newsmode
search
Меню
Категории
apps Все forward_to_inbox Cold Email / Outbound gps_fixed Positioning travel_explore Customer Discovery rocket_launch Founder / YC auto_awesome Applied AI / LLM analytics SaaS Strategy trending_up Growth / Distribution build Indie / Bootstrap support_agent Conversational AI
Теги (топ-30)
AI Agents ·275 Ai Adoption ·192 Frontier Models ·163 Founder-Led Sales ·159 Conversational AI ·153 Outbound Sales ·150 Sales Automation ·144 Ai Infrastructure ·130 Go To Market ·128 Customer Experience ·125 Developer Tools ·122 Venture Funding ·122 Founder Mindset ·119 SaaS Metrics ·114 Product-Market Fit ·111 Enterprise Ai ·96 LLM Evals ·91 Career Advice ·89 Cold Email ·88 LLM Engineering ·86 Growth Strategy ·78 Saas ·75 Productivity Metrics ·74 Ai Products ·72 No Code Chatbots ·71 Ai Automation ·70 Customer Discovery ·69 Bootstrapping ·68 Content Creation ·67 Solopreneurship ·67
Источники
a16z Aaron Ross — Predictable Revenue Andrej Karpathy Andrej Karpathy — BearBlog Andrew Chen Anthropic News Botpress Blog Clay Blog Ethan Mollick — One Useful Thing Eugene Yan First Round Review Hamel Husain HubSpot Sales Blog Intercom / Fin Blog Justin Welsh Kyle Poyar — Growth Unhinged Latent Space Lavender Blog Lenny's Newsletter Not Boring Paul Graham Essays Rob Walling SaaStr Simon Willison Stratechery Teresa Torres — Product Talk The Bootstrapped Founder Tomasz Tunguz Voiceflow Blog Working Theorys
Прогресс перевода 1953/2270 · 86%
inboxВсе translateПереведено bookmarkХочу прочесть thumb_upПонравилось radio_button_uncheckedНепрочитанные check_circleПрочитал

Все · 35

rss_feed Paul Graham Essays translateRU

Better Bayesian Filtering

В январе 2003 года Пол Грэм представил доклад на Spam Conference об улучшении байесовского спам-фильтра, описанного в эссе «A Plan for Spam». Он отмечает, что первые работы по байесовской фильтрации п

Machine Learning Open Source Spam Filtering
1040 сл.
rss_feed Clay Blog translateRU

Data Enrichment & Machine Learning Guide 2026 - The GTM with Clay Blog

Статья объясняет, как машинное обучение (supervised и unsupervised), обработка естественного языка (NLP) и предиктивная аналитика трансформируют процесс обогащения данных для GTM-команд. AI-решения ав

Go To Market Machine Learning Sales Automation
8696 сл.
rss_feed a16z translateRU

AI Canon | Andreessen Horowitz

«AI Canon» — кураторская подборка ресурсов от венчурного фонда a16z, помогающая разобраться в современном ИИ: статьи, блог-посты, курсы и руководства, оказавшие наибольшее влияние на область за послед

Ai Research LLM Engineering Machine Learning
4626 сл.
rss_feed Eugene Yan translateRU

How to Generate and Use Synthetic Data for Finetuning

Юджин Ян делает обзор того, как генерировать и использовать синтетические данные для дообучения языковых моделей. Существуют два основных подхода: дистилляция знаний из более сильной модели-учителя и

LLM Engineering Machine Learning Synthetic Data
8277 сл.
rss_feed Eugene Yan translateRU

Push Notifications: What to Push, What Not to Push, and How Often

Юджин Ян разбирает пуш-уведомления как разновидность рекомендательной системы, где в отличие от поиска и обычных рекомендаций намерение пользователя неизвестно, а форма уведомления важна не меньше сам

Machine Learning Production Ml Recommendation Systems
3631 сл.
rss_feed Eugene Yan translateRU

Out-of-Domain Finetuning to Bootstrap Hallucination Detection

Статья описывает метод улучшения детекции галлюцинаций (фактических несоответствий) в текстовых резюме с помощью дофайнтюнинга на данных из другого домена. Автор использует модель BART, дофайнтюненную

Hallucination Detection LLM Evals Machine Learning
2265 сл.
rss_feed Eugene Yan translateRU

Some Intuition on Attention and the Transformer

Юджин Ян даёт интуитивное объяснение механизма внимания (attention) и архитектуры Transformer для тех, кто уже прочитал статью «Attention Is All You Need» и в общих чертах знаком с темой. Автор показы

Deep Learning LLM Engineering Machine Learning
1561 сл.
rss_feed Eugene Yan translateRU

How to Write Data Labeling/Annotation Guidelines

Юджин Ян рассказывает, как писать руководства по разметке/аннотированию данных — задача, которая на практике оказывается сложнее, чем просто инструкция. Хорошее руководство должно отвечать на пять воп

Data Annotation Machine Learning Production Ml
1120 сл.
rss_feed Eugene Yan translateRU

RecSys 2022 Keynote - Is the Juice Worth the Squeeze?

