#сегментация — Public Fediverse posts

TAPe‑дневник, день 7: первый уход от трансформеров и “почти бесплатная” сегментация

В этом посте продолжаем дневник TAPe‑детекции и рассказываем, что получилось после отказа от трансформеров: насколько сократилось число параметров, как работают локальные ассоциации TAPe‑патчей и почему на лице человека у нас начинает “сам по себе” появляться зачаток сегментации. В итоге мы можем в некотором роде классифицировать понятие “кожа”. Да, напрямую мы этого не делаем, но из обучения так выходит, потому что одежда – это натуральная граница внутри самого объекта “человек”, и эти сегменты мы находим, потому что полагаемся на самые контрастные патчи, чтобы собрать из них общее описание всего объекта... Читать про кожу

https://habr.com/ru/articles/1016036/

#машинное_обучение #синтетические_данные #tape+ml #attention #трансформеры #эмбеддинги #selfsupervised #COCO #сегментация #детекция_объектов

TAPe‑дневник, день 7: первый уход от трансформеров и “почти бесплатная” сегментация

В этом посте продолжаем дневник TAPe‑детекции и рассказываем, что получилось после отказа от трансформеров: насколько сократилось число параметров, как работают локальные ассоциации TAPe‑патчей и почему на лице человека у нас начинает “сам по себе” появляться зачаток сегментации. В итоге мы можем в некотором роде классифицировать понятие “кожа”. Да, напрямую мы этого не делаем, но из обучения так выходит, потому что одежда – это натуральная граница внутри самого объекта “человек”, и эти сегменты мы находим, потому что полагаемся на самые контрастные патчи, чтобы собрать из них общее описание всего объекта... Читать про кожу

https://habr.com/ru/articles/1016036/

#машинное_обучение #синтетические_данные #tape+ml #attention #трансформеры #эмбеддинги #selfsupervised #COCO #сегментация #детекция_объектов

TAPe‑дневник, день 7: первый уход от трансформеров и “почти бесплатная” сегментация

В этом посте продолжаем дневник TAPe‑детекции и рассказываем, что получилось после отказа от трансформеров: насколько сократилось число параметров, как работают локальные ассоциации TAPe‑патчей и почему на лице человека у нас начинает “сам по себе” появляться зачаток сегментации. В итоге мы можем в некотором роде классифицировать понятие “кожа”. Да, напрямую мы этого не делаем, но из обучения так выходит, потому что одежда – это натуральная граница внутри самого объекта “человек”, и эти сегменты мы находим, потому что полагаемся на самые контрастные патчи, чтобы собрать из них общее описание всего объекта... Читать про кожу

https://habr.com/ru/articles/1016036/

#машинное_обучение #синтетические_данные #tape+ml #attention #трансформеры #эмбеддинги #selfsupervised #COCO #сегментация #детекция_объектов

TAPe‑дневник, день 7: первый уход от трансформеров и “почти бесплатная” сегментация

В этом посте продолжаем дневник TAPe‑детекции и рассказываем, что получилось после отказа от трансформеров: насколько сократилось число параметров, как работают локальные ассоциации TAPe‑патчей и почему на лице человека у нас начинает “сам по себе” появляться зачаток сегментации. В итоге мы можем в некотором роде классифицировать понятие “кожа”. Да, напрямую мы этого не делаем, но из обучения так выходит, потому что одежда – это натуральная граница внутри самого объекта “человек”, и эти сегменты мы находим, потому что полагаемся на самые контрастные патчи, чтобы собрать из них общее описание всего объекта... Читать про кожу

https://habr.com/ru/articles/1016036/

#машинное_обучение #синтетические_данные #tape+ml #attention #трансформеры #эмбеддинги #selfsupervised #COCO #сегментация #детекция_объектов

UX-исследование первой сессии и активации в DeFi приложениях

Пользователи DeFi‑приложений — независимо от опыта — в первой сессии сталкиваются с нагрузкой, где нужно разбираться в ключах, адресах, комиссиях, пулах ликвидности и пр., что становится причиной финансовых ошибок и высокой доли отказов Проверил гипотезу влияния выбора модулей приложения в онбординге на устойчивость к ошибкам, понятность и скорость сценариев перевода, обмена и стейкинга Читать исследование

https://habr.com/ru/articles/993780/

#исследование #инвестиции #пользовательский_опыт #глубинные_интервью #jtbd #онбординг #сегментация #job_stories #гипотезы #юзабилититестирование

