Data Scientist | ML & AI

📰 Локальные LLM модели: обзор и тестирование

Большие языковые модели перестали быть только облачными сервисами — сегодня многие из них можно запускать прямо на обычном ПК.

В статье собран практический обзор популярных локальных моделей и результаты их тестирования в реальных сценариях.

Что внутри:

▶️ В чем преимущества локальных LLM по сравнению с облачными: конфиденциальность, доступность, бесплатный API, корпоративные сценарии;

▶️ Как работать с Ollama: загрузка моделей, запуск через чат и API, управление через терминал;

▶️ Сравнительное тестирование моделей (Mistral, Llama 3.1, Qwen, Gemma, GPT-OSS, DeepSeek) на задачах фактологии, математики, кода и текста;

▶️ Результаты по скорости и точности: где локальные модели справляются лучше, а где уступают облачным;

▶️ Практические выводы — для каких задач подходят быстрые «легкие» модели, а где уместны более крупные и «думающие» варианты.

Материал будет полезен тем, кто хочет разобраться в локальных альтернативах ChatGPT и протестировать их в боевых условиях.

➡ Читать статью

tags: #статья

➡ Data Scientist | Чат

⚡️ GPT 5.4 теперь в Telegram!

А кроме неё ещё и Nano Banana 2, Gemini 3.1, Sora 2 и куча других новейших моделей.

Попробуй сам: @visionai

📰 OpenaAI релизнули GPT-5.4

Модель вышла в версиях Thinking и Pro: подросли метрики в кодинге и математике, а ещё сильно прокачали computer use.

Из приятного: GPT-5.4 теперь быстрее отвечает и тратит меньше токенов на рассуждения.

Что еще интересного:

– Ответ можно остановить прямо в процессе и докинуть новые инструкции;
– Контекст теперь до 1 миллиона токенов
– в Codex появился /fast — генерация быстрее в 1.5 раза, но токены в таком режиме считаются х2.

Протестировать модель уже можно в нашем боте — VISION AI.

tags: #новоости

➡ Data Scientist | Чат

📰 GPT-5.3 и Gemini 3.1 Flash Light официально вышли!

Google и OpenAI почти одновременно обновили свои модели:

⚡️ Gemini 3.1 Flash-Lite — новая ставка Google на дешевую и быструю модель: до ~370 токенов/сек, цена около $0.25 за миллион входящих и $1.50 за миллион выходящих токенов. По качеству примерно уровень «GPT-5 mini».

⚡️ GPT-5.3 Instant — обновили поведение модели: меньше странных отказов, убрали раздражающий «вежливый» тон, подтянули веб-поиск и понимание контекста.

Фокус у обеих моделей одинаковый — быстрые агенты, API-интеграции и массовые продакшен-задачи, где важны latency и цена.

Обе уже доступны, так что можно тестировать.

tags: #новоости

➡ Data Scientist | Чат

🔖 Нашли интересную платформу — аналог LeetCode для Data Science

DataLemur — платформа с реальными задачами из собеседований в Tesla, Meta, Twitter и других топовых компаниях.

Внутри задачи по SQL, статистике, Python и ML, которые можно фильтровать по уровню сложности и компаниям, чтобы прокачиваться точечно.

Идеально для подготовки к позициям Data Scientist и Data Analyst, забираем — здесь.

tags: #полезное

➡ Data Scientist | Чат

👍 Подборка инструментов для управления памятью и контекстом в LLM-системах

В репозитории собрана структурированная подборка инструментов для хранения, извлечения и организации контекста в LLM-приложениях.

Что внутри:

▶️ Подходы к организации памяти: векторные хранилища, графы знаний и гибридные модели

▶️ Инструменты для долговременной памяти LLM-агентов

▶️ Решения для agent-based и multi-agent архитектур

▶️ Сравнительная таблица с лицензиями, типом хранилища и сценариями использования

▶️ Ссылки на репозитории и документацию для быстрого выбора стека

Репозиторий поможет выбрать и спроектировать подходящий memory-слой для LLM-систем — забираем здесь.

tags: #полезное

➡ Data Scientist | Чат

🗂 Подборка материалов для реализации ML-алгоритмов

Делимся репозиторием с Google Colab-ноутбуками, где показано, как шаг за шагом реализовать классические алгоритмы машинного обучения с нуля.

Каждый ноутбук — это не только код, но и разбор идей: от линейной регрессии и деревьев решений до градиентного бустинга и нейросетей.

➡ Ссылка на GitHub

tags: #полезное

➡ Data Scientist | Чат

🗂 Подборка материалов для реализации ML-алгоритмов

Делимся репозиторием с Google Colab-ноутбуками, где показано, как шаг за шагом реализовать классические алгоритмы машинного обучения с нуля.

Каждый ноутбук — это не только код, но и разбор идей: от линейной регрессии и деревьев решений до градиентного бустинга и нейросетей.

➡ Ссылка на GitHub

tags: #полезное

➡ Data Scientist | Чат

📰 Nano Banana 2 официально вышла!

Google серьёзно прокачали генерацию: упор на консистентность, референсы и работу с внешними данными.

Что нового:

🤭 Сохранение персонажей и объектов в рамках сессии. Можно переиспользовать их без потери деталей.
🤭 Доступ к интернету в реальном времени: модель уточняет факты, погоду, контекст и строит графики.
🤭 Текст почти без артефактов — локализация и перевод теперь выглядят адекватно.

Отдельный кайф — демо «Window Seat»: вводите точку на карте, модель проверяет погоду и время суток, а затем генерирует вид из окна с учётом реальных условий.

➡ Читать подробнее

tags: #новости

➡ Data Scientist | Чат

💾 6 курсов по ИИ от Anthropic бесплатно

Если работаешь с AI, агентами или API — это база, которую сейчас проходят разработчики в топ-компаниях.

