Сервис насчитывает более 18 тыс. наименований, доставляет заказы в 14 тыс. аптек по всей стране, аудитория Apteka.ru составляет около 60 млн посетителей в год.

Производители товаров и лекарств проводят на сайте различные акции, когда товары можно заказать с дополнительной скидкой.

При получении продукции в аптеке соблюдается конфиденциальность.

Москва

Сервис насчитывает более 18 тыс. наименований, доставляет заказы в 14 тыс. аптек по всей стране, аудитория Apteka.ru составляет около 60 млн посетителей в год.

 
 Производители товаров и лекарств проводят на сайте различные акции, когда товары можно заказать с дополнительной скидкой.

 
 При получении продукции в аптеке соблюдается конфиденциальность.

Apteka.ru

Сервис онлайн-заказа лекарств

онлайн_сервис

медицина

интернет_аптеки

Решение маркетплейса основано на нескольких моделях с открытым исходным кодом. Нейросеть дополнительно обучили на 10 млн отзывов, сообщила директор по продукту сайта и приложения Wildberries Кристина Мошко.

 
 Функция «Важное из отзывов» пока проходит тестирование. Первое время она будет доступна ограниченному числу пользователей мобильного приложения. Новый блок располагается над разделом с отзывами. Пользователь может поставить сгенерированному тексту положительную или отрицательную оценку.

 
 Нейросеть по запросу пользователя проанализирует все отзывы о товаре за последние три месяца. Если отзывов много, то рассматриваются только 100 последних. В короткой выжимке будут указаны характеристики товара, которые люди выделяли чаще всего. Текст дополнительно проверяется антифрод-моделями.

Wildberries

Wildberries разработала нейросеть для поиска важного в отзывах о товарах

В «Сбере» создали метод мультимодального анализа эмоций с оптимизацией вычислений. В своей работе специалисты лаборатории искусственного интеллекта компании предложили использовать комбинацию визуальных, акустических и текстовых данных для повышения точности эмоционального анализа на основе ИИ-моделей. 

 
 Подход основан на трех аспектах. Он предполагает использование обученных на открытых наборах фотографий нейросетей (EmotiEffNet, MobileViT, MobileFaceNet) для анализа мимики, что позволяет эффективно работать в режиме реального времени на смартфонах. Кроме этого, для снижения нагрузки на систему и повышения точности проводится фильтрация кадров, эмоции на которых распознаются с помощью предобученных моделей. Также специалисты доказали, что комбинирование данных из разных источников (текст, аудио, видео) с помощью метода «позднего слияния» (Late Fusion) ускоряет адаптацию модели к решению новых задач.

 
 В компании отмечают, что на международном конкурсе ABAW такой подход занял 1-е место в задачах распознавания выражений лица и амбивалентности и 3-е место в оценке интенсивности эмоций и детектировании микровыражений. Точность выросла на 1,5–15% по сравнению с базовыми методами.

Сбербанк

В «Сбере» представили метод мультимодального анализа эмоций с оптимизацией вычислений

Компания «РТ-Техприемка» (входит в «Ростех») сообщила о будущих планах по разработке автономных ИИ-агентов, которые смогут выполнять комплексные задачи практически без участия человека.

 
 На данный момент компания представила корпоративного ИИ-помощника для работы с нормативными документами. Генеральный директор «РТ-Техприемки» Владлен Шорин рассказал о работе ассистента.

 
 По его словам, «пользователь формулирует запрос голосом <…>, а система ИИ разбивает задачу на этапы. Сначала анализируется смысл запроса, затем генерируется программный код для выборки нужных данных, и выполняется проверка результатов. А уже после этого генерируется ответ либо в виде текста, либо в форме готового отчета или диаграммы».

 
 При этом для формирования отчетов по качеству используется подход Chain of Thought (цепочка рассуждений).

<hr />
 
 В марте холдинг «Росэлектроника», которая также входит в «Ростех», <a href="https://ict.moscow/news/struktura-rostekha-zapustila-proizvodstvo-protsessornogo-modulia-fisht-dlia-raboty-s-neirosetiami-i-ml/" target="_blank" rel="nofollow">начал</a> производство процессорного модуля «Фишт» для работы с нейросетями и применения машинного обучения в автоматизации производственных процессов.

<hr />

Ростех

Структура «Ростеха» в будущем планирует разработать ИИ-агентов для выполнения комплексных задач

Роскомнадзор (РКН) призвал бизнес сообщить о произошедших утечках персональных данных (ПД), чтобы избежать ужесточенных норм законодательства, вступающих в силу с 30 мая 2025 года. Сейчас в случае утечки, согласно действующему законодательству, компании не получают штрафов, в том числе оборотных, за неуведомление РКН.

