أبرز خبر

المنشور الأكثر مشاهدة
🔥 الأكثر شيوعًا
I
IT News | ИТ Новости | Техно
@techno_news_tg
20.8K

Пользователям Windows 10 не стоит ставить драйвер Adrenalin 26.6.2

Он был выпущен 22 июня и вызывает массовые проблемы на Windows 10: пользователи жалуются, что система перестает корректно определять GPU, в диспетчере устройств напротив видеокарты начинает отображаться восклицательный знак, а попытка запустить Adrenalin приводит к ошибке несоответствия драйвера и ПО.

AMD признала проблему и сообщила, что единственное решение – откат на предыдущий 26.6.1. Компания также не рекомендует обновляться тем, кто это еще не сделал. Иронично, но именно в этом драйвере появилась поддержка FSR 4.1 для RX 7000, а также оптимизации под Assassin's Creed: Black Flag Resynced и Doom: The Dark Ages. Так что причин обновиться хватает – но лучше переждать.

المزيد من قنوات أخرى

52 منشور إجمالًا
I
IT Meeting - митапы и конференции по разработке
@itmeeting
2.4K

Infrastructure & Reliability Meetup от Спортса”

1. Раннеры GitLab: кто на них нападает и как построить защиту — Дмитрий Стеганцев, Wildberries & Russ Как происходят атаки на раннер, как обеспечить их безопасность, сохранить функционал и скорость выполнения джоб.

2. Глобальная доставка контента: архитектура CDN и опыт Спортса’’ — Алексей Буслаев и Андрей Лебедев, Спортс” Как грамотно выбирать провайдера и на какие метрики успеха действительно стоит опираться инженерам.  Покажем кейс трансформации инфраструктуры с разбором архитектуры «до» и «после», с какими неочевидными проблемами столкнулись и как успешно (или нет) с ними справились.

3. ArgoCD: внедрение и интеграция c инфраструктурой — Александр Овсянников, Спортс” Как мы пришли от Helm и Werf к GitOps-подходу с ArgoCD и почему прежний процесс деплоя со временем стал слишком сложным для поддержки. Как мы работали с десятками тысяч строк YAML и какие проблемы подтолкнули нас к изменениям. Как использование ИИ помогло ускорить работу с open-source сообществом и взаимодействие с мейнтейнерами ArgoCD.

4. GPU в k8s на коленке: экстрим в духе DIY — Павел Гладких, 2ГИС Можно ли собрать production-кластер с GPU из обычных десктопов, когда бюджет диктует архитектурные решения? Мы не просто попробовали – мы сделали это. Расскажу, как приручали «домашние» видеокарты, решали проблемы с удаленным доступом, управлением, корпусами и охлаждением и как все это вписалось в k8s.

Также в программе фуршет, нетворкинг и просмотр матча 1/4 финала Чемпионата мира ⚽️

➖➖➖

🗓 10 июля, 18:30-00:00 мск, Пятница

🌐 ОНЛАЙН 📍 ОФЛАЙН, Москва

✅ Регистрация на мероприятие

😀 Мы в МАХ

Н
Нескучный Data Science Jobs
@not_boring_ds_jobs
4.9K

Позиция: Middle/Senior Quant Researcher Куда? QST (Quantstellation), Бутиковый prop HFT-фонд, TradFi (Derivatives) Формат работы: Гибрид или релокация: Лимасол (Кипр) / Москва. Вилка: $7,000–$15,000 net + бонус из profit-пула по прозрачной PnL-формуле.

Что нужно делать? • Выстраивать альфу с нуля, а не просто итерировать чужие пайплайны. • Искать неэффективности на крупнейших биржах (CME, Eurex, NSE, KRX) с фокусом на деривативы (фьючерсы и опционы). • Заниматься исключительно ресерчем на Python (писать на C++ не нужно, это закрывает команда Quant Dev). • Проверять гипотезы, тестировать стратегии и доводить их до продакшена в рамках выстроенного in-house pipeline.

Требования: • Сильная математическая база и глубокое понимание методов машинного обучения. • Уверенное владение Python как основным инструментом для ресерча. • Желателен опыт в TradFi, но кандидаты с сильным бэкграундом в крипте также рассматриваются. • Подтвержденный трек-рекорд: высокий рейтинг на соревновательных площадках, медали Kaggle или сильный академический бэкграунд.

Ответы на 10 важных вопросов: 1. Данные: Исторические и real-time рыночные данные с крупнейших мировых бирж + крипта как дополнительная компонента.

2. Железо: Своя платформа, FPGA и собственный GPU-кластер для обучения тяжелых моделей.

3. Масштаб влияния на core-бизнес? Фонд 18 лет торгует на свои деньги (без внешних LP) с объемом >$80B в месяц. Ваши стратегии — это прямой PnL компании.

4. Уровень развития DS/Quant в компании? Топовый. Полный research-to-production pipeline под одной крышей с минимальным путем от гипотезы до продакшена.

5. Роль ресерчера: Максимальная фокусировка на генерации альфы на Python. Внедрением в железо и оптимизацией занимается сильная команда разработчиков. Здесь вместе ищут альфу, а не конкурируют изолированными командами.

