Потому что они не нужны для работы проекта, но мы это обсуждали, и решили, что если появится хотя бы один заинтересованный, выложим. Так что если вы перезайдете на гит, там лежит zip файл с training files. В нем три файла - все, что описаны во второй части статьи с работающей моделью. Или у вас интерес к первой части? Их я не планировала выкладывать, потому что модель не взлетела. Но если вы их тоже хотите для примера, дайте знать и я вам вышлю (куда?) Спасибо за интерес к проекту!
Шутка принята, спасибо, развеселили. По сути, мы тоже рассматривали улучшения, в том числе выделение морды как отдельный preprocessing step. Но задача была учебной: понять, как устроена CNN, как она обучается, как устроен pipeline, где могут быть слабые места, и как тестировать модель после обучения. Мы сознательно выбрали простой вариант, чтобы пройти весь путь от идеи до продакшен-деплоя. И с датасетами не все просто, где взять хороший на десятки тысяч данных? Бесплатно сложно найти, на сайтах университетов по машинному обучению они все небольшие. Взяли что смогли найти. Зато какой кейс для собеседования, если спросят с какими трудностями столкнулись, есть что рассказать.
ах, какой у вас хороший вопрос, я его ждала, спасибо что спросили. Ситуация в следующем. Я работаю в тестировании ПО 10 лет. Очень люблю ИИ и общаться и решать творческие задачи (музыка, изображения, контент, кулинария и прочее), и мне с прошлого лета на почту стали приходить вакансии, которых раньше не было, например AI Tester, GenAI QA Engineer - я почитала требования и поняла, что мне не хватает навыков тестирования ИИ продуктов и я совсем мало знаю об устройстве моделей, еще меньше Python. Я сделала себе учебный план и пошла по нему. Этот классификатор уже третий мой ИИ продукт, который я сама разработала, протестировала и разместила публично. И в ходе этого у меня появился большой пласт знаний, который я укажу в резюме вместе с проектами (как учебный конечно). А что классифицировать - я выбрала собак, так как нравятся они. А так вы правы, это просто задача научиться.
уловили направление:) Но нет, спасибо, я в тестировании ПО - там и собираюсь остаться с той лишь разницей, что учусь тестировать ИИ, и вроде получается. Этот проект позволил мне неплохо погрузиться в тестирование моделей.
Спасибо за комментарий, мне кажется я не вайб кодер, этот проект у меня учебный как часть опыта для AI Product Creator / AI Tester (я в тестировании ПО уже 10 лет и хочу тестировать ИИ).
не буду спорить, ваш вариант рабочий - можно в книгу добавить ссылки на материал таким образом. Но тема немного глубже, потому что ИИ не цитирует. Если у меня будут новости по данной теме и вам интересно, как по закону должно быть, я напишу.
нет, не сформирован. Конкретно ответ моей ИИ (ChatGPT 4o) сформирован на датасете замороженном в октябре 2023. Была ли ваша ссылка в выборке для датасета мы не знаем.
большой разговор вы завели, постараюсь вкратце ответить. У меня два канала на ютубе: по тестированию ПО и немного про ИИ, а второй про музыку, как автора песен. Оба развиваю со скрипом, не потому что не умею или лень, а потому что блогерство - это большой труд. У меня нет столько времени. А книжка пишется тихо и не спеша. Она не для широкой публики, а так...для своих. Провести черту под тем, где сейчас наука и посмотреть где мы окажемся через 20 лет.
В ранней вселенной были рождены фундаментальные частицы: кварки и лептоны - из них состоят все атомы во вселенной, включая наши с вами. Процесс их создания был завершен в первые микросекунды после Большого взрыва и больше не идет, потому что условия, при которых этот процесс может идти во вселенной, закончились. Но, ученые пытаются эти условия воссоздать в ускорителях частиц. В этом вся магия. Они разгоняют протоны почти до скорости света и сталкивают их, чтобы высвободить ту самую энергию, из которой в момент столкновения может родиться новая частица. И она действительно рождается. Но в лабораторных условиях, не в природе. В ускорителях сейчас уже имитируют процессы, происходящие внутри Солнца. Если все, что ученые делают сейчас в ускорителях подсобрать в один список, то можно образно сказать, что они подбираются к творению вселенной (не самой вселенной конечно, а процессов, которые ее творят). За этим очень интересно наблюдать.
