Как ML‑модели ломаются в продакшене и что с этим делать +2
Публикации с тегом mlops
Как делят GPU в докладах KubeCon Japan 2026 и у нас в Авито +5
Одно имя метрики, разные эксперименты: почему состав выборки надо хешировать
От промпта до продакшена: бесплатные уроки октября про LLM, агентов и MLOps +7
ИИ дешевеет, а ваш компьютер дорожает: как OpenAI и Anthropic устроили гонку цен +22
- Блог компании Selectel
- IT-компании
- Искусственный интеллект
- Исследования и прогнозы в IT
- Машинное обучение
PPU Zhenwu 810E от Alibaba: как китайский AI-ускоритель справляется с LLM +49
- Блог компании Selectel
- Компьютерное железо
- Искусственный интеллект
- Машинное обучение
- IT-инфраструктура
Зачем Авито нужна своя Inference-платформа для ML/LLM-сервисов: PaaS vs отдельное решение +5
Зелёный пайплайн ничего не доказывает. Семь способов, которыми quality gate пропускает брак в прод +35
Зачем нейросети «обвязка»: как превратить LLM в рабочий AI-сервис +38
- Блог компании Selectel
- Искусственный интеллект
- Исследования и прогнозы в IT
- Машинное обучение
- IT-инфраструктура
Ищем замену MinIO в условиях импортозамещения: опыт тестирования трех S3-совместимых хранилищ +35
- Базы данных
- Блог компании РСХБ.цифра (Россельхозбанк)
- Тестирование IT-систем
- Open source
- Хранение данных
- Искусственный интеллект
Почему инференс LLM становится дорогим и как снизить расходы на GPU без покупки новых карт +10
Как я построил ML‑пайплайн для поиска подозрительных транзакций и почему одной классификации оказалось мало +6
Векторный поиск: деплой без GPU на Triton Inference Server +5
От 6 часов до 20 минут: как мы ускорили коллаборативную модель в рекомендациях Авито +4
Бесплатного интеллекта не бывает: кто оплачивает данные для LLM +4
