К вечеру на конференции уже нечего делать? А вот и нет!

В 18:10 приглашаем в Зал 2 на неформальную дискуссию «AI для бизнеса без иллюзий. Откровенный разговор о том, как продавать, защищать и выращивать AI-продукты в реальном бизнесе».

Как доказать ценность AI бизнесу и команде, что делать, если продажники уже пообещали клиенту «новый GPT к пятнице», как заставить пилот «взлететь», а не загнуться — и ещё много реальных проблем из реальной жизни. Модераторы — эксперты GitVerse, Сбера, Cloud.ru, Райффайзена и НейроSet.

Приходите, будет больно интересно.

Через 15 минут на стенде Cloud.ru пройдет розыгрыш лимитированных худи из коллаборации Cloud.ru и дизайнера Глеба Костина (бренд .solutions).
В формах и деталях предметов зашифрованы коды и отсылки к Evolution AI Factory — среде для работы с генеративным ИИ.

Чтобы успеть принять участие в розыгрыше, регистрируйтесь Cloud.ru SuperApp и жмите «Участвовать» на странице розыгрышей в приложении.

Реклама ООО "Облачные технологии" ИНН 7736279160 erid: 2W5zFGH3tPj

Ловите памятные фото с конференции 📸

Фотоальбом

Представьте: банк не просто взыскивает просроченную задолженность, а превращает этот процесс в источник прибыли, сохраняя лояльность клиентов.

В традиционном подходе взыскание часто воспринимается как неизбежная потеря или затратный процесс. Но что, если взглянуть на него под другим углом? Правильно выстроенная система Next Best Action позволяет не только минимизировать издержки, но и улучшить качество кредитного портфеля, снизить резервы и даже укрепить отношения с клиентами.

В статье от техдиректора Газпромбанк.Тех Ольги Кравченко подробно разбирается, как команда из 11 человек — дата-сайентистов, дата-инженеров и специалистов по автоматизации — построила такую систему. От архитектуры платформы данных до ML-пайплайнов и витрин Hadoop — это глубокий кейс о том, как технологии меняют банковские процессы. Узнайте, как можно совместить скорость, эффективность и минимальные затраты, избегая при этом потери лояльности.

🚀 Переходите к полной статье, чтобы узнать все детали реализации.

Можно ли развернуть ASR-модель на CPU без потери качества и производительности?
Этот вопрос часто встаёт перед разработчиками, когда GPU недоступны или нужно оптимизировать ресурсы. Кажется, что компромиссы неизбежны, но так ли это на самом деле?

В этой статье мы подробно разбираем, как MWS AI удалось продуктивизировать нейросетевые решения для распознавания речи на CPU, сохраняя при этом высокое качество и сопоставимую с GPU-кластерами точность. Вы узнаете о различных бэкендах, особенностях настройки Triton Inference Server и подводных камнях, с которыми столкнулись инженеры.

Если вы работаете с ASR, оптимизацией инференса или просто ищете способы эффективного использования ресурсов, этот материал даст вам конкретные ответы и практические кейсы.

Как внедрять ML на устройствах, где памяти меньше, чем вкладок в вашем браузере? 👀
Если ваше устройство считает 1 ГБ памяти непозволительной роскошью — этот материал точно стоит открыть.

Александр Лошкарев, инженер-программист в Eltex, разбирает, как внедрять ML-модели на краевых устройствах, которые жестко ограничены в ресурсах и имеют меньше 256 МБ оперативной памяти.

Обычно беспроводные устройства работают в статическом режиме: их один раз конфигурируют, и дальше они годами не меняют параметры, если только администратор не вмешается вручную. Но в современных сетях Wi-Fi такой подход неэффективен из-за постоянной интерференции и изменения радиообстановки. <...> мы решили провести эксперимент и попробовать внедрить механизмы самообучения прямо в точки доступа.

📖 Часть 1 / Часть 2