Всем привет! Меня зовут Валерий Ковальский
В 25 лет пришел в IT без опыта. За 6 лет дошел до Head of AI в red_mad_robot
Специализируюсь на AI Infrastructure: от железа до production (DevOps/LLMops/Network/Local inference)
Что конкретно делаю сейчас:
Развиваю AI-стратегию red_mad_robot — строим новый бизнес в области ИИ
Запустили корпоративную B2B платформу для RAG | 1
Параллельно развиваю gptdaisy.com
Что построил из крупного:
Рекомендательную систему для поиска книг для Билайн (500к книг в RAG)
RAG чат-ботов для ФСК (Более 5млн токенов в Domain Router RAG)
B2B RAG-платформу с собственным поисковым движком (Более 10 коммерческих интеграций)
О чем этот канал:
Здесь я делюсь реальным опытом разработки AI-продуктов.
Рассказываю как:
Выбирать и настраивать железо для AI
Строить RAG-системы в production
Запускать AI-продукты с нуля до 100 000 пользователей
Избегать типичных ошибок при внедрении ИИ в бизнес
Обучаю крупный бизнес | 1 | 2 | 3 и даю консультации
Провожу стримы где создаем RAG с нуля
Бесплатный мини мастер класс по RAG для 50+ человек
Разбираю кейсы с локальными LLM, показываю код, объясняю архитектуру на живых примерах
Делюсь инсайтами 90% фокуса вокруг RAG (на 2025 год смещаюсь в сторону r&d на прикладных бизнес задачах вокруг GenAI)
Телепорт по каналу
0) Based про RAG (c чего начать!)
1) Первые тесты Llama на нашем кластере из 4090
2) Как влияет reranker на работу RAG
3) Тюн Whisper в телеграм бота WER 6.3
4) Как снять ограничение в 19МБ на телеграм боте? (до 2ГБ)
5) Пример работы router agent на базе SO + Llama | 2
6) Cерия бенчмарков и реальных тестов Qwen VL | 2 | 3 | 4 | 5
7) Автоматизация браузера UI Agent (c репо) | 2
8) Deep Research на своем железе (с репо)
9) n8n серия про Digital Twin 1 | 2
10) Про экономику в LLM решениях 1 | 2
11) ERC 2025 | 1| 2 |3 |4 | Финал
12) OpenRouter Proxy LLM для своей компании
13) Кейс по AI Call Center | 1
14) Про мой Vibe Coding
15) Про MCP в 2025
16) Structured Output Streaming
За консультациями пишите в ЛС
Реклама в данном канале: не предусмотрена
У канала есть чат вы вопрос вам ответ!
Поехали разбираться, как устроен AI изнутри!
В 25 лет пришел в IT без опыта. За 6 лет дошел до Head of AI в red_mad_robot
Специализируюсь на AI Infrastructure: от железа до production (DevOps/LLMops/Network/Local inference)
Что конкретно делаю сейчас:
Развиваю AI-стратегию red_mad_robot — строим новый бизнес в области ИИ
Запустили корпоративную B2B платформу для RAG | 1
Параллельно развиваю gptdaisy.com
Что построил из крупного:
Рекомендательную систему для поиска книг для Билайн (500к книг в RAG)
RAG чат-ботов для ФСК (Более 5млн токенов в Domain Router RAG)
B2B RAG-платформу с собственным поисковым движком (Более 10 коммерческих интеграций)
О чем этот канал:
Здесь я делюсь реальным опытом разработки AI-продуктов.
Рассказываю как:
Выбирать и настраивать железо для AI
Строить RAG-системы в production
Запускать AI-продукты с нуля до 100 000 пользователей
Избегать типичных ошибок при внедрении ИИ в бизнес
Обучаю крупный бизнес | 1 | 2 | 3 и даю консультации
Провожу стримы где создаем RAG с нуля
Бесплатный мини мастер класс по RAG для 50+ человек
Разбираю кейсы с локальными LLM, показываю код, объясняю архитектуру на живых примерах
Делюсь инсайтами 90% фокуса вокруг RAG (на 2025 год смещаюсь в сторону r&d на прикладных бизнес задачах вокруг GenAI)
Мои пет-проекты:
@daisytranscribe_bot — транскрибация файлов до 2ГБ
@fastpixel_bot — FLUX + Runway генерация
@daisygpt_bot — карманный ChatGPT с историей
Телепорт по каналу
0) Based про RAG (c чего начать!)
