Перейти к содержанию
Ctrl K
Telegram MAX
Тематическая лента

Подборка материалов

Публикации, объединённые общей практической задачей.

5545 материалов
01 Fine-tuning Gemma 3 для вызова процедур: пошаговый гайд с кодом и датасетом Полный гайд по тонкой настройке Gemma 3 для вызова процедур. QLoRA, датасет, код для RTX 4090. Создаем текстового агента за 2 часа. 10 мин чтения 02 Self-supervised обучение в Colab: забираем эмбеддинги из сырых данных Практическое руководство по self-supervised learning в Colab. Создаем эмбеддинги без разметки, реализуем контрастивное обучение и косинусную схожесть. 9 мин чтения 03 Как работают AI-кодинг-агенты: архитектура, модели и практические ограничения для разработчиков Техническое объяснение работы AI-агентов для программирования: архитектура LLM, fine-tuning, reinforcement learning, simulated reasoning и практические ограниче 10 мин чтения 04 Claude Code: полное руководство от промпта до продакшна с MCP и автоматизацией Полное руководство по Claude Code: от промптов до продакшена с MCP, Playwright, хуками безопасности и конвейерами данных. Готовые скрипты и конфиги. 7 мин чтения 05 Как создать идеальную схему BPMN с ChatGPT: методика совместной работы "80/20" Пошаговый гайд по совместной работе с ИИ для моделирования бизнес-процессов. Как получить идеальную схему BPMN с помощью ChatGPT, используя методику 80/20. 5 мин чтения 06 Подготовка к робототехническому хакатону AMD: настройка LeRobot и работа с железом SO-101 Пошаговый гайд для участников хакатона AMD: установка LeRobot, работа с робототехническим набором SO-101, настройка ROCm и Ryzen AI. Практические советы от Seni 5 мин чтения 07 Silicon Studio: Гайд по локальному фин-тюнингу LLM на Mac M-серии с помощью GUI Пошаговая инструкция по фин-тюнингу LLM на Mac M-серии через Silicon Studio GUI. MLX framework, LoRA/QLoRA, PII scrubber, оптимизация под Apple Silicon. 9 мин чтения 08 Архитектура WeDLM от Tencent: как диффузионные модели ускоряют генерацию текста в 3-10 раз на слабом железе Как архитектура WeDLM от Tencent генерирует несколько токенов за один проход, ускоряя LLM на слабом железе. Multi-token prediction, DDR5 память, гибрид CPU/GPU. 7 мин чтения 09 Персональная база знаний на 106K векторов за 256ms: nomic-embed-text + LanceDB на Mac M4 Практический гайд по созданию высокопроизводительной векторной базы знаний с nomic-embed-text и LanceDB на Apple Silicon. Сравнение DuckDB VSS, метрики производ 11 мин чтения 10 Бросьте ChatGPT: запускаем локальные LLM на ноутбуке с 24GB VRAM. Гайд для юристов, которые не хотят сливать клиентские тайны Пошаговый гайд по запуску локальных языковых моделей на ноутбуке с 24GB VRAM для юристов, финансистов, врачей. Конфиденциальность, автоматизация документов, ана 8 мин чтения 11 PHP и AI: как перестать завидовать Python-разработчикам и начать жить Подробное руководство по внедрению AI в PHP-проекты. Локальные модели, REST API, библиотеки и реальные кейсы для бэкенд-разработчиков. 7 мин чтения 12 Entropy-Adaptive Finetuning: как не превратить вашу LLM в золотую рыбку Полное руководство по Entropy-Adaptive Finetuning — передовой метод тонкой настройки, который предотвращает катастрофическое забывание при дообучении языковых м 7 мин чтения