Все публикации

0:32:57

Llama 3.1: разбор статьи. Часть 10. Factuality & Steerability

0:59:42

AI-школа Евгения Разинкова: как это было (и как будет дальше)

0:11:40

Оптимистичное послание AI-специалистам

1:13:26

Llama 3.1: разбор статьи. Часть 9. Long context & Tool use

0:52:02

Llama 3.1: разбор статьи. Часть 8. Multilinguality & Reasoning

0:37:19

Llama 3.1: разбор статьи. Часть 7. Capabilities: code generation

0:53:49

Llama 3.1: разбор статьи. Часть 6. Post-training data

1:10:57

Llama 3.1: разбор статьи. Часть 5. DPO.

0:44:40

Llama 3.1: разбор статьи. Часть 4. Reward modeling & SFT

1:09:38

Llama 3.1: разбор статьи. Часть 3. Pre-training

1:44:02

Llama 3.1: разбор статьи. Часть 2. Architecture & Scaling laws.

1:19:42

Llama 3.1: разбор статьи. Часть 1.Intro & Data mix

0:58:05

AI: от LLM и дальше. Лекция 3. Evaluation overview

1:24:34

Dropout: универсальный метод регуляризации

0:51:41

AI: от LLM и дальше. Лекция 2.

1:31:14

AI: от LLM и дальше. Лекция 1.

1:25:32

LLM. Лекция 28.

1:18:01

Введение в языковые модели. Лекция 27.

1:16:48

ViT: повышаем точность. Лекция 26.

1:05:54

Трансформер для изображений: vision transformer

0:28:05

Быстрое обнаружение аномалий на изображениях. Лекция 6 по обнаружению аномалий

1:12:03

Трансформер: training best practices

1:04:48

Transformer: интерпретация моделей и функции слоев. Лекция 23.

1:30:20

Transformer: декодер. Лекция 22.