Разработка ИИ — удалённая работа в Москве

Пожелания и особенности: Ищу толкового ИИ-разработчика / Вайб-кодера (AI Prompt Engineer) для создания Telegram Mini Apps и чат-ботов через Cursor, Replit и Claude. Задача: Быстрая сборка цифровых продуктов для бизнеса с использованием нейросетей по готовым ТЗ. На старте нужно будет собрать один простой тестовый шаблон для общего портфолио. Условия: Работа в партнерстве. Наша цель — масштабный выход студии на доход от 1 000 000 рублей в месяц. Оклада нет, оплата строго за результат — вы получаете 40% от чека каждого проекта (выплаты сразу из предоплаты заказчика). Сделки, организацию и продажи я полностью беру на себя.

Ищем специалиста с опытом разработки ботов и автоматизации на платформе Гермес. Задача: Необходимо разработать ИИ-бота для посуточной аренды квартир, который сможет автоматически отвечать на вопросы гостей на основе базы знаний.

Пожелания и особенности: Создание торгового алгоритма для рынка фондового.

Пожелания и особенности: Обучить Claude.

Увлекаюсь ролевыми играми с ии но в последнее время все сайты банят, они тупят после обновлений и вообще все плохо нужно найти сайт/приложение что-нибудь для ролевок без ограничений без цензуры с хорошей памятью, продвинутые,и чтобы персонажи сохраняли свою личность всегда Лучше если бесплатно ил не дорого слышала что можно сделать что то при помощи таверны ии но хз.

Сделать призентацию.

Оптимизация ключевых показателей производительности: Real Time Factor (RTF) и Bits Per Second (BPS) аудиокодека Часть 1. Оптимизация кодека для аппаратной платформы RKNN Цель: Обеспечить работу кодека FocalCodec на современном оборудовании с использованием микроконтроллеров/ускорителей RKNN (Orange Pi 5). Выполнить оптимизацию для потоковой обработки в режиме реального времени. Задачи: Выполнить перенос модели из формата ONNX и адаптацию под NPU-платформу RKNN с учетом особенностей архитектуры. Оптимизировать использование вычислительных ресурсов NPU, максимально задействовав параллелизм и привязку вычислений (affinity) к NPU. Оценить возможность одновременного использования CPU и NPU для дополнительного ускорения и повышения уровня параллелизма. Изменить параметры кодека для обеспечения работы в режиме около 300 бит/с (BPS) и дополнительно оптимизировать показатель RTF при работе в данном режиме. Часть 2. Обучение моделей кодека для архитектуры RKNN Цель: Повысить качество и скорость работы кодека за счет дообучения моделей и применения методов обучения с учетом квантования. Задачи: Провести Quantization Aware Training (QAT), адаптированное под архитектуру RKNN, используя полные наборы данных, на которых обучалась исходная модель кодека. Выполнить дополнительное обучение модели для улучшения мультиязычных возможностей (с акцентом на максимизацию качества работы на выбранном языке помимо английского). Провести обучение с целью обеспечения работы при экстремальном квантовании до INT4 и выполнить сравнительный анализ с режимами INT8 и другими вариантами низкоразрядного квантования. Ожидаем цену за выполнение двух задач и оценку времени.