1 месяц назад
Machine learning numpy: архитектура алгоритмов с нуля в 2026
Проблема производительности в обработке данных стоит острее, чем когда-либо. По статистике крупных репозиториев GitHub за 2024 год, более 85% проектов в сфере Data Science используют Python, но именно медлительность стандартных циклов этого языка часто становится «бутылочным горлышком». В моей практике я неоднократно видел, как команды тратили недели на оптимизацию кода, который изначально был написан неверно. Статья ориентирована на middle-разработчиков и архитекторов данных, стремящихся понять внутреннюю кухню вычислений...
1 год назад
Машинное обучение: разбираемся в векторах
🧑‍💻 Йоу воссап, друзья, потихонечку помаленечку мы продвигаемся. Но нам нельзя никак останавливаться, поэтому предлагаю заняться чем то серьезным, а именно — векторы, матрицы и вся эта сложная штука... 🔗 Итак, начнем конечно же с векторов, базу знать нам необходимо... 🔗 Че такое этот ваш вектор? Это объект (математический), который имеет длину (модуль, мера его размера) и направление (ориентация в пространстве) v = [u₁, u₂ u₃] — вот пример вектора в трехмерном пространстве Как найти его длину (модуль) ? |v| = √u²₁, u²₂ u²₃ + ...
2 года назад
Как использовать GPT-3 для поиска и рекомендаций текстового контента
Источник: Nuances of Programming Статья рассматривает принцип использования векторов GPT-3 для рекомендательной системы, которая посредством косинусного сходства (англ. cosine similarity) находит похожие документы. GPT-3  —  это языковая модель от OpenAI, обученная на огромных количествах текстовых данных. В число ключевых особенностей GPT-3 входит способность генерировать высококачественный текст, а также векторные представления входного текста, которые применяются для разных задач обработки естественного языка, например для анализа сходства документов...
3 месяца назад
Проектирование архитектуры агентского ИИ с помощью LangGraph и OpenAI: использование адаптивной аргументации, графов памяти и рефлексивных
циклов В этом руководстве мы создадим продвинутую систему агентского ИИ, используя модели LangGraph и OpenAI, выходя за рамки простых циклов планировщика и исполнителя. Мы реализуем адаптивную аргументацию, где агент динамически выбирает между быстрым и глубоким рассуждением; граф агентской памяти в стиле Zettelkasten, который хранит атомарные знания и автоматически связывает связанные опыты; и управляемый механизм использования инструментов, который обеспечивает соблюдение ограничений во время выполнения. Установка среды выполнения Мы устанавливаем все необходимые библиотеки и импортируем основные...