TGTGInsightтелеграм анализLIVE / telegram public index
← Такты, стеки, два колеса
Обратно към каналите

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #1036 · 4.11

Прегледай публикациятаВиж оригинала

У меня в голове сложилась модель, объясняющая, в частности, почему не взлетели бизнесы типа "Доставляем сырые, но расфасованные продукты, чтобы из них быстро готовить блюдо". И в эту модель укладывается много других вещей. Всё дело в том, какой труд мы исключаем из цепочки действий для получения результата — квалифицированный или нет. Неквалифицированный труд, грубо говоря, это то, что вы можете сделать сами, чтобы сохранить деньги и не платить их кому-то. Исключение неквалифицированного труда отлично работает и превращается в новые бизнесы. Например, такси это "труд + оборудование" (доставка автомобиля к вам и разрешение переместиться на нём куда нужно). Но если исключить водителя, схема всё ещё работает: каршеринг, а за рулём вы сами. Если исключить кассира в магазине, мы получаем терминалы самообслуживания, на которые всё больше переходят сети. Если исключить риелтора, получим AirBnb, если продавца-консультанта — маркетплейсы. Без сборщиков мебели будет IKEA, без официантов — фастфуд и так далее. Кстати, добавление к чему-то неквалифицированного труда тоже генерирует новые бизнесы, но тут важная составляющая: неквалифицированный час должен стоить значимо меньше, чем ваш час, чтобы вы отдали деньги, а не время. Доставка еды или какой-нибудь клининг работает только за счёт того, что людям платят очень мало, без нормального оформления по ТК и без выплаты налогов. Так вот. Доставка продуктов для готовых блюд это исключение части квалифицированного (!) труда шеф-повара. Я заказывал такие наборы пару раз, и получалось не то чтобы плохо, но средненько, хуже, чем готовит профессионал в ресторане. Получается я плачу меньше, но адекватно заменить тот труд, за который не заплатил, не могу. Так что мне выгодно или совсем купить обычные продукты, без фасовки (это дешевле), или уже купить готовое в ресторане (это вкуснее). И любая другая попытка частично исключить квалифицированный труд не будет сходиться. Либо полностью исключать, роняя цену, либо полностью включать. Кстати, я думаю low-code по этой же причине особо не стал массовым стандартом ни для чего. Либо совсем исключать код и оставлять какой-нибудь конструктор из готовых компонентов, либо кодить. #life

Hashtags

#life
Резултати

Намерени 20 подобни публикации

Търсене: #train

当前筛选 #train清除筛选
Voir de ses propres yeux

@voir_yeux · Post #12448 · 07.04.2026 г., 14:03

Намери подобниПрегледай

🇫🇷 La situation sur les lieux de la collision entre un train à grande vitesse (TGV) et un poids lourd transportant du matériel militaire dans la commune de Nœux-les-Mines (Pas‑de‑Calais), dans le nord de la France. #france#train#collision

Hashtags

#france#train#collision
Machinelearning

@ai_machinelearning_big_data · Post #9694 · 19.03.2026 г., 09:05

Намери подобниПрегледай

🌟Unsloth Studio: опенсорный no-code веб-интерфейс для LLM. Unsloth Studio - это локальный комбайн, который объединяет подготовку данных, обучение, инференс и экспорт модели в одном месте. Под капотом кастомные Triton-ядра с собственным backprop. По сравнению со стандартными CUDA-реализациями это дает 2х прирост скорости обучения и снижение потребления по VRAM на 70%. Поддерживаются полный файн-тюнинг, претрейн, LoRA, QLoRA, 4-bit, 16-bit и FP8. Всего совместимо более 500 моделей, включая Llama 4, Qwen 3.5 и Gemma 3. Для работы с данными есть визуальный нодовый редактор Data Recipes. Studio принимает PDF, DOCX, CSV и JSONL, генерирует синтетические датасеты и автоматически конвертирует данные в форматы ChatML или Alpaca. Помимо стандартного SFT, Studio умеет в GRPO, которая не требует отдельной critic-модели и потребляет на 80% меньше VRAM, что делает обучение ризонинг-моделей реалистичным на локальном железе. Модели на 8B и 70B параметров (например, Llama 3.1, Llama 3.3, DeepSeek-R1) можно файн-тюнить на одной RTX 4090 или 5090, а не на кластере, но есть и поддержка multi-GPU. В режиме инференса Studio умеет: tool calling, выполнение кода прямо в чате, работу с изображениями, аудио, PDF и DOCX. Из коробки - веб-поиск и автонастройка параметров инференса. Экспорт результатов - одной кнопкой в GGUF, vLLM или Ollama. Studio сама мерджит LoRA-адаптеры с базовой моделью. Работает на Windows, Linux и macOS (на Mac пока только инференс, поддержка MLX-обучения анонсирована), есть Docker. AMD-пользователи могут обучать через Unsloth Core, поддержка в Studio обещана позже. 📌Лицензирование: AGPL-3.0. 🟡Документация 🖥Github @ai_machinelearning_big_data #AI#ML#LLM#Framework#Train#UnslothStudio

Hashtags

#ai#ml#llm#framework#train#unslothstudio
12
← ПредишнаСтр. 1 от 2Следваща →