​В современном мире все больше задач можно решить с помощью машинного обучения. Чтобы прокачать знания об инфраструктуре для ML, приходите на наш ежегодный митап MLечный путь. 18 апреля, 18:00, подробности — по ссылке регистрации ➡️ https://slc.tl/cez4h А пока почитайте подборку материалов об ML: о железе, моделях и экспериментах ⬇️ 🤖 Тест двух GPU на большой языковой модели ➡️ https://slc.tl/hlrr8 Сравниваем возможности А100 40GB и A6000 Ada 48GB в файнтюнинге LLM и генерации текста. 🤖 Как ускорить ML-эксперименты и работу с моделями ➡️ https://slc.tl/mzgh2 Рассказываем, как Hugging Face, CleanML, Jupyter и другие инструменты помогают проводить ML-эксперименты (и как их организовывать, если у вас лапки). 🤖 Артефакты MLOps ➡️ https://slc.tl/0hbt4 Осваиваем три столпа MLOps: данные, модель, код. 🤖 Какими бывают платформы обработки данных ➡️ https://slc.tl/8b243 Разбираемся в уровнях зрелости дата-аналитики и решаем, не пора ли уходить из Excel в ML. Бонус: записи конференций MLечный путь ⬇️ 🤖 В 2021 обсуждали MLOps-платформы, применение ML в работе техподдержки, жизненный цикл моделей машинного обучения и другие направления ➡️ https://slc.tl/amu51 🤖 В 2022 рассматривали актуальные сложности ML-команд, тренды и инструменты построения production ML-систем ➡️ https://slc.tl/3psbn 🤖 В 2023 говорили об инфраструктуре для ML и AI, видах дрифтов ML-моделей, Computer Vision в животноводстве ➡️ https://slc.tl/yg3q8