360
подписчиков
269
подписок
Как я пережил 1991 год. Я все деньги скинул. Когда нет, ничего тогда и терять нечего.
Не является индивидуальной инвестиционной рекомендацией
Посты
Ролики
GEORGR
вчера в 5:07
Кто то Заявляет, что ИИ сократит рабочие места. Моя мысль, что наоборот она создаст новые с более высоким уровнем интелекта.Google Cloud и Accenture только что объявили о плане создания инженерного персонала из 1000 человек, чтобы помочь компаниям внедрять ИИ.
Должность говорит не только количество сотрудников.
Это инженеры, ориентированные на передовой развертывание: люди, которые работают напрямую с клиентами, превращая возможности ИИ в рабочие бизнес-системы.
Интересный вопрос — что именно должны понимать эти инженеры.
Возьмём рабочий процесс по утверждению счетов.
Чтение счета — лишь одна из частей.
Какая запись поставщика верна?
Совпадает ли счёт с заказом на покупку?
Кто может одобрить исключение?
Что происходит, когда вопросы закупок и финансов расходятся во мнениях?
Где фиксируется окончательное решение?
Модель может помочь с этими вопросами.
Она не может заставить организацию согласиться с ответами.
Кто-то должен работать с теми, кто знает, как на самом деле работает бизнес, а затем превратить эти знания в надёжное программное обеспечение.
Для этого нужно больше, чем просто подсказка.
Это требует инженерии, анализа данных, понимания процессов и способности оспаривать нелогичные требования.
Вот вопрос по найму в ИИ, который я бы задал:
Может ли этот человек превратить неоднозначную бизнес-проблему в систему, которую может управлять кто-то другой?
Не только:
Какие модели они использовали?
Есть важный нюанс.
Инженеры по встраиванию могут помочь компании внедрить свой первый рабочий процесс на базе ИИ.
Если каждый дополнительный рабочий процесс требует одинакового количества индивидуальных усилий, компания пока не создала значительных рычагов.
Помолвка должна оставить после себя:
• многоразовые интеграции
• чёткие данные и правила принятия решений
• тесты на основе реальных случаев
• измеримая операционная база
• внутреннего владельца, который может управлять и улучшать систему
Это не просто демонстрация, которая работает, пока команда по реализации находится в комнате.
Google и Accenture выигрывают от продажи большего числа сервисов на базе ИИ. Их план по работе с персоналом — это коммерческая ставка, а не доказательство того, что эта модель всегда работает.
Но ставка показательна.
Доступ к мощной модели и возможность её внедрения — это разные возможности.
Самым ценным инженером по ИИ может быть тот, кто сможет связать эти два вопроса, не оставляя бизнес постоянно зависимым от них.
Читая такие статьи у меня возникли два проекта в научном исследовании. Может даже подвинем квантовую математику.
GEORGR
6 сентября в 18:03
Сегодня посмотрел рекомендованный фильм Охотники за деньгами 2025год. Как раз то,что была на экране математическая формула. Когда стажер говорит вот этот блок надо заменить. Но тот проект у меня пока остановился да то же закладывал при резком увелечении волотильности блок математики менялся. Близнецы не доступны пока.
GEORGR
6 сентября в 17:58
Снова идея нового индикатора. Уже есть довольно удачные индикаторы. Самое трудное это тестировать.Часто просто уходит на новый уровень. Там уже можно сделать самое интересное: математически построить прогнозируемую траекторию цены, где система не просто выдаёт LONG/SHORT, а рассчитывает: ..... Target 1 → Target 2..... и отдельно определяет вероятность достижения каждого Target
GEORGR
6 сентября в 9:38
Для построения собственных индикаторов. Я выстраиваю как проектировщик основные этапы общения с ИИ. Есть два варианта быстрый но могут быть ошибки. 2. Второй вариант через Собственного агента ИИ тут ошибки сведены к минимуму так как в агенте закладывается аналитическая модель которая следит как за моими ошибками так и за истинность подтверждения полученных данных из интернете имеет собственную память и библиотеку. Не достаток API протокол контролирует токены бесплатные добавочно и блокировки API не входящих в список стран.
