• Сбер проник в n8n и фильтрует нам лидов: как мы подключили Отечественную нейросеть к автоматизациям
• Часть 2. Победа над каракулями: бенчмарки Attention/ControlNet/Canva и готовые рецепты
• Часть-1. Почему ИИ рисует каракули вместо текста: анатомия проблемы и дорожная карта решений
• End-to-end вместо трёх костылей: как мы обошли OCR и выиграли по скорости и точности
• Случайный ИИ успех: Как мы встроили нейросеть в приложение для автосервисов и сорвали куш с подписками
• LLMops дома: быстрое разворачивание и настройка инфраструктуры с помощью Langfuse
• Cache-Augmented Generation против RAG: как ускорить инференс без потери качества
• От традиционных LLM-агентов к Agentic AI: будущее автоматизации бизнеса + реализация вашего ассистента по темам
• Почему n8n важен в автоматизации бизнеса: примеры успешной автоматизации
• Как мы научили LLM проверять себя и сэкономили ресурсы на RAG-пайплайне
• Ваш персональный аналитик: как создать RAG-пайплайн для анализа Telegram-каналов
• Self-RAG: LLM сама выбирает, когда ей нужен контекст
• Как алгоритм Recovering Difference Softmax (RDS) делает рекомендации и уведомления точнее и эффективнее
• Грязные схемы на собеседованиях: как мошенники используют разработчиков и обманывают работодателей
• Model Context Protocol (MCP): как подружить нейросети со всеми API за пару кликов
• Как Duolingo юзает машинное обучение для прокачки английского: кратко и по делу
• Правда или нет, что Google победил Cursor?
• Собеседовали 25 джунов в Data Science: кого стоит брать и почему?
• Вайб-кодинг: революция для стартаперов или ловушка для программистов? Обзор инструментов
• Mixture of Experts: когда нейросеть учится делегировать
• SmolAgents: или как заставить LLM работать на тебя за 30 минут
• Vision Transformer-применение трансформеров в задачах компьютерного зрения
• 30 трюков на Python с описанием преимущества
• Улучшаем python код в пару кликов
• 5 способов оптимизации функций в Python
• Топ 5 продвинутых инструментов Data Science. Изучи за выходные и будешь выделяться
• Дообучаем Llama 3.1 у себя дома
• Делаем своего AI стилиста на python
• Вышла новая — Llama 3.1 405B
• Т-Банк открыл доступ к собственной русскоязычной языковой модели T-lite
• PandasAI — кратно ускоряем работу аналитика данных в одну строчку
• Midjourney и промпты для пиксельных артов
• Угнали все мои телеграм каналы на 50к+ подписчиков. Вернул спустя месяц. План действий
• ChatGPT пройдёт собеседование по Data Science вместо вас
• Мое первое серебро на Kaggle или как стабилизировать ML модель и подпрыгнуть на 700 мест вверх
• Как мы взяли бронзу вместо золота на Kaggle или умей верно выбрать сабмит
• Feature Engineering или стероиды для ML моделей
• Получил доступ к Dalle-2. Вы не поверите, что может нарисовать машина… Дизайнеры больше не нужны
• В Data Science не нужна математика (Почти)
• 8 ошибок, из-за которых ты проиграешь в соревновательном Data Science
• 5 грязных трюков в соревновательном Data Science, о которых тебе не расскажут в приличном обществе
• Как увеличить точность модели с 80% до 90%+ (мой опыт)