<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom" xmlns:content="http://purl.org/rss/1.0/modules/content/">
  <channel>
    <title>#GoogleAI on Главная</title>
    <link>https://yakinin.com/ru/tags/%23googleai/</link>
    <description>Recent content in #GoogleAI on Главная</description>
    <generator>Hugo -- 0.148.2</generator>
    <language>ru</language>
    <lastBuildDate>Mon, 04 Aug 2025 00:00:00 +0000</lastBuildDate>
    <atom:link href="https://yakinin.com/ru/tags/%23googleai/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>Google MLE-STAR: Агенты ИИ, автоматизирующие машинное обучение</title>
      <link>https://yakinin.com/ru/posts/20250804-google-mle-star-automated-machine-learning/</link>
      <pubDate>Mon, 04 Aug 2025 00:00:00 +0000</pubDate>
      <guid>https://yakinin.com/ru/posts/20250804-google-mle-star-automated-machine-learning/</guid>
      <description>&lt;h1 id=&#34;google-mle-star-агенты-ии-автоматизирующие-машинное-обучение&#34;&gt;Google MLE-STAR: Агенты ИИ, автоматизирующие машинное обучение&lt;/h1&gt;
&lt;p&gt;Исследовательская группа Google Cloud представила MLE-STAR (Machine Learning Engineering via Search and Targeted Refinement) — систему агентов искусственного интеллекта, которая знаменует собой значительный шаг к полной автоматизации создания конвейеров машинного обучения. Для тех, кто провел бесчисленные часы за разработкой признаков, выбором моделей и оптимизацией гиперпараметров, это развитие заслуживает пристального внимания.&lt;/p&gt;
&lt;p&gt;По своей сути, MLE-STAR выходит за рамки ограничений традиционного AutoML. Вместо того чтобы полагаться на заранее определенный набор моделей и методов, он использует инновационный подход, который сочетает внешние знания с внутренней оптимизацией.&lt;/p&gt;</description>
    </item>
  </channel>
</rss>