не совсем поняла вашу фразу "Спрашивать откуда вот этот процитированный абзац" - спрашивать у ИИ? ИИ не цитирует, у современных больших языковых моделей нет "текста внутри" им неоткуда цитировать. ChatGPT каждый раз формируют ответ заново, предсказывая следующее слово по контексту с учётом весов параметров модели (веса - это то как сильно подходит "слово" по смыслу, поставила в кавычки, потому что у модели нет слов, у нее векторное представление). Если совсем по-простому - у модели нет текста, только числа, магия как раз в этом, искусственный интеллект общается с вами как профессор физики, имея под капотом только матрицу чисел. Отсюда и парадокс: ссылаться не на что, потому что каждая фраза уникальна в момент генерации, даже если она похожа на существующие. А то что она похожа - это и говорит о том, что модель правильно обучена.
Или вы про то, что модель может ходить по веб-страницам и приносить вам ссылки на источники? Да так можно делать, но у нас дискуcсия, я ее не гоняю по веб сайтам. Только если делаю deep search.
Вы озвучили мою идею, я так открыто ее не высказываю, побаиваюсь. Спасибо. Я бы добавила, что возможно, то «ничего» из чего происходят квантовые поля и сознание человека - это одно поле.
У вас замечательный вопрос, я его распишу подробнее в основном материале, но если кратко то, да в ускорителях частиц человек уже делает вещи, которые были лишь в ранней вселенной.
а так ваш вариант мне нравится, может попробуем на следующем проекте, спасибо!
Потому что они не нужны для работы проекта, но мы это обсуждали, и решили, что если появится хотя бы один заинтересованный, выложим. Так что если вы перезайдете на гит, там лежит zip файл с training files. В нем три файла - все, что описаны во второй части статьи с работающей моделью. Или у вас интерес к первой части? Их я не планировала выкладывать, потому что модель не взлетела. Но если вы их тоже хотите для примера, дайте знать и я вам вышлю (куда?) Спасибо за интерес к проекту!
Шутка принята, спасибо, развеселили. По сути, мы тоже рассматривали улучшения, в том числе выделение морды как отдельный preprocessing step. Но задача была учебной: понять, как устроена CNN, как она обучается, как устроен pipeline, где могут быть слабые места, и как тестировать модель после обучения. Мы сознательно выбрали простой вариант, чтобы пройти весь путь от идеи до продакшен-деплоя. И с датасетами не все просто, где взять хороший на десятки тысяч данных? Бесплатно сложно найти, на сайтах университетов по машинному обучению они все небольшие. Взяли что смогли найти. Зато какой кейс для собеседования, если спросят с какими трудностями столкнулись, есть что рассказать.
ах, какой у вас хороший вопрос, я его ждала, спасибо что спросили. Ситуация в следующем. Я работаю в тестировании ПО 10 лет. Очень люблю ИИ и общаться и решать творческие задачи (музыка, изображения, контент, кулинария и прочее), и мне с прошлого лета на почту стали приходить вакансии, которых раньше не было, например AI Tester, GenAI QA Engineer - я почитала требования и поняла, что мне не хватает навыков тестирования ИИ продуктов и я совсем мало знаю об устройстве моделей, еще меньше Python. Я сделала себе учебный план и пошла по нему. Этот классификатор уже третий мой ИИ продукт, который я сама разработала, протестировала и разместила публично. И в ходе этого у меня появился большой пласт знаний, который я укажу в резюме вместе с проектами (как учебный конечно). А что классифицировать - я выбрала собак, так как нравятся они. А так вы правы, это просто задача научиться.
Про гендер мой помощницы уже спрашивали, я вот тут отвечала.
уловили направление:) Но нет, спасибо, я в тестировании ПО - там и собираюсь остаться с той лишь разницей, что учусь тестировать ИИ, и вроде получается. Этот проект позволил мне неплохо погрузиться в тестирование моделей.
