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

Интерактивные и наглядные объяснения ключевых алгоритмов машинного обучения через математические формулы (есть главы про PCA, линейные модели, нейросети и др)

Что внутри?

Оптимизация (например, градиентный спуск)

Кластеризация и понижение размерности (PCA и k-means)

Quest Research, поддержанная фондом Ubiquant, представила (https://iquestlab.github.io/) 40-миллиардную модель c контекстным окном в 128K токенов, которая, со слов авторов, выбивает 81,4% на SWE-Bench Verified, 49,9% на BigCodeBench и 81,1% на LiveCodeBench v6.

Старший преподаватель кафедры «Графические информационные системы» НГТУ им. Р.Е. Алексеева Екатерина Глумова получила свидетельство о государственной регистрации программы для ЭВМ № 2025692376 на «Систему иерархического разбиения облака точек».

В курсе The Modern Software Developer показывают, как использовать ИИ на всех этапах разработки:

промптинг, собственные агенты и MCP, работа с контекстом, безопасный «вайбкодинг», архитектура, проверки - всё на практике.

Для решения задач НИОКР страна делает акцент на методы градиентного бустинга — практичные и интерпретируемые модели машинного обучения, такие как CatBoost от Яндекса.

Исследователи из Meta* AI разработали модель обработки изображений, которая обучается исключительно за счет реконструкции пикселей. Pixio превосходит более сложные методы оценки глубины и 3D-реконструкции, несмотря на меньшее количество параметров и более простой подход к обучению.

Есть простые чат-боты, апскейлеры и редакторы картинок, генераторы музыки и нейронки для распознавания лиц. Все можно искать через удобные фильтры. Большинство инструментов запускаются прямо на сайте.

Забираем по ссылке (https://huggingface.co/spaces).

Ребята собрали в одном месте базу, за которую инфоцыгане другие попросили бы сотни тысяч.

Тут всё: от создания своих агентов до обучения роботов:

— AI Agents: (https://huggingface.co/learn/agents-course/unit0/introduction) база по самой горячей теме года — учимся делать автономных агентов.

Работой занимаются главный научный сотрудник Института нефтегазовой геологии и геофизики им. А.А. Трофимука СО РАН д.ф.-м.н. Г.М. Митрофанов и специалист ООО «СахалинНИПИ нефть и газ» Е.И. Корыткин. Специалисты усовершенствовали методы сейсмофациального анализа, который является важным инструментом при поисках залежей углеводородов.

Автор берёт датасет Abalone и проводит подробный EDA: проверяет распределения, выбросы, мультиколлинеарность и видит выраженную гетероскедастичность целевой переменной.

Сегодня я хочу показать и рассказать вам, как, подключив к ESP32-S3 тепловизионную матрицу MLX90640,можно запустить веб-сервер для стриминга теплового изображения с определением в реальном времени того, какие сущности попали в поле зрения тепловизора.

Отличный вопрос! LLaMA 3.1 (8B) — это не просто "одна из нейросетей", это мощный и универсальный инструмент. Если говорить просто, это цифровой мозг, который можно "научить" решать множество задач, связанных с пониманием и генерацией информации.

Учёные Сбера и ИПЭЭ РАН разработали автоматический метод распознавания волчьего воя

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.

Это квантованная версия DeepSeek V3.1, которая дает заметную экономию памяти и ускоряет работу при использовании TensorRT LLM.

При этом модель сохраняет высокое качество генерации текста.

https://huggingface.co/nvidia/DeepSeek-V3.1-NVFP4

Во всяком случае, новый метод от российских учёных заставил нейросети сомневаться в своих ответах.

Мы продолжаем серию постов авторства студентов УрГЭУ. Сегодня узнаем немного больше об обучении ИИ от студента 2 курса направления "Экономическая безопасность" Корабейникова Ильи.

Miles (https://github.com/radixark/miles) - фреймворк для RL-обучения от команды LMSYS ORG (https://lmsys.org/blog/2025-11-19-miles/), ориентированный на энтерпрайз-уровень.

Инструмент позволяет рисовать архитектуры нейросетей не вручную, а параметрически. Поддерживает три вида:

- Полносвязные сети (FCNN)

- Сверточные сети (по примеру LeNet)

- Глубокие нейросети (по примеру AlexNet)

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")`

Dolphin — это мультимодальная модель, которая умеет разбирать сканы и фотографии документов, включая текст, таблицы, формулы и графики.

Подойдет для автоматизации чтения и структурирования PDF-файлов, отсканированных отчётов и научных статей.

Как работает модель:

Преподаватель: Виктор Немченко

Межфакультетский курс "Нейронные сети и их применение в научных исследованиях" – проводится для студентов МГУ с целью повышения общего уровня эрудиции. Материал лекций не содержит сложных формул и терминов и будет понятен широкой аудитории.

00:00 Заставка

00:21 О курсе MSU.AI

Преподаватель: Виктор Немченко

00:00 Заставка

00:07 Приветствие

00:12 Лекция 8. Генеративные модели

00:16 В предыдущих сериях

00:54 Часть 1

01:22 Сжатие информации

02:32 Автоэнкодер

06:28 Убрать шум с картинки с помощью автоэнкодера

Это Ultra Mobile Vehicle (UMV), который способен ездить, поворачивать, прыгать, выполнять трюки и осуществлять внезапную остановку, известную как track-stand. Все манёвры, включая вождение, приземление, балансировку и track-stand, осуществляются с помощью обучения с подкреплением.

Свежая версия вводного курса от MIT уже доступна, а новые лекции выходят каждый понедельник. Это отличная база по нейросетям, которая затрагивает: CV, NLP, LLM и даже приложения в медицине.