Я попробовал 84 плагина ChatGPT. Это лучшие

https://artificialcorner.com/i-tried-84-chatgpt-plugins-these-are-the-best-3b3be6b1cb7b

Переходим на личности: как создать не просто бота, а виртуального персонажа с характером и историей.

https://habr.com/ru/companies/mts_ai/articles/737310/

29 мая приглашаем на вебинар всех, кому интересна тема AI, Machine learning и Data Science!

👉 Зарегистрироваться: https://proglib.io/w/0a0b7421

Что будем обсуждать?

– Математика как основа ИИ: Почему без математики невозможна эффективная работа в области AI
– На что обращают внимание при найме ML/AI разработчиков: нужно ли фундаментальное образование?
– Примеры математических методов применяемых в AI / Data Science
– Ключевые роли и компетенции в AI команде: Data Engineer, ML Engineer, Data Scientist, Data Analyst

Кто спикер?

👨‍💻 Валентин Рябцев – Co-founder, CPO Wale, ex-руководитель глобальных ИТ-инноваций в Louis Dreyfus (Франция)

Регистрируйтесь, чтобы не пропустить прямой эфир https://proglib.io/w/0a0b7421

3500 в час с ChatGPT.

https://habr.com/ru/companies/mvideo/articles/737250/

Цифры, которые должен знать каждый разработчик LLM.

https://github.com/ray-project/llm-numbers

Юрген Шмидхубер, известный «отец современного ИИ», говорит, что дело всей его жизни не приведет к антиутопии.

https://www.forbes.com/sites/hessiejones/2023/05/23/juergen-schmidhuber-renowned-father-of-modern-ai-says-his-lifes-work-wont-lead-to-dystopia/

tiny corp привлекла 5,1 миллиона долларов.

https://geohot.github.io/blog/jekyll/update/2023/05/24/the-tiny-corp-raised-5M.html

Маленькие языковые модели улучшают работу гигантов, переписывая их результаты.

https://arxiv.org/abs/2305.13514

Сравнение нейросетей для перевода.

https://habr.com/ru/articles/737950/

Ваш путеводитель по ИИ: май 2023 г.

https://nathanbenaich.substack.com/p/your-guide-to-ai-may-2023

Новые инструменты для работы c ML-моделями и обзор MLOps от CERN.

https://habr.com/ru/companies/selectel/articles/737492/

Идеальный препроцессинговый пайплайн для NLP-моделей.

https://habr.com/ru/articles/738176/

Как сделать голосового бота техподдержки и не разочароваться?

https://habr.com/ru/companies/just_ai/articles/735732/

❌ 5 распространенных ошибок на собеседованиях в Google

Вопреки распространенному мнению, отсутствие знаний о структуре данных не является основной причиной отказа кандидатам. В этой статье мы прольем свет на наиболее распространенные ошибки, которые допускают соискатели на собеседованиях в Google.

🔗 Основной сайт
🔗 Зеркало

Порог вероятности: гиперпараметр для автоматизации улучшения работы нейросетевой модели.

https://habr.com/ru/articles/738548/

ИИ в депо: 7 вопросов от ChatGPT про работу вагоноремонтного предприятия.

https://habr.com/ru/companies/pgk/articles/738792/

Выбор хорошего формата файла для Pandas

CSV, JSON, Parquet — какой формат данных следует использовать для данных Pandas? Автор статьи сравнивает их и дает рекомендации.

Читать статью

Спортивная аналитика с открытым исходным кодом с PySport

Если вы ищете забавные наборы данных для обучения, для преподавания, может быть, для выступления на конференции или даже если вы просто действительно увлечены ими, спорт предлагает непрерывный поток богатых данных, с которыми могут столкнуться многие люди.

Тем не менее, доступ к этим данным может быть сложным. Иногда он заблокирован в неясных форматах файлов. В других случаях данные существуют, но без четкого API для доступа к ним.

В этом подкасте говорят о PySport — удивительном списке широкого спектра библиотек (в основном Python) для доступа к широкому спектру спортивных данных из НФЛ, НБА, Ф1 и других.

Читать статью

Метод Python .__call__(): создание вызываемых экземпляров

В этой статье рассказано, что такое вызываемый объект в Python и как создавать вызываемые экземпляры с помощью специального метода .call() в ваших классах. Также прилагаются несколько примеров практического использования вызываемых экземпляров в Python.

Читать статью

Не дайте себя одурачить дрейфом данных

Если вы ищете информацию о мониторинге ML в Интернете, есть большая вероятность, что вы столкнетесь с различными подходами к мониторингу, выступающими за то, чтобы поставить дрейф данных в центр решений для мониторинга.

Цель этой записи в блоге — продемонстрировать, что не все смещения данных влияют на производительность модели. Доверие к методам дрейфа падает, поскольку они, как правило, вызывают большое количество ложных срабатываний. Чтобы проиллюстрировать этот момент, автор обучает модель машинного обучения с использованием реального набора данных, отслеживает распределение функций модели в производственной среде и заставляет модель сообщать о любом отклонении данных, которое может произойти.

Читать пост

🧮 Что такое математический анализ и как он используется в программировании

Расскажем, для чего матанализ нужен в программировании, и как в нем разобраться максимально быстро без головной боли.

🔗 Основной сайт
🔗 Зеркало