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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #851 · 2.08

Впервые использовал нейросетку для реальной практической пользы в коммерческом заказе. У заказчика есть база данных, куда информация вносится кое-как. Представьте, что вы составляете каталог, например, книг, и в базе данных предусмотрены поля: "Автор книги", "Название книги", "Число страниц" и ещё десяток других полей с информацией. Но заполняют эту базу другие люди, которых вы не контролируете, поэтому информация может случайным образом лежать в любом произвольном поле, быть введена с ошибками, опечатками и так далее. В реальном заказе были не книги, я просто привожу пример такой же задачи. Вот как это может выглядеть: 1. В поле "Автор" написано "Лондон, Дж. Белый Клык", поле "Название" при этом пустое. 2. В поле "Название" написано "150-страничный сборник рецептов", поле "Число страниц" пустое 3. В поле "Название" написано "джеклондон мартин иден", поле с автором пустое 4. В поле "Автор" написано "150-стр.3изд,доп.перераб инструкция по пользованию подстанциями типа ТП-13, М.Васильев москва 98" ...и так далее. А нужно искать нормально по автору, названию, числу страниц, городу и году издания. Никакими прямыми алгоритмами это не берётся: регулярки, поиск по ключевым словам, морфология, нечёткая логика — всё это либо даёт много ложноположительных результатов, либо (если подкрутить пороговые значения) вообще перестаёт искать. И вот тут в какой-то момент мы решили попробовать запрашивать через API GPT. Нейросетке задаётся следующий промт: "Есть следующая информация: «150-страничный роман джеклондон мартин иден». Если здесь есть то, что похоже на имя автора книги, напиши мне его, иначе ответь null". И, надо сказать, даже 3.5 справляется с этой работой очень хорошо. Получилось сравнительно без ошибок разметить около 80% данных (остальные с ошибками даже после нейросетки). Но, важный нюанс. Сначала мы пытались поймать все данные одним запросом: "GPT, выведи мне JSON, в котором есть автор, название, число страниц...", но тесты показали, что значительно эффективнее будет отдельно спросить 5 раз про 5 разных типов данных. Да, это расходует больше токенов, но они и так сравнительно дёшевы. Кстати, API у OpenAI безбожно глючит даже на платном тарифе. Обещанных 3500 запросов в минуту нет даже приблизительно. По факту удаётся отправлять около 200-300 запросов в минуту, потом оно вываливается в таймауты или ошибку 429, нужно делать какие-то умные паузы, ждать итд. Над этим всем пришлось повозиться, зато результат вполне ощутимый. #dev

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #datasolutionsarchitect

当前筛选 #datasolutionsarchitect清除筛选
Data Science Jobs

@datasciencejobs · Post #2689 · 22.04.2025 г., 09:31

#DataSolutionsArchitect#AISolutionsArchitect#MLops#ml Компания JTI (Japan Tobacco International) находится в поиске Архитектора информационных решений Формат работы: гибрид, Москва Сити, полная занятость Чем Вы будете заниматься: - Разрабатывать и внедрять архитектуру Data и AI и обеспечивать создание инфраструктуры. - ⁠Обеспечивать надлежащее управление и поддержку любого компонента в экосистеме; - Обеспечивать производительность ML-моделей (обновление данных, запуск моделей, получение и передача результатов любым получателям); - Обеспечивать интеграцию и доступность данных для любых проектов Data и ML - ⁠Источники данных -> DWH - ⁠DWH -> ML-проекты - ⁠Результаты ML-модели -> DWH - Обеспечивать хорошую производительность любой опубликованной ML-модели; - Внедрять DevOps, MLOps, DataOps в рамках соответствующих инициатив; - Обеспечивать техническое управление в соответствии с глобальными политиками и процедурами. Мы ожидаем от Вас: - 6+ лет опыта работы в области ИТ с фокусом на разработку и развитие платформ данных, ML, AI; - Опыт ведения проектов по внедрению платформ данных с фокусом на крупные компоненты хранения данных, расположенные в облачной и локальной инфраструктуре; - Опыт ведения проектов генеративного ИИ/традиционных решений ML и обладание знаниями сетевой/облачной архитектуры; - Опыт работы с такими языками программирования, как Python или Javascript; - Знание принципов DevOps и MLOps; - Владение уверенным уровнем английского языка. Контакты для отклика и отправки резюме: [email protected], @KaterinaJTI