UX-исследование первой сессии и активации в DeFi приложениях

Пользователи DeFi‑приложений — независимо от опыта — в первой сессии сталкиваются с нагрузкой, где нужно разбираться в ключах, адресах, комиссиях, пулах ликвидности и пр., что становится причиной финансовых ошибок и высокой доли отказов Проверил гипотезу влияния выбора модулей приложения в онбординге на устойчивость к ошибкам, понятность и скорость сценариев перевода, обмена и стейкинга Читать исследование

https://habr.com/ru/articles/993780/

#исследование #инвестиции #пользовательский_опыт #глубинные_интервью #jtbd #онбординг #сегментация #job_stories #гипотезы #юзабилититестирование

UX-исследование первой сессии и активации в DeFi приложениях

Пользователи DeFi‑приложений — независимо от опыта — в первой сессии сталкиваются с нагрузкой, где нужно разбираться в ключах, адресах, комиссиях, пулах ликвидности и пр., что становится причиной финансовых ошибок и высокой доли отказов Проверил гипотезу влияния выбора модулей приложения в онбординге на устойчивость к ошибкам, понятность и скорость сценариев перевода, обмена и стейкинга Читать исследование

https://habr.com/ru/articles/993780/

#исследование #инвестиции #пользовательский_опыт #глубинные_интервью #jtbd #онбординг #сегментация #job_stories #гипотезы #юзабилититестирование

UX-исследование первой сессии и активации в DeFi приложениях

Пользователи DeFi‑приложений — независимо от опыта — в первой сессии сталкиваются с нагрузкой, где нужно разбираться в ключах, адресах, комиссиях, пулах ликвидности и пр., что становится причиной финансовых ошибок и высокой доли отказов Проверил гипотезу влияния выбора модулей приложения в онбординге на устойчивость к ошибкам, понятность и скорость сценариев перевода, обмена и стейкинга Читать исследование

https://habr.com/ru/articles/993780/

#исследование #инвестиции #пользовательский_опыт #глубинные_интервью #jtbd #онбординг #сегментация #job_stories #гипотезы #юзабилититестирование

Модели, гипотезы и планирование: хроники ML-инженера на крупнейшем хакатоне

В прошлом году наша команда неожиданно для себя стала призером на хакатоне «Лидеры Цифровой трансформации». В первой части статьи моя коллега рассказала о своих открытиях и эмоциях. В этой части мы расскажем технические детали решения задачи по распознаванию поврежденных и больных деревьев в городской среде.

https://habr.com/ru/companies/ntechlab/articles/1000432/

#хакатон #ЛТЦ2025 #yolo #сегментация #классификация #vllm

Как превратить простое сообщение об оплате в эффективный инструмент маркетинга?

У любой организации, которая принимает платежи от клиентов, рано или поздно возникает вопрос: что делать с уведомлениями об оплате? Простая техническая отбивка или чек от платёжного сервиса закрывают юридическую составляющую процесса, но не решают маркетинговые задачи компании. Однако из каждого такого события — оплаты товара, подписки или пожертвования — можно сделать персонализированный повод для коммуникации, согласовать следующий контакт с менеджером, напомнить о дополнительной услуге или, в случае благотворительности, аккуратно предложить поддержку на регулярной основе. Транзакционные письма по статистике показывают один из самых высоких open rate (OR, открываемость писем) и click‑through/conversion rate (CR, коэффициент конверсии), поэтому превращать их из «служебных» в осознанные маркетинговые сценарии выгодно практически в любой сфере. Меня зовут Овчинникова Анна, я бизнес‑консультант в компании CleverData. В этой статье я расскажу, как мы в CleverData построили такой сценарий для фонда «Хранители детства» и помогли от ручных писем перейти к персонализированным коммуникациям. Впрочем, советы из этой статьи можно применять и коммерческим компаниям и некоммерческим организациям.

https://habr.com/ru/companies/lansoft_career/articles/1000176/

#emailмаркетинг #триггеры #cdp #рассылки #конверсия #сегментация #сценарии #профиль #realtime #персонализация

Как превратить простое сообщение об оплате в эффективный инструмент маркетинга?

У любой организации, которая принимает платежи от клиентов, рано или поздно возникает вопрос: что делать с уведомлениями об оплате? Простая техническая отбивка или чек от платёжного сервиса закрывают юридическую составляющую процесса, но не решают маркетинговые задачи компании. Однако из каждого такого события — оплаты товара, подписки или пожертвования — можно сделать персонализированный повод для коммуникации, согласовать следующий контакт с менеджером, напомнить о дополнительной услуге или, в случае благотворительности, аккуратно предложить поддержку на регулярной основе. Транзакционные письма по статистике показывают один из самых высоких open rate (OR, открываемость писем) и click‑through/conversion rate (CR, коэффициент конверсии), поэтому превращать их из «служебных» в осознанные маркетинговые сценарии выгодно практически в любой сфере. Меня зовут Овчинникова Анна, я бизнес‑консультант в компании CleverData. В этой статье я расскажу, как мы в CleverData построили такой сценарий для фонда «Хранители детства» и помогли от ручных писем перейти к персонализированным коммуникациям. Впрочем, советы из этой статьи можно применять и коммерческим компаниям и некоммерческим организациям.

https://habr.com/ru/companies/lansoft_career/articles/1000176/

#emailмаркетинг #триггеры #cdp #рассылки #конверсия #сегментация #сценарии #профиль #realtime #персонализация

Как превратить простое сообщение об оплате в эффективный инструмент маркетинга?