6. Бэкграунд у вашего руководителя? Фаундеры — выходцы с мехмата МГУ. Anton Ragin (Co-Founder). В команде работают Kaggle Masters+, PhD и выпускники ШАД. Средний стаж в компании >6 лет.

7. Как часто вам будут мешать работать? Плоская структура и отсутствие бюрократии. Гибкий график, классические 40 часов в неделю, без работы по выходным.

8. Карьерный рост: Прозрачная PnL-формула. Успешные стратегии генерируют апсайд в «иксах» от фикса — никаких искусственных потолков в доходе.

9. Prod/Research: Applied Research с очень быстрой доставкой в Prod.

10. Функция сервиса или лидера? Безусловный лидер. Вы генерируете профит, инфраструктура работает на вас.

✈️ TG: @QuantScout

D
datasciencej
@datasciencej
1.4K

Top companies currently hiring data analysts

Based on the current job market, here are the top companies hiring data analysts:

## Top Tech Companies

- Meta: Investing heavily in AI with significant GPU investments - Amazon: Offers diverse data analyst roles with complex responsibilities - Google (Alphabet): Leverages massive data ecosystems - JP Morgan Chase & Co.: Strong focus on data-driven banking transformation

## Specialized Data Analytics Firms

- Tiger Analytics: Specializes in AI/ML solutions - SG Analytics: Provides data-driven insights - Monte Carlo Data: Focuses on data observability - CB Insights: Excels in market intelligence

## Emerging Opportunities

Companies like Samsara, ScienceSoft, and Forage are also actively recruiting data analysts, offering competitive salaries ranging from $85,000 to $207,000 annually.

Share with credits: https://t.me/sqlspecialist

Hope it helps :)

G
Grigòr, the Creator
@grigor
3.7K

Главная проблема искусственного интеллекта не в том, что в подписках мало лимитов, а доступ по API стоит дорого

Главная проблема будет в том, что у кого-то доступа к нему вообще не будет.

Представьте, что ИИ развился до невероятного уровня и мы все можем наконец-то жить в шоколаде, но тут одни страны перестают давать доступ в свои ИИ другим. Да и внутри страны одни компании доступ получают, другие — нет.

А физлицам доступ вообще запрещен либо разрешен на минималках, чисто в интернете информацию найти и всё.

Вот тут-то классовое неравенство достигнет исторического максимума во всех смыслах.

Думаете, это не произойдет? Произойдет еще как. Тогда ИИ, GPU, инфраструктура, которая обеспечивает работу ИИ превратится в нефтяные вышки в начале 20 века.

А если вы думаете, что это пузырь, то… ну, может это и пузырь, но только для миллионов сервисов, которые работают на 3-5 основных моделях.

Сам ИИ — не пузырь, и таким быть не может.

S03 E04 1️⃣ Grigòr, the Creator

A
AIMoLdin Jobs (DSML.KZ)
@ml_jobs_kz
5K

Computer Vision Engineer (Middle/Senior) Yurt Tech 750,001 to 1,500,000 KZT NET per month Astana / Office

IT company specializing in software development, IT outsourcing, and R&D for AI, IoT, and digital security. Development of a large-scale video monitoring and intelligent video analytics system for a government project.

Responsibilities: • Develop production video analytics and processing systems. • Build high-load pipelines using NVIDIA DeepStream, GStreamer, and TensorRT. • Work with RTSP streams, YOLO, Vision Transformers, and multimodal models. • Optimize models with TensorRT, ONNX, OpenVINO, CUDA. • Integrate Computer Vision with LLM, RAG, and Agentic AI.

Requirements: • Computer Vision • Video Analytics • PyTorch • OpenCV • RTSP

Optional: • LLM • LangGraph • vLLM

DSML Apply

N
Neural Brain - Нейросети
@neural_braining
515

🔄 Самая важная работа для ИИ — создавать следующий уровень ИИ

Именно на эту идею поставил новый стартап Mirendil, основанный бывшими сотрудниками Anthropic, OpenAI, Google DeepMind и xAI.

Компания только вышла из тени, но уже привлекла $200 млн инвестиций при оценке около $1 млрд.

Компания создает систему, которая должна заниматься исследованиями в области ИИ вместо людей: • самостоятельно придумывать гипотезы • запускать эксперименты • анализировать результаты • изменять архитектуру моделей • обучать новые версии ИИ • использовать собственные GPU для вычислений

Фактически речь идет об автоматизации самой разработки искусственного интеллекта 😱

ИИ → создает лучший ИИ → который создает еще лучший ИИ → который снова ускоряет разработку ИИ

Ждём ваших реакций!

C
ce_job
@ce_job
4.1K

💠 فراخوان همکاری پژوهشی

پروژه ویژه «سنجش غیرتهاجمی قند خون با فناوری‌های نوین بیومتریک» از سوی گروه تحقیقاتی «ماه ریس فره پویش سلامت هوشمند»

🔷 معرفی کلی پروژه

گروه تحقیقاتی «ماه ریس فره پویش سلامت هوشمند» در قالب پروژه «زیست فرنود»، در حال طراحی یک دستگاه پوشیدنی و غیرتهاجمی برای پایش یکی از پارامترهای حیاتی بیماران متابولیک (مرتبط با دیابت) است.

