TGTGInsighttelegram intelligenceLIVE / telegram public index
← Python Заметки

TGINSIGHT SIMILAR POSTS

Најди сличен содржај

Изворен канал @pythonotes · Post #239 · 3 мај

Один из самых удобных способов записать данные это использование готовых форматов, такие как JSON или YAML. Из плюсов такого подхода стоит отметить вот что: 🔸 готовый, повсеместно используемый и поддерживаемый формат 🔸 простой и понятный файл, удобочитаемый для человека 🔸 можно легко редактировать в любом текстовом редакторе без специальных программ и библиотек Но есть и минусы 🔹 затраты времени при записи файла (кодирование данных в нужный формат строки) 🔹 затраты времени при чтении файла (декодирование данных в Python объекты) 🔹 размер файла увеличивается из-за разметки данных (скобки, запятые, переносы, отступы...) 🔹 перед записью все данные должны быть помещены в память в полном объёме (не всегда) 🔹 при чтении необходимо считать весь файл в память и только потом декодировать данные Если нужно писать немного данных в несколько файлов, то затраты по времени не ощутимы. Обычно это файлы конфига или какие-либо метаданные. Это отличный вариант под такие задачи. Есть и другой поход к записи файлов - это бинарные файлы. Используется, когда данных достаточно много и никто их не собирается читать глазками😳. 🔸 очень быстрая запись 🔸 чтение значительно быстрей чем JSON, YAML итд 🔸 размер файла значительно меньше, так как нет разметки 🔸 можно записывать данные по мере поступления не загружая всё в память 🔸 можно извлечь любую часть данных независимо Из минусов 🔹 нужно определить свой формат записи данных (если не используете готовую спецификацию определённого формата) 🔹 не получится открыть файл и визуально понять что там записано, а для чтения файла потребуется знать его спецификацию. 🔹 не так-то просто создать такой файл без специальной библиотеки В таком виде удобно записывать большой массив любых однородных данных. Например, мониторинг валютной биржи или кэшированная анимация 3D геометрии. (Это не означает что нельзя записать данные разного типа, просто это будет не так удобно) Представьте себе JPG-картинку. По сути это немного мета-информации и большой массив пикселей. Тоже самое со звуком или видео файлом. Поэтому, если вы попробуете открыть картинку в текстовом редакторе вы увидите что-то вроде такого f15d cd29 a564 4578 ... 09e2 9bc4 a696 1253 ... 84e9 4de1 3b23 c24a ... 2534 5161 28e0 709d ... ... Это и есть записанные байтики. И для их чтения требуется определённый софт который знает что с ними делать. Под каждый тип файла. К чему это я? Читайте в следующем посте... #tricks#basic

Резултати

Пронајдени 4 слични објави

Пребарај: #finetuning

当前筛选 #finetuning清除筛选
Machinelearning

@ai_machinelearning_big_data · Post #8649 · 30.09.2025 г., 10:02

⚡️ LoRA почти так же хороша, как полный fine-tuning, но в разы дешевле Thinking Machines выпустили новое исследование, которое смотрит на LoRA под другим углом. Главная идея исследования: LoRA может обучаться почти как полный fine-tuning, но при этом быть проще, дешевле и предсказуемее. Они доказали это экспериментально: взяли одинаковую модель, прогнали обучение двумя способами: полным fine-tuning и LoRA - и сравнили кривые потерь (loss vs steps). Процесс: - Дали чёткий рецепт, а не случайные гипотезы. - Показали, что процесс можно повторять с одинаковым результатом. - Выяснили, что если адаптеру не хватает памяти, модель не ломается, а просто замедляется. Результат показал, что при правильных настройках LoRA движется по той же траектории, что и FullFT. То есть качество модели и динамика обучения совпадают, пока у адаптера хватает параметров. Когда лимит достигается, у LoRA кривая не «обрывается», а просто идёт дальше медленнее. Именно за счёт этого LoRA демонстрирует предсказуемое и воспроизводимое поведение, а не случайные провалы, которые часто происходят при подборе гиперпараметров «на глаз». ✔️ Правила от команды Thinking Machines 1. Ставить LoRA на все слои, а не только на attention. 2. Использовать ~10× больший learning rate, чем обычно. 3. Не раздувать batch size - иначе падает стабильность. ✔️Что в итоге: - Кривые обучения LoRA почти совпадают с full fine-tuning. - Даже в упоре в лимит адаптера модель ведёт себя плавно. - Вычислений требуется на треть меньше, чем у FullFT. LoRA может стать инструментом для надёжного и дешёвого пост-трейнинга. Для Thinking Machines это шаг к миссии: они уверены, что непредсказуемость моделей - это не фича, а баг, который можно исправить. Если убрать случайность и сделать выходы стабильными - ИИ станет безопасным даже для критически важных процессов. 📌Подробнее @ai_machinelearning_big_data #LoRA#FineTuning#AI#MachineLearning#DeepLearning#LLM