У любой организации, которая принимает платежи от клиентов, рано или поздно возникает вопрос: что делать с уведомлениями об оплате? Простая техническая отбивка или чек от платёжного сервиса закрывают юридическую составляющую процесса, но не решают маркетинговые задачи компании. Однако из каждого такого события — оплаты товара, подписки или пожертвования — можно сделать персонализированный повод для коммуникации, согласовать следующий контакт с менеджером, напомнить о дополнительной услуге или, в случае благотворительности, аккуратно предложить поддержку на регулярной основе. Транзакционные письма по статистике показывают один из самых высоких open rate (OR, открываемость писем) и click‑through/conversion rate (CR, коэффициент конверсии), поэтому превращать их из «служебных» в осознанные маркетинговые сценарии выгодно практически в любой сфере. Меня зовут Овчинникова Анна, я бизнес‑консультант в компании CleverData. В этой статье я расскажу, как мы в CleverData построили такой сценарий для фонда «Хранители детства» и помогли от ручных писем перейти к персонализированным коммуникациям. Впрочем, советы из этой статьи можно применять и коммерческим компаниям и некоммерческим организациям.

https://habr.com/ru/companies/lansoft_career/articles/1000176/

#emailмаркетинг #триггеры #cdp #рассылки #конверсия #сегментация #сценарии #профиль #realtime #персонализация

Как превратить простое сообщение об оплате в эффективный инструмент маркетинга?

У любой организации, которая принимает платежи от клиентов, рано или поздно возникает вопрос: что делать с уведомлениями об оплате? Простая техническая отбивка или чек от платёжного сервиса закрывают юридическую составляющую процесса, но не решают маркетинговые задачи компании. Однако из каждого такого события — оплаты товара, подписки или пожертвования — можно сделать персонализированный повод для коммуникации, согласовать следующий контакт с менеджером, напомнить о дополнительной услуге или, в случае благотворительности, аккуратно предложить поддержку на регулярной основе. Транзакционные письма по статистике показывают один из самых высоких open rate (OR, открываемость писем) и click‑through/conversion rate (CR, коэффициент конверсии), поэтому превращать их из «служебных» в осознанные маркетинговые сценарии выгодно практически в любой сфере. Меня зовут Овчинникова Анна, я бизнес‑консультант в компании CleverData. В этой статье я расскажу, как мы в CleverData построили такой сценарий для фонда «Хранители детства» и помогли от ручных писем перейти к персонализированным коммуникациям. Впрочем, советы из этой статьи можно применять и коммерческим компаниям и некоммерческим организациям.

https://habr.com/ru/companies/lansoft_career/articles/1000176/

#emailмаркетинг #триггеры #cdp #рассылки #конверсия #сегментация #сценарии #профиль #realtime #персонализация

Нелояльная лояльность

Новая история от продуктового лидера, который строил-строил лояльность в продукте, да так и не достроил. Спойлеры: 3 измерения: Потребность → Цель → Мотивация 5 типов клиентов (неприбыльные, пленники, новые, постоянные, лояльные) Формула пленников Правило 70/30 для драйверов мотивации 3 грабли, которые стоит избежать

https://habr.com/ru/articles/980470/

#лояльность_клиентов #геймификация #ltv #управление_продуктом #развитие_продукта #метрики_продукта #сегментация

Анализ ЦА для бизнес-канала в телеграм: подробная инструкция

От сегментирования до детального портрета ЦА — в этой статье. Разбираю все нюансы анализа целевой аудитории и даю развёрнутые примеры

https://habr.com/ru/articles/969814/

#целевая_аудитория #продвижение #сегментация #телеграм

Заставляем компьютер видеть цвета без нейросетей: сегментация изображений по старинке

Привет, Хабр! В предыдущей части мы рассматривали базовые методы цифровой обработки изображений для задачи сегментации спутникового снимка. В этой статье рассмотрим ещё парочку методов решения этой задачи, всё ещё «классических», то есть без применения машинного обучения или нейросетей. Помогут нам во всём разобраться, как и в прошлый раз, язык программирования Julia и среда технических расчётов Engee !

https://habr.com/ru/companies/etmc_exponenta/articles/921784/

#обработка_изображений #сегментация #сегментация_изображений #спутниковые_снимки #julia #engee #морфология #бинаризация #фильтрация_изображений

