Смотреть урок

Дополнительные файлы из урока

В уроке разбираю, как обучаются модели, которые работают в поиске. Показываю схему поискового конвейера и пример запроса, где нейросеть понимает смысл лучше, чем словарь синонимов. Затем рассказываю про CatBoost и градиентный бустинг, про устройство и обучение BERT, про метрику NDCG и про три подхода к семантическому поиску: Dual Encoder, Cross Encoder и Late Interaction. Урок подойдёт SEO-специалистам, которые хотят понимать, на чём учатся поисковые алгоритмы и почему нейросети используются не на всех этапах ранжирования. В конце есть задание на самостоятельную работу с DSPy.

Оглавление с таймкодами:

0:00–1:44 Чем поисковые модели отличаются от обычных. BERT с Hugging Face и BERT, обученный в поисковике, это разные модели. Embedding-модели OpenAI или Gemini обучены сопоставлять смыслы, а не искать релевантный…