1) Первые тесты Llama на нашем кластере из 4090
2) Как влияет reranker на работу RAG
3) Тюн Whisper в телеграм бота WER 6.3
4) Как снять ограничение в 19МБ на телеграм боте? (до 2ГБ)
5) Пример работы router agent на базе SO + Llama | 2
6) Cерия бенчмарков и реальных тестов Qwen VL | 2 | 3 | 4 | 5
7) Автоматизация браузера UI Agent (c репо) | 2
8) Deep Research на своем железе (с репо)
9) n8n серия про Digital Twin 1 | 2
10) Про экономику в LLM решениях 1 | 2
11) ERC 2025 | 1| 2 |3 |4 | Финал
12) OpenRouter Proxy LLM для своей компании
13) Кейс по AI Call Center | 1
14) Про мой Vibe Coding
15) Про MCP в 2025
16) Structured Output Streaming
За консультациями пишите в ЛС
Реклама в данном канале: не предусмотрена
У канала есть чат вы вопрос вам ответ!
Поехали разбираться, как устроен AI изнутри!
❤12🔥9👍4
Привет всем! Сегодня поговорим о нейронных сетях и разберемся, как они появились.
Начнем с того, что первые идеи появились ещё в 40-50-х годах. Ученые Уоррен Маккаллок и Уолтер Питтс пытались понять, как работает мозг, и создали простую модель нейрона. В этой модели у нейрона были "входы" и "выход". Входы получали какие-то сигналы, а нейрон решал, передавать ли сигнал дальше или нет. Схема была простой, но эта идея стала основой для всего, что появилось потом.
Перепрыгнем в 80-90-е. Тут на сцену выходит Ян Лекун и его сверточные нейронные сети. Так, что это за зверь? Сверточные сети — это как обычные нейронные сети, но умеющие "смотреть" на изображения. Они могут узнавать объекты на фотках, распознавать лица и многое другое. Сверточные сети позволили нам делать кучу крутых вещей: от распознавания текста до создания искусственных изображений.
И сейчас эти сети повсюду — от рекомендаций в интернет-магазинах до управления автомобилями.
1) Пример простой сети (схема)
2) ИИ как его видит Daisy
3) Первый компьютер на котором была запущена первая нейронная сеть "
Начнем с того, что первые идеи появились ещё в 40-50-х годах. Ученые Уоррен Маккаллок и Уолтер Питтс пытались понять, как работает мозг, и создали простую модель нейрона. В этой модели у нейрона были "входы" и "выход". Входы получали какие-то сигналы, а нейрон решал, передавать ли сигнал дальше или нет. Схема была простой, но эта идея стала основой для всего, что появилось потом.
Перепрыгнем в 80-90-е. Тут на сцену выходит Ян Лекун и его сверточные нейронные сети. Так, что это за зверь? Сверточные сети — это как обычные нейронные сети, но умеющие "смотреть" на изображения. Они могут узнавать объекты на фотках, распознавать лица и многое другое. Сверточные сети позволили нам делать кучу крутых вещей: от распознавания текста до создания искусственных изображений.
И сейчас эти сети повсюду — от рекомендаций в интернет-магазинах до управления автомобилями.
1) Пример простой сети (схема)
2) ИИ как его видит Daisy
3) Первый компьютер на котором была запущена первая нейронная сеть "
«Перцептрон Mark I». Источник: [Rosenblatt 1960]"🔥5👏2😁2❤1
https://www.forbes.ru/tekhnologii/498218-razrabotcik-cifrovyh-resenij-red-mad-robot-investiruet-2-mln-v-generativnyj-ii
Технологическая компания red_mad_robot до конца 2024 года инвестирует $2 млн в создание и работу лаборатории NDT (Neuraldeep.tech), которая займется проектами в области генеративного искусственного интеллекта (ГИИ). NDT будет работать над сервисами как для пользователей, так и для бизнеса. ГИИ — устойчивый тренд последнего года, который породила OpenAI. По мнению экспертов, он может изменить мировую экономику. Согласно оценкам Statista, в 2023 году объем рынка ГИИ в России может превысить $311 млн и достичь $1,479 млрд в 2030-м
Технологическая компания red_mad_robot до конца 2024 года инвестирует $2 млн в создание и работу лаборатории NDT (Neuraldeep.tech), которая займется проектами в области генеративного искусственного интеллекта (ГИИ). NDT будет работать над сервисами как для пользователей, так и для бизнеса. ГИИ — устойчивый тренд последнего года, который породила OpenAI. По мнению экспертов, он может изменить мировую экономику. Согласно оценкам Statista, в 2023 году объем рынка ГИИ в России может превысить $311 млн и достичь $1,479 млрд в 2030-м
Forbes.ru
Разработчик цифровых решений red_mad_robot инвестирует $2 млн в генеративный ИИ
Технологическая компания red_mad_robot до конца 2024 года инвестирует $2 млн в создание и работу лаборатории NDT (Neuraldeep.tech), которая займется проектами в области генеративного искусственного интеллекта (ГИИ). NDT будет работать над сервисами к
🔥7😍3