Заставляем компьютер видеть цвета без нейросетей: сегментация изображений по старинке

Привет, Хабр! В предыдущей части мы рассматривали базовые методы цифровой обработки изображений для задачи сегментации спутникового снимка. В этой статье рассмотрим ещё парочку методов решения этой задачи, всё ещё «классических», то есть без применения машинного обучения или нейросетей. Помогут нам во всём разобраться, как и в прошлый раз, язык программирования Julia и среда технических расчётов Engee !

https://habr.com/ru/companies/etmc_exponenta/articles/921784/

#обработка_изображений #сегментация #сегментация_изображений #спутниковые_снимки #julia #engee #морфология #бинаризация #фильтрация_изображений

Заставляем компьютер видеть цвета без нейросетей: сегментация изображений по старинке

Привет, Хабр! В предыдущей части мы рассматривали базовые методы цифровой обработки изображений для задачи сегментации спутникового снимка. В этой статье рассмотрим ещё парочку методов решения этой задачи, всё ещё «классических», то есть без применения машинного обучения или нейросетей. Помогут нам во всём разобраться, как и в прошлый раз, язык программирования Julia и среда технических расчётов Engee !

https://habr.com/ru/companies/etmc_exponenta/articles/921784/

#обработка_изображений #сегментация #сегментация_изображений #спутниковые_снимки #julia #engee #морфология #бинаризация #фильтрация_изображений

Заставляем компьютер видеть цвета без нейросетей: сегментация изображений по старинке

Привет, Хабр! В предыдущей части мы рассматривали базовые методы цифровой обработки изображений для задачи сегментации спутникового снимка. В этой статье рассмотрим ещё парочку методов решения этой задачи, всё ещё «классических», то есть без применения машинного обучения или нейросетей. Помогут нам во всём разобраться, как и в прошлый раз, язык программирования Julia и среда технических расчётов Engee !

https://habr.com/ru/companies/etmc_exponenta/articles/921784/

#обработка_изображений #сегментация #сегментация_изображений #спутниковые_снимки #julia #engee #морфология #бинаризация #фильтрация_изображений

CV/ML-проект от идеи до продакшена: практическое руководство

Привет, меня зовут Вадим Медяник, я технический директор ИТ-компании BPA. Я регулярно участвую в реализации проектов, где используется машинное обучение и компьютерное зрение — от первых обсуждений с заказчиком до вывода решения в прод. Со временем накопилось достаточно практики, чтобы выделить повторяющиеся этапы, типичные ошибки и решения, которые реально работают. Это практическое руководство собрал для коллег и команд, кто работает с подобными проектами — или только планирует. Здесь нет задач про state-of-the-art или подбор идеальных архитектур. Скорее хочу пройтись по каждому этапу — с чего начать, о чём спросить бизнес, где обычно «сыпется» проект, и что помогает пройти до конца. Рассчитано на тех, кто хочет разобраться в базовой структуре CV/ML-проекта, будь то инженер, аналитик или управленец. Если понадобится — можно будет углубиться в технические детали отдельно. Для удобства разделил весь путь подготовки CV-проекта на несколько основных этапов.

https://habr.com/ru/articles/913604/

#ai #проект #компьютерное_зрение #ии #иимодель #искусственный_интеллект #разработка #датасет #bounding_box #сегментация

Старый конь борозды не испортит: классические методы обработки изображений все ещё актуальны

Что такое цифровая обработка изображений? Зачем нам вообще знать про алгоритмы обработки, когда есть фотошоп и фильтры в телефоне? Или всё можно отдать нейросети и получить крутой результат? И при чём тут Julia, наконец? Будем разбираться! Мы запускаем серию статей про обработку изображений с использованием языка Julia и вычислительной среды Engee . Задача – ответить на часто встречающиеся вопросы вроде актуальности этого направления компьютерной науки, задач, решаемых методами обработки изображений, применения и реализации стандартных и «умных» алгоритмов. В первой части ознакомимся с основами на примере сегментации спутникового снимка.

https://habr.com/ru/companies/etmc_exponenta/articles/896826/

#Julia #Engee #MATLAB #обработка_изображений #сегментация #спутниковые_снимки #морфология #бинаризация #предобработка #фильтрация_изображений

Старый конь борозды не испортит: классические методы обработки изображений все ещё актуальны

Что такое цифровая обработка изображений? Зачем нам вообще знать про алгоритмы обработки, когда есть фотошоп и фильтры в телефоне? Или всё можно отдать нейросети и получить крутой результат? И при чём тут Julia, наконец? Будем разбираться! Мы запускаем серию статей про обработку изображений с использованием языка Julia и вычислительной среды Engee . Задача – ответить на часто встречающиеся вопросы вроде актуальности этого направления компьютерной науки, задач, решаемых методами обработки изображений, применения и реализации стандартных и «умных» алгоритмов. В первой части ознакомимся с основами на примере сегментации спутникового снимка.

