Сам себе Data Scientist

Приложения с генеративным искусственным интеллектом (Gen AI) — это большой шаг вперёд, поскольку они часто позволяют пользователю взаимодействовать с приложением с помощью подсказок на естественном языке. Однако, поскольку в такие приложения вкладывается всё больше времени и ресурсов, вы должны быть уверены, что сможете легко интегрировать функции и ресурсы таким образом, чтобы их можно было легко расширять, чтобы ваше приложение могло работать с несколькими моделями и справляться с различными сложностями...

Часто многие LLM требуют историю сообщений, чтобы лучше понимать контекст. Так как передача истории сообщений довольно частая ситуация, то рассмотрим на примере: Сперва установим библиотеки: Состоянием (State) в LangGraph может быть TypedDict, Pydantic model или dataclass. Ниже мы будем использовать TypedDict. В состоянии будем хранить историю сообщений. Давайте построим пример графа с одним узлом (node). Наш node - это просто функция Python, которая считывает состояние нашего графа и вносит в него изменения...

Haystack — это платформа с открытым исходным кодом для создания готовых к работе приложений LLM, конвейеров генерации с расширенным поиском (RAG) и современных поисковых систем, которые интеллектуально работают с большими коллекциями документов. Она позволяет быстро опробовать новейшие модели искусственного интеллекта, оставаясь при этом гибкой и простой в использовании. Вдохновляющее сообщество пользователей и разработчиков помогло превратить Haystack в модульную, интуитивно понятную и завершенную платформу, которой она является сегодня...

Журнал Forbes недавно назвал приложения RAG самой популярной разработкой в области искусственного интеллекта. Это неудивительно, поскольку RAG требует минимального количества кода и помогает повысить доверие пользователей к вашему LLM. В последние годы расширенная поисковая генерация (RAG) стала преобразующей платформой, которая объединяет поисковые системы с генеративными моделями. GraphRAG развивает эту концепцию, используя графики знаний, обеспечивая более глубокое понимание и более богатые контекстные результаты...

Pandas — это популярная и очень мощная библиотека на языке Python, предназначенная для анализа данных и манипуляций с табличными структурами. Она была создана для того, чтобы эффективно работать с данными так, как мы привыкли в электронных таблицах (например, Excel), но при этом обладала гибкостью и быстродействием, характерными для Python и научного стека (NumPy, SciPy и др.). Pandas включает в Python две дополнительные структуры данных, а именно Pandas Series и Pandas DataFrame. Эти структуры данных...

Сегодня всё чаще можно услышать, что за агентами искусственного интеллекта (ИИ) — будущее. Но что же это за «агенты» и почему они вызывают такой интерес? По сути, агентом ИИ называют автономную программу, которая способна самостоятельно выполнять поставленные задачи, обучаться и принимать решения в рамках определённых ограничений и правил. Такая система может анализировать поступающую информацию, реагировать на изменения в окружающей среде и искать оптимальные способы достижения целей. Основная роль...

Часто бывает российским проектам необходимо использовать зарубежные LLM в своих проектах. И чтобы их использовать, обычно создаются прокси сервера личные и зарубежные аккаунты с оплатой иностранными картами. Такой вариант подойдёт, если вы максимально хотите сократить возможности утечки персональных данных. Для максимальной сохранности подобных данных обычно запускают LLM на своих серверах. Но если для Вас это не супер критично и данные не супер конфиденциальные, а обычные диалоги, то я бы рассматривал использование сервисов прокси...

Новичкам, порой, очень сложно начать изучать машинное обучение в виду большого количества новых терминов. А для русскоязычного сообщества вдвойне тяжело, потому что многие понятия представлены на английском...

Рассмотрим основные понятия машинного обучения

В предыдущей части мы рассмотрели первые 15 задач из сборника 100 задач на Github. В данной статье мы разберём следующие 15 задач. Как и в прошлый раз я рекомендую не просто читать данную статью, а руками проделать все эти шаги и посмотреть на работу библиотеки вживую...

Учим NumPy на примере первых 15 задач из сборника 100 задач на Github.