DeepSchool
频道 @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
评分(满分 10) 5.8 评分(满分 10) 5.8 /10 系统评分 · 评分说明
- 订阅者
- 10,758
- 最近发帖
- 9 天前
资料采集于 2026-11-21 · 非实时
简介
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
查看 Telegram 上的原始简介
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
评分构成
算法 v1 · 评分说明系统基础分 5.8(1 + 维度贡献 4.81) · 最终 5.8
维度 输入 维度值 权重 贡献
内容质量 未经判官审核 (按中性值 0.5 计) · 40% 0.50 40% +1.80
安全风险 未经判官审核 (按中性值 0.5 计) · 30% 0.50 30% +1.35
受众规模 10,758 订阅者 · 12% 0.70 12% +0.76
近期活跃 最近发帖 9 天前 · 10% 1.00 10% +0.90
Telegram 认证 无认证 · 4% 0.00 4% —
官网互链 无关联工具 · 4% 0.00 4% —
近期动态
在 Telegram 查看全部Что 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…
1,480 次浏览
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…
2,430 次浏览
⏰ 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!
2,500 次浏览
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…
2,920 次浏览 图片/视频
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…
3,110 次浏览