https://habr.com/ru/companies/etmc_exponenta/articles/896826/

#Julia #Engee #MATLAB #обработка_изображений #сегментация #спутниковые_снимки #морфология #бинаризация #предобработка #фильтрация_изображений

Старый конь борозды не испортит: классические методы обработки изображений все ещё актуальны

Что такое цифровая обработка изображений? Зачем нам вообще знать про алгоритмы обработки, когда есть фотошоп и фильтры в телефоне? Или всё можно отдать нейросети и получить крутой результат? И при чём тут Julia, наконец? Будем разбираться! Мы запускаем серию статей про обработку изображений с использованием языка Julia и вычислительной среды Engee . Задача – ответить на часто встречающиеся вопросы вроде актуальности этого направления компьютерной науки, задач, решаемых методами обработки изображений, применения и реализации стандартных и «умных» алгоритмов. В первой части ознакомимся с основами на примере сегментации спутникового снимка.

https://habr.com/ru/companies/etmc_exponenta/articles/896826/

#Julia #Engee #MATLAB #обработка_изображений #сегментация #спутниковые_снимки #морфология #бинаризация #предобработка #фильтрация_изображений

Старый конь борозды не испортит: классические методы обработки изображений все ещё актуальны

Что такое цифровая обработка изображений? Зачем нам вообще знать про алгоритмы обработки, когда есть фотошоп и фильтры в телефоне? Или всё можно отдать нейросети и получить крутой результат? И при чём тут Julia, наконец? Будем разбираться! Мы запускаем серию статей про обработку изображений с использованием языка Julia и вычислительной среды Engee . Задача – ответить на часто встречающиеся вопросы вроде актуальности этого направления компьютерной науки, задач, решаемых методами обработки изображений, применения и реализации стандартных и «умных» алгоритмов. В первой части ознакомимся с основами на примере сегментации спутникового снимка.

https://habr.com/ru/companies/etmc_exponenta/articles/896826/

#Julia #Engee #MATLAB #обработка_изображений #сегментация #спутниковые_снимки #морфология #бинаризация #предобработка #фильтрация_изображений

Как мы приняли участие в соревновании по машинной диагностике затемнений в лёгких MIDRC XAI Challenge

Всем привет! Мы — научно‑исследовательская лаборатория «Сильный ИИ в медицине» в Институте AIRI. Наша группа разрабатывает решения на основе искусственного интеллекта в медицине. На днях стало известно, что мы заняли призовое, пятое место в конкурсе «MIDRC XAI Challenge: Decoding AI Decisions for Pneumonia on Chest Radiographs» с опытом участия в котором, мы хотели бы поделиться.

https://habr.com/ru/companies/airi/articles/862288/

#медицина #соревнование #covid19 #пневмония #рентгенография #lung_segmentation #сегментация #сегментация_легких

Как мы приняли участие в соревновании по машинной диагностике затемнений в лёгких MIDRC XAI Challenge

Всем привет! Мы — научно‑исследовательская лаборатория «Сильный ИИ в медицине» в Институте AIRI. Наша группа разрабатывает решения на основе искусственного интеллекта в медицине. На днях стало известно, что мы заняли призовое, пятое место в конкурсе «MIDRC XAI Challenge: Decoding AI Decisions for Pneumonia on Chest Radiographs» с опытом участия в котором, мы хотели бы поделиться.

https://habr.com/ru/companies/airi/articles/862288/

#медицина #соревнование #covid19 #пневмония #рентгенография #lung_segmentation #сегментация #сегментация_легких

Как мы приняли участие в соревновании по машинной диагностике затемнений в лёгких MIDRC XAI Challenge

Всем привет! Мы — научно‑исследовательская лаборатория «Сильный ИИ в медицине» в Институте AIRI. Наша группа разрабатывает решения на основе искусственного интеллекта в медицине. На днях стало известно, что мы заняли призовое, пятое место в конкурсе «MIDRC XAI Challenge: Decoding AI Decisions for Pneumonia on Chest Radiographs» с опытом участия в котором, мы хотели бы поделиться.

https://habr.com/ru/companies/airi/articles/862288/

#медицина #соревнование #covid19 #пневмония #рентгенография #lung_segmentation #сегментация #сегментация_легких

Как мы приняли участие в соревновании по машинной диагностике затемнений в лёгких MIDRC XAI Challenge

Всем привет! Мы — научно‑исследовательская лаборатория «Сильный ИИ в медицине» в Институте AIRI. Наша группа разрабатывает решения на основе искусственного интеллекта в медицине. На днях стало известно, что мы заняли призовое, пятое место в конкурсе «MIDRC XAI Challenge: Decoding AI Decisions for Pneumonia on Chest Radiographs» с опытом участия в котором, мы хотели бы поделиться.

