Привет! Это канал ML-команды Точка Банка. Мы — инженеры, исследователи и тимлиды. Здесь делимся инструментами и методами развития машинного обучения, которые используем в компании. Разделили все важные темы на категории для удобной навигации: 📌 LLM и NLP Разбираем архитектуру, чтобы понимать, как обучать и инферить эффективнее. → RoPE — Часть 1. Как закодировать позицию без обучения лишних весов. → RoPE — Часть 2. Зачем крутить вектора с разной частотой и как это помогает с длинным контекстом. → Чем LLM отличается от обычного трансформера, зачем там RMSNorm и почему все любят декодеры. → Как работает grokking, или почему модель может 1000 итераций ничего не делать, а на миллионной резко поумнеть. 📌 Hardware & High Performance Разбираем, как выжать максимум из оборудования, когда стандартного import torch и pandas недостаточно. → Векторные базы данных v1. Как работают хранение и поиск похожих векторов. → Векторные базы данных v2. Как использовать алгоритмы индексации для ускорения поиска. → SRAM vs DRAM. Как оптимизировать GPU и обходить ограничения CUDA с помощью Triton. → Почему Polars эффективнее pandas. Разбираем преимущества. → Как работает Polars в продакшене: кейсы от инженеров Точки. 📌 Data Mining & Методология Разбираем, как работать с данными, когда их мало, и как не обмануть себя в тестах. → Культурное A/B-тестирование: почему не стоит расстраиваться, если нет прокраса, и зачем нужен Action Plan. → Техническое A/B-тестирование: разбираем ошибки с выбросами, стратификацией и метриками отношений. → Что делать, если нет разметки. 📌 Computer Vision Разбираем, как работать с деградацией сигнала и собирать качественный Ground Truth → Как восстанавливать изображения и бороться с галлюцинациями моделей. 📝 Что еще интересного? Мы регулярно выступаем на конференциях и проводим свои митапы. Анонсы и записи всех ивентов публикуем здесь. А ещё пишем статьи на Хабре — туда вмещаются не только тексты, но и описания с картинками. Ссылки на материалы прикрепляем к постам.