Data Science Jobs

@datasciencejobs · Post #2785 · 25.06.2025 г., 12:02

#вакансия#промпт#инженер#rag#finetuning#remote Есть достаточно обьемная методология согласно которой ai должен делать оценку соискателя. Сейчас есть МВП - воркфлоу на Н8Н, но результаты автоматической генерации по методикам явно недотягивают до результатов оценки квалифицированного психолога.(полноценное тз под нда) Стек: - Prompting skills - RAG and Vector Databases - Fine-tuning Language Models - Workflow Automation (n8n) - Data Structuring with JSON - Python, langchain Компания: физ. лицо (небольшая команда) Занятость: проектная, объем работы 1-2 месяца Формат работы: удаленно Вилка: почасовая оплата от 1500 до 1800 руб/час Вариант трудоустройства: неофициальное либо договор ГПХ Только с портфолио выполненных проектов подобных задаче Ваши резюме сюда: @Biduero

Data Science Jobs

@datasciencejobs · Post #2748 · 03.06.2025 г., 07:03

#MLEngineer#DataScientist#remote#parttime#project#NLP#RAG#finetuning#USA#удаленно#парттайм#AI#agent#LLM #Senior#Middle ML Engineer / Data Scientist / NLP Engineer 📍Удалённо, парт-тайм Занятость: проектная почасовая Оплата: 2000 - 2500₽ /час (USD ≤30) AInnovator — занимается разработкой и внедрением AI/ML решений для среднего и крупного бизнеса в России, США и Канаде Задачи: ▫️Написание RAG-пайплайнов ▫️Обучение LLM на корпоративных датасетах заказчиков on-premise ▫️Построение моделей кластеризации и семантического поиска ▫️Создание мультиагентных LLM-систем ▫️Интеграция с бэкендом (FastAPI, Flask) ▫️Работа с реляционными БД (PostgreSQL, alembic) ▫️Рефакторинг существующего ML-кода Формат работы: ▪️Участие в проектной команде (backend + devops) ▪️Scrumban: трек задач в Kanban + 1-2х-недельные спринты ▪️Оплата результата по фактически отработанным часам ▪️Отсутствие жесткой привязки по времени Мы предлагаем: ▫️Интересные AI-проекты на Российском и Американском рынке ▫️Возможности для творческой реализации и развития навыков ▫️Карьерный рост до Team/Tech Lead ▫️Возможность принять участие в выводе продуктов и сервисов на международный рынок ▫️Отсутствие привязки к месту и возможность оплаты труда в любую точку мира ▫️Возможность дальнейшего фулл-тайм трудоустройства (в США, РФ, Грузии) Мы предоставляем корпоративный доступ к: ▪️Cursor / WindSurf / Manus или др. ▪️Promptmetheus (для удобства промпт-инжиниринга) ▪️Надежному VPN-сервису Наши приоритеты (которые ожидаем и от вас): ▫️Быстрая и прямая коммуникация ▫️Ответственность за выполнение взятых обязательств ▫️Соблюдение сроков без напоминаний 💭 Связаться: @hr_aisors — отправляйте CV, пригласим на скрининг и обсудим детали

Data Science Jobs

@datasciencejobs · Post #2031 · 16.04.2024 г., 14:03

#вакансия#vacancy#удаленка#remote#AI#мидл#Middle#синьор#Senior#ai#ии#ml#мл#llm#RAG#fullstack#finetuning#NLP#langchain#DataScientist#DataEngineer#MLengineer#api#aideveloper#python ❇️Вакансия: «AI Developer / ИИ Разработчик» Middle/Senior Формат: удаленно по всему миру Наш часовой пояс: UTC+3 Занятость: проектная с переходом в полную Оплата: до 350.000₽ за проект или почасовая Мы мультибренд занимающийся разработкой и внедрением AI и ML технологий во всех коммерческих отраслях В связи с расширением мы ищем новых специалистов в нашу команду, а именно: AI Developer, Data Scientist, Data Engineer, ML Engineer 🔸Направления нашей работы: - Внедрение ИИ/ML для автоматизации процессов - Внедрение ИИ/ML в web сервисы, браузерные расширения и приложения(mobile) - Создание продвинутых функциональных AI-Ассистентов - Обучение/дообучение моделей - Разработка AI/ML SaaS 🔸Какие задачи вам предстоит решать: - Работа с LLM(Anthropic, Gemini, OpenAI, Llama, Mistral и др) - Взаимодействие с API различных сервисов/приложений - Решение задач по автоматизации бизнес-процессов и написанию скриптов на языке Python - RAG моделей (с использованием Langchain или др.) - Fine-tuning open-source моделей - Text-to-text, text-to-speech, speech-to-text NLP - Работа с облачными платформами(Google Cloud, Yandex Cloud и др.) - Использование no-code/low-code инструментов для сокращения издержек (Flowise, Make, Zapier Central, Relevance и др.) 🔸Важный навык: - Свободное владение Английским языком 🔸Мы предлагаем: - Интересные проекты с возможностью творческой реализации - Возможность принять участие в выводе продуктов и сервисов бренда на международный рынок - Возможность профессионального роста и нетворкинга с экспертами в сфере AI и ML со всего мира - Карьерный рост до Team Lead или CTO одной из компаний - Отсутствие привязки к месту и возможности легальной оплаты труда в любую точку мира - Свобода мысли и принятия решений при реализации проектов 🔸Кого мы хотим видеть: - амбициозных, инициативных и талантливых разработчиков, желающих достигать новых высот в сфере AI и ML, которые легко вольются в нашу молодую команду (P.s. вам необязательно быть молодым, но обязательно быть с нами близким по духу) 💬Отправляйте резюме/CV/портфолио:@subscale_ai