LLM vs ML: что выбрать? На недавнем AI-митапе мы обсуждали, ч | Internship.INNO

LLM vs ML: что выбрать?

На недавнем AI-митапе мы обсуждали, чем классические методы машинного обучения (ML) отличаются от больших языковых моделей (LLM) при обработке естественного языка (NLP). Спикер объяснила это максимально простым и понятным языком — так, что даже новичок сразу поймет разницу между подходами!

На примере мультиклассовой категоризации товаров по степени опасности (кстати, реальный кейс!) мы сравнили:
— Fine-tuned LLM (дообученная GPT-модель)
— Маленький трансформер BERT для текстовой классификации
— Классический ML-подход: TF-IDF-векторизация + XGBoost

Самое время разобраться, действительно ли LLM универсальны для любых NLP-задач или это больше маркетинговый ход и какой подход лучше выбрать для вашей бизнес-задачи:



Таймкоды:
00:00 — Ранние подходы к NLP и векторизация
01:40 — Революция трансформеров и LLM-концепция
03:20 — ML vs LLM: обзор классических подходов машинного обучения
05:00 — Методы векторизации: бинарные, TF-IDF, Word2Vec
06:20 — Маленькие модели-трансформеры (BERT)
08:25 — Большие языковые модели (LLM)
11:45 — Задача: классификация опасных товаров
18:50 — LLM: прогресс или маркетинг? (Q&A)
23:10 — Выводы