▶️ Работа с Claude API

https://anthropic.skilljar.com/claude-with-the-anthropic-api

▶️ Введение в Model Context Protocol (MCP)

https://anthropic.skilljar.com/introduction-to-model-context-protocol

▶️ Claude в Amazon Bedrock

https://anthropic.skilljar.com/claude-in-amazon-bedrock

▶️ Claude в Google Cloud (Vertex AI)

https://anthropic.skilljar.com/claude-with-google-vertex

▶️ Продвинутый MCP

https://anthropic.skilljar.com/model-context-protocol-advanced-topics

▶️ Claude Code на практике

https://anthropic.skilljar.com/claude-code-in-action

tags: #курсы #ai

➡ Data Scientist | Чат

🗂 Один из лучших ресурсов для изучения Data Science и Machine Learning

На Kaggle собраны интерактивные курсы, которые помогут быстро разобраться в ключевых темах DS и ML.

Формат простой: короткие уроки, практические задания и сертификат по завершении — всё бесплатно.

Внутри:

• основы Python для анализа данных;
• машинное обучение и работа с моделями;
• pandas, SQL, визуализация;
• продвинутые техники и практические кейсы.

Каждый курс занимает всего 3–5 часов и сразу даёт практические знания для работы.

➡ Ссылка на платформу

tags: #полезное

➡ Data Scientist | Чат

🗂 По-настоящему понимаем как работают ML-модели

Drawdata — инструмент, который позволяет прямо в Jupyter нарисовать собственный 2D-датасет и сразу обучать на нём модель.

Вы сами создаёте точки через интерактивный виджет, добавляете данные — и в реальном времени видите, как меняется поведение модели.

Только визуализация, практика и открытый исходный код.

➡ Ссылка на инструмент

tags: #полезное

➡ Data Scientist | Чат

Блог владельца «Data Scientist»

Жизнь в Telegram и за его пределами, бизнес на каналах и много программирования:

https://t.me/+6LFfq_FDocc4MTg6

✏️ Как научить языковые модели рассуждать последовательно?

В этой статье автор разбирает подход Schema-Guided Reasoning (SGR) для повышения предсказуемости работы языковых моделей.

Вы узнаете, как с помощью структурных схем заставить LLM мыслить последовательно и избегать хаотичных ответов, что особенно критично для локальных моделей в корпоративной среде.

➡ Ссылка на статью

tags: #статья

➡ Data Scientist | Чат

😂 Мем дня: Сэм Альтман и Дарио Амодеи отказались держаться за руки

На AI-саммите в Дели устроили «Unity Raise» — участники берутся за руки и поднимают их вверх в знак солидарности.

Все взялись. Кроме двух человек, которые случайно оказались рядом: Сэма Альтмана и Дарио Амодеи.

Контекст сочный: раньше Дарио был VP по исследованиям в «OpenAI», а в 2020 ушёл из-за разногласий и основал «Anthropic». Сейчас это прямые конкуренты в гонке моделей.

➡ Data Scientist | Чат

📰 Вайбкодеры ликуют: Cursor обновился до 2.5

Обновление получилось жирным, из нового:

▶️ Появился собственный маркетплейс плагинов, первые партнёры — AWS, Figma, Stripe, Linear, Amplitude;

▶️ Запустили параллельную работу агентов и расширили Sandbox Network Controls: теперь агентов проще контролировать;

▶️ В CLI добавили Plan mode и поддержку Mermaid-диаграмм прямо в терминале;

▶️ Курсор теперь умеет подтягивать прошлые диалоги как контекст.

Бежим обновляться 💃

tags: #новости

➡ Data Scientist | Чат

📰 Вышел Claude Sonnet 4.6: почти как Opus, но дешевле

Anthropic выпустили обновлённую «Sonnet 4.6» — и это уже не «средняя» модель, а серьёзный конкурент топовым версиям.

Главное:

▶️ Примерно на 40% дешевле «Opus» и доступна даже на бесплатных планах в «Claude Code» и других продуктах;
▶️ В бете — контекст до 1 млн токенов;
▶️ Серьёзный апгрейд в кодинге, reasoning и computer use;
▶️ По ряду бенчмарков вплотную приближается к «Opus 4.6» и в некоторых тестах обходит «GPT-5.2» и «Gemini 3 Pro»;
▶️ Улучшена работа с интерфейсами: сложные формы, таблицы и многошаговые сценарии выполняются почти на уровне человека.

Интересный момент — «Vending Bench»: модель выстроила стратегию и «заработала» $5639 против ~$4000 у «Opus 4.6». При этом исследователи отмечают, что Sonnet действует более жёстко и консервативно в стратегии.

➡ Читать статью

tags: #статья #новости

➡ Data Scientist | Чат

📰 Что такое эмбеддинги и как с ними работать: вводная для начинающих

Эмбеддинги — это способ представить объекты (текст, картинки, аудио) в виде числовых векторов, с которыми можно работать математически.

В статье разобраны основные подходы к созданию эмбеддингов и примеры их применения на практике.

Что вы узнаете в статье:

▶️ Что такое эмбеддинги и как они устроены с точки зрения векторного пространства;

▶️ Какие объекты можно преобразовать в эмбеддинги: текст, изображения, аудио и мультимодальные данные;

▶️ Как работать с расстояниями между векторами (евклидово, манхэттенское, косинусное);

▶️ Какие задачи можно решать с помощью эмбеддингов: классификация текстов, поиск по базе знаний, кластеризация.

Статья даёт базовое понимание эмбеддингов и показывает, как начать использовать их в реальных проектах.

➡ Читать статью

tags: #статья

➡ Data Scientist | Чат