Отобранная библиотека

Видео

Смотрите самые понятные связанные видео, не просматривая всю библиотеку сразу. Выберите учебный путь, продолжите начатое или используйте фильтры, если уже знаете, что ищете.

157 результатов

Все Новичок в ИИ Начинающий Уверенный Эксперт

4 мин

Introducing EmbeddingGemma: The Best-in-Class Open Model for On-Device Embeddings

Google for Developers. Видео представляет многоязычные текстовые векторные представления, которые могут работать локально и поддерживать семантический поиск и RAG без отправки каждого документа во внешний API. Для эстонских компаний это полезное техническое дополнение к паттерну внутреннего поиска знаний из статьи: многоязычный поиск полезен только тогда, когда он также учитывает расположение данных, права доступа и авторитетность источников.

Понять, почему многоязычные модели векторных представлений важны для приватного внутреннего поиска и где локальное извлечение может снизить риск раскрытия данных.

УверенныйИИ для бизнеса

32 мин

How to Build Human-Centered AI Workflows in Localization with Shashi Bhushan

Crowdin. Shashi Bhushan начинает с картирования процесса, а не с выбора инструмента, затем разбирает качество исходного текста, человеческую проверку, ИИ-корректуру, проверки глоссария, участие продуктовой команды, пилоты и ограничения приватности. Это почти тот же операционный подход, который статья рекомендует эстонским командам, работающим с эстонским, английским, русским, финским и клиентской терминологией.

Научиться вводить ИИ в локализацию так, чтобы человек сохранял ответственность за смысл, тон, терминологию и финальное утверждение.

УверенныйИИ для бизнеса

18 мин

AWS re:Invent 2025 - Implementing Human-in-the-Loop Controls for Multi-Agent AI Systems (CNS428)

AWS Events. Этот короткий доклад называет бизнес-моменты, где нужен человеческий контроль: решения с высоким риском, необратимые действия, регуляторные требования, этап построения доверия, неоднозначные исключения и управляемое ухудшение. Он также показывает конкретные механизмы: MCP elicitations, ожидание callback в Step Functions и approval nodes.

Увидеть, как точки утверждения можно реализовать как явные контрольные точки процесса, а не как неформальную ручную проверку после сбоя.

УверенныйАвтоматизация

17 мин

12-Factor Agents: Patterns of reliable LLM applications — Dex Horthy, HumanLayer

AI Engineer. Dex Horthy объясняет, почему надёжные агентные системы в основном состоят из дисциплинированного программного обеспечения вокруг нескольких вызовов LLM: контролируйте инструкцию, контролируйте контекстное окно, держите поток управления детерминированным и используйте вызовы инструментов для обращения к человеку, когда процесс требует суждения. Это напрямую связано с паттернами утверждения, исключений и эскалации из статьи.

Научиться проектировать ИИ-процессы, которые могут остановиться, продолжиться, запросить человеческое решение и отделить бизнес-состояние от предположений модели.

УверенныйАвтоматизация

7 мин

Лучший RAG и AI-агенты с Docling

IBM Technology. Объясняет сторону загрузки данных в RAG и агентах: как подготовить PDF и другие файлы, чтобы структура документа, таблицы и макет сохранились для поиска. Это поддерживает предупреждение статьи: качество и безопасность RAG начинаются до embeddings, особенно для сложных бизнес-документов.

Понять, почему парсинг документов, сохранение структуры и quality gates на этапе загрузки важны до построения RAG поверх PDF и смешанных форматов файлов.

ЭкспертБезопасность ИИ и приватность данных

59 мин

От хайпа к привычке: как технологические компании масштабируют ИИ дальше экспериментов

Propeller Consulting. Обсуждает управление, операционную дисциплину, внедрение среди сотрудников и измерение ROI как связанные части масштабирования ИИ за пределы экспериментов. Это подходит модели зрелости из статьи, потому что внедрение рассматривается как изменённая работа с владельцами и метриками, а не как использование инструментов или посещение workshop.

Связать зрелость внедрения ИИ с измерениями на уровне рабочих процессов, управлением, операционным здоровьем и устойчивым изменением поведения.

ЭкспертИИ для бизнеса

41 мин

Private AI против cloud: как лидерам принимать более умные build-or-buy решения

World Wide Technology. Связывает решения build-or-buy с бизнес-результатами, размещением нагрузок, экономикой облака, суверенитетом данных, безопасностью, готовностью инфраструктуры и гибридными операционными моделями. Это полезно для выбора между покупкой инструмента, расширением платформы, тонким собственным слоем или большим владением стеком развёртывания.

Принимать AI build-vs-buy решения вокруг результата, контроля данных, экономики нагрузки, готовности инфраструктуры и операционного владения.

ЭкспертИИ для бизнеса

20 мин

Права и access control для RAG: глубокий tutorial

Paragon. Проходит через проблему разрешений в production RAG и сравнивает вызовы инструментов, пространства имён, ACL-таблицы и разрешения на основе отношений. Это напрямую поддерживает главное правило статьи: поиск должен возвращать только источники, доступные текущему пользователю.

Оценить практические паттерны контроля доступа для RAG по знаниям компании перед индексацией чувствительных внутренних документов.

ЭкспертБезопасность ИИ и приватность данных

48 мин

Как строить надёжных AI-агентов: контекст и evals

Arize AI. Объясняет, почему агенты в продакшене ломаются без правильного контекста, данных для оценки, трассировки и доменной экспертизы. Это хорошо ложится на реестр отказов из статьи: отделяйте поиск от рассуждения, определяйте ожидаемые результаты, оценивайте вызовы инструментов и трассируйте ошибки до смены модели.

Проектировать рабочие процессы с ИИ вокруг контекста, оценок качества и наблюдаемости, чтобы сбои в продакшене можно было назвать, измерить и исправить.

ЭкспертБезопасность ИИ и приватность данных