Ознакомьтесь с применением текстового эмбеддинга в классификации текстов и семантическом поиске (с примерами Python-кода). Текстовой эмбеддинг позволит использовать более простые и дешевые LLM-методы, сохраняя при этом большую часть смысла.

https://nsprg.ru/maY56m

VK: https://nsprg.ru/vdWewx

@nuancesprog #MachineLearning #LLM

Узнайте, что именно происходит за кулисами в векторных базах данных. У вас есть возможность самостоятельно пройти все этапы работы с векторами: начиная от эмбеддинга и заканчивая поиском ближайшего соседа.

https://nsprg.ru/O4Kqgv

VK: https://nsprg.ru/x1zKqv

@nuancesprog #LLM #MachineLearning

Рассмотрим внедрение Visual Language Model (VLM) для поиска по картинкам в Нейро Яндекса. Изучим архитектуру VLM, процесс обучения и применение в поиске по картинкам. Проанализируем изменения в пайплайне и оценим результаты внедрения.

ХАБР: https://habr.com/ru/companies/yandex/articles/847706/

@nuancesprog #MachineLearning #LLM

Мощь больших языковых моделей (LLM) очевидна. Но так ли легко обеспечить их всем необходимым? Сегодня мы пройдем путь работы над LLM - от доказательства концепции до производства - и поговорим о том, какие меры предпринять и каких подводных камней избегать.

https://nsprg.ru/ma7Z7v

VK: https://nsprg.ru/O7wgXO

@nuancesprog #MachineLearning #LLM

Предлагаем пошаговое руководство по полной разработке LLM-приложений - от первоначальной идеи до экспериментов, оценки и создания продукта. Следуя ему, вы сможете максимально расширить границы возможного LLM-нативных технологий.

https://nsprg.ru/mW2lyO

VK: https://nsprg.ru/O5P7Bv

@nuancesprog #LLM #MachineLearning

Узнаем, как Яндекс создавал новое поколение языковых моделей YandexGPT 5, какие технические улучшения реализовали для Pro-версии, как добились результатов на уровне GPT-4o и превзошли Qwen 2.5. Разберем оптимизации, снизившие затраты на вычисления на 25%, и возможности выложенной опенсорс Lite-версии для разработки собственных решений.

ХАБР: https://nsprg.ru/O4lodO

@nuancesprog #MachineLearning #LLM

Последние достижения в области LLM открывают новые возможности для оптимизации процесса аннотирования, особенно для обнаружения ошибок в метках в существующих наборах данных. Ознакомьтесь с новым подходом, использующим ансамбль LLM для выявления потенциально ошибочно помеченных примеров.

https://nsprg.ru/OKb3ov

VK: https://nsprg.ru/mW2EqO

@nuancesprog #LLM #MachineLearning

Автор предлагает не промптить, а программировать нейросетевые модели, рассматривая их как устройства, работающие через глубокие нейронные сети. В статье — код, построение, выполнение и оптимизация конвейера, а также практический пример, разработанный при помощи новой библиотеки DSPy.

https://nsprg.ru/vLJJDm

VK: https://nsprg.ru/xR330v

@nuancesprog #DSPy #GPT #MachineLearning #LLM

Одного лишь извлечения необработанного текста недостаточно для автоматизации получения финансовой информации. Чтобы использовать LLM в полную силу, необходимо с самого начала сохранять табличные данные в корректном формате. Сегодня познакомимся с мощным инструментом Apryse, который в этом поможет.

https://nsprg.ru/mYbeZx

VK: https://nsprg.ru/xAw56O

@nuancesprog #LLM #PDF #GPT #Apryse