#jupyter_notebook
Retrieval Augmented Generation (RAG) helps large language models (LLMs) answer questions using up-to-date or private information by connecting them to external data sources, unlike fine-tuning which retrains the model on specific data. RAG is useful when you need current, dynamic information without costly retraining, making it ideal for tasks like customer support or knowledge management. Fine-tuning is better for deep expertise in a specialized field but requires more data and effort. Using RAG lets you get accurate, relevant answers quickly by combining the model’s language skills with fresh, specific data, improving usefulness and reliability.
https://github.com/langchain-ai/rag-from-scratch
#унас#итоги24#NF
Вчера, 20 ноября, по приглашению NF Group побывала на мероприятии «Предварительные итоги 2024 года на рынке недвижимости»
⚙️Формат: аналитика итогов 24 года по всем сегментам, комментарии руководителей бизнес-линий в формате «поясняю слайды» и очень аккуратные прогнозы на 2025.
Модерировала действо лично 👧🏻Ольга Широкова, партнер и руководитель департамента консалтинга и исследований
Сначала обсуждали жилую недвижимость: элитную, новостройки, загородную и зарубежную.
Затем — все секторы CRE.
Сперва 👦🏻Станислав Бибик, партнер NF рассказал про инвестиции, а потом подключились руководители направлений: склады, офисы, ТЦ и стриты.
Чуть позже опубликую тезисы выступления Евгении Хакбердиевой «про ТЦ». Всё-таки родная моя тема.
Все, что рассказывали и показывали — в презентации в одном файле
И «про жилье» тоже есть
👇