Машинное обучение

- Зачем заводу компьютерное зрение

- Типичное приложение

- Как мы готовим модели

- Где мы уже набили шишки и где планируем набивать дальше

- Структура Центра продвинутой аналитики в Альфа-Банке: направления, команды, взаимодействие с бизнесом, примеры реализованных задач

- Как мы оцифровали принятие решений для десятка тысяч компаний: выводы и лайфхаки

- Особенности инфраструктурных решений

- Результат и дальнейшие шаги

- Развертка языковой модели LLM: пошаговая инструкция, выбор моделей и установка

- Инфраструктура для LLM: выбор сервера и вычислительной мощности

- Настройка LLM для разных типов контента: текст, видео, изображения

Мы настолько привыкли к нейросетям, что теперь любую задачу решаем с их помощью. А если он не решается, добавляем больше слоев, расширяем датасеты.

И мы немного позабыли каким было компьютерное зрение до нейросетей. На докладе я расскажу про классическое компьютеное зрение, про то как оно помогает упрощать разметку, и как в симбиозе с нейросетями быстрей создавать продукты.

1) Что делает сервис ЕТА

2) Как производится расчет интервалов доставки внутри сервиса

3) Архитектура и стэк сервиса

4) Что сделали для улучшения модели

5) Какие фичи не зашли

6) Планы по улучшению