این پروژه مبتنی بر ترکیب چند فناوری حسگری (نوری – حرکتی) و پردازش هوشمند سیگنال طراحی شده و هدف آن ارائه راهکاری دقیق، کم‌هزینه، بدون نیاز به نمونه‌گیری خون و قابل استفاده در زندگی روزمره بیماران می‌باشد.

(جزئیات فنی معماری سیستم، استانداردهای مدنظر و نقشه عملیاتی پروژه پس از عقد تفاهم‌نامه همکاری ارائه خواهد شد.)

🎯 اهداف کلان پروژه زیست فرنود

· طراحی و پیاده‌سازی نمونه اولیه دستگاه سنجش قند خون غیرتهاجمی · بهینه‌سازی دقت اندازه‌گیری با حذف نویز حرکتی و اثرات محیطی (دما، رطوبت، رنگ پوست) · توسعه الگوریتم‌های هوشمند برای تبدیل داده‌های خام سنسورها به مقادیر قابل اعتماد گلوکز · رعایت استانداردهای بین‌المللی (ISO 15197، IEC 60601-1، ISO 13485) · آماده‌سازی برای تولید صنعتی و تجاری‌سازی (کاهش هزینه تمام شده و افزایش دسترسی بیماران)

🔷 دعوت به همکاری

گروه ماه ریس فره پویش سلامت هوشمند از پژوهشگران، دانشجویان کارشناسی ارشد و دکتری، و متخصصان حرفه‌ای در حوزه‌های زیر دعوت می‌کند:

🔷 مهندس سخت‌افزار

حوزه فعالیت:

طراحی بردهای الکترونیکی، انتخاب و راه‌اندازی سنسورهای تخصصی، پیاده‌سازی مدارهای خوانش و فیلترینگ سیگنال‌های زیستی، بهینه‌سازی مصرف انرژی.

تخصص‌ها و مهارت‌ها:

🔹 طراحی شماتیک و PCB (Altium، Eagle یا مشابه) 🔹 آشنایی عملی با سنسورهای نوری در طیف‌های مختلف، سنسورهای حرکتی و سنسورهای محیطی (دما، رطوبت) 🔹 تجربه کار با میکروکنترلرهای ESP32، ESP8266، و ارتباطات بی‌سیم (Bluetooth – HC-09، Wi-Fi) 🔹 آشنایی با فیلترهای آنالوگ و دیجیتال و طراحی مدارهای کم‌نویز (Low-Noise) 🔹 توانایی کار با ماژول‌های شارژ باتری Li-ion (TP4056) و مدیریت توان (BMS)

🔷 مهندس علوم داده و هوش مصنوعی

حوزه فعالیت:

تحلیل داده‌های خام سنسورها، توسعه مدل‌های کالیبراسیون، بهبود دقت پیش‌بینی غلظت گلوکز با استفاده از یادگیری ماشین و کاهش نویزهای حرکتی و محیطی.

تخصص‌ها و مهارت‌ها:

🔹 تسلط به Python و کتابخانه‌های تخصصی (NumPy، Pandas، Scikit-learn، TensorFlow، PyTorch) 🔹 تجربه در پردازش سیگنال‌های زیستی حاصل از سنسورهای نوری و حرکتی و تکنیک‌های کاهش نویز و استخراج ویژگی 🔹 پیاده‌سازی مدل‌های چندمتغیره و شبکه‌های عصبی عمیق 🔹 آشنایی با روش‌های کاهش ابعاد و بهینه‌سازی فراپارامترها 🔹 توانایی کار با داده‌های زمان‌پیوسته و پیاده‌سازی فیلترهای دیجیتال مناسب 🔹 سابقه کار بر روی پروژه‌های پایش سلامت یا پزشکی از راه دور (Telemedicine) (امتیاز مثبت)

🧩 ویژگی‌های همکاری

✅ اعطای گواهی رسمی فعالیت در بخش تحقیق و توسعه (R&D) مورد تأیید گروه ✅ امکان ثبت مقاله ISI مشترک در مجلات معتبر حوزه مهندسی پزشکی و هوش مصنوعی ✅ مسیر استخدام و همکاری بلندمدت: در صورت موفقیت پروژه و ورود به مرحله تولید محصول، همکاران به عضو ثابت تیم صنعتی تبدیل شده و از حقوق پایه، پاداش عملکرد، و بیمه برخوردار خواهند شد. ✅ دریافت سهم معنوی و مادی از نتایج پروژه (اختراعات، محصول نهایی) بر اساس تفاهم‌نامه اولیه ✅ همکاری با تیم تخصصی متشکل از مهندسان، پزشکان و پژوهشگران با سابقه اجرایی

🧭 شرایط عمومی

✔️ علاقه‌مندی جدی به حوزه زیست‌فناوری، سامانه‌های پزشکی، و کاربرد هوش مصنوعی در سلامت ✔️ توانایی کار تیمی، مستندسازی پژوهش و گزارش‌دهی پیشرفت ✔️ حضور در جلسات منظم آنلاین (هفتگی یا دو هفته یکبار) ✔️ داشتن سابقه پروژه عملی یا مقاله در حوزه مرتبط (ترجیحاً مرتبط با سنسورهای نوری، پردازش سیگنال‌های بیولوژیک)

