-a-tiktok-like-recommender-a64563262c1a

Создание Deep Research Agent с нуля Давайте создадим с нуля Deep Research Agent, который поможет вам в повседневной работе на базе DeepSeek R1. https://www.newsletter.swirlai.com/p/building-deep-research-agent-from

Создайте своего помощника с искусственным интеллектом Second Brain Использование агентов, систем RAG, LLMOps и LLM https://decodingml.substack.com/p/build-your-second-brain-ai-assistant

AMD побеждает в открытом исходном коде, GNOME завершает поддержку Wayland Новости Linux и Open Source https://www.youtube.com/watch?v=3d65Mnr8onE

Понимание внимания в LLM Существует множество отличных статей и руководств по ИИ, которые объясняют модель внимания в больших языковых моделях. Но эта по сути простая модель часто затемняется деталями реализации и оптимизациями. В этом посте я постараюсь перейти к сути. https://bartoszmilewski.com/2025/03/06/understanding-attention-in-llms