Спасибо за комментарий, мне кажется я не вайб кодер, этот проект у меня учебный как часть опыта для AI Product Creator / AI Tester (я в тестировании ПО уже 10 лет и хочу тестировать ИИ).
Спасибо за первый комментарий! Да вы правы, ИИ создает другой ИИ. И это очень интересно делать.
ох, ожидала чего угодно, но не этого комментария. Спасибо большое! Такие отзывы очень мотивируют!
не буду спорить, ваш вариант рабочий - можно в книгу добавить ссылки на материал таким образом. Но тема немного глубже, потому что ИИ не цитирует. Если у меня будут новости по данной теме и вам интересно, как по закону должно быть, я напишу.
нет, не сформирован. Конкретно ответ моей ИИ (ChatGPT 4o) сформирован на датасете замороженном в октябре 2023. Была ли ваша ссылка в выборке для датасета мы не знаем.
это ссылка на внешний ресурс, где можно почитать информацию по данной теме, но ИИ не цитирует оттуда - я это имела ввиду.
большой разговор вы завели, постараюсь вкратце ответить. У меня два канала на ютубе: по тестированию ПО и немного про ИИ, а второй про музыку, как автора песен. Оба развиваю со скрипом, не потому что не умею или лень, а потому что блогерство - это большой труд. У меня нет столько времени. А книжка пишется тихо и не спеша. Она не для широкой публики, а так...для своих. Провести черту под тем, где сейчас наука и посмотреть где мы окажемся через 20 лет.
гравитон пока никак не найдут, и мне кажется, что и не найдут. Там что-то другое зашито в гравитацию, возможно, что она не сила, а side effect
В ранней вселенной были рождены фундаментальные частицы: кварки и лептоны - из них состоят все атомы во вселенной, включая наши с вами. Процесс их создания был завершен в первые микросекунды после Большого взрыва и больше не идет, потому что условия, при которых этот процесс может идти во вселенной, закончились. Но, ученые пытаются эти условия воссоздать в ускорителях частиц. В этом вся магия. Они разгоняют протоны почти до скорости света и сталкивают их, чтобы высвободить ту самую энергию, из которой в момент столкновения может родиться новая частица. И она действительно рождается. Но в лабораторных условиях, не в природе. В ускорителях сейчас уже имитируют процессы, происходящие внутри Солнца. Если все, что ученые делают сейчас в ускорителях подсобрать в один список, то можно образно сказать, что они подбираются к творению вселенной (не самой вселенной конечно, а процессов, которые ее творят). За этим очень интересно наблюдать.
не совсем поняла вашу фразу "Спрашивать откуда вот этот процитированный абзац" - спрашивать у ИИ? ИИ не цитирует, у современных больших языковых моделей нет "текста внутри" им неоткуда цитировать. ChatGPT каждый раз формируют ответ заново, предсказывая следующее слово по контексту с учётом весов параметров модели (веса - это то как сильно подходит "слово" по смыслу, поставила в кавычки, потому что у модели нет слов, у нее векторное представление). Если совсем по-простому - у модели нет текста, только числа, магия как раз в этом, искусственный интеллект общается с вами как профессор физики, имея под капотом только матрицу чисел. Отсюда и парадокс: ссылаться не на что, потому что каждая фраза уникальна в момент генерации, даже если она похожа на существующие. А то что она похожа - это и говорит о том, что модель правильно обучена.
Или вы про то, что модель может ходить по веб-страницам и приносить вам ссылки на источники? Да так можно делать, но у нас дискуcсия, я ее не гоняю по веб сайтам. Только если делаю deep search.
нет, я все гуглила
Вы озвучили мою идею, я так открыто ее не высказываю, побаиваюсь. Спасибо. Я бы добавила, что возможно, то «ничего» из чего происходят квантовые поля и сознание человека - это одно поле.
Приятного аппетита:)
У вас замечательный вопрос, я его распишу подробнее в основном материале, но если кратко то, да в ускорителях частиц человек уже делает вещи, которые были лишь в ранней вселенной.