📨 نحوه ارسال درخواست

لطفاً رزومه (CV) به همراه معرفی‌نامه کوتاه (حداکثر یک صفحه شامل سوابق مرتبط و انگیزه همکاری) به آیدی زیر ارسال نمایید:

📩 @Elliott_2004TM (telegram) 📩 ‎@Elliott_2004 (Bale)

@CE_Job

M
Michael Chobanian GPT | Михаил Чобанян ГПТ
@michaelchobanian
5.5K

Попробовал поиграть с gonka.ai- это децентрализованный ИИ с «майнерами GPU» и своим токеном на блокчейне Cosmos. Резюме: задумка интересная, но реализация сейчас для "космонавтов". На главном сайте нет никаких намеков на пользовательский опыт. Купить токен или докодить для тех, кто умеет программировать. В общем, это точно не для масс-маркета.

Допускаю, что я куда-то не туда смотрел. Если так, то напишите в комментариях, куда смотреть.

P.S. Если вы не следили за повесткой, то мы сейчас в горячей фазе войны США с остальным миром в гонке вооружения ИИ. ЕС вместе с остальным миром ничего толком не производит. Реальная альтернатива закрытым облачным моделям по логике (открытый код) и способностям делает только - Китай.

К
Качаем ИИ
@vladimir_dzen_invest
250

OpenAI открыла ограниченное превью новой линейки GPT‑5.6. Вместо одной модели сразу три, и у каждой своя роль:

- Sol — флагман, самый сильный на сегодня.

- Terra — сбалансированная модель на каждый день: по словам OpenAI, она не уступает GPT‑5.5, но при этом вдвое дешевле.

- Luna — быстрая и недорогая, с самой низкой ценой в семействе.

аодно поменялась логика названий. Цифра теперь обозначает поколение, а Sol, Terra и Luna — это уровни мощности, каждый из которых может развиваться в своём темпе.

Так что конкретно умеет 5.6

Появились два новых режима рассуждений. max даёт Sol максимум времени, чтобы думать глубже. ultra идёт дальше одного агента и подключает суб‑агентов, чтобы ускорять сложную работу.

По бенчмаркам OpenAI показывает рост сразу в трёх направлениях:

Код: новый рекорд на Terminal‑Bench 2.1, тесте на работу в командной строке с планированием и инструментами. Биология: на GeneBench v1 результаты выше GPT‑5.5 при меньшем расходе токенов.

Кибербезопасность: на ExploitBench модель Sol сопоставима с Mythos Preview, тратя примерно треть токенов.

Безопасность и доступ

Вокруг киберспособностей OpenAI выстроила многослойную защиту и потратила больше 700 000 GPU‑часов (в эквиваленте A100) на автоматический ред‑тиминг, то есть поиск универсальных джейлбрейков. По их оценке, модель не переходит порог Cyber Critical.

Самое необычное в этом релизе — порядок выкатки. Превью стартует по согласованию с правительством США: сначала только для узкого круга проверенных партнёров через API и Codex, а широкий доступ в ChatGPT обещают в ближайшие недели.

Цены

За 1 млн токенов у Sol это 5 долларов на вход и 30 на выход, у Terra 2,5 и 15, у Luna 1 и 6. По нынешнему курсу выходит от нескольких рублей до пары сотен за обращение, в зависимости от модели и длины ответа. Появилось и более предсказуемое кэширование промптов: явные точки кэша и минимум 30 минут его жизни. А в июле Sol обещают запустить на Cerebras со скоростью до 750 токенов в секунду. 👇

И
Институт AIRI
@airi_research_institute
6.6K

Делимся первой частью последних статей, вышедших в нашем блоге на Хабре ⤵️

◼️KernelEvo — автоматическая генерация GPU-ядер Команда «Вычислительного интеллекта» создала фреймворк для автоматизации и упрощения процесса разработки GPU-ядер. Рассказали нюансы этого процесса и подробности разработки.

◼️Нам не подошла ни одна среда для MARL в непрерывном пространстве — поэтому мы сделали CAMAR Исследователи группы «RL агенты» лаборатории когнитивных систем ИИ AIRI сделали свою среду‑бенчмарк, где можно обкатывать модели многоагентного обучения с подкреплением в непрерывном пространстве, — о ней рассказали на AAAI 2026 в Сингапуре.

◼️Senior на бумаге, Junior в рантайме: как я тестировал локальные LLM на 120B параметров в Greenfield-проекте Сергей Дуга из нашего отдела научно-технической разработки поэкспериментировал в попытках выяснить, можно ли организовать полноценный цикл разработки агентов, используя только локальные модели.

◼️Flow Matching, 276M параметров и моделирование хаоса: как мы научили генеративную модель Marchuk предсказывать погоду Команда «Генеративный ИИ для видео» лаборатории FusionBrain выпустила модель прогноза погоды. Рассказали, как исследователи пришли к её созданию, каким образом она устроена и какие у неё предсказательные способности.

◼️Конвейеры формирования изображений. Часть 2: Баланс белого и преобразование к стандартному наблюдателю Разбор типичных конвейеров формирования изображения, заложенных в наши профессиональные камеры и мобильные телефоны, продолжил руководитель группы «Цветовая вычислительная фотография» Егор Ершов — о балансе белого и переходе в пространство стандартного наблюдателя.

