Искусственный интеллект — это не какое-то волшебство, а математика, методы и алгоритмы, которые не будут работать без качественных данных. Анна Фенюшина, ведущий архитектор направления «Дата-сервисы» в VK Tech, разобрала в статье, как меняются требования к данным и инфраструктуре по мере развития моделей. Классическому ML часто достаточно структурированных таблиц и сравнительно небольших объемов данных. Нейросетям уже нужны терабайты изображений, текста и аудио. А обучение собственной LLM требует уникальных датасетов, мощной GPU-инфраструктуры и бюджета в миллионы долларов. 👆 Поэтому для большинства компаний практичнее адаптация существующих Open-Source-моделей, использование API, дистилляция знаний из больших моделей и коллаборативное обучение с другими организациями. ➜ Читайте статью, чтобы подробней узнать про жизненный цикл ML-модели и как он выстраивается на практике