Учимся: 3 курса по ML от Школы аналитики данных Яндекса

Недавно слушала подкаст про обучение айтишников в вузах и на курсах образовательных платформ. Главная мысль: выпускникам вузов не хватает практики, а выпускникам курсов — системного мышления и базовых знаний, например, математики. Курсы по матану я не искала, но нашла такие, где без теории не обойтись. Так что, возможно, придется погуглить и освежить знания)

1️⃣Курс по ML для обработки естественного языка в ШАД и дополнение к нему.

2️⃣ Онлайн-учебник по ML от ШАД
⚫️Что нужно: уверенное владение линейной алгеброй, матаном и теорией вероятностей будет большим плюсом. Знания статистики и методов выпуклой оптимизации сделают чтение комфортнее.

⚫️Что включено: от классических алгоритмов (линейные модели, деревья, градиентный бустинг) до современных нейросетей (трансформеры, диффузионные модели) и сложных разделов вроде байесовских методов, обучения с подкреплением и теоретических основ ML. Есть практика и лабораторные — решение ML-задач в DataSphere.

3️⃣ Курс лекций профессора Воронцова по машинному обучению (курс читают студентам МГУ, МФТИ и ШАД). Здесь снова упор делается на глубокое понимание математических основ и взаимосвязей.

Кому: если у вас в штате джун после курсов занимается ИИ — ему подойдет. Да и всем остальным ML — освежить знания. #учимся

Как считаете, для задач генеративного проектирования понимание основ — критично?

👍 — да, 👎 — нет

Как ПИК использует нейросети в архитектуре: от эскизов до 3D-моделей и планировок — презентация PIK Digital

Артур Ишмаев, руководитель направления отдела исследований и разработок в области ИИ компании, выделил пять ключевых направлений работы и рассказал, что команда ведет все эксперименты на собственной платформе R2.

Эскизирование
Команда использует Stable Diffusion для AI-рендеринга: превращает ракурсные виды в эскизы, экспериментирует с переносом стилей и дообучением моделей. Результаты впечатляют заказчика на презентациях, но задача — с помощью ИИ перейти от красивой картинки к реальному проекту: от 2D к 3D и BIM. Это позволит решать задачи бизнеса.

Генерация массинга
Используются open source-модели, которые дообучают на собственных данных. Особое внимание уделяется моделям, способным работать не только с абстрактными текстовыми описаниями, но и с конкретными параметрами ТЗ — например, процентным соотношением функциональных зон, что позволяет получать объемные концепции с атрибутикой, приближенные к BIM-моделям.

Генерация планировочных решений
Исследуют подходы, где нейросети учитывают не только граф связности помещений, но и внешний контур, колонны, пилоны. Цель — автоматизировать создание типовых этажей и квартир, сохраняя гибкость для ручных правок.

Универсальный ассистент
Команда создала и обучает свою LLM — ПИК-чат. Инструмент интерпретирует текстовые запросы и возвращает структурированные данные для 3D-моделей. Например, можно скорректировать массив через диалог, без ручного вмешательства.

Аналитика
Нейросети могут автоматизировать расчёты и проверки, от инсоляции до себестоимости, чтобы ускорять принятие решений.

Что дальше?
⚫️В России предобучение LLM-модели с нуля может позволить себе только условный Сбер — это стоит миллиарды рублей. Поэтому ИИ-лаборатория ПИКа продолжит адаптировать open source-модели под нужды бизнеса — сейчас в работе 6 исследовательских треков.
⚫️Также на повестке — пополнить штат сотрудником, который станет связующим звеном между разработкой и бизнесом.

Подробнее — в прикрепленной презентации

3 популярные GAN-модели для генеративного проектирования

Про GAN-сети я писала тут, а сегодня принесла три варианта

Pix2Pix GAN
⚫️ Функционал: преобразование изображений — например, из эскизов в реалистичные планы, из контуров в фасады зданий, функциональное зонирование.

Генератор построен на U-Net, дискриминатор — PatchGAN, что улучшает качество локальных деталей.

⚫️Пример использования: нейросеть ArchiGAN делит проектирование плана этажа на этапы, используя Pix2Pix для генерации каждого из них.

StyleGAN / StyleGAN2
⚫️ Функционал: генерация высококачественных фасадов зданий, смешивание архитектурных стилей, создание новых архитектурных образов.
⚫️Пример использования: проект GAN Loci для генерации фасадов исторической застройки, создание новых стилей городской среды.

3D-GAN
⚫️ Функционал: генерация трёхмерных моделей зданий и кварталов на основе 3D-данных или графов связности помещений.

⚫️Пример использования: Building GAN, который на вход получает поэтажные графы связности зон и генерирует примитивную 3D-модель для BIM.

Boston Dynamics показала, как «видит» робот Atlas

🔵Робот умеет распознавать форму и назначение объектов в реальной среде, объединяя 2D и 3D восприятие для точной ориентации в пространстве.

🔵Он отслеживает позы и движения объектов с помощью ключевых точек, сливая визуальные данные, кинематику и знания об окружающих предметах в единую систему.

🔵Благодаря сверхточной калибровке робот эффективно координирует движения «глаз–рука», что позволяет не просто находить предметы, а понимать, что это за объект, зачем он нужен и как лучше его схватить, даже если он частично скрыт.

Физический ИИ не за горами, коллеги.