14 Aug 2026, 09:10 UTC752 views10 reactionsread 15 August 2026 Оцениваем важность признаков в данных с помощью XGBoost за пару минут.
При обучении моделей машинного обучения важно понимать, какие именно данные влияют на итоговый результат, а какие создают лишний шум. Алгоритм XGBoost позволяет не только строить точные предсказания, но и автоматически вычислять метрику Feature Importance для каждой переменной. Мы сгенерируем синтетический датасет, обучим градиентный бустинг и вы…
❤4🔥4👍2
14 Aug 2026, 07:10 UTC788 viewsread 15 August 2026 Photo
7 дней бесплатного обучения frontend-разработке!
Получи востребованные навыки:
1. Генерация сайтов через Giga, DeepSeek, ChatGPT
2. Вёрстка страниц по макету на HTML + CSS
3. Оживление сайта анимацией элементов
4. Публикация сайта
5 Оформление портфолио
6. Поиск заказов
7. Лайфхаки по карьере
И советы по доработке проекта от опытных разработчиков.
Присоединяйся
👆
14 Aug 2026, 06:12 UTC851 views7 reactionsread 15 August 2026 Photo
🐱 Отличная статья на Habr для тех, кто хочет понять, как Китай развивает промышленный ИИ и почему агентные системы постепенно становятся новым уровнем автоматизации!
В этой статье:
• Разбираются главные анонсы конференции WAIC 2026 и новые направления развития искусственного интеллекта;
• Показано, как промышленные компании переходят от отдельных моделей к автономным агентным системам и специализированным AI-платфор…
👍3❤2🔥2
13 Aug 2026, 08:12 UTC≈1,030 views16 reactionsread 15 August 2026 Photo
📂 Напоминалка о том, какие задачи не стоит полностью перекладывать на нейросеть!
ИИ отлично помогает с анализом, генерацией и подготовкой материалов, но не всегда подходит для задач, где цена ошибки слишком высока, нужны актуальные данные или требуется учитывать конфиденциальность, контекст и ответственность.
На картинке — 7 ситуаций, когда стоит быть особенно осторожным: задачи с критической точностью, актуальной …
👍7❤5🔥4
12 Aug 2026, 12:12 UTC≈1,140 views10 reactionsread 15 August 2026 Анализируем сложные графовые связи с помощью классической сетевой библиотеки NetworkX.
Стандартные нейросети работают с таблицами и изображениями, но теряются при анализе сложных взаимосвязей между узлами. Графовые алгоритмы и нейросети (GNN) агрегируют признаки соседних вершин, выявляя скрытые паттерны в соцсетях, молекулах и транзакциях. Мы соберем базовый граф связей на Python и рассчитаем метрики центральности у…
❤4👍4🔥2
12 Aug 2026, 08:12 UTC≈1,230 views9 reactionsread 15 August 2026 Photo
🐱 Полезная статья на Habr для тех, кто хочет научиться оценивать AI-агентов не по красивому демо, а по реальным метрикам и результатам!
В этой статье:
• Разбирается пошаговый подход к тестированию AI-агента — от создания датасета до анализа результатов;
• Показано, как выбирать метрики для оценки качества, скорости и стоимости работы системы;
• Объясняется, как обновлять конфигурацию агента по одному параметру и нах…
👍4❤3🔥2
11 Aug 2026, 06:12 UTC≈1,690 views29 reactionsread 15 August 2026 Video
🐱 Julius AI — нейросеть для анализа данных без сложных инструментов!
Сервис, который помогает работать с таблицами, статистикой и большими наборами данных без необходимости вручную строить формулы или разбираться в сложных инструментах анализа. Загружаете файл — Julius AI изучает данные, находит закономерности, строит графики и объясняет полученные результаты простым языком.
📌 Оставляю ссылочку: julius.ai
🚪 AI Rea…
🔥15❤7👍7
10 Aug 2026, 07:12 UTC≈2,120 views19 reactionsread 15 August 2026 Photo
📂 Напоминалка по ролям нейросети в команде!
ИИ может быть не просто генератором текста, а полноценным помощником на разных этапах работы команды. Если правильно задать роль и контекст, нейросеть помогает ускорить рутинные задачи, находить ошибки, анализировать данные и развивать навыки команды.
На картинке 4 роли нейросети: ассистент для повседневных задач, ревьюер для проверки качества и поиска ошибок, аналитик дл…
👍10❤5🔥4
7 Aug 2026, 06:12 UTC≈2,220 views10 reactionsread 15 August 2026 Photo
🐱 Отличная статья на Habr для тех, кто хочет понять, как ИИ меняет роль разработчика и что теперь значит «быть программистом» в 2026 году!
В этой статье:
• Разбирается, как AI-агенты и кодинг-ассистенты меняют повседневную работу: от написания кода до архитектуры и ревью;
• Показано, какие навыки становятся ключевыми: работа с агентами, evals, оркестрация инструментов и контроль качества, а не только синтаксис языка…
❤5👍3🔥2
6 Aug 2026, 10:12 UTC≈1,810 views10 reactionsread 15 August 2026 Умное восстановление пропущенных значений в табличных данных через IterativeImputer.
Заполнение пропусков простым средним или медианой часто искажает взаимосвязи между признаками и снижает точность итоговой модели. Класс IterativeImputer из библиотеки scikit-learn использует многомерное восстановление, моделируя каждый признак с пропусками как функцию от других переменных. Мы задействуем этот подход на Python, чтобы…
❤4👍4🔥2
6 Aug 2026, 06:12 UTC≈1,410 views9 reactionsread 15 August 2026 Photo
🐱 Отличная статья на Habr для тех, кто хочет понять, как правильно оценивать AI-агентов и не доверять слепо заявлениям «всё работает»!
В этой статье:
• Разбирается, почему оценка AI-агентов сложнее, чем просто «запустить и посмотреть»: важны метрики, тестовые сценарии и сравнение с реальными задачами;
• Показано, какие инструменты и фреймворки используются для eval: от библиотек вроде DeepEval, Ragas, Promptfoo до п…
👍4❤2🔥2😁1
5 Aug 2026, 17:00 UTC≈1,340 views13 reactionsread 15 August 2026 Повышаем точность ответов LLM с помощью техники Self-Consistency.
При генерации ответа на сложную логическую или математическую задачу языковая модель может допустить случайную галлюцинацию в одном из шагов рассуждения. Техника Self-Consistency решает эту проблему путем параллельной генерации нескольких вариантов решения с последующим выбором наиболее часто встречающегося ответа. Мы напишем Python-скрипт, который оп…
👍6❤4🔥3
Showing the 12 most recent of 28 posts we hold for @neuro_ready. View and reaction counts are the latest single reading for each post, not a live figure, and a recent post is still accumulating both. A view count marked ≈ was rounded by Telegram before we ever saw it — t.me prints views in full below 1,000 and to three significant figures above, so ≈1,200,000 means somewhere between 1,150,000 and 1,249,999. Unmarked counts are exact. Text is reproduced from the public post preview and truncated for length.