 
 По словам заместителя руководителя РКН Милоша Вагнера, датой правонарушения, связанного с утечкой ПД, будет считаться момент, когда было подтверждено раскрытие данных неограниченному кругу лиц. Таким подтверждением может быть, например опубликование базы данных злоумышленниками либо получение уведомления от самой компании, допустившей утечку, пояснил он.

 
 «У компаний до 30 мая есть время, чтобы проинформировать уполномоченные органы о произошедших ранее инцидентах. И тогда, соответственно, к ним будут применяться меры ответственности, предусмотренные действующим сегодня законодательством», — заявил Вагнер.

 
 Он подчеркнул, что после вступления в силу новой редакции КоАП не только сам факт утечки ПД, но и неуведомление РКН о ней также будет рассматриваться как правонарушение.

 
 На сегодняшний день наказание за утечки ПД регулируется двумя федеральными законами, принятыми в конце ноября 2024 года. 421-ФЗ предусматривает ответственность за получение ПД без законных оснований и за неправомерный доступ к ним, а 420-ФЗ ужесточает ответственность за нарушение при обработке и хранении ПД.

 
 Уголовная ответственность за незаконное использование ПД действует с 11 декабря 2024 года, а штрафы за допущение утечек данных, нарушение обработки ПД и отсутствие уведомления РКН о факте утечки будут применяться с 30 мая 2025 года.

 
 Директор Центра научно-технологической политики МГУ им. М.В. Ломоносова Тимофей Воронин считает, что компании не будут активно сообщать о фактах утечки данных, так как эта информация может стать публичной, что может ударить по бренду и имиджу организации.

Ведомости

Роскомнадзор призвал компании сообщить о произошедших утечках для избежания ужесточения наказания

Производитель микроэлектроники «Элемент» до конца 2025 года намерен запустить серийное производство блоков питания для серверного и телеком-оборудования. Их разработкой будет заниматься дочернее предприятие «Элемент-Технологии». Для производства планируется задействовать элементы российской электронной компонентной базы, поставляемые предприятиями холдинга.

 
 Компания рассчитывает достичь проектной мощности к 2027 году и ежегодно производить около 100 тыс. устройств различной мощности: 800 Вт, 1200 Вт и 1600 Вт. Как отметил представитель производителя, блоки мощностью до 1200 Вт достаточны для большинства стандартных серверных решений, тогда как модели повышенной производительности с показателем 1600 Вт востребованы для высокоэффективных вычислений, применяемых в обработке больших данных и работе искусственного интеллекта.

 
 Генеральный директор поставщика серверного и сетевого оборудования ITPOD Илья Борняков рассказал, что на российском рынке присутствует предложение блоков питания для телеком-оборудования мощностью до 700 Вт, а в остальных случаях предложение сильно ограничено. Также узость предложения по блокам питания объясняется высокой себестоимостью изделия при использовании отечественной ЭКБ, считает автор Telegram-канала RUSmicro Алексей Бойко.

 
 В «Элементе» со ссылкой на рыночные оценки заявляют, что объем рынка российского серверного и телеком-оборудования составляет 150–170 тыс. единиц устройств в год. По мнению Бойко, в деньгах рынок серверов можно оценить примерно в 100–150 млрд руб., а телеком-решений — в 200–300 млрд руб.

«Элемент» до конца года запустит серийное производство силовых компонентов для серверов и телеком-оборудования

НИУ_ВШЭ

Библиотека решений для распознавания эмоций человека

искусственный_интеллект

нейросети

машинное_обучение

компьютерное_зрение

open_source

EmotiEffLib 

SberCloud

Сервис инференса моделей машинного обучения

генеративный_ИИ

облачный_сервис

Evolution ML Inference

МГУ

Метод адаптации больших языковых моделей

Ruadapt

Яндекс

Метод квантизации больших языковых моделей 

HIGGS

NtechLab

Система ИИ для анализа и интерпретации результатов КТ-исследований

NtechMed CT Brain

Правительство_Москвы

Система поддержки принятия врачебных решений

распознавание

МосМедИИ

Сервис для перефразирования текста на основе нейросети

контент

ReText.AI

Musculus_ai

Приложение для диагностики опорно-двигательного аппарата

Apteka.ru

NtechMed CT Brain

МосМедИИ

ReText.AI

Musculus.ai