AI Новости: Машинное обучение и анализ данных. Python. Алгоритмы, методы, лекции. Новости 2018

Это Let IT be!

4 open-source библиотеки, которые ускоряют обучение моделей:

1. Unsloth AI

Ускоряет fine-tuning Qwen, Llama, Gemma и других моделей, снижает расход VRAM, подходит даже для consumer GPU и Colab/Kaggle.

https://github.com/unslothai/unsloth

2. LLaMA Factory

В предыдущем посте мы разобрали, как работает машинное обучение. Теперь поговорим о том, какие задачи оно решает.

Всё машинное обучение делится на две большие группы: обучение с учителем и обучение без учителя.

Свежий репозиторий, создан 11 июня. Идея в том, чтобы запускать разные агентные обвязки через один CLI, сервер и веб-интерфейс. Агент может стартовать в терминале, продолжить в браузере или на телефоне, а сессия сохраняет сообщения, субагентов, терминалы и файлы.

Что внутри:

Программный комплекс позволит быстрее исследовать хаос, мультистабильность и другие сложные режимы поведения динамических систем, используемых в современной физике, электронике и нейроморфных технологиях.

Сотрудники Исследовательского центра в сфере искусственного интеллекта МГУ имени М.В. Ломоносова создали метод, который позволяет объяснять решения графовых нейронных сетей при анализе молекул. Результаты исследования опубликованы в Journal of Chemical Information and Modeling.

В машинном обучении всё чаще важен не один конкретный пример, а то, как устроены данные целиком.

Группа из Университета Карнеги-Меллон и Технологического института Джорджии взяла штамм E. coli, засунула его в микроскопический чип с тысячью камер. После бактерии начали кормить то объедками (на основе ацетата натрия), то настоящим царским пиршеством из глюкозы и 11 аминокислот.

В этой статье я постараюсь показать некоторые не совсем очевидные моменты, которые надо учитывать про создании качественных обучающих выборок. Поможет в этом новый инструмент просмотра обучающих выборок, который появился в ArcGIS Pro 3.7.

Данные для примера возмьем из урока с сайта ArcGIS Learn.

Главное:

Новая версия на триллион параметров стала сильнее K2.6 в программировании и агентных задачах, при этом потребляет на 30% меньше токенов.

Так, по бенчмаркам модель заметно прибавила: например, в Kimi Code Bench результат вырос с 50% до 62%, а в Program Bench — с 48.3% до 53.6%.

Поступили на политологию. Думали: будем анализировать большие данные, строить модели, проверять гипотезы. В учебном плане — «Количественные методы», «Компьютерные технологии», даже «Анализ социальных сетей». Звучит как вход в world of data science.

Стартап Liquid AI представил открытую ИИ-модель LFM2.5-8B-A1B, которая помещается в ваш смартфон и работает абсолютно автономно, ни разу не стучась в облачные базы корпораций.

Ученые создали открытый набор данных для оценки концентрации внимания. На их основе программисты смогут создать приложения, которые будут отслеживать концентрацию внимания человека. Подобные инструменты могут быть полезны для тренировки внимания у детей.

Мы уже рассказывали об исследовании Learning of Population Dynamics: Inverse Optimization Meets JKO Scheme ( https://t.me/AI_point_of_view/1954) , представленном на ICLR 2026. Теперь о работе написали российские СМИ: ТАСС , «Компьютерра» , ComNews и CNews.

Большой русскоязычный roadmap по машинному обучению: от первого import numpy до LLM, RAG, fine-tuning, AI-агентов и MLOps и даже вабкодинга.

Внутри нормальная структура: что учить, в каком порядке, зачем это нужно и что должно получиться на практике после каждого этапа.

Roadmap разбит на 7 треков:

К концу марта 2026 SHRM опубликовал State of AI in HR: доля HR-департаментов с ИИ выросла с 26% до 43% за год. Параллельно Gartner опросил 114 HR-лидеров: 88% не получили значимой бизнес-ценности от ИИ. Инвестиции есть, эффекта — нет.

HuggingFace перезапустили Papers with Code — легендарный сайт, где можно бесплатно читать самые хайповые AI/ML исследования. Портал закрыли в июле 2025 года и наконец-то реанимировали!

Теперь следить за трендами в ИИ ещё интереснее:

Применение математики как инструмента описания мира состоит в построении математических моделей. Простой пример – описание полёта тела диффуром второго порядка, полученным из второго закона Ньютона.

Большой русскоязычный roadmap по машинному обучению: от первого `import numpy` до LLM, RAG, fine-tuning, AI-агентов и MLOps.

Adaption представила (https://www.adaptionlabs.ai/blog/autoscientist) систему AutoScientist, которая автоматизирует полный цикл дообучения: она сама и синхронно оптимизирует наборы данных и рецепты тренировки, пока модель не сойдётся к заданному поведению.

Примерно каждый десятый рабочий остаётся "невидимкой" для системы, жалуются разработчики. В итоге люди с нормальными документами не могут пройти, а те, кто в розыске, иногда спокойно заходят на объекты.

Последние месяцы я полностью пересобрал свой подход к разработке. Раньше я писал код сам. Теперь я стратегически управляю нейросетями.

Раньше я тратил время на архитектуру, чтение документации и разбор чужого кода. Сейчас я трачу время на выбор правильной модели и обсуждение в твиттере, какая из них реально game changer.

Лёха — единственный биолог среди моих друзей. Мы сидим в баре, он тычет телефоном мне в лицо. На экране — чашка Петри. В колонию бактерий вливают бактериофаги. Бактерии лопаются. Колония редеет. Тает. Исчезает.

Перематывает на сутки.

Колония на месте. Как ни в чём не бывало.

Всего за два с половиной дня команда просмотрела почти 100 миллионов вырезок из изображений и обнаружила около 1400 аномальных объектов, более 800 из которых ранее не были описаны.

Запущена базовая версия отраслевой платформы данных строительной отрасли. Инициатива призвана повысить объем машиночитаемых данных девелопмента и способствовать ускоренному внедрению технологий искусственного интеллекта в отраслевые процессы.

В чём идея?

Многие привычные библиотеки (pandas, NumPy, scikit-learn) можно заменить их GPU-версией, сохранив API.

Это даёт прирост скорости в десятки раз.

Drop-in замены в коде:

- `pandas` `%load_ext cudf.pandas`

- `polars`  `.collect(engine="gpu")`