Тематическая лента
Подборка материалов
Публикации, объединённые общей практической задачей.
5545
материалов
01
Генеративный ИИ без магии: Ключевые технологии, которые должен знать каждый
Разбираем генеративный ИИ без магии: GAN, трансформеры, диффузионные модели. Как это работает на самом деле и почему вам нужно это понимать.
02
Код на Macbook Pro 24GB: Qwen 2.5 Coder против Devstral — кто выживет на твоём железе?
Практический разбор: какие локальные LLM для программирования реально работают на Macbook Pro с 24GB памяти. Сравнение Qwen 2.5 Coder и Devstral, настройка в Ol
03
Скорая помощь для llama.cpp: как убрать 3-минутную задержку перед ответом
Практическое руководство по устранению долгой задержки перед первым ответом в llama.cpp. Шаги, нюансы, ошибки.
04
EdgeVec + локальная LLM: заставьте браузер говорить с Ollama через Transformers.js
Пошаговый туториал по интеграции EdgeVec с локальными LLM через Transformers.js и Ollama. Примеры кода, настройка, частые ошибки.
05
Локальные LLM против традиционного машинного перевода: кто выигрывает в корпоративных проектах?
Сравнительный анализ локальных LLM и традиционного машинного перевода для enterprise-проектов. Качество, безопасность, стоимость и пошаговая инструкция.
06
Setup Tax vs Latency Penalty: как посчитать настоящую цену ML-итерации
Методика расчета реальной стоимости ML-итераций. Как выбрать между быстрым запуском и дешевой инфраструктурой. Практические формулы и примеры.
07
GUI-агенты: как они видят, думают и учатся на наших ошибках
Разбираемся, как работают GUI-агенты типа MAI-UI: компьютерное зрение, MCP-инструменты, самообучающиеся данные и reinforcement learning.
08
Генерация изображений на AMD: Stable Diffusion работает или это досихпор боль?
Полный гайд по запуску Stable Diffusion на AMD видеокартах. ROCm, совместимость, скорость, ошибки и реальные альтернативы для генерации изображений.
09
Запускаем LLM на Android с NPU: обзор клиентов с аппаратным ускорением
Полный обзор клиентов для запуска LLM на Android с аппаратным ускорением NPU. MLC Chat, FOSS решения, настройка, сравнение производительности и практические сов
10
Kaggle по AI-агентам: как Google и NVIDIA учат строить продакшен-агентов
Подробный разбор курса Kaggle по AI-агентам: архитектуры, планирование, инструменты и production deployment от экспертов Google и NVIDIA.
11
VL-JEPA на своём железе: как заставить Apple Silicon понимать картинки без облаков
Пошаговая инструкция по запуску VL-JEPA на Mac с Apple Silicon. Установка MLX, загрузка модели, первые эксперименты с vision-language моделью.
12
Твои литературные вкусы — это код. Давай его декомпилируем через ChatGPT
Пошаговый гайд с промптами и Python-кодом для анализа книжных предпочтений через ChatGPT. Кластеризация интересов, векторные представления, личный гайд.