42550
DS По всем вопросам- @haarrp @ai_machinelearning_big_data - machine learning @pythonl - Python @itchannels_telegram - 🔥 best it channels @ArtificialIntelligencedl - AI @pythonlbooks-📚 @programming_books_it -📚 Реестр РКН: https://clck.ru/3Fk3zS
ERNIE 5.0 Technical Report
📚 Read
@datascienceiot
🔥 Полезная подборка каналов только код, практика и самые передовые инструменты, которые используют разработчики прямо сейчас.👇
🖥 ИИ: t.me/ai_machinelearning_big_data
🖥 Python: t.me/pythonl
🖥 Linux: t.me/linuxacademiya
🖥 C++ t.me/cpluspluc
🖥 Docker: t.me/DevopsDocker
🖥 Хакинг: t.me/linuxkalii
🖥 Devops: t.me/DevOPSitsec
👣 Golang: t.me/Golang_google
🖥 Аналитика: t.me/data_analysis_ml
🖥 Javascript: t.me/javascriptv
🖥 C#: t.me/csharp_ci
🖥 Java: t.me/javatg
🖥 Базы данных: t.me/sqlhub
👣 Rust: t.me/rust_code
🤖 Технологии: t.me/vistehno
💰 Экономика и инвестиции в ИИ t.me/financeStable
💼 Актуальные вакансии: t.me/addlist/_zyy_jQ_QUsyM2Vi
🖥 Chatgpt бот в тг: t.me/Chatgpturbobot
📚 Бесплатные ит-книги: /channel/addlist/HwywK4fErd8wYzQy
🖥Подборка по Golang: /channel/addlist/MUtJEeJSxeY2YTFi
⚡️ Лучшие ИИ ресурсы: /channel/addlist/2Ls-snqEeytkMDgy
Самое лучшее в этом: ты учишься даже тогда, когда “нет времени, просто потому что читаешь правильную ленту.
Changes in Coding Behavior and Performance Since the Introduction of LLMs
📚 Read
@datascienceiot
Инженеры AI VK перевели рекомендации, поиск и рекламу на единую Discovery-платформу.
Ключевая идея:
не строить ML-инфраструктуру под каждый продукт, а тиражировать лучшие практики системно.
Что внутри:
• единые потоки данных
• стандартизированные пайплайны
• быстрые эксперименты
• переиспользование моделей
Результат:
• онбординг новых инженеров — быстрее
• сократился time-to-market для рекомендательных алгоритмов
• скорость итераций в апгрейде алгоритмов — выше
Продуктовые метрики растут кратно. Хороший пример того, как платформенное решение влияет не только на инженеров, но и на пользователей.
How scientists are using Claude to accelerate research and discovery
📚 Read
@datascienceiot
Stereo Data Ёлка от VK: сведение итогов года в идеальный микс 🎧
Команда VK приглашает специалистов по данным, ML-инженеров и всех, кто следит за трендами, на заключительное событие года — Stereo Data Ёлку, которая пройдёт 24 января в Москве и Санкт-Петербурге.
Мероприятие построено вокруг уникальной концепции «стереозвука» для вашего профессионального восприятия:
Левый канал (аналитика): глубокий разбор итогов по основным направлениям в ML/DS
Правый канал (инсайты): саундчек лучших решений VK RecSys Challenge, который будет доступен только офлайн.
Участвуйте офлайн! Stereo Data Ёлка – это атмосферное пространство с идеальным звуком для общения с коллегами. Вас ждёт афтепати с фирменными угощениями, подарки за активность и нетворкинг с лучшими специалистами индустрии.
Формат: гибридный (онлайн-трансляция будет здесь), но полное стереопогружение — только на офлайн-площадках.
Регистрация открыта до 22 января.
Регистрация для Москвы: https://bit.ly/4bDlkqp?erid=2VtzqwpLZpF
Для Санкт-Петербурга: https://bit.ly/3NN29Ax?erid=2VtzqwpLZpF
Большинство инженеров пробуют LLM, но мало кто реально доводит их до прода.
Эксперименты с промптами работают ровно до первого реального кейса, где нужна архитектура, масштабирование, контроль качества и стабильность.
