Привет, спасибо за статью! Кажется, вы так и не ответили: Что делать в последнем случае, если одинаковые товары распределились по разным кластерам. Ведь в таком случае мы потеряем связность.
Привет! Классная статья, есть над чем порассуждать. Кажется, что чатгпт стоит использовать только чтобы вкатиться в область. Многие технические подробности языковые модели могут путать или говорить не достаточно подробно
Привет. А что используется в качестве скоринг модели? Сейчас это выглядит как полноценный черный ящик, без какого-либо пояснения - почему именно столько сотрудников можно заменить? Каким образом делается вывод о количестве сотрудников, которых может заменить ai, никак не обращая внимания на вакансии, юридические аспекты и финансовые?
Привет! Давно понятно, что алгоритмы не отражают реальный уровень кандидата. Но на начальных этапах (стажеры, джуны) я не вижу иного способа проверить уровень человека. Алгоритмам должны учить в ВУЗе и если он освоил эти знания, то с высокой долей вероятности, он сможет решить и бизнесовые кейсы на работе (есть опыт решения нестандартных задач, хоть и не связанными напрямую с бизнес кейсами). А чем более опытным становится кандидат, тем меньше спрашивают такие вещи на собесах.
Спасибо большое за статью! Сначала я думал, что это очередная статья для тех, кто вообще не шарит за python, но последние пункты заставили изменить мое мнение.
А про многопоточность и multiprocessing есть много и других решений (помимо multiprocessing, threading, concurrent.futures), кажется как будто стоило про них рассказать тоже
Спасибо! Я бы еще добавил самой простой истины - графики должны быть самодостаточными. То есть, на графике всегда должны быть подписаны оси, метки и прочее, чтобы без контекста можно было понять, что именно показывает данный график
В твоих словах есть логика, но купят данный девайс только гики. В статье было сказано пару слов о пропасти между массовым применением и индивидуальным. Сужу по себе, я бы 100 раз подумал перед тем, как купить ноут с другой клавиатурой, даже сильно дешевле. Ну и потом, данная разработка должна кем-то спонсироваться, ведь если условный ноутбук будет продаваться на 10% дешевле просто из-за рисунка на клавиатуре, то компания не сможет конкурировать с другими, кто сможет заработать эти 10% и реинвестировать их в новые разработки
Интересная подача материала - раньше никогда не видел чего-то похожего, за что большой респект!) Но я как-то потерялся в процессе повествования. История сильно натянута на реальные проблемы. Если бы не "Конец сказки!", я бы даже и не понял морали))
Привет! Реально классная статья с полным погружением и описанием проблем.
Но я не пойму, неужели начальство не знало о данном проекте? Ушли деньги на часы работы сотрудников, эксперименты на сервере, а потом оказалось, что вообще ничего делать не нужно. Как это вообще получилось?
Читая эту статью, возникло ощущение, что все эти методики применимы не только к голосовым технологиям. Все это сейчас применяется почти во всех областях ML - и в CV и RecSys и тд
Возможно, я не заметил этого в тексте. А как процесс устроен изнутри? Вы сказали, учитывается и телеграмм бот и звонки и КПП. А что происходит в данный момент у оператора?
Привет, спасибо за статью! Кажется, вы так и не ответили: Что делать в последнем случае, если одинаковые товары распределились по разным кластерам. Ведь в таком случае мы потеряем связность.
Дальше либо самому читать, либо RAG использовать, что всяко сложнее, чем просто запрос формата "объясни мне"
Привет! Классная статья, есть над чем порассуждать. Кажется, что чатгпт стоит использовать только чтобы вкатиться в область. Многие технические подробности языковые модели могут путать или говорить не достаточно подробно
Спасибо! Хорошее погружение в инструмент. Сложно найти аналог этой статьи на просторах рунета
А каким образом браузер смотрел "закрытые" страницы? Странно, если он просто адрес страницы перебирает
Главный вопрос - зачем?))) Ну а если серьёзно, то только через подобные эксперименты узнаешь о разных тонкостях компиляторов/ОС.
Привет. А что используется в качестве скоринг модели? Сейчас это выглядит как полноценный черный ящик, без какого-либо пояснения - почему именно столько сотрудников можно заменить? Каким образом делается вывод о количестве сотрудников, которых может заменить ai, никак не обращая внимания на вакансии, юридические аспекты и финансовые?
Привет! Давно понятно, что алгоритмы не отражают реальный уровень кандидата. Но на начальных этапах (стажеры, джуны) я не вижу иного способа проверить уровень человека. Алгоритмам должны учить в ВУЗе и если он освоил эти знания, то с высокой долей вероятности, он сможет решить и бизнесовые кейсы на работе (есть опыт решения нестандартных задач, хоть и не связанными напрямую с бизнес кейсами). А чем более опытным становится кандидат, тем меньше спрашивают такие вещи на собесах.
Спасибо большое за статью! Сначала я думал, что это очередная статья для тех, кто вообще не шарит за python, но последние пункты заставили изменить мое мнение.
А про многопоточность и multiprocessing есть много и других решений (помимо multiprocessing, threading, concurrent.futures), кажется как будто стоило про них рассказать тоже
Спасибо! Я бы еще добавил самой простой истины - графики должны быть самодостаточными. То есть, на графике всегда должны быть подписаны оси, метки и прочее, чтобы без контекста можно было понять, что именно показывает данный график
Привет! Спасибо за статью. Только я не совсем понял в чем польза бизнесу от данного решения. Можете пояснить?)
В твоих словах есть логика, но купят данный девайс только гики. В статье было сказано пару слов о пропасти между массовым применением и индивидуальным. Сужу по себе, я бы 100 раз подумал перед тем, как купить ноут с другой клавиатурой, даже сильно дешевле. Ну и потом, данная разработка должна кем-то спонсироваться, ведь если условный ноутбук будет продаваться на 10% дешевле просто из-за рисунка на клавиатуре, то компания не сможет конкурировать с другими, кто сможет заработать эти 10% и реинвестировать их в новые разработки
Интересная подача материала - раньше никогда не видел чего-то похожего, за что большой респект!) Но я как-то потерялся в процессе повествования. История сильно натянута на реальные проблемы. Если бы не "Конец сказки!", я бы даже и не понял морали))
Привет! Реально классная статья с полным погружением и описанием проблем.
Но я не пойму, неужели начальство не знало о данном проекте? Ушли деньги на часы работы сотрудников, эксперименты на сервере, а потом оказалось, что вообще ничего делать не нужно. Как это вообще получилось?
Читая эту статью, возникло ощущение, что все эти методики применимы не только к голосовым технологиям. Все это сейчас применяется почти во всех областях ML - и в CV и RecSys и тд
А какая модель используется? И как собирались данные для обучения?
Возможно, я не заметил этого в тексте. А как процесс устроен изнутри? Вы сказали, учитывается и телеграмм бот и звонки и КПП. А что происходит в данный момент у оператора?
А есть уже похожие истории с телескопом Джеймс Уэбб? Интересно было бы почитать