Поиск.
Найдено: 5 моделей и 20 материалов
Нейросети
Весь каталог
- Hobby$0 · ₽ уточняйте
- Pro$20 · ₽ уточняйте
- Pro+$60 · ₽ уточняйте
- Бесплатная$0 · ₽ уточняйте
- Pro$20 · ₽ уточняйте
- Бесплатная$0 · ₽ уточняйте
- Starter$5 · ₽ уточняйте
- Creator$11 · ₽ уточняйте
- Basic$10 · ₽ уточняйте
- Standard$30 · ₽ уточняйте
- Pro$60 · ₽ уточняйте
- Бесплатная$0 · ₽ уточняйте
- Standard$15 · ₽ уточняйте
- Pro$35 · ₽ уточняйте
Материалы
Как анализировать логи с ИИ: найти причину ошибки и не раскрыть секреты
Как подготовить фрагмент логов, дать контекст нейросети и проверить гипотезу на системе без опасных команд.
Как запустить Ollama как службу systemd в Linux и читать логи
Практический ответ на запрос «как запустить Ollama как службу Linux»: точные команды, реальные параметры Ollama, диагностика, ограничения и проверка результата.
Как разделить AI-заявки на train и test по дате обращения
Хронологический holdout для классификации заявок: проверяем даты, границу и отсутствие будущих обращений в обучении.
Как фильтровать поиск Weaviate по properties без утечки данных
Filters.by_property в Weaviate: equal, greater_or_equal, логические AND/OR, типы properties, tenant/ACL и отрицательные тесты доступа.
Как развернуть модель через Hugging Face Inference Endpoints и проверить API
Практическое развёртывание модели в Inference Endpoints: выбор репозитория, токен, запрос, логи и остановка ресурса.
Как сделать презентацию с ИИ: от структуры до финальной проверки слайдов
Пошаговый процесс создания презентации с нейросетью: бриф, логика слайдов, визуалы и проверка, чтобы не получить набор красивых пустышек.
Как фильтровать payload в Qdrant через must, should и must_not
Безопасный payload filter Qdrant: логика must, should, must_not, MatchValue, числовые диапазоны, payload index и отрицательный тест доступа.
Как добавить ручное подтверждение в n8n для действий ИИ-агента
Как поставить human-in-the-loop перед отправкой письма или изменением данных в n8n: логика, тест и журнал решения.
Как сделать прототип приложения с ИИ: сценарий, экраны и тестирование
Как превратить идею в кликабельный прототип, используя ИИ для черновика, но сохранив логику продукта и контроль данных.
Zapier или Make для AI-автоматизации: подробное сравнение
Что выбрать для автоматизаций с нейросетями — Zapier или Make: интеграции, логика сценариев, отладка, стоимость и безопасность данных.
Как исключить bias из weight decay через Optax
Optax 0.2.6: маска add_decayed_weights применяет decay к kernel и оставляет bias без изменения.
Как использовать Huber loss в Optax для регрессии с выбросами
Optax 0.2.6: Huber loss квадратичен около нуля и линеен после delta; проверяем ошибки 0,5 и 2.
Как использовать sigmoid focal loss в Optax
Optax 0.2.6: focal loss для logits 0 и labels 0/1 при gamma=2; проверка симметричного базового значения.
Как ограничить gradient каждого примера через Optax
Optax 0.2.6: per_example_global_norm_clip отдельно ограничивает batch-градиенты и возвращает их сумму и число clipping-событий.
Как накапливать gradients через Optax MultiSteps
Optax 0.2.6: MultiSteps усредняет два microbatch-gradient и обновляет SGD только на каждом втором вызове.
Как обновлять target network через Optax periodic_update
Optax 0.2.6: periodic_update копирует online parameters на шагах, кратных update_period, и сохраняет target между ними.
Как посчитать binary cross-entropy по logits в Optax
Optax 0.2.6: sigmoid_binary_cross_entropy принимает logits и метки 0/1; проверяем базовый уровень ln(2).
Как посчитать hinge loss в Optax с метками −1 и +1
Optax 0.2.6: hinge loss требует targets строго −1/+1; проверяем уверенные predictions и нарушения margin.
Как посчитать softmax cross-entropy с integer labels в Optax
Optax 0.2.6: проверяем multiclass loss для logits и целочисленных меток, формы входа и явное усреднение batch.
Как проверить cosine similarity embeddings через Optax
Optax 0.2.6: одинаковые единичные vectors дают similarity 1, ортогональные — 0; проверяем batch и axis.