◼️Рисуем с помощью закона Кулона. Как сделать генеративную модель на основе электростатики Александр Колесов, научный сотрудник группы «Основы генеративного ИИ» AIRI, объясняет их метод Electrostatic Field Matching, использующий физическую аналогию для переноса распределений. Статью представляли на ICLR 2026.

И два материала, в которых наши исследователи рассказывают об участии в конференциях и своих впечатлениях: ◼️WACV 2026 в Тусоне: конференция, пустыня и немного экзистенции ◼️NLP глазами CVшника. Чем мне запомнилась поездка в Марокко на конференцию EACL 2026

📎На выходных точно будет что почитать, больше интересного — на нашем Хабре.

U
UA War Infographics
@uawarinfographics
4.5K

😎 📈 Економіка ШІ вже генерує $110 млрд на рік — і росте швидше за інтернет-бум

Такі оцінки наведені у звіті The State of the AI Economy, у якому Азім Азхар, Вільям Гілді, Ханна Петрович PhD, Натан Уоррен і Марія Гаврилова вперше реконструювали економіку ШІ «знизу догори» — через реальні витрати клієнтів, без подвійного рахунку.

Економіка генеративного штучного інтелекту за останні 12 місяців принесла $110 млрд продажів. Темпи зростання залишаються високими: у перерахунку на річний темп поточна виручка вже перевищує $175 млрд.

Ці оцінки автори дослідження збирали кілька місяців. За їхніми словами, це перша спроба «знизу догори» порахувати споживчі та корпоративні витрати на ШІ по всьому ланцюгу — без подвійного рахунку.

Пропозицію на ринку ШІ оцінити відносно просто. Постачальники «лопат і кирок» для цієї золотої лихоманки — чипи, пам’ять, трансформатори, системи охолодження, обладнання для дата-центрів — здебільшого є публічними компаніями. Їхні звіти, продажі й замовлення дають уявлення про масштаб інвестицій в інфраструктуру.

Набагато складніше порахувати попит. Значна частина доходів припадає на приватні компанії — OpenAI, Anthropic, Cursor, ElevenLabs та сотні інших, які не зобов’язані розкривати фінансові показники. Інша частина йде до великих хмарних провайдерів — Amazon, Google і Microsoft, але вони також не завжди окремо показують доходи від ШІ.

Щоб уникнути завищення, дослідники рахували лише витрати кінцевого клієнта. Якщо користувач платить Anthropic $1 за Claude, а Anthropic витрачає 50 центів на Amazon для обслуговування запиту, у підсумковий показник потрапляє лише $1. Так модель відсікає повторний облік грошей, що проходять через ланцюг постачання.

У розрахунки не включали внутрішній ефект від ШІ — наприклад, зростання рекламних доходів Meta чи Google завдяки кращим рекомендаційним системам. Також не враховували економію від внутрішніх інструментів великих технологічних компаній, професійні послуги та системну інтеграцію. Дані щодо Китаю автори мають, але в першу версію звіту їх не включили.

Доходи ШІ реальні й зростають швидше, ніж під час попередніх технологічних хвиль — приблизно утричі швидше, ніж мобільний інтернет чи класичний інтернет-бум. Багато компаній уже вийшли за межі експериментів, але ще перебувають на ранній стадії масштабування. Керівники бізнесів у Європі та США говорять, що планують нарощувати інвестиції в ШІ в найближчі роки.

Окреме питання — чи здатні ці доходи оплатити інфраструктурну гонку, передусім витрати на GPU. Модель показує, що доходи, які припадають на хмарних провайдерів, майже покривають амортизаційні витрати на ШІ-інфраструктуру. При цьому обчислювальні активи автори амортизують за шість років, а іншу інфраструктуру — за 14 років.

Ще один важливий висновок стосується токенів. Попри зниження цін, загальні витрати на ШІ можуть зростати: кожне здешевлення на 10% веде до збільшення використання токенів на 12–18%. Тому токен залишається зручним способом білінгу, але не повністю відображає економічну цінність ШІ. Для цього потрібен показник якості результату — скільки корисних відповідей створюють моделі та наскільки вони стають потужнішими.

🖋 Нагадаємо, що треба підписати петицію Зробити соціальну допомогу адресною і припинити марнотратство коштів платників податків в умовах війни https://petition.kmu.gov.ua/petitions/9741

📩 Підписуйся на "Ціну держави" | Ставайте патронами |Ставайте спонсором YouTube | Підтримати разово або підпискою

Н
Новости технологий | Нейропрактика
@neuro_praxis_news
542

SeFi-Image: модель с раздельной обработкой семантики и текстуры

Новая text-to-image модель SeFi-Image использует архитектуру Semantic-First Diffusion (SFD), где семантика и текстура обрабатываются раздельными потоками в латентном пространстве. Сначала модель формирует чёткий семантический каркас композиции, затем накладывает текстуру, опираясь на уже готовую структуру — это повышает соответствие генерации промпту.