GEORGR
4 сентября в 22:20
Сноску не даю. Так как был предупрежден. Но по тексту думаю найдете.
Узнайте, какие модели обработки больших языков (LLM) с открытым исходным кодом могут комфортно работать на вашем оборудовании. llmfitПрограмма проверяет конфигурацию вашего процессора, оперативной памяти, графического процессора (GPU), видеопамяти (VRAM) и ускорителя, чтобы рекомендовать модели для популярных схем квантизации.
📊 Новое: бенчмаркинг и обмен результатами — реальные данные с вашей машины, более точные оценки для всех. Скачайте модель, запустите её и измерьте реальное количество тиков в секунду на вашем оборудовании — затем отправьте результаты обратно в проект в виде запроса на слияние (PR) прямо из TUI. Никакого ghCLI, никаких сторонних учетных записей. Каждый запуск сначала сохраняется локально, ваши собственные измерения заменяют оценки в таблице подгонки, и каждая объединенная заявка включается в следующий релиз: любой пользователь на идентичном оборудовании получает измеренные ✓данные до запуска бенчмарка.
Функции
Автоматическое определение оборудования : определяет количество ядер ЦП, объем оперативной памяти системы, доступные дискретные/интегрированные графические процессоры, видеопамять и унифицированную архитектуру памяти (NVIDIA CUDA, Apple Silicon, AMD ROCm, Intel OneAPI).
Механизм совместимости моделей : анализирует количество параметров модели, длину контекста и форматы квантизации (GGUF, AWQ, GPTQ, EXL2) для прогнозирования объема используемой памяти и производительности (токенов в секунду).
Интерактивный TUI и веб-панель управления : выбирайте между облегченным терминальным интерфейсом, не зависящим ни от чего, или многофункциональной веб-панелью управления.
REST API Endpoint : Предоставляет стандартные HTTP JSON-конечные точки ( /api/v1/system, /api/v1/models) для интеграции в оркестраторы, панели мониторинга и автоматизированные конвейеры развертывания.
Поддержка нескольких платформ : macOS (Apple Silicon и Intel), Linux (x86_64 и ARM64) и Windows (x86_64).
Сотни моделей и поставщиков. Одна команда, чтобы узнать, что работает на вашем оборудовании.
Инструмент для терминала, который оптимизирует размеры моделей LLM в соответствии с оперативной памятью, процессором и видеокартой вашей системы. Он определяет ваше оборудование, оценивает каждую модель по таким параметрам, как качество, скорость, соответствие и контекст, и сообщает, какие из них действительно будут хорошо работать на вашей машине.
Поставляется с интерактивным графическим интерфейсом пользователя (по умолчанию) и классическим режимом командной строки. Поддерживает многопроцессорные конфигурации, архитектуры MoE, динамический выбор квантизации, оценку скорости и локальные поставщики среды выполнения (Ollama, llama.cpp, MLX, Docker Model Runner, LM Studio).
GEORGR
4 сентября в 16:13
В 2011 году CNN обнаружил 106-летнего инвестора Ирвинга Кана, сидящего перед терминалом Bloomberg. Когда его спросили, внимательно ли он следит за рынком, ответ был прост: «Я не трейдер.»
Кан работал на Уолл-стрит с 1928 года. Он пережил Великую депрессию, Вторую мировую войну, Черный понедельник, крах доткомов и 2008 год. Его первая сделка даже была короткой продажей незадолго до краха 1929 года.
После обучения у Бенджамина Грэма Кан сосредоточился на гораздо менее захватывающем направлении: покупке бизнеса по выгодных ценам и долгосрочному удержанию.
Вот в чём настоящий урок. Больше информации не делает вас лучшим инвестором, если только заставляет торговать больше. Иногда самое большое преимущество — это просто оставаться вложенной достаточно долго, чтобы компаундинг выполнил свою работу.
GEORGR
4 сентября в 7:17
Был удален. Повторное размещение внешних рекламных ссылок и призывов к переходу может привести к ограничению доступа к публикациям или временной блокировке аккаунта.
Мы просим вас публиковать контент, соответствующий правилам платформы. Ваш голос важен для сообщества — особенно, когда он звучит честно и по делу.
