https://datamarkup.ru/blog/50-datasetov-dlya-ml/ https://datamarkup.ru/img/blog/50-datasetov-dlya-ml.webp Датасеты для машинного обучения: подборка по категориям — иллюстрация к статье https://datamarkup.ru/blog/annotaciya-dannyh/ https://datamarkup.ru/img/blog/annotaciya-dannyh.webp Аннотация данных: определение, термины, типы — иллюстрация к статье https://datamarkup.ru/blog/augmentaciya-dannyh/ https://datamarkup.ru/img/blog/augmentaciya-dannyh.webp Аугментация данных: как расширить выборку без новой съёмки — иллюстрация к статье https://datamarkup.ru/blog/autsorsing-razmetki/ https://datamarkup.ru/img/blog/autsorsing-razmetki.webp Аутсорсинг разметки данных против своей команды: что выбрать — иллюстрация к статье https://datamarkup.ru/blog/avtorazmetka/ https://datamarkup.ru/img/blog/avtorazmetka.webp Автоматическая разметка данных: авторазметка и pre-labeling — иллюстрация к статье https://datamarkup.ru/blog/bounding-box-vs-segmentaciya/ https://datamarkup.ru/img/blog/bounding-box-vs-segmentaciya.webp Bounding box vs сегментация vs полигоны — иллюстрация к статье https://datamarkup.ru/blog/chto-takoe-cvat/ https://datamarkup.ru/img/blog/chto-takoe-cvat.webp Что такое CVAT и для чего нужен этот инструмент разметки — иллюстрация к статье https://datamarkup.ru/blog/chto-takoe-dataset/ https://datamarkup.ru/img/blog/chto-takoe-dataset.webp Что такое датасет простыми словами — иллюстрация к статье https://datamarkup.ru/blog/chto-takoe-dicom/ https://datamarkup.ru/img/blog/chto-takoe-dicom.webp Что такое DICOM — иллюстрация к статье https://datamarkup.ru/blog/chto-takoe-ii-agent/ https://datamarkup.ru/img/blog/chto-takoe-ii-agent.webp Что такое ИИ-агент и как он работает — иллюстрация к статье https://datamarkup.ru/blog/chto-takoe-kompyuternoe-zrenie/ https://datamarkup.ru/img/blog/chto-takoe-kompyuternoe-zrenie.webp Что такое компьютерное зрение простыми словами — иллюстрация к статье https://datamarkup.ru/blog/chto-takoe-lidar/ https://datamarkup.ru/img/blog/chto-takoe-lidar.webp Что такое LiDAR — иллюстрация к статье https://datamarkup.ru/blog/chto-takoe-ocr/ https://datamarkup.ru/img/blog/chto-takoe-ocr.webp Что такое OCR — иллюстрация к статье https://datamarkup.ru/blog/chto-takoe-razmetka-dannyh/ https://datamarkup.ru/img/blog/chto-takoe-razmetka-dannyh.webp Разметка данных: что это такое, виды и примеры — иллюстрация к статье https://datamarkup.ru/blog/cvat-vs-label-studio/ https://datamarkup.ru/img/blog/cvat-vs-label-studio.webp CVAT vs Label Studio: сравнение инструментов разметки данных — иллюстрация к статье https://datamarkup.ru/blog/dannye-dlya-obucheniya-llm/ https://datamarkup.ru/img/blog/dannye-dlya-obucheniya-llm.webp Какие данные нужны для обучения большой языковой модели — иллюстрация к статье https://datamarkup.ru/blog/detekciya-obektov/ https://datamarkup.ru/img/blog/detekciya-obektov.webp Детекция объектов: object detection в компьютерном зрении — иллюстрация к статье https://datamarkup.ru/blog/diarizaciya-spikerov/ https://datamarkup.ru/img/blog/diarizaciya-spikerov.webp Что такое диаризация спикеров — иллюстрация к статье https://datamarkup.ru/blog/fine-tuning-llm/ https://datamarkup.ru/img/blog/fine-tuning-llm.webp Что такое fine-tuning (дообучение) LLM — иллюстрация к статье https://datamarkup.ru/blog/formaty-razmetki-coco-yolo/ https://datamarkup.ru/img/blog/formaty-razmetki-coco-yolo.webp Форматы разметки COCO, YOLO и Pascal VOC — иллюстрация к статье https://datamarkup.ru/blog/gde-vzyat-datasety/ https://datamarkup.ru/img/blog/gde-vzyat-datasety.webp Где взять датасет: обзор источников данных — иллюстрация к статье https://datamarkup.ru/blog/generaciya-sinteticheskih-dannyh/ https://datamarkup.ru/img/blog/generaciya-sinteticheskih-dannyh.webp Генерация синтетических данных — иллюстрация к статье