🧠 Обучена в трёх масштабах: 1B, 2B и 5B параметров; версия на 5B использовала ~125 тыс. часов на GPU A800. По заявленным результатам сопоставима с Qwen-Image и Z-Image, особенно в генерации изображений с текстом.

⚡️ Есть Turbo-версии с генерацией всего за 4 шага диффузии, сохраняя детализацию при сниженных вычислительных затратах. В комплект к весам прилагается Qwen3-VL-2B-Instruct для мультимодального взаимодействия.

Модель и код доступны на GitHub и Hugging Face.

К
Карьера в IT / вакансии для программистов/разработчиков
@fileclouds
861

⚡ DevOps / SRE Engineer (ML Platform)

Компания: ТехВилл (IT-партнёр ВкусВилл) Локация: #удаленка (из любой точки мира) Тип компании: Аккредитованная IT-компания

О проекте: ТехВилл разрабатывает цифровое сердце ВкусВилла: мобильные приложения, AI-решения и автоматизацию процессов, которыми пользуются более 1 000 000 клиентов и сотрудников.

🎯 Основные задачи: Поддержка и масштабирование инфраструктуры команд разработки. Оптимизация CI/CD пайплайнов и внедрение IaC (Terraform, Ansible, Pulumi). Настройка систем мониторинга, логирования и трейсинга (SLA, SLO, SLI). Развитие инфраструктурных платформ и ML-платформы (GPU в K8s, MLflow, Airflow).

🧩 Наш стек и ожидания: ОС и Автоматизация: Linux (Debian, Ubuntu), Bash, Python. Оркестрация: Kubernetes, Docker, Docker Compose. IaC: Ansible, Terraform или Pulumi. CI/CD: GitLab CI, Jenkins. Мониторинг и Логи: Prometheus, Grafana, VictoriaMetrics, Loki, ELK/Graylog. БД и Шины данных: PostgreSQL (Patroni), ClickHouse, Redis, Kafka, RabbitMQ. Специфика ML (будет плюсом): опыт с GPU Operator в K8s, MLflow, Airflow, Spark, JupyterHub.

🎁 Что мы предлагаем: Полная удаленка: работайте там, где вам комфортно. Развитие: понятные грейды, ИПР, внутреннее и внешнее обучение. Здоровье: компенсация мед. услуг, спорта и ментального благополучия. Приятный бонус: скидка 15% на продукты во «ВкусВилл». AI-friendly: поощряем использование AI-помощников в работе. Реферальная программа: до 50 000 руб. за рекомендованного специалиста.

💬 Откликнуться на вакансию

⭕ Карьера в IT — вакансии для программистов/разработчиков

B
best_remont_krasnodar
@best_remont_krasnodar
449

💻 Ноутбук перегревается, шумит и тормозит? Виновата не программа, а ПЫЛЬ! Она его убьёт.

Ваш ноутбук стал горячим как плита, вентилятор воет, а в играх или программах он теперь еле ползает? Это крики о помощи! Внутри, в системе охлаждения, — плотный войлок из пыли и шерсти.

Чем это грозит:

🌡 Термопаста превращается в камень. Старая, высохшая термопаста между процессором и радиатором не отводит тепло. Чип перегревается и сам снижает свою производительность, чтобы не сгореть (это называют «троттлинг»). 💨 Радиатор и вентилятор забиты. Пыль не дает воздуху проходить и охлаждать радиатор. Вентилятор работает на максимуме, но толку ноль. 🔥 Финал предсказуем: Длительный перегрев приводит к отвалу чипов на материнской плате (особенно видеокарты).

Результат профилактики: Ноутбук перестает перегреваться, работает тише и быстрее. Его жизнь продлена на годы

📣 Для вызова мастера выберите любой удобный способ: 📲 Позвоните по телефону +79180131996 📱 Напишите старшему мастеру в сообщения: @remont_Alexander

