TGINSIGHT SIMILAR POSTS
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
Търсене: #mts
@moexdiv · Post #432 · 30.01.2025 г., 16:47
📱#MTS МТС будет неукоснительно придерживаться своей дивидендной политики, которая на 2024-2026гг предусматривает целевой показатель доходности не менее 35 руб/акц в течение каждого календарного года. @moexdiv
Hashtags
@ai_machinelearning_big_data · Post #9299 · 23.12.2025 г., 11:02
⚡️МТС Web Services запустила MWS Track Rails — таск-трекер с ИИ-агентами внутри платформы MWS DevRails. Решение автоматизирует ключевые этапы разработки: ИИ-агенты берут на себя до 50% рутинных задач и генерируют до 30% кода, снижая нагрузку на ИТ-команды. Как это работает: - AI Product Owner формирует бизнес-требования (−30% нагрузки на продакта); - AI Analytic декомпозирует требования в техзадачи; - AI Developer создает до 40% нового кода и собирает версии продукта; - AI QA-агенты описывают тесты и проводят проверки (−50% времени тестирования). 📌 В результате DevRails позволяет масштабировать разработку без найма новых специалистов, сокращает time-to-market в три раза и повышает продуктивность команд вдвое. @ai_machinelearning_big_data #AI#ML#DevTools#MTS
@laserfxru · Post #432 · 02.04.2023 г., 17:20
МТС платформа 48 лазер баров и 6 лазерных проектора 30w. Заказчик Structura Художник по свету : KBduke Тех директор Алексей Титов #mts#mtslive#mtsplatforma
Hashtags
@ai_machinelearning_big_data · Post #8105 · 21.07.2025 г., 14:12
MWS Cloud включается в игру: запускает Data Lakehouse Пока все обсуждают, как внедрять LLM, в MWS Cloud сделали ход: вышли с собственной платформой для хранения и обработки больших данных — MWS Data Lakehouse. Это уже не просто база или витрина, это полноценный фундамент для обучения, инференса и аналитики. Ключевая особенность — универсальность. Платформа работает с любыми типами данных: структурированными, неструктурированными, векторными. Поддержка Apache Parquet, Iceberg, Greenplum, Postgres, запуск в Kubernetes, объектное S3-хранилище. Всё, что нужно, чтобы компания могла: обучать ML/LLM модели, строить BI-отчёты, прогнозировать, сегментировать, оптимизировать. И всё это без копирования данных между системами. Главное — цифры. Платформа ускоряет обработку данных в 23 раза. Хранилище используется на 40% экономичнее. В 2,5 раза выше эффективность ИТ-персонала. Витрины данных считаются в 2 раза быстрее. То есть платформа не просто "поддерживает ИИ" — она позволяет его внедрять в реальных бизнес-процессах, а не в пилотах и презентациях. Безопасность и масштабируемость. Встроенные инструменты шифрования, маскирования, аудита, контроль доступа. Централизованное управление, масштабирование без простоев. Можно запускать кластеры под разные команды и сценарии параллельно — без дублирования данных. Контекст: рынок меняется. Компании всё активнее вкладываются в инструменты, которые позволяют работать с ИИ на проде, а не просто тестировать гипотезы. Lakehouse — архитектура, к которой уже перешли десятки тысяч компаний на Западе. MWS Cloud предлагает такую же модель — внутри российской облачной экосистемы. И да: MWS Data Lakehouse — часть экосистемы MWS Data, включающей 25+ сервисов для хранения, аналитики и AI. Почему это важно. ИИ уже давно не хобби айтишников. Это трансформация всей ИТ-архитектуры компаний. А без таких платформ запуск ИИ-проектов становится дорогим, медленным и уязвимым. Именно поэтому сейчас выигрывают не те, у кого «есть данные», а те, у кого есть инфраструктура, чтобы эти данные реально использовать. @ai_machinelearning_big_data #data#ai#ml#infrastructure#mts
Hashtags
@venturevillagewall · Post #4189 · 19.02.2025 г., 10:00
New Developments in Tech and Crypto 🔸 MTS warns of risks due to the Russian government's IP data collection project. Read more 🔸 In Irkutsk, household electricity consumption spikes due to gray miners amid a mining ban and rising Bitcoin prices. Read more 🔸 Russian streaming services reportedly revive talks with Hollywood for content return, but no confirmations yet. Read more 🔸 Latest Telegram update includes conference interface for iOS users. Read more 🔸 Ex-CTO of OpenAI, Mira Murati, launches new AI startup, Thinking Machines Lab, focused on user-friendly AI adaptation. Read more 🔸 Intel stocks surge 16% amid rumors of a possible company split. Read more 🔸 Niantic, creator of Pokemon Go, aims to sell gaming business for $3.5 billion due to lack of success in replicating previous hits. Read more 🔸 Bitcoin ownership shifts: Private investors sold 525,000 BTC while institutional investors increased holdings by 374,000 BTC. source 🔸 Controversy in crypto space: Solana faces reputation challenges as scandals arise. More info #MTS#IPPrivacy#Bitcoin#Telegram#AI#OpenAI#Intel#Niantic#Crypto#Solana#Investment#B2B#ETFs#DataAnalysis#Tech#Gaming#Ecosystem#MarketTrends#Startups#VentureCapital#VC#Innovation