Текст поста:
Ваш ИИ Вам выдает не правильный результат. Он может воспользоваться ложной ссылкой. Ложным результатам который примет при парсинге интернета .Курсы, которые обязательно стоит изучить далее удален.
GEORGR
4 сентября в 3:33
Python
Его самое большое достижение — не то, что он стал популярным.
Она стала общим интерфейсом между дисциплинами, которые когда-то действовали в совершенно разных мирах.
Один проект искусственного интеллекта теперь может затрагивать следующие:
→ Обработка данных: NumPy, Pandas, Polars
→ Машинное обучение: Scikit-learn, XGBoost, LightGBM
→ Глубокое обучение: PyTorch, TensorFlow, JAX, Keras
→ Отслеживание экспериментов: MLflow, веса и смещения, Comet
→ Визуализация: Matplotlib, Seaborn, Plotly, Altair
→ Обслуживание моделей: FastAPI, BentoML, Gradio, Streamlit
→ Оркестровка: Airflow, Prefect, Kubeflow, Dagster
→ Проверка данных: большие ожидания, очевидно, глубокие проверки
→ Конфиденциальность и безопасность: Presidio, PySyft
→ агенты ИИ: LangGraph, LangChain, PydanticAI, CrewAI
Но настоящее преимущество — не количество библиотек.
Это непрерывность.
Один и тот же инженер может переходить из:
Исходные данные
→ Эксперимент
→ модель
→ API
→ Агент
→ Производственный рабочий процесс
без смены языков на каждой границе.
Python не всегда является самым быстрым движком исполнения. Большая часть тяжёлой работы всё ещё выполняется на C++, Rust, CUDA и специализированных временах выполнения.
Но Python стал управляющей поверхностью для современного ИИ.
Она объединяет исследователей, инженеров по данным, инженеров машинного обучения, разработчиков приложений и команды платформ через одну общую экосистему.
Python не выиграл из-за хайпа.
Она победила, потому что стабильно сокращала расстояние между идеей и рабочей системой.
Если вы создаёте ИИ сегодня, Python уже не просто язык программирования.
Это инфраструктура.
Какая библиотека на Python оказала наибольшее влияние на вашу работу?
GEORGR
3 сентября в 20:29
GPT против Близнецы против Клод против Шпаргалка ИИ Grok 2026
Производительность ИИ варьируется в зависимости от задачи.
Вот как GPT, Gemini, Claude и Grok сравниваются в 33 случаях использования:
КАТЕГОРИИ ЗАДАЧ
1. Письменные задачи:
• ChatGPT: Лиды в блогах, подписях в социальных сетях, видеосценариях и повествовании.
• Близнецы: сильные в написании писем и резюме PDF.
• Клод: Отличный редактирование и корректура.
2. Задачи по программированию:
• Claude: лучше всего подходит для написания кода, отладки и создания агентов.
• ChatGPT: Сильный в общем написании кода.
3. Научная и исследовательская деятельность:
• ChatGPT: отлично объясняет сложные темы.
• Grok: Хорошо разбирается в анализе данных и исследованиях в реальном времени.
ОБЩИЕ ХАРАКТЕРИСТИКИ
1. ChatGPT:
• 10 побед в написании, сценариях, мозговом штурме, генерации голоса.
• Сильные творческие задачи.
2. Близнецы:
• 8 побед в новостях в реальном времени, в социальных сетях и в контекстных окнах.
3. Клод:
• 8 побед в программировании, юридических задачах, длинных документах, конфиденциальности.
• Лучше всего подходит для технической и юридической работы.
4. Grok:
• 5 побед в новостях в реальном времени, социальных сетях, контекстном окне.
• Отлично подходит для скорости и точности.
КЛЮЧЕВЫЕ ВЫВОДЫ
• ChatGPT: Идеально подходит для творческого письма, мозгового штурма и написания сценариев.
• Близнецы: сильны в данных в реальном времени, социальных сетях и понимании контекста.
• Клод: идеально подходит для программирования, юридических задач и работы, связанной с конфиденциальностью.
• Grok: Быстрый и эффективный анализ в реальном времени и задачи в социальных сетях.
Правильная модель ИИ может оказать значительное влияние.
Ваша команда использует лучший вариант для ваших нужд?