Как внедрить LLM в продукт и суметь сэкономить?
Об этом на AiConf Х расскажет Всеволод Викулин, руководитель службы в Поиске Яндекса.
Всеволод структурировал все методы работы с LLM, которые усвоил за 3 года практики.
Вы узнаете:
🔴 Когда стоит использовать LLM, а когда можно обойтись более простыми моделями?
🔴 Как сэкономить деньги на внедрении?
🔴 Как должна выглядеть архитектура сервиса с LLM?
🔴 Как оценить качество?
🔴 Какие есть методы улучшения LLM?
Будет полезно:
🔴 техническим специалистам
🔴 продуктовым менеджерам, которые хотят внедрить LLM в продукт
Где искать билеты и изучать программу — вы знаете 😉
Встречаемся 26 сентября в Москве или онлайн.
🔥 — если ждешь доклад Всеволода
👍 — если ждешь еще доклады по треку GenAI & Perception
Подписывайтесь:
💬 @UseDataConfChannel
Об этом на AiConf Х расскажет Всеволод Викулин, руководитель службы в Поиске Яндекса.
Всеволод структурировал все методы работы с LLM, которые усвоил за 3 года практики.
Вы узнаете:
Будет полезно:
Где искать билеты и изучать программу — вы знаете 😉
Встречаемся 26 сентября в Москве или онлайн.
👍 — если ждешь еще доклады по треку GenAI & Perception
Подписывайтесь:
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥4👍2👌2
Как сжимать большие языковые модели без потери в качестве и скорости?
С докладом на тему «Экстремальное сжатие больших языковых моделей» выступит Денис Кузнеделев из Яндекса🔥
За последние несколько лет был достигнут прогресс в области обработки естественного языка. Однако большой размер и значительный объем вычислений затрудняют внедрение сильных моделей из-за высокой стоимости.
Одним из самых эффективных методов уменьшения размера модели и ускорения ее работы является квантизация — представление параметров в некоторой более компактной форме. Однако при сжатии в 8 и более раз стандартные подходы, сжимающие параметры поодиночке, слишком сильно ухудшают качество работы языковой модели.
Денис расскажет о новом методе квантизации и методе дообучения — вместе они помогают достигать более высоких результатов в качестве и скорости.
✅Подробнее о тезисах выступления — на сайте
Подписывайтесь:
💬 @UseDataConfChannel
С докладом на тему «Экстремальное сжатие больших языковых моделей» выступит Денис Кузнеделев из Яндекса
За последние несколько лет был достигнут прогресс в области обработки естественного языка. Однако большой размер и значительный объем вычислений затрудняют внедрение сильных моделей из-за высокой стоимости.
Одним из самых эффективных методов уменьшения размера модели и ускорения ее работы является квантизация — представление параметров в некоторой более компактной форме. Однако при сжатии в 8 и более раз стандартные подходы, сжимающие параметры поодиночке, слишком сильно ухудшают качество работы языковой модели.
Денис расскажет о новом методе квантизации и методе дообучения — вместе они помогают достигать более высоких результатов в качестве и скорости.
✅Подробнее о тезисах выступления — на сайте
Подписывайтесь:
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥6👍3👌3
Руководитель направления анализа данных в Rocket Control и призер 14 хакатонов Юрий Кацер поделился реальными кейсами внедрения машинного обучения на производстве и честным взглядом на сложности индустрии.
🔴 Почему важно не только строить модели, но и видеть результат в цеху?🔴 Каковы настоящие вызовы промышленного AI и что происходит за пределами презентаций?
Читайте подробности из первых рук — о том, как технологии меняют реальный сектор и почему это по-настоящему захватывающе
❤️— если полезно и интересно
👌— если уже участвовал(-а) в хакатоне
🔥— если хочешь поучаствовать в хакатоне
Please open Telegram to view this post
VIEW IN TELEGRAM
Хабр
От хакатона до автоматизации флотации: путь в промышленный AI
Не любил программировать, но ушёл в машинное обучение. Не хотел бросать инженерный бэкграунд — и не бросил. Работал с АЭС, фтором, флотомашинами и оптимизацией реального производства, где ошибка — это...
👍4❤2👌2
💯Гарантия прикладных докладов AiConf — программный комитет конференции
Это эксперты, глубоко понимающие актуальные проблемы и вызовы, с которыми сталкиваются все, кто создает Data Science.
Публикуем принципы, на которые они опираются при разработке программы.
🔥Темы докладов уже опубликованы на сайте
Это эксперты, глубоко понимающие актуальные проблемы и вызовы, с которыми сталкиваются все, кто создает Data Science.
Публикуем принципы, на которые они опираются при разработке программы.
🔥Темы докладов уже опубликованы на сайте
🔥3❤1👍1👌1
Знаете ли вы, что ваша компания может компенсировать стоимость участия в конференции?
Anonymous Poll
35%
Да, уже делал(-а) так
18%
Да, но еще не пробовал(-а)
47%
Нет, а как?
🤔2🤝2
Подготовили для вас специальный чек-лист, следуя которому можно обосновать компенсацию стоимости билета у работодателя.
По этой ссылке (пункт 4) — шаблон письма менеджеру.
Ждем вас 26 сентября на AiConf Х 2025 в Москве 🙌
✅Спикеры, темы докладов, билеты всех форматов — на сайте AiConf Х
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥3👍2👌2
«Здесь собрались эксперты из всех лидирующих компаний. С каждым спикером и участником интересно общаться, все время узнаешь что-то новое. Я ощущаю рост. Рекомендую приходить оффлайн» — Олег Секачев, спикер на AiConf 2024.
🔥В этом году Олег проведет мастер-класс по теме ключевых сценариев взаимодействия LLM и человека в разметке данных. Ждете подробности?
А пока мини-опрос, чтобы сверить часы👇🏻
🔥В этом году Олег проведет мастер-класс по теме ключевых сценариев взаимодействия LLM и человека в разметке данных. Ждете подробности?
А пока мини-опрос, чтобы сверить часы👇🏻
❤1👍1🔥1
Вы уже пробовали LLM в разметке данных?
Anonymous Poll
50%
Да, успешно
40%
Да, но возникли проблемы
0%
Нет, хочу попробовать
10%
Нет, работаю в другом направлении
👍1👌1
С какими проблемами при использовании LLM в разметке данных вы сталкивались?
Anonymous Poll
11%
Цена (слишком дорого)
11%
Скорость (слишком долго)
33%
Качество (руками точнее)
33%
Все вышеперечисленное
11%
У меня все лучше всех, никаких проблем
0%
Другое, напишу в комментариях
❤1👍1