🔗 Список услуг 🔗 Отзывы о нас

D
Data Science Jobs
@datascienceml_jobs
4.4K

#vacancy #вакансия #job #работа #hiring #ComputerVision #cv 👩🏼‍💼 Position: Computer Vision Engineer / Data Scientist 🎓 Level: Senior 💪 Experience: 6+ лет (НЕ фриланс) 🛠 Stack: CV, SSL, Python, PyTorch, TensorFlow 🌎 Location: #Remote / #удаленно 🕗 Employment: #Fulltime / #полная 🌐 Timezone: UTC+3 🚀 Company: ITM 💰 Salary: 250 000₽ – 400 000₽ на руки   🏅 ТРЕБОВАНИЯ: 1.    Опыт работы от 6 лет в Computer Vision. 2.    Опыт доведения моделей до production обязателен. 3.    Опыт работы от 1 года с медицинскими изображениями в production: КТ, маммография. 4.    Опыт работы от 3 лет с изображениями в production. 5.    Опыт работы от 1 года с document processing / OCR / KYC. 6.    Опыт работы от 1 года с биометрией (face, palm, voice и т.д.). 7.    Опыт работы от 1 года с multimodal моделями / LLM. 8.     Опыт работы от 1 года с fraud detection. 9.    Опыт работы от 1 года с видео. 10. Опыт работы от 1 года с 3D-данными (volumes, point clouds, meshes). 11. Опыт работы от 1 года с Self-Supervised / Weakly-Supervised Learning.   🎯 КОГО ИЩЕМ: 1.    Только fulltime, без совмещения. 2.    Нужны «рабочие руки», а НЕ технический менеджер. 3.    Нужен человек, который уже делал сложные CV системы, а не учится на ходу.   💪 МЫ ОЖИДАЕМ: 1.    Самостоятельность. 2.    Высокая скорость работы. 3.    Умение быстро проверять гипотезы.   ⛔️ КТО НЕ ПОДОЙДЁТ: 1.    Кандидаты с преобладающим или последним опытом в роли технических менеджеров – это нерелевантный данной позиции опыт работы. Мы ищем «рабочие руки», а не технического менеджера. 2.    Кандидаты, которые ищут себе вторую работу. Любое совмещение будет заметно в первые 2 месяца. Нужен честный фултайм. 3.    Кандидаты с преобладающим или последним опытом работы на фрилансе.   🧑‍💻 ЗАДАЧИ:  Разработка и улучшение KYC-пайплайнов: 1.    обработка изображений документов 2.    валидация, классификация, извлечение данных 3.    детекция fraud-сценариев (screen, копии, редактирование и т.д.)    Работа с мультимодальными моделями: 4.    интеграция CV и LLM (Vision-Language) 5.    настройка, дообучение и оптимизация моделей 6.    построение agent-based систем вокруг LLM   Разработка CV-моделей: 7.    детекция, сегментация, классификация 8.    работа с документами, изображениями, видео   Развитие биометрических решений: 9.    face matching 10. palm vein / PalmPay   Построение и оптимизация ML pipeline: 11. обучение, инференс, валидация 12. работа с большими датасетами   Участие в R&D: 13. постановка экспериментов 14. быстрые итерации гипотез   ✏️ TG: @Tany_Jobs

ס
סלאמתק - צרכנות חברתית הוגנת!
@salamtak_deals
3.8K

מחשב נייד לגיימינג Acer Nitro V 16S עם RTX 5060 אמזון ארה"ב לחברי פריים🇺🇸

לינק- https://salamtak.deals/archives/48682

מסך 16″ WUXGA IPS 180Hz, AMD Ryzen 7 260 + RTX 5060 Blackwell (572 AI TOPS) 32GB DDR5 + SSD 1TB PCIe Gen4 תמיכה ב-DLSS 4 ו-Multi Frame Generation RT Cores דור 4 + Tensor Cores דור 5

-- מחיר סופי כולל מיסים ומשלוח: $1,334.95 ~ כ-₪3,965 בלבד

Т
Техно Новости | Новинки
@techno_it_news
20.6K

Пользователям Windows 10 не стоит ставить драйвер Adrenalin 26.6.2

Он был выпущен 22 июня и вызывает массовые проблемы на Windows 10: пользователи жалуются, что система перестает корректно определять GPU, в диспетчере устройств напротив видеокарты начинает отображаться восклицательный знак, а попытка запустить Adrenalin приводит к ошибке несоответствия драйвера и ПО.

AMD признала проблему и сообщила, что единственное решение – откат на предыдущий 26.6.1. Компания также не рекомендует обновляться тем, кто это еще не сделал. Иронично, но именно в этом драйвере появилась поддержка FSR 4.1 для RX 7000, а также оптимизации под Assassin's Creed: Black Flag Resynced и Doom: The Dark Ages. Так что причин обновиться хватает – но лучше переждать.

Н
Новости технологий | Нейропрактика
@neuro_praxis_news
388

Ускорение GNN до 8,5 раз за счёт оптимизации работы с памятью

Команда ШАДа (преподаватели и студенты) предложила IO-aware реализацию слоёв графовых нейросетей, оптимизированную под архитектуру GPU. Основная проблема GNN — неупорядоченные чтения из памяти при агрегации значений соседей, что плохо ложится на современные ускорители, заточенные под плотные матричные операции.

🧠 Для attention-слоёв авторы применили подход, аналогичный FlashAttention, минимизируя обмен данными между глобальной памятью и вычислительными ядрами. ⚡️ Агрегирующие слои ускорили за счёт дополнительной параллелизации для вершин с большим числом соседей. 📊 В отдельных сценариях достигнуто до 8,5× ускорения и до 76× снижения потребления памяти по сравнению с существующими реализациями. 🛠 Решение работает как drop-in замена в популярных GNN-фреймворках. Часть свёрточных операций оказалось быстрее реализовывать стандартными средствами NVIDIA, чем специализированными библиотеками.

Работа отмечена спотлайтом на ICML 2024.

P
Python Jobs
@python_djangojobs
3K

#вакансия #job #РФ #Москва #офис #гибрид #ML #LLM #DataScience

ML-инженер (Data Science / LLM)

Компания: Simple Group - один из ведущих импортеров вина и других напитков в России, национальный дистрибьютор и ритейлер с собственной сетью винотек SimpleWine Формат: гибрид (Москва; ул. Минская, 2Ж) Занятость: полная

▪Зона ответственности: – Полный цикл разработки ML-моделей: от постановки задачи до продакшена и сопровождения. – Анализ и обработка больших объёмов данных с с использованием статистических методов и алгоритмов машинного обучения. – Проведение экспериментов с моделями, оценка их качества, валидация. – Разработка сервисов вокруг моделей (API, микросервисы). – Поддержка регулярных и ad-hoc запусков моделей. – Участие в развитии ML и ИИ-инициатив компании. – Подготовка аналитических отчётов, презентация результатов бизнесу.