Курс «LLM-инженер» от GIGASCHOOL и AI Talent Hub — это не «поиграться с моделью», а системное обучение тому, как строятся и запускаются LLM-продукты в реальности.
Ты разберёшься с ключевыми компонентами LLM-продуктов:
— Дообучение: fine-tuning, PEFT, LoRA / QLoRA, RLHF.
— Инструменты: LangChain, LangGraph, векторные базы данных.
— Архитектуры: RAG-системы, информационный поиск, защита LLM-продуктов.
— Продвинутые темы: мультиагентные решения и AI-ассистенты.
Без магии.
С кодом, инфраструктурой и архитектурой — так, как это делают в проде.
На выходе:
готовый проект в портфеле и уверенность, что ты понимаешь, что делаешь, а не просто повторяешь туториалы.
▪️Старт 26 января | 25 недель с каникулами;
▪️Диплом о профессиональной переподготовке;
▪️Повышение стоимости — 20 января.
Используй промокод NOW10 и получи скидку 10 000 руб
Подробности и регистрация на курс
Machine Learning Systems
📚 Read
@datascienceiot
Bottom-up Policy Optimization: Your Language Model Policy Secretly Contains Internal Policies
📚 Read
@datascienceiot
Авито внедряет ИИ-помощников для покупателей и продавцов
На технологической платформе началось тестирование двух новых ИИ-ассистентов: Ави для покупателей и Ави Pro для продавцов. На текущем этапе они доступны только ограниченной группе пользователей.
Функционал помощников различается. Ави помогает покупателям: подбирает варианты по описанию, сравнивает товары, выделяет их сильные и слабые стороны, а также предлагает сопутствующие продукты, даже если запрос сформулирован нечетко. Ави Pro, в свою очередь, предназначен для продавцов и работает в их личных кабинетах. Этот ассистент анализирует статистику, отслеживает изменения и даёт рекомендации для повышения эффективности продаж.
Управляющий директор по искусственному интеллекту Авито Андрей Рыбинцев пояснил, что для компании диалоговый интерфейс представляет собой новый этап в развитии пользовательского опыта. По его словам, это решение сократит число действий для решения задач, повысит конверсию в успешные сделки и позволит платформе лучше понимать намерения клиентов.
Запуск ИИ-помощников является ответом компании на запросы рынка. Согласно внутренним исследованиям Авито, 59% пользователей заходят на платформу без четкой цели, при этом 43% уже готовы доверить выбор искусственному интеллекту. На дальнейшее развитие этих технологий в следующем году компания планирует направить около миллиарда рублей.
Fixing It in Post: A Comparative Study of LLM Post-Training Data Quality and Model Performance
📚 Read
@datascienceiot
First comprehensive framework for how AI agents actually improve through adaptation.
📚 Read
@datascienceiot
Awesome Adaptation of Agentic AI
📚 Read
@datascienceiot
CUDA-L2: Surpassing cuBLAS Performance for Matrix Multiplication through Reinforcement Learning
📚 Read
@datascienceiot
"Golden Goose", a simple trick to synthesize unlimited RLVR tasks from unverifiable internet text. "
📚 Read
@datascienceiot
System Card: Claude Opus 4.6
📚 Read
@datascienceiot
Ministral 3 Technical paper is released
📚 Read
@datascienceiot
MemGovern: Enhancing Code Agents through Learning from Governed Human Experiences
📚 Read
@datascienceiot
THE MOTIVIC CLASS OF THE SPACE OF GENUS 0 MAPS TO THE FLAG VARIETY
📚 Read
@datascienceiot
Transductive Visual Programming: Evolving Tool Libraries from Experience for Spatial Reasoning
📚 Read
@datascienceiot
INTELLECT-3: Technical Report
Read
@datascienceiot
Generative Adversarial Reasoner: Enhancing LLM Reasoning with Adversarial Reinforcement Learning
📚 Read
@datascienceiot
Google Research 2025: Bolder breakthroughs, bigger impact
📚 Read
@datascienceiot
"TokenPowerBench: Benchmarking the Power Consumption of LLM Inference"
📚 Read
@datascienceiot
Stabilizing Reinforcement Learning with LLMs: Formulation and Practices
📚 Read
@datascienceiot