·русский язык
Обработка русскоязычного текста: особенности и инструменты
Краткий обзор особенностей русскоязычного NLP: морфология, токенизация, лемматизация и инструменты (pymorphy2, Natasha, ruBERT).
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.
·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
·rag
RAG (Retrieval-Augmented Generation): полный разбор
Разбор RAG: как embeddings, Vector DB (Pinecone, Qdrant) и retriever делают ответы LLM актуальнее и надёжнее.
Читать публикацию
·qa-бот
Question Answering системы: как создать свой QA-бот
Краткий план создания QA-бота: источники знаний, подготовка данных, векторный поиск (FAISS/Chroma), RAG, подключение LLM и интеграция с Telegram.
Читать публикацию
·summarization
Text Summarization: автоматическое реферирование
Обзор автоматического реферирования: виды (extractive/abstractive), применение в NLP и трансформерах, преимущества и ограничения для бизнеса.
Читать публикацию
·машинный перевод
Machine Translation: как работают современные переводчики
Обзор NMT и архитектуры Transformer: как современные переводчики работают на больших данных и почему в критичных текстах всё ещё нужен пост-редактинг.
Читать публикацию
·ner
Named Entity Recognition (NER): извлечение сущностей
Краткое объяснение NER: что это, какие сущности находит (PER, ORG, LOC, DATE) и где применяют в IT — spaCy, Hugging Face, DeepPavlov.
Читать публикацию