▪Необходимые компетенции: – Опыт работы в роли аналитика Data Science / ML от 2 лет, важен полный цикл продакшена моделей. – Уверенное владение Python, SQL (сложные запросы, большие данные). – Опыт разработки сервисов API (FastAPI), а также контейнеризации решений с использованием Docker и Docker Compose. – Владение методами классического ML: Scikit-learn, XGBoost, LightGBM, CatBoost. – Опыт применения Deep learning и LLM: PyTorch, TensorFlow, Keras. – Умение переводить результаты в бизнес-решения и презентовать их.

▪Мы предлагаем: – Программу ДМС со стоматологией. – Корпоративные скидки на товары компании, партнёрские программы. – Развитую корпоративную культуру: быстрый оффер, подарки, винные дегустации. – Фокус на прорывные проекты в винном ритейле с т.зр. технологий, поощрение инициатив, возможности внутреннего и внешнего обучения.

📩 Отправить резюме – @ds_fedorova, [email protected]

О
Обучение IT | Новости IT
@uchi_it
19.1K

Пользователям Windows 10 не стоит ставить драйвер Adrenalin 26.6.2

Он был выпущен 22 июня и вызывает массовые проблемы на Windows 10: пользователи жалуются, что система перестает корректно определять GPU, в диспетчере устройств напротив видеокарты начинает отображаться восклицательный знак, а попытка запустить Adrenalin приводит к ошибке несоответствия драйвера и ПО.

AMD признала проблему и сообщила, что единственное решение – откат на предыдущий 26.6.1. Компания также не рекомендует обновляться тем, кто это еще не сделал. Иронично, но именно в этом драйвере появилась поддержка FSR 4.1 для RX 7000, а также оптимизации под Assassin's Creed: Black Flag Resynced и Doom: The Dark Ages. Так что причин обновиться хватает – но лучше переждать.

A
Aethir Announcements
@aethir_official
2.1K

Inference is the top AI compute consumer of 2026.

70% of AI GPU demand has shifted to model serving, and most infra decisions still reflect the old model.

Discover how Aethir’s decentralized GPU cloud is positioned to support enterprise-grade inference workloads on a global scale, with top tier NVIDIA GPUs in our latest blog👇

https://x.com/i/status/2069390005487734818

D
Data Science Jobs
@datascienceml_jobs
3.8K

#вакансия #job #РФ #Москва #офис #гибрид #ML #LLM #DataScience

ML-инженер (Data Science / LLM)

Компания: Simple Group - один из ведущих импортеров вина и других напитков в России, национальный дистрибьютор и ритейлер с собственной сетью винотек SimpleWine Формат: гибрид (Москва; ул. Минская, 2Ж) Занятость: полная

▪Зона ответственности: – Полный цикл разработки ML-моделей: от постановки задачи до продакшена и сопровождения. – Анализ и обработка больших объёмов данных с с использованием статистических методов и алгоритмов машинного обучения. – Проведение экспериментов с моделями, оценка их качества, валидация. – Разработка сервисов вокруг моделей (API, микросервисы). – Поддержка регулярных и ad-hoc запусков моделей. – Участие в развитии ML и ИИ-инициатив компании. – Подготовка аналитических отчётов, презентация результатов бизнесу.

▪Необходимые компетенции: – Опыт работы в роли аналитика Data Science / ML от 2 лет, важен полный цикл продакшена моделей. – Уверенное владение Python, SQL (сложные запросы, большие данные). – Опыт разработки сервисов API (FastAPI), а также контейнеризации решений с использованием Docker и Docker Compose. – Владение методами классического ML: Scikit-learn, XGBoost, LightGBM, CatBoost. – Опыт применения Deep learning и LLM: PyTorch, TensorFlow, Keras. – Умение переводить результаты в бизнес-решения и презентовать их.

▪Мы предлагаем: – Программу ДМС со стоматологией. – Корпоративные скидки на товары компании, партнёрские программы. – Развитую корпоративную культуру: быстрый оффер, подарки, винные дегустации. – Фокус на прорывные проекты в винном ритейле с т.зр. технологий, поощрение инициатив, возможности внутреннего и внешнего обучения.

📩 Отправить резюме – @ds_fedorova, [email protected]

P
Press «F» | Traffic Journal
@fafa_traffa
291

👀 TensorPix — ИИ-комбайн для работы с видео

Тул объединяет десятки инструментов для создания, улучшения и обработки видео в одном интерфейсе. ㅤ —> Что умеет: ㅤ • Улучшает качество видео. • Повышает разрешение роликов. • Генерирует видео через ИИ. • Удаляет шумы и артефакты. • Восстанавливает старые записи. • Улучшает изображения. • Конвертирует и обрабатывает медиафайлы. ㅤ Подходит тем, кто регулярно работает с видеоконтентом и не хочет использовать отдельный сервис под каждую задачу. ㅤ ⚪Попробовать: здесь