Eugene Yan (Ziyou Yan) рассказывает о своём кейноуте на воркшопе ORSUM в рамках RecSys 2022, посвящённом онлайн-рекомендательным системам. Главный вопрос доклада — «стоит ли овчинка выделки»: когда он

Machine Learning Production Ml Recommendation Systems
394 сл.
rss_feed Eugene Yan translateRU

Simplicity is An Advantage but Sadly Complexity Sells Better

Эссе разбирает парадокс: простота — это преимущество, но сложность лучше «продаётся». Автор объясняет, почему сложные решения воспринимаются как признак усилий, мастерства, инноваций и гибкости, тогда

Engineering Culture Machine Learning Software Philosophy
2059 сл.
rss_feed Eugene Yan translateRU

Bandits for Recommender Systems

Статья Eugene Yan разбирает применение многоруких бандитов в рекомендательных системах: они полезны, когда данных мало, а неопределённость о предпочтениях пользователей высока, либо когда набор объект

Machine Learning Production Ml Recommendation Systems
2852 сл.
rss_feed Andrej Karpathy translateRU

Deep Neural Nets: 33 years ago and 33 years from now

Андрей Карпаты воспроизводит легендарную статью Янна ЛеКуна и соавторов 1989 года о применении обратного распространения ошибки к распознаванию рукописных почтовых индексов. Оригинальная сеть на 9760

Deep Learning Frontier Models Machine Learning
2491 сл.
rss_feed Eugene Yan translateRU

How to Keep Learning about Machine Learning

Статья Eugene Yan о том, как продолжать учиться в быстро развивающейся области machine learning. Автор предлагает пять практических стратегий: пробовать новые инструменты в каждом проекте, делать личн

Career Advice Learning In Public Machine Learning
1139 сл.
rss_feed Eugene Yan translateRU

The Data Scientist Show - Building end-to-end ML systems

Юджин Ян (Eugene Yan) рассказывает о своём участии в подкасте Daliana «The Data Scientist Show», где почти за 2 часа они обсудили самые разные темы из области data science и ML. Среди затронутых вопро

Career Advice Data Science Machine Learning
167 сл.
rss_feed Eugene Yan translateRU

Bootstrapping Labels via ___ Supervision & Human-In-The-Loop

Юджин Ян разбирает, как получать обучающие метки, когда размеченных данных нет, и рассматривает три подхода: полу-, активное и слабое обучение. Полуобучение генерирует псевдо-метки итеративно; активно

Data Engineering Machine Learning Production Ml
2331 сл.
rss_feed Eugene Yan translateRU

Mailbag: How to Bootstrap Labels for Relevant Docs in Search

Читатель спрашивает, как в индустрии получают общее число релевантных документов для пар «запрос-документ», необходимое для расчёта метрики Recall@K (упоминаются работы Semantic Product Search от Amaz

Machine Learning Search Ranking Vector Search
255 сл.
rss_feed Eugene Yan translateRU

SF Big Analytics - System Design for RecSys & Search

Евгений Янь выступил на митапе SF Big Analytics в Сан-Франциско с докладом о проектировании систем рекомендаций и поиска. Публикация содержит запись выступления и слайды презентации. Доклад состоялся

Machine Learning Recommendation Systems Search Ranking
123 сл.
rss_feed Eugene Yan translateRU

The Metagame of Applying Machine Learning

Юджин Янь сравнивает применение машинного обучения в индустрии с «метаигрой» — игрой вокруг самой игры, где побеждают за счёт внешних знаний и факторов (примеры: камень-ножницы-бумага, StarCraft и син

Career Advice Machine Learning Ml Engineering
2426 сл.
rss_feed Eugene Yan translateRU

What Machine Learning Can Teach Us About Life - 7 Lessons

Юджин Янь делится семью уроками из машинного обучения, применимыми к жизни. Очистка данных учит фильтровать пищу, контент и отношения; поиск опровергающих данных помогает обновлять убеждения и боротьс

Career Advice Learning In Public Machine Learning
2277 сл.
rss_feed Eugene Yan translateRU

How to Install Google Scalable Nearest Neighbors (ScaNN) on Mac

Юджин Ян описывает, как установить библиотеку Google Scalable Nearest Neighbors (ScaNN) на Mac — инструмент для эффективного поиска по векторному сходству, который, по данным Google, более чем вдвое п

Developer Tools Machine Learning Vector Search
595 сл.
rss_feed Eugene Yan translateRU

Mailbag: Parsing Fields from PDFs—When to Use Machine Learning?

Разработчик K спрашивает, стоит ли применять машинное обучение для извлечения полей из PDF, если regex-скрипт ошибается примерно в 1 случае из 100 из-за опечаток в слове «Quote» или в самом номере кот

Data Automation Machine Learning Pdf Parsing
705 сл.
rss_feed Eugene Yan translateRU

NLP for Supervised Learning - A Brief Survey

Юджин Ян кратко прослеживает эволюцию NLP для обучения с учителем с 1985 по 2020 год. Он начинает с последовательных моделей — RNN (1985), LSTM (1997) и GRU (2014), — а затем переходит к словным эмбед

Deep Learning LLM Engineering Machine Learning
4335 сл.
rss_feed Eugene Yan translateRU

My Notes From Spark+AI Summit 2020 (Application-Specific Talks)

Статья представляет заметки Eugene Yan с конференции Spark+AI Summit 2020, посвящённые прикладным докладам. Рассматриваются фреймворк Zipline от Airbnb для декларативного извлечения point-in-time приз

Data Engineering Machine Learning Production Ml
2950 сл.
rss_feed Eugene Yan translateRU

A Practical Guide to Maintaining Machine Learning in Production

Практическое руководство Eugene Yan по поддержке ML-систем в продакшене, продолжающее его пост о шести малоизвестных проблемах после развёртывания. Автор предлагает около 20 практик, сгруппированных п

Machine Learning Ml Engineering Production Ml
3270 сл.