Статті для тих, хто
виводить стек у прод
Матеріали про React, Node.js, TypeScript і AI. Перекладений текст показується, якщо він є. Якщо ні — ви бачите англійський текст і примітку про це.
Тег: machine-learning
Що насправді керує нейронною мережею: компілятори ШІ під Python
Що насправді керує нейронною мережею: слідкуйте за роботою LLM від Python-виразу через графи обчислень, злиття операторів, IR у стилі MLIR та їх перетворення на апаратне забезпечення.
6 хв читанняПереклад моделей вбудовування RAG без повторного індексування: як працює rebasis
Переключайте моделі ембеддингу RAG без повторного індексування: rebasis перенаправляє нові вектори запитів у старий індекс за допомогою невеликого адаптера та повідомляє, коли використання містків не є ефективним.
18 хв читанняDS-STAR проти звичайних агентів для кодування: пояснення інструменту аналізу даних від Google
Чому звичайні агенти для кодування зупиняються під час аналізу даних та як інструмент DS-STAR від Google це вирішує: сім агентів, звіти DS-STAR+, інженерія ознак, Claude Code.
22 хв читанняДистиляція з м’якими мітками для агента SQL обсягом 0.8B: чому переміг слабший вчитель Qwen
Тонке налаштування LoRA за допомогою м’яких міток типу top-k з заморожених записів дозволило агенту SQL об’ємом 0,8 млрд виконати 55 з 220 завдань, а слабший модель-вчитель Qwen перевершив сильніший модель GPT.
20 хв читанняГра у волейбол з AI-агентами для прогнозування обороту ресторану
Хакатон з підвищення обороту ресторану, створений за допомогою AI-агентів із людським керуванням: аудит даних, перевірка з урахуванням особливостей, інженерія ознак, об’єднання моделей та відставання від результатів лідерборду.
18 хв читанняВісім ідей лінійної алгебри, на яких тримаються ембединги, LoRA і PCA
Вектори, матриці, власні вектори, косинусна подібність, норми, SVD і ранг — на простих прикладах із цінами на будинки та з ШІ-техніками, які від них залежать.
7 хв читанняЩо насправді означає GPT і чому ШІ-інжиніринг лишається інжинірингом
Розбираємо Generative Pre-trained Transformer, механізм уваги, fit і predict та пояснюємо, чому якісна робота з ШІ досі тримається на звичайному інженерному здоровому глузді й правильних питаннях.
4 хв читанняП'ять безкоштовних способів почати вивчати ШІ й не потонути в роадмапах
Короткий список безкоштовних ресурсів зі ШІ: від прискореного курсу Google з ML до fast.ai, Hugging Face, Kaggle і YouTube, плюс порада, з чого почати.
7 хв читанняЯк працює LLM: токени, увага та передбачення наступного токена
Як працює LLM простою мовою: токени, ембеддинги, сама увага, каузальне маскування та генерація наступного токену, а також чому навчання та інференс справді відрізняються.
8 хв читання
Про ці статті
Оцінка за 24 години
Потрібен такий стек в операторському шарі? Надішліть бриф — оцінка за 24 години.