Открытая база знаний · IT / Digital
AI и автоматизация
Статьи, инструкции и разборы по теме «AI и автоматизация».
- RabbitMQ: очереди, маршрутизация и надёжная доставка сообщений Как RabbitMQ принимает, маршрутизирует и доставляет сообщения, зачем нужны подтверждения и как построить обработку, устойчивую к сбоям и повторам. 18 мин
- Как устроены языковые модели: токены, attention, контекст и генерация Как языковая модель превращает текст в токены, связывает части контекста через attention, обучается предсказывать продолжение и формирует ответ. 16 мин AI и автоматизация в цифровых продуктах: от данных до работающей системы
- Как встроить LLM в приложение: запрос, проверка ответа и обработка ошибок Как превратить вызов LLM в надёжную функцию приложения: подготовить данные, задать схему ответа, проверить факты и обработать сбои. 15 мин AI и автоматизация в цифровых продуктах: от данных до работающей системы
- Инструменты и AI-агенты: вызов API, управление и безопасность Как языковая модель вызывает инструменты, как приложение управляет действиями AI-агента и какие ограничения нужны для безопасной работы. 16 мин AI и автоматизация в цифровых продуктах: от данных до работающей системы
- Инструменты и AI-агенты: вызов API, управление и безопасность Как языковая модель вызывает инструменты, как приложение управляет действиями AI-агента и какие ограничения нужны для безопасной работы. 16 мин AI и автоматизация в цифровых продуктах: от данных до работающей системы
- AI-система в эксплуатации: качество, стоимость, задержка и мониторинг Как измерять качество AI-системы после запуска, находить причины ошибок, контролировать стоимость и задержку и безопасно обновлять её компоненты. 15 мин AI и автоматизация в цифровых продуктах: от данных до работающей системы
- Подготовка данных для ML: разметка, признаки и утечка данных Как собрать данные для обучения модели: определить правильный ответ, подготовить признаки, избежать утечки и проверить выборку. 17 мин AI и автоматизация в цифровых продуктах: от данных до работающей системы
- Как проверить качество ML-модели: выборка, метрики и цена ошибок Разбираем проверку ML-модели на примере обращений клиентов: разделение данных, матрица ошибок, precision и recall, выбор порога, калибровка и контроль после запуска. 19 мин AI и автоматизация в цифровых продуктах: от данных до работающей системы
- Как обучается ML-модель: функция потерь, градиент и переобучение Как модель превращает примеры в параметры: признаки, прогноз, функция потерь, градиент, оптимизация и регуляризация на примере обращений клиентов. 16 мин AI и автоматизация в цифровых продуктах: от данных до работающей системы
- RAG-системы: как языковая модель отвечает на основе внешних данных Подробно разбираем, что такое RAG-система, из каких компонентов она состоит, как документы превращаются в индекс, как работает поиск и как LLM формирует ответ на основе найденного контекста. 34 мин AI и автоматизация в цифровых продуктах: от данных до работающей системы
- Введение в машинное обучение: что это такое и какие задачи оно решает Понятное введение в машинное обучение: отличие от обычной программы, данные, модели, обучение, классификация, регрессия, кластеризация и связь с data mining. 8 мин AI и автоматизация в цифровых продуктах: от данных до работающей системы