Когда обучение не идет. Loss is NaN. Причины и решения

Почему в ходе обучения ML-моделей иногда Loss принимает вместо значений NaN. Рассмотрим причины и способы решения. Читать далее

#machinelearning #ai #loss #loss_function #loss_функции #ml | @habr_ai

ML-эксперименты проще с ClearML

В этой статье поговорим про мощный инструмент для организации ML-экспериментов (и не только) с помощью платформы ClearML. Как с помощью нее проводить исследования «по фэншую». Покажу, что данная платформа может хранить всю необходимую информацию для ведения, визуализации, сравнения и воспроизведения экспериментов. Хочу узнать больше

#clearml #machinelearning #machine_learning #ai #artificial_intelligence | @habr_ai

[Перевод] Рекомендательная система для вашего каталога научных работ (и не только!)

Привет, Хабр!

Как выжать максимум из своего архива документов? В мире, где объем информации стремительно растет, найти релевантные материалы среди собственных файлов — задача не из простых. В этой статье мы расскажем, как с помощью инструментов обработки естественного языка и теории графов создать умную рекомендательную систему, которая поможет находить нужные документы: будь это научные статьи, презентации или таблицы с экспериментами и даже если они хранятся в самых разных форматах. Читать далее

#python #nlp #ml #machinelearning #обработка_естественного_языка #теория_графов #рекомендательная_система | @habr_ai

Запуск ML-экспериментов через ClearML

Как можно создавать ML-эксперименты обучения и тестирования, их настраивать, ставить в очередь и запускать прям из веб-интерфейса Хочу изучить подробнее

#clearml #machinelearning #machine_learning #artificial_intelligence #artificial_neural_network | @habr_ai

Как мы в Авито предсказываем категории объявлений по описанию

Привет! Меня зовут Руслан Гилязев, я работаю в подразделении DS SWAT в Авито, руковожу командой платформы Item2param. В этой статье рассказываю, с помощью каких технологий мы решаем задачу классификации объявлений и почему это важно для бизнеса. Материал будет полезен DS-инженерам любого грейда и backend-инженерам, которые интересуются темой data science.  Читать далее

#nlp #ml #mlops #machinelearning #labeling #automl #авито | @habr_ai

Юнит тесты роя агентов

🐝 Тестирование роя агентов

Юнит тесты - единственный способ принять работу промпт инженера, так как не понятно, действительно ли он всё это время чатился с моделью или списал в работу на 5 минут пару недель времени. Так же, статья содержит типовые галлюцинации роя агентов, которые обязательно нужно проверить Читать далее

#typescript #javascript #python #openai #jest #unit_testing #mock #ai #machinelearning #llm | @habr_ai

Как Duolingo юзает машинное обучение для прокачки английского: кратко и по делу

Теперь всё, что раньше делали люди — создание курсов, проверку ответов, адаптацию персонализированных заданий — почти полностью взял на себя ИИ.

Duolingo — это уже давно не просто приложение с разноцветными совами и скучными заданиями. В 2025-м генеративный ИИ позволил Duolingo быстро создавать новые курсы, и за год почти удвоить число языковых курсов! Как им это удалось и что это значит лично для тебя — рассказываем подробнее... Читать далее

#duolingo #data_science #machinelearning #datafeeling | @habr_ai

Подборка для ML-инженера: как прокачаться джуниору

Привет! Меня зовут Антон Моргунов, я инженер МО в «Базис.Центре» и программный эксперт курса «Инженер машинного обучения» в Яндекс Практикуме. В этой статье я поделюсь бесплатными мини-курсами, учебниками, книгами и ресурсами, которые помогут прокачаться в профессии или даже войти в неё с нуля. Читать далее

#машинное_обучение #ml #machinelearning #machine_learning #ml_инженер | @habr_ai

NEAT. Основы

Сегодня "теорию" NEAT, который появился в далёком 2004-м году, но при этом остается мейнстримом среди нейроэволюционных алгоритмов. Мы разберём классический вариант, так как это основа и все остальные варианты(CoDeepNEAT, HyperNEAT и т.д.) будут намного сложнее в имплементации, то есть шанс применить за разумное время обычному человеку стремится к нулю и понять их без изначального варианта представляется почти невозможным.

NEAT - алгоритм расширяющихся топологий, является, наверно, самым неприхотливым в использовании к входным данным. Не нужно знать окончательный, абсолютно правильный ответ, неважна разбивка на подзадачи, все что ему нужно это какая-то метрика(фитнес функция) по которой мы оцениваем популяцию. Из-за этого он может проигрывать скорости обучения моделей для того же алгоритма обратном распространении или обучения с подкреплением, но по итогу всегда даст правильный, порой очень неожиданный и эффективный результат. Читать далее

#neat #ml #нейоросеть #нейросети #эволюция #нейроэволюционные_алгоритмы #алгоритмы #machinelearning #machine_learning #искусственный_интеллект | @habr_ai

Как алгоритм Recovering Difference Softmax (RDS) делает рекомендации и уведомления точнее и эффективнее

Алгоритм Recovering Difference Softmax (RDS) — полноценный подход к оптимизации уведомлений и контента для повышения вовлеченности пользователей. Алгоритм выбирает единственно лучший вариант, удерживая пользователей дольше и возвращая их чаще.

Если коротко, улучшает работу алгоритмов машинного обучения, особенно когда нужно делать выбор из нескольких вариантов.

Как RDS превращает простые сигналы в рост вовлечённости? Разбираемся в статье! Читать далее

#recovering_difference_softmax #rds #duolingo #data_science #machinelearning #datafeeling | @habr_ai