Kantor.AI
Почему MLщики не торгуют и правда ли это На лекциях часто спрашивают, почему MLщики не идут торговать на биржу с помощью алгоритмов. Единичные примеры разумеется есть и их все знают (даже те, кто задают эти вопросы на лекции))). Но массового явления не наблюдается.…
Дальнейшие изыскания привели к интересным находкам. Первая - что есть целое направление инфобиза про как заниматься трейдингом на питоне)) Ценники на доступ к материалом с первого же этапа солидные, из чего возникает гипотеза, что дальше может быть какой-то офер на 25/50/100к. Так что как минимум можно сказать, что заработать на трейдинге можно независимо от успешности трейдинга, главное, чтобы торговали при этом не вы. И помимо совсем примитивных вариантов в духе предложений ботов в комментах тг каналов, есть чуть более продвинутые штуки с питончиком и прохладными лозунгами типа "Join 1,510 alumni that are using Python to make money"
😁18🤩2💯1
Кроме того, я вспомнил, что знакомился много лет назад с Георгием Черемовским, фаундером Wunderfund ( wunderfund.io ). От него я узнал, что они запустили соревнование как раз для тех, кому интересно применять ML в трейдинге. И в нем можно сейчас поучаствовать: wundernn.io , $13600 призового фонда, срок проведения до 1 декабря
🤡48😁11🔥9👎6❤1
Про GPT в Алисе
Бывает, скажешь что-нибудь эдакое Алисе — например, ругнешься невзначай в ответ на её «в данную минуту на улице плюс шесть» в сентябре, а она подхватит и ответит как живая. С развитием больших языковых моделей это хоть и приятно, но не удивительно. Но вопрос-то в другом: насколько в ней действительно «сидит» GPT, а где всё ещё работают старые сценарные схемы?
На прошедшем big tech night 12 сентября как раз был доклад Павла Капли, руководителя продуктовой разработки Алисы, посвящённый этой теме. Выделил для себя главное:
1. Раньше Алиса жила на сценариях: «услышала intent → выбрала готовый ответ».
2. Теперь команда двигается к агентности: ИИ сам строит логику решения задачи, вызывает нужные инструменты по шагам, а не идёт по заранее заданным веткам.
3. Первые прототипы работали по 15 секунд на запрос, но инженерная оптимизация позволила добиться скорости и стабильности.
4. Результаты внедрения на ТВ-станциях: перезапросы ↓ 11,41 %, ошибки «извините» ↓ 16,09 %, «не смогла» ↓ 15,58 %.
Итог простой: GPT внутри Алисы не только работает, но и улучшает пользовательские метрики и даёт системе возможность понимать сложные команды вроде «включи Титаник на громкости 30». Если хотите узнать больше об архитектурной революции в Алисе — смотрите запись доклада вот тут.
Бывает, скажешь что-нибудь эдакое Алисе — например, ругнешься невзначай в ответ на её «в данную минуту на улице плюс шесть» в сентябре, а она подхватит и ответит как живая. С развитием больших языковых моделей это хоть и приятно, но не удивительно. Но вопрос-то в другом: насколько в ней действительно «сидит» GPT, а где всё ещё работают старые сценарные схемы?
На прошедшем big tech night 12 сентября как раз был доклад Павла Капли, руководителя продуктовой разработки Алисы, посвящённый этой теме. Выделил для себя главное:
1. Раньше Алиса жила на сценариях: «услышала intent → выбрала готовый ответ».
2. Теперь команда двигается к агентности: ИИ сам строит логику решения задачи, вызывает нужные инструменты по шагам, а не идёт по заранее заданным веткам.
3. Первые прототипы работали по 15 секунд на запрос, но инженерная оптимизация позволила добиться скорости и стабильности.
4. Результаты внедрения на ТВ-станциях: перезапросы ↓ 11,41 %, ошибки «извините» ↓ 16,09 %, «не смогла» ↓ 15,58 %.
Итог простой: GPT внутри Алисы не только работает, но и улучшает пользовательские метрики и даёт системе возможность понимать сложные команды вроде «включи Титаник на громкости 30». Если хотите узнать больше об архитектурной революции в Алисе — смотрите запись доклада вот тут.
❤25👍13😁2