Lenta Tech рассказала о прогнозировании спроса и снижении погрешности с помощью ML
Руководитель домена Логистика в Lenta Tech Юлия Трусова описала принципы работы системы прогнозирования спроса. В материале рассматривается, как современные методики и алгоритмы машинного обучения помогают учитывать внешние факторы и сводить к минимуму отклонения в расчетах.
Читать в первоисточнике — Хабр ↗
Ещё в ленте
Яндекс Практикум и getMatch оценили спрос на ИИ-навыки в диджитал-сфере
Анализ 2 000 диджитал-вакансий показал, что 42,9% работодателей требуют от специалистов владения навыками работы с искусственным интеллектом. При этом растет спрос на кандидатов, способных не только применять готовые нейросети, но и создавать ИИ-решения под задачи бизнеса.
Подготовка датасета для contrastive-обучения модели эмбеддингов
Опубликована третья часть серии материалов о создании изотропных эмбеддингов для модели на 29 млн параметров. В ней описаны обоснование выбора подходов, примеры и методика экономной сборки датасета для contrastive-обучения. Материал завершает этап подготовки к реализации тренировки модели.
Open source маршрутизатор FAIRouter для C# опубликован на NuGet
Маршрутизатор ИИ-моделей FAIRouter для языка C# стал доступен в репозитории NuGet. Проект с открытым исходным кодом предназначен для подбора языковых моделей и агентов под задачи с учетом баланса скорости, стоимости и качества генерации. Инструмент позволяет обучать систему маршрутизации на отзывах и подключать собственные модели.
Разработчики переписали AI-менеджера для маркетплейсов на Pydantic AI
Разработчики столкнулись с некорректной работой AI-менеджера маркетплейсов из-за искусственных ограничений и урезанных инструментов. Проект полностью перевели на фреймворк Pydantic AI, предоставив агенту доступ к полному API Wildberries без прежних лимитов. Запись изменений в личный кабинет осталась доступна только после подтверждения пользователем.