https://habr.com/ru/companies/airi/articles/862288/

#медицина #соревнование #covid19 #пневмония #рентгенография #lung_segmentation #сегментация #сегментация_легких

Как мы решали задачу сегментирования бизнес-объектов

Привет! Меня зовут Владимир, я руководитель управления разработки и тестирования в СИГМЕ. Сегодня хочу рассказать, как наша команда дорабатывала CRM-систему заказчика. Она используется для контроля всевозможных коммуникаций с клиентами — от звонков на горячую линию и переписки в мессенджерах до визитов в офисы и почтовых рассылок. Архитектурно CRM спроектирована так, что способна сопровождать оказание практически любых услуг, но исторически сосредоточена на взаимодействии с клиентами энергосбытовых компаний. Перед нами стояла задача написать подсистему, которая позволит настраивать условия и в соответствии с ними сегментировать клиентскую базу. Клиенты, соответствующие заданным условиям, будут попадать в определенный сегмент. Эта функция нужна заказчику, чтобы выстраивать диалог с клиентами с учетом их психологического профиля и предпочтений, а также адресно предлагать услуги.

https://habr.com/ru/companies/sigma/articles/823015/

#сегментирование #crmсистемы #чанки #сегментация #хранение_данных #булева_логика #тэг #управление_продуктом #управление_даными #программирование

Как мы решали задачу сегментирования бизнес-объектов

Привет! Меня зовут Владимир, я руководитель управления разработки и тестирования в СИГМЕ. Сегодня хочу рассказать, как наша команда дорабатывала CRM-систему заказчика. Она используется для контроля всевозможных коммуникаций с клиентами — от звонков на горячую линию и переписки в мессенджерах до визитов в офисы и почтовых рассылок. Архитектурно CRM спроектирована так, что способна сопровождать оказание практически любых услуг, но исторически сосредоточена на взаимодействии с клиентами энергосбытовых компаний. Перед нами стояла задача написать подсистему, которая позволит настраивать условия и в соответствии с ними сегментировать клиентскую базу. Клиенты, соответствующие заданным условиям, будут попадать в определенный сегмент. Эта функция нужна заказчику, чтобы выстраивать диалог с клиентами с учетом их психологического профиля и предпочтений, а также адресно предлагать услуги. Нам необходимо было реализовать возможность классифицировать основные бизнес-объекты без детального анализа данных. Недолго думая, мы усложнили задачу до формулировки: «любые бизнес-объекты, соответствующие условиям, будут попадать в определенный сегмент». Способов решения задачи (по сути задачи классификации) известно множество. Вплоть до градиентных моделей обучения без учителя, когда мы заранее не знаем, что ищем. Наша реализация не столь сложна, она оперирует конкретными известными аналитику категориями и только выявляет соответствие этим категориям среди рассматриваемых объектов. Цель данной статьи — показать, что при правильном подходе есть возможность легко масштабировать решение, а также переиспользовать отдельные части подсистемы под другие нужды. А если говорить человеческим языком, это история о том, какой кайф — писать системы, состоящие из функциональных кубиков, которые как Лего можно перещелкивать с места на место и получать в итоге сложную рабочую конструкцию.

https://habr.com/ru/companies/sigma/articles/821937/

#crm_система #crmтехнологии #управление_данными #управление_продуктом #программирование #разработка #высоконагруженные_системы #сегментация #булева_логика #тэг

Как мы решали задачу сегментирования бизнес-объектов

Привет! Меня зовут Владимир, я руководитель управления разработки и тестирования в СИГМЕ. Сегодня хочу рассказать, как наша команда дорабатывала CRM-систему заказчика. Она используется для контроля всевозможных коммуникаций с клиентами — от звонков на горячую линию и переписки в мессенджерах до визитов в офисы и почтовых рассылок. Архитектурно CRM спроектирована так, что способна сопровождать оказание практически любых услуг, но исторически сосредоточена на взаимодействии с клиентами энергосбытовых компаний. Перед нами стояла задача написать подсистему, которая позволит настраивать условия и в соответствии с ними сегментировать клиентскую базу. Клиенты, соответствующие заданным условиям, будут попадать в определенный сегмент. Эта функция нужна заказчику, чтобы выстраивать диалог с клиентами с учетом их психологического профиля и предпочтений, а также адресно предлагать услуги. Нам необходимо было реализовать возможность классифицировать основные бизнес-объекты без детального анализа данных. Недолго думая, мы усложнили задачу до формулировки: «любые бизнес-объекты, соответствующие условиям, будут попадать в определенный сегмент». Способов решения задачи (по сути задачи классификации) известно множество. Вплоть до градиентных моделей обучения без учителя, когда мы заранее не знаем, что ищем. Наша реализация не столь сложна, она оперирует конкретными известными аналитику категориями и только выявляет соответствие этим категориям среди рассматриваемых объектов. Цель данной статьи — показать, что при правильном подходе есть возможность легко масштабировать решение, а также переиспользовать отдельные части подсистемы под другие нужды. А если говорить человеческим языком, это история о том, какой кайф — писать системы, состоящие из функциональных кубиков, которые как Лего можно перещелкивать с места на место и получать в итоге сложную рабочую конструкцию.

