Когда хайп захватывает умы, кажется, что любое техническое решение должно строиться вокруг новой модной технологии и что теперь-то мы ух заживем! Сегодня у нас на хайпе RAG (Retrieval-Augmented Generation), вчера — NFT, позавчера — блокчейн везде и всюду. Давайте попробуем разобраться, нужен ли RAG на самом деле, или это просто «новый блокчейн» и через год все набьют шишки и забудут о нем.
Рубрика «машинное обучение» - 3
Нам нужен RAG, вам нужен RAG: как встроить LLM туда, где она не нужна
2024-12-08 в 6:27, admin, рубрики: llm, nlp, rag, база знаний, Большие данные, большие данные и машинное обучение, машинное обучение, разработка, языковые моделиБиоинформатика и Evo: как искусственный интеллект меняет подходы к анализу геномов
2024-12-07 в 18:44, admin, рубрики: анализ данных, биоинформатика, биология, Биотехнологии, биохакинг, генетика, гены, днк, машинное обучение, РНКВ современном мире каждый из нас сталкивается с генетикой, будь то медицинские анализы, CRISPR-дизайн или изучение наследственных признаков. Но что, если мы могли бы заглянуть глубже, понять тайные механизмы генов и даже создать новые последовательности ДНК, пригодные для науки и медицины? Это больше не фантазия, а реальность благодаря Evo — искусственной нейросети, которая переосмысливает подходы к анализу и проектированию геномов.
Что такое Evo?
NLP: когда машины начинают понимать нас (Часть 1)
2024-12-07 в 7:00, admin, рубрики: machinelearning, ml, natural language processing, nlp, машинное обучение, обработка естественного языкаВведение в NLP
Представьте, что вы можете разговаривать с компьютером так же естественно, как с обычным человеком. Вы задаёте вопросы, получаете ответы, даёте команды - и это всё на вашем родном языке. Именно этим и занимается обработка естественного языка (Natural Language Proccessing, или NLP) - область искусственного интеллекта, которая фокусируется на взаимодействии между компьютерами и людьми с помощью естественного языка.
О векторных базах данных простым языком
2024-12-06 в 13:01, admin, рубрики: mysql, postgres, python, ruvds_переводы, Алгоритмы, векторные базы данных, машинное обучениеПредставьте, что управляете онлайн-магазином, предлагающим тысячи товаров.
Чтобы помочь пользователям находить нужные позиции, вы добавили строку поиска. Теперь посетители могут вводить интересующие их запросы, на что вы будете показывать им подходящие результаты.
Например, когда пользователь вводит «лето», вы можете показывать предметы вроде шортов, платьев, панам и пляжных зонтов.
Как бы вы реализовали такую систему?Читать полностью »
Применимость Java в искусственном интеллекте: 7 библиотек для нейросетей, которые стоит изучить
2024-12-06 в 6:03, admin, рубрики: java, библиотеки, машинное обучение, нейросети, ПрограммированиеJava — один из самых популярных языков программирования, особенно в корпоративной разработке. Несмотря на доминирование Python в области машинного обучения и нейросетей, Java сохраняет свою актуальность благодаря сильной экосистеме, высокопроизводительным библиотекам и возможности интеграции с существующими решениями. В этой статье мы разберём, почему Java всё ещё полезен для нейросетей, какие библиотеки стоит изучить и для чего его применять.
1. Почему Java полезен для нейросетей?
1.1 Производительность
-
Java работает на JVM (Java Virtual Machine), которая обеспечивает высокую производительность за счёт Just-In-Time (JIT) компиляции.Читать полностью »
Chronos от Amazon: революция в обработке временных рядов. Часть 2
2024-12-06 в 6:00, admin, рубрики: artificial intelligence, Chronos, data science, llm, machine learning, natural language processing, time series, временные ряды, искусственный интеллект, машинное обучениеИтак, друзья, продолжаем тему прогнозирования временных рядов с помощью Chronos.
Напомню, что Chronos это фреймворк от компании Amazon — простой, но эффективный фрэймворк для предобученных вероятностных моделей временных рядов.
Как мы сделали клиентскую поддержку интернет-магазина действительно умной: опыт внедрения RAG-бота
2024-12-05 в 14:10, admin, рубрики: AI, chatgpt, CRM, llm, rag, искусственный интеллект, искусственный интеллект чат-бот, машинное обучение, нейросети, Чат-ботыПривет! Я — Андрей Богомолов, сооснователь и технический директор GenAI Lab. Мы помогаем компаниям из разных сфер внедрять генеративный искусственный интеллект для автоматизации и повышения качества работы.
VR для животных: приключения журчалки и краба в виртуальной реальности
2024-12-04 в 9:45, admin, рубрики: unity, Алгоритмы, аэродинамика, биология, виртуальная реальность, Компьютерное зрение, машинное обучение, Моторика, поведенческий анализ, полётРазвитие науки и технологий начитается в лабораториях и являются результатом непосильного труда ученых умов из самых разных отраслей науки. В последствии изобретения становятся либо постоянными жильцами лабораторий и используются для дальнейших исследований, либо становятся достоянием общественности, облегчая наш быт и досуг. Но иногда эти технологии возвращаются в лаборатории для весьма необычных тестов. Ученые из Университета Флиндерса (Австралия) решили использовать технологию виртуальной реальности на мелких животных, дабы лучше понять их поведение. Как ученые адаптировали VR под маленьких подопытных, какие параметры были изучены, и что нового удалось узнать? Ответы на эти вопросы мы найдем в докладе ученых.Читать полностью »
Машинное обучение: Линейная регрессия. Теория и реализация. С нуля. На чистом Python
2024-12-03 в 15:00, admin, рубрики: искусственный интеллект, линейная регрессия, машинное обучениеВ этой статье я рассказываю про линейную регрессию, свойства, которыми должны обладать данные для модели, процесс обучения, регуляризацию, метрики качества. Кроме чистой теории я показываю как это все реализовать. Я рассказываю все в своем стиле и понимании - с инженерной точки зрения, с точки зрения того, как реализовывать с нуля.
Введение
Линейная регрессия (ЛинР)Читать полностью »
Physics-based и data-driven моделирование
2024-12-02 в 18:15, admin, рубрики: data-driven, PINN, гибридные модели, машинное обучение, обзор, физически обоснованные моделиData-driven модели
В этом посту поговорим про различия в двух подходах моделирования, а именно, чем отличаются физически обоснованные модели от моделей, основанных на данных. На самом деле между этими двумя понятиями есть и кое-что среднее, что становится актуальнее в решении научных задач. Но об этом позже.