DeepSchool
Channel @deep_school
Это канал школы deepschool.ru. Здесь мы будем: - напоминать вам теорию ML/DL в виде коротких постов, - задавать вопросы с собеседований, - рассказывать про полезные фреймворки - и делиться советами, которые помогут вам в работе. @deepschool_support
Rating out of 10 5.8 Rating out of 10 5.8 /10 System score · How ratings work
- Subscribers
- 10,758
- Last post
- 9d ago
Collected on 2026-11-21 · not real-time
Introduction
Это канал школы deepschool.ru. Здесь мы будем: - напоминать вам теорию ML/DL в виде коротких постов, - задавать вопросы с собеседований, - рассказывать про полезные фреймворки - и делиться советами, которые помогут вам в работе. @deepschool_support
Show the original Telegram description
Это канал школы deepschool.ru. Здесь мы будем:
- напоминать вам теорию ML/DL в виде коротких постов,
- задавать вопросы с собеседований,
- рассказывать про полезные фреймворки
- и делиться советами, которые помогут вам в работе.
@deepschool_support
Rating breakdown
Algorithm v1 · How ratings workSystem score 5.8 (1 + contributions 4.81) · final 5.8
Dimension Input Value Weight Contribution
Content quality Not reviewed yet (counted as neutral 0.5) · 40% 0.50 40% +1.80
Safety Not reviewed yet (counted as neutral 0.5) · 30% 0.50 30% +1.35
Audience 10,758 subscribers · 12% 0.70 12% +0.76
Recent activity Last post 9d ago · 10% 1.00 10% +0.90
Telegram verified Not verified · 4% 0.00 4% —
Official backlink No linked tools · 4% 0.00 4% —
Recent posts
View all on TelegramЧто происходит с запросами, когда сервис рестартится?
Представим, что мы разрабатываем сервис pdf-to-text. Нам загрузили документ на десять страниц. Девять из них обработаны, осталась последняя. И тут сервис получает сигнал об остановке (SIGTERM): приехало обновление или понадобилось уменьшить количество подов.
Если завершение процесса не обработано и приложение сразу остановится, клиент получит ошибку. И совсем не важно, что мы уже почти всё сделали. В идеале нам бы хотелось получить до остановки сервиса возможность дообработать последнюю, десятую страницу и отдать ответ клиенту.
Здесь как…
1.5K views
Инвариантность в машинном обучении
При обучении нейросети распознавать котиков, товары в корзине или автомобильные детали мы хотим, чтобы она игнорировала минорные изменения (например, порядок товаров, ракурс или освещение). Другими словами, обладала инвариантностью.
✅Сегодня мы разберём несколько способов, с помощью которых можно добиться инвариантности, а также ответим на следующие вопросы:
— что такое инвариантность
— как заложить устойчивость к изменениям в структуре сети
— что такое DeepSets и как работать с множествами
— каким образом научить сеть игнорировать минорные особенности при…
2.4K views
⏰ Встречаемся через 3 часа
Сегодня на примере агента, который исправляет ошибку в репозитории, посчитаем, во что обходятся решения по работе с контекстом. Разберём, когда выгодно сжимать историю, выносить данные во внешнюю память или передавать задачу другому агенту. Обсудим, почему высокий cache hit rate не гарантирует экономии и как сравнивать архитектуры, если результаты разных запусков отличаются.
А также представим обновлённую программу курса LLM и подарим скидки участникам лекции 🎁
Регистрируйтесь в боте и приходите сегодня в 11:00 МСК!
2.5K views
Экономика контекста: сколько стоит работа агента
Когда LLM-агент решает задачу в несколько шагов, на каждом шаге модель получает контекст: инструкции, историю действий, результаты вызова инструментов, данные из памяти. Чем дольше агент работает, тем больше токенов уходит на каждый запрос и тем дороже обходится решение задачи.
Сократить расходы можно разными способами: сжимать историю, хранить данные во внешней памяти, передавать подзадачи другой модели, использовать кэширование. Но каждый из них влияет на качество и скорость агента и не всегда даёт экономию. Например, если сильно сократить к…
2.9K views Media
LLM от токенизации до бенчмарков
Подготовили подборку статей про то, как устроены LLM, как их дообучают и как проверяют.
1. Токенизация и эмбеддинги: как буковки превращаются в циферки
2. FlashAttention 2, 3 и 4: как attention перестал так сильно упираться в память GPU
3. От PPO и RLHF к DPO, GRPO и GSPO: как устроен post-training
4. LLM для агента: промпт или дообучение: когда хватит большой модели с промптом, а когда выгоднее дообучить маленькую
5. Как настроить LLM-as-a-judge: критерии, проверка на человеческой разметке и работа с расхождениями
6. Большой обзор бенчмарков: можно ли хоть ч…
3.1K views
Similar Telegram resources
Profile
Type Channel
Username t.me/deep_school
Category Learning
Telegram verified No
Collected 2026-11-21
About the data
Counts, verification and recent posts come from periodic snapshots of Telegram's public pages and are not real-time. Descriptions are edited; the original text is available under the original description.