https://habr.com/ru/companies/sigma/articles/821937/

#crm_система #crmтехнологии #управление_данными #управление_продуктом #программирование #разработка #высоконагруженные_системы #сегментация #булева_логика #тэг

Как мы решали задачу сегментирования бизнес-объектов

Привет! Меня зовут Владимир, я руководитель управления разработки и тестирования в СИГМЕ. Сегодня хочу рассказать, как наша команда дорабатывала CRM-систему заказчика. Она используется для контроля всевозможных коммуникаций с клиентами — от звонков на горячую линию и переписки в мессенджерах до визитов в офисы и почтовых рассылок. Архитектурно CRM спроектирована так, что способна сопровождать оказание практически любых услуг, но исторически сосредоточена на взаимодействии с клиентами энергосбытовых компаний. Перед нами стояла задача написать подсистему, которая позволит настраивать условия и в соответствии с ними сегментировать клиентскую базу. Клиенты, соответствующие заданным условиям, будут попадать в определенный сегмент. Эта функция нужна заказчику, чтобы выстраивать диалог с клиентами с учетом их психологического профиля и предпочтений, а также адресно предлагать услуги. Нам необходимо было реализовать возможность классифицировать основные бизнес-объекты без детального анализа данных. Недолго думая, мы усложнили задачу до формулировки: «любые бизнес-объекты, соответствующие условиям, будут попадать в определенный сегмент». Способов решения задачи (по сути задачи классификации) известно множество. Вплоть до градиентных моделей обучения без учителя, когда мы заранее не знаем, что ищем. Наша реализация не столь сложна, она оперирует конкретными известными аналитику категориями и только выявляет соответствие этим категориям среди рассматриваемых объектов. Цель данной статьи — показать, что при правильном подходе есть возможность легко масштабировать решение, а также переиспользовать отдельные части подсистемы под другие нужды. А если говорить человеческим языком, это история о том, какой кайф — писать системы, состоящие из функциональных кубиков, которые как Лего можно перещелкивать с места на место и получать в итоге сложную рабочую конструкцию.

https://habr.com/ru/companies/sigma/articles/821937/

#crm_система #crmтехнологии #управление_данными #управление_продуктом #программирование #разработка #высоконагруженные_системы #сегментация #булева_логика #тэг

Цикл статей о Greenplum. Часть 1. GP под капотом

Всем привет! Как вы знаете, многие поставщики ПО ушли с российского рынка ввиду введённых санкций и многие компании столкнулись с необходимость заняться импортозамещением в кратчайшие сроки. Не стал исключением и наш заказчик. Целевой системой, на которое было принято решение мигрировать старое хранилище, стал Greenplum (далее GP) от компании Arenadata. Этой статьей мы запускаем цикл материалов посвященных Greenplum. В рамках цикла мы разберем, как вообще устроен GP и как выглядит его архитектура. Постараемся выделить must have практики при работе с данным продуктом, а также обсудим, как можно спроектировать хранилище на GP, осуществлять мониторинг эффективности работы и многое другое. Данный цикл статей будет полезен как разработчикам БД, так и аналитикам.

https://habr.com/ru/companies/axenix/articles/811977/

#greenplum #dwh #sql #postgresql #data_engineering #кхд #хранилища_данных #сегментация #mpp #запросы_sql

ViT для новичков: как нейросети научились определять зависимости в изображениях

В этой статье мы попытаемся рассказать про трансформерную архитектуру VIT и предысторию его формирования. Сегодня не совсем понятно, почему этот "формат" нейронок настолько эффективен. Некоторые говорят механизм внимания, но некоторые практики делают больше ставок в области Computer Vision на MetaFormer. https://github.com/sail-sg/poolformer Нейросети остаются для нас “теневым” процессом, подобным черному ящику. И изучение Deep Learning уже напоминает больше не математику, а биологию, где мы следим за поведением нашего детища.

https://habr.com/ru/articles/810817/

#трансформеры #vit #компьютерное_зрение #computer_vision #классификация #детекция #сегментация #нейросети

