·nlp
Оценка качества NLP-моделей: BLEU, ROUGE, BERTScore
Краткое сравнение метрик BLEU, ROUGE и BERTScore: принципы работы, плюсы и минусы, рекомендации по применению.
Читать публикацию
IT Загрузка..
Мы просто и по делу рассказываем про ИИ-инструменты для работы: сравнения, пошаговые гайды, бесплатные альтернативы и реальные сценарии применения. Помогаем выбрать между ChatGPT, Gemini, Claude, локальными моделями и десятками узкоспециализированных сервисов — от дизайна и HR до аналитики и SEO. Меньше хайпа, больше практики и экономии времени каждый день.
·hallucinations
Hallucinations в LLM: причины и методы борьбы 🤖
Разбор причин hallucinations в LLM и практические методы снижения: RAG, prompt engineering, верификация и fine-tuning.
Читать публикацию
·llm
Text Generation: управление качеством вывода LLM
Краткий обзор факторов качества вывода LLM: prompt, temperature, top-p/top-k, max tokens, system instructions и практики оценки.
Читать публикацию
·извлечение ключевых слов
Автоматическое извлечение ключевых слов
Краткий обзор методов автоматического извлечения ключевых слов: TF-IDF, TextRank, лингвистические и нейросетевые подходы, области применения и советы по внедрению.
Читать публикацию
·спам-фильтрация
Спам-фильтрация с NLP: как это работает
Краткое объяснение, как NLP помогает антиспаму: этапы обработки, признаки и модели (Naive Bayes, embeddings, transformers) и области применения.
Читать публикацию
·русский язык
Обработка русскоязычного текста: особенности и инструменты
Краткий обзор особенностей русскоязычного NLP: морфология, токенизация, лемматизация и инструменты (pymorphy2, Natasha, ruBERT).
Читать публикацию
·чат-боты
Чат-боты на базе LLM: создание с нуля 🤖
Краткий практический обзор создания LLM-чат-ботов: цель, архитектура (LLM vs RAG), база знаний, промпты, тестирование и метрики (CSAT, время ответа).
Читать публикацию
·embeddings
Embeddings в поиске: семантический поиск с нуля
Краткое объяснение, как работают embeddings и семантический поиск: от векторов и чанков до векторных баз (FAISS, Qdrant) и гибридного ранжирования.
Читать публикацию
·fine-tuning
Fine-tuning LLM: как дообучить модель под свои задачи
Краткий обзор, когда нужен fine-tuning LLM: этапы дообучения, требования к данным, популярные подходы (LoRA, QLoRA) и риски.
Читать публикацию
·LlamaIndex
LlamaIndex: RAG-приложения за 30 минут
Краткий обзор LlamaIndex и его роли в RAG: подключение источников, chunking, embeddings и интеграция с векторными БД для быстрого запуска AI-сервисов.
Читать публикацию
·LangChain
LangChain: построение LLM-приложений — туториал
Краткий обзор и базовый туториал по LangChain: компоненты, сценарии применения и пример логики для RAG и AI-агентов.
Читать публикацию
·Pinecone
Vector Databases: Pinecone, Weaviate, Chroma — сравнение
Сравнение Pinecone, Weaviate и Chroma: плюсы, минусы и сценарии использования для semantic search, RAG, прототипов и production.
Читать публикацию