Вы когда-нибудь открывали папку «Архив_2017», чтобы среди файлов вроде «отчет_финал_второй_финал.xls» найти нечто, от чего зависит судьба проекта? А бывало в вашей компании такое, когда директора спорили на совещаниях: «Интуиция подсказывает — этот клиент уйдёт» — «А у нас цифры говорят, что останется»?
Рубрика «умный поиск»
От Excel до ИИ: зачем бизнесу переходить на Smart Analytics
2025-09-05 в 12:01, admin, рубрики: BigData, teamly, аналитика данных, база знаний, умный поискКак я создал Telegram-бота Favie и решил проблему «Избранного»
2025-05-30 в 4:12, admin, рубрики: Favie, лайфхаки, личный опыт, мессенджеры, облачное хранение, организация данных, продуктивность, умный поиск, хранение данныхВ современном мире мы ежедневно сталкиваемся с потоком информации: ссылки, фото, видео, документы — всё это быстро накапливается и теряется в хаосе закладок, медиатеки или чатов. Я устал от этой проблемы и решил её раз и навсегда, создав Telegram-бота Favie. Это инструмент, который упрощает хранение данных, предлагает умный поиск по тегам и работает на любом устройстве, и в этой статье я расскажу о нём и как он появился.
Как докатить ML в прод: шесть граблей, на которые мы наступили
2018-06-28 в 8:03, admin, рубрики: headhunter, ml, production, TensorFlow, Алгоритмы, Блог компании HeadHunter, грабли, машинное обучение, нейросеть, отладка, поисковые технологии, умный поискСовсем недавно мы искали дата-сайентиста в команду (и нашли — привет, nik_son и Арсений!). Пока общались с кандидатами, поняли, что многие хотят сменить место работы, потому что делают что-то «в стол».
Например, берутся за сложное прогнозирование, которое предложил начальник, но проект останавливается — потому что в компании нет понимания, что и как включить в продакшен, как получить прибыль, как «отбить» потраченные на новую модель ресурсы.
У HeadHunter нет больших вычислительных мощностей, как у «Яндекса» или Google. Мы понимаем, как нелегко катить в продакшен сложный ML. Поэтому многие компании останавливаются на том, что катят в прод простейшие линейные модели.
В процессе очередного внедрения ML в рекомендательную систему и в поиск по вакансиям мы столкнулись с некоторым количеством классических «граблей». Обратите на них внимание, если собираетесь внедрять ML у себя: возможно, этот список поможет по ним не ходить и найти уже свои, персональные грабли.
Читать полностью »
IMDb, GrooveShark, eBay и многое другое в поиске Unity в Ubuntu 13.04
2013-02-05 в 14:45, admin, рубрики: Ubuntu, unity, Убунтариум, умный поискприм.
- scopes ~ источник поиска.
- Мои знания английского к сожалению не позволили нормально понять эту конструкцию: ...let’s take a moment to doff our digital caps to both Mark Tully & David Callé
- а так же это: Yelp (the hey-cool-places-near-you-foursquare-sucks-by-the-way website)
Буду рад помощи в правке перевода.
Спасибо всем кто смотрит под спойлер :)
Как часть объявленного недавно API «Умного поиска» в Ubuntu 13.04 может появиться до 100 новых источников поиска.
Зачем так много? Ubuntu надеется что обеспечив множество источников для поиска, вы сможете найти больше чем искали, не выходя из Dash.
Ubuntu желает быть более полезным и более релевантным чем в настоящее время — а так же более быстрым.
Читать полностью »
Поиск неточных совпадений
2012-03-29 в 5:46, admin, рубрики: php, Веб-разработка, неточный поиск, Песочница, поиск, поиск по КЛАДР, сравнение строк, умный поиск, метки: неточный поиск, поиск, поиск по КЛАДР, сравнение строк, умный поискПредисловие
Есть у нашей компании своя собственная CRM и периодически в эту систему добавляются данные о неких организациях с точным адресом, и главное что адреса эти по сути уникальны, то есть в системе не должно быть нескольких организаций по одному адресу (специфика, на самом деле могут, но контролируется челфаком*). С недавнего времени в систему был прикручен КЛАДР, но и он не мог быть панацеей, т.к. КЛАДР имеет кучу неточностей, многие нас. пункты остались без номеров домов итд. итп., хотя адреса эти в реальности есть (данные предоставляют сотрудники компании и они достоверны). В общем ввод адреса оставили в свободной форме с подсказкой из КЛАДр. Сразу хочу сказать, что от комбинации полей мы отказались, т.к. многообразие аббревиатур сокращений не сулило ничего хорошего, к тому же вполне позволительным был адрес на подобии («Ололошское ш. 5км», «ТЦ Весельчак У» или даже «Центральный рынок»). И наконец главный враг программиста — челfuck, подразумевающий от неграмотности и опечаток до залипающей клавиатуры и опечаток. Остальное под катом…
Читать полностью »
Поиск неточных совпадений, поиск с учетом ошибок ввода
2012-03-29 в 5:46, admin, рубрики: php, Веб-разработка, Клиентская оптимизация, неточный поиск, поиск, поиск по КЛАДР, сравнение строк, умный поиск, метки: неточный поиск, поиск, поиск по КЛАДР, сравнение строк, умный поискПредисловие
Есть у нашей компании своя собственная CRM и периодически в эту систему добавляются данные о неких организациях с точным адресом, и главное что адреса эти по сути уникальны, то есть в системе не должно быть нескольких организаций по одному адресу (специфика, на самом деле могут, но контролируется челфаком*). С недавнего времени в систему был прикручен КЛАДР, но и он не мог быть панацеей, т.к. КЛАДР имеет кучу неточностей, многие нас. пункты остались без номеров домов итд. итп., хотя адреса эти в реальности есть (данные предоставляют сотрудники компании и они достоверны). В общем ввод адреса оставили в свободной форме с подсказкой из КЛАДр. Сразу хочу сказать, что от комбинации полей мы отказались, т.к. многообразие аббревиатур сокращений не сулило ничего хорошего, к тому же вполне позволительным был адрес на подобии («Ололошское ш. 5км», «ТЦ Весельчак У» или даже «Центральный рынок»). И наконец главный враг программиста — челfuck, подразумевающий от неграмотности и опечаток до залипающей клавиатуры и опечаток. Остальное под катом…
Читать полностью »