ViT для новичков: как нейросети научились определять зависимости в изображениях

В этой статье мы попытаемся рассказать про трансформерную архитектуру VIT и предысторию его формирования. Сегодня не совсем понятно, почему этот "формат" нейронок настолько эффективен. Некоторые говорят механизм внимания, но некоторые практики делают больше ставок в области Computer Vision на MetaFormer. https://github.com/sail-sg/poolformer Нейросети остаются для нас “теневым” процессом, подобным черному ящику. И изучение Deep Learning уже напоминает больше не математику, а биологию, где мы следим за поведением нашего детища.

https://habr.com/ru/articles/810817/

#трансформеры #vit #компьютерное_зрение #computer_vision #классификация #детекция #сегментация #нейросети

ViT для новичков: как нейросети научились определять зависимости в изображениях

В этой статье мы попытаемся рассказать про трансформерную архитектуру VIT и предысторию его формирования. Сегодня не совсем понятно, почему этот "формат" нейронок настолько эффективен. Некоторые говорят механизм внимания, но некоторые практики делают больше ставок в области Computer Vision на MetaFormer. https://github.com/sail-sg/poolformer Нейросети остаются для нас “теневым” процессом, подобным черному ящику. И изучение Deep Learning уже напоминает больше не математику, а биологию, где мы следим за поведением нашего детища.

https://habr.com/ru/articles/810817/

#трансформеры #vit #компьютерное_зрение #computer_vision #классификация #детекция #сегментация #нейросети

Анализ новостей с помощью сегментации и кластеризации временных рядов

В Отусе я прошла курс ML Advanced и открыла для себя интересные темы, связанные с анализом временных рядов, а именно, их сегментацию и кластеризацию. Я решила позаимствовать полученные знания для своей дипломной университетской работы по ивент-анализу социальных явлений и событий и описать часть этого исследования в данной статье. Шаг 1. Сбор данных В качестве источника данных я взяла информационно-новостной ресурс Лента.ру , так как с него легко парсить данные, новости разнообразны и пополняются в большом объеме ежедневно. Для теста я спарсила новости за последний год (март 2023 – март 2024) с помощью питоновских BeautifulSoup и requests . В коде происходит процедура сбора заголовка, даты и тематики новостей:

https://habr.com/ru/articles/805801/

#сегментация #анализ_временных_рядов #кластеризация_данных #новостные_ресурсы #тематическое_моделирование #kmeans #python #машинное_обучение #otus

Анализ новостей с помощью сегментации и кластеризации временных рядов

В Отусе я прошла курс ML Advanced и открыла для себя интересные темы, связанные с анализом временных рядов, а именно, их сегментацию и кластеризацию. Я решила позаимствовать полученные знания для своей дипломной университетской работы по ивент-анализу социальных явлений и событий и описать часть этого исследования в данной статье. Шаг 1. Сбор данных В качестве источника данных я взяла информационно-новостной ресурс Лента.ру , так как с него легко парсить данные, новости разнообразны и пополняются в большом объеме ежедневно. Для теста я спарсила новости за последний год (март 2023 – март 2024) с помощью питоновских BeautifulSoup и requests . В коде происходит процедура сбора заголовка, даты и тематики новостей:

https://habr.com/ru/articles/805801/

#сегментация #анализ_временных_рядов #кластеризация_данных #новостные_ресурсы #тематическое_моделирование #kmeans #python #машинное_обучение #otus

[Перевод] Заблуждения о семантической сегментации

Семантическая сегментация — это задача компьютерного зрения, заключающаяся в помещении в один класс связанных элементов изображения. Семантическая сегментация состоит из трёх этапов: Классификация: обнаружение и классификация определённого объекта на изображении. Локализация: нахождение предмета и отрисовка вокруг него ограничивающего прямоугольника. Сегментация: процесс группировки пикселей в локализованном изображении при помощи маски сегментации. Существует множество подтипов семантической сегментации, но все они возникают вследствие выбора пары параметров из двух категорий: размерности данных и разрешения выходных аннотаций.

https://habr.com/ru/articles/740824/

#машинное_обучение #CV #разметка_данных #сегментация #детекция

[Перевод] Заблуждения о семантической сегментации

Семантическая сегментация — это задача компьютерного зрения, заключающаяся в помещении в один класс связанных элементов изображения. Семантическая сегментация состоит из трёх этапов: Классификация: обнаружение и классификация определённого объекта на изображении. Локализация: нахождение предмета и отрисовка вокруг него ограничивающего прямоугольника. Сегментация: процесс группировки пикселей в локализованном изображении при помощи маски сегментации. Существует множество подтипов семантической сегментации, но все они возникают вследствие выбора пары параметров из двух категорий: размерности данных и разрешения выходных аннотаций.

https://habr.com/ru/articles/740824/

#машинное_обучение #CV #разметка_данных #сегментация #детекция