https://datamarkup.ru/blog/ https://datamarkup.ru/img/blog/chto-takoe-kompyuternoe-zrenie.webp Обложка статьи: Что такое компьютерное зрение простыми словами https://datamarkup.ru/img/blog/nejroset-dlya-yuristov.webp Обложка статьи: Нейросеть для юристов: что умеет и где ошибается https://datamarkup.ru/img/blog/augmentaciya-dannyh.webp Обложка статьи: Аугментация данных: как расширить выборку без новой съёмки https://datamarkup.ru/img/blog/gde-vzyat-datasety.webp Обложка статьи: Где взять датасет: обзор источников данных https://datamarkup.ru/img/blog/kak-sozdat-ii-agenta.webp Обложка статьи: Как создать ИИ-агента: пошаговый разбор https://datamarkup.ru/img/blog/raspoznavanie-pervichnyh-dokumentov.webp Обложка статьи: Распознавание первичных документов: как это работает https://datamarkup.ru/img/blog/chto-takoe-ii-agent.webp Обложка статьи: Что такое ИИ-агент и как он работает https://datamarkup.ru/img/blog/speech2text.webp Обложка статьи: Speech to text: как машина превращает речь в текст https://datamarkup.ru/img/blog/50-datasetov-dlya-ml.webp Обложка статьи: Датасеты для машинного обучения: подборка по категориям https://datamarkup.ru/img/blog/annotaciya-dannyh.webp Обложка статьи: Аннотация данных: определение, термины, типы https://datamarkup.ru/img/blog/autsorsing-razmetki.webp Обложка статьи: Аутсорсинг разметки данных против своей команды: что выбрать https://datamarkup.ru/img/blog/avtorazmetka.webp Обложка статьи: Автоматическая разметка данных: авторазметка и pre-labeling https://datamarkup.ru/img/blog/bounding-box-vs-segmentaciya.webp Обложка статьи: Bounding box vs сегментация vs полигоны https://datamarkup.ru/img/blog/chto-takoe-cvat.webp Обложка статьи: Что такое CVAT и для чего нужен этот инструмент разметки https://datamarkup.ru/img/blog/chto-takoe-dataset.webp Обложка статьи: Что такое датасет простыми словами https://datamarkup.ru/img/blog/chto-takoe-dicom.webp Обложка статьи: Что такое DICOM https://datamarkup.ru/img/blog/chto-takoe-lidar.webp Обложка статьи: Что такое LiDAR https://datamarkup.ru/img/blog/chto-takoe-ocr.webp Обложка статьи: Что такое OCR https://datamarkup.ru/img/blog/chto-takoe-razmetka-dannyh.webp Обложка статьи: Разметка данных: что это такое, виды и примеры https://datamarkup.ru/img/blog/cvat-vs-label-studio.webp Обложка статьи: CVAT vs Label Studio: сравнение инструментов разметки данных https://datamarkup.ru/img/blog/dannye-dlya-obucheniya-llm.webp Обложка статьи: Какие данные нужны для обучения большой языковой модели https://datamarkup.ru/img/blog/detekciya-obektov.webp Обложка статьи: Детекция объектов: object detection в компьютерном зрении https://datamarkup.ru/img/blog/diarizaciya-spikerov.webp Обложка статьи: Что такое диаризация спикеров https://datamarkup.ru/img/blog/fine-tuning-llm.webp Обложка статьи: Что такое fine-tuning (дообучение) LLM https://datamarkup.ru/img/blog/formaty-razmetki-coco-yolo.webp Обложка статьи: Форматы разметки COCO, YOLO и Pascal VOC https://datamarkup.ru/img/blog/generaciya-sinteticheskih-dannyh.webp Обложка статьи: Генерация синтетических данных https://datamarkup.ru/img/blog/instrumenty-razmetki-obzor.webp Обложка статьи: Топ инструментов разметки данных: обзор по категориям https://datamarkup.ru/img/blog/kachestvennye-dannye.webp Обложка статьи: Качественные данные: по каким критериям их оценивают https://datamarkup.ru/img/blog/kachestvo-razmetki.webp Обложка статьи: Качество разметки данных: как его измерить и проверить https://datamarkup.ru/img/blog/kak-obuchaetsya-nejroset.webp Обложка статьи: Как нейросеть обучается: от весов до готовой модели https://datamarkup.ru/img/blog/kak-razmechat-dannye.webp Обложка статьи: Как размечать данные: пошаговый процесс от гайдлайна до выгрузки https://datamarkup.ru/img/blog/kak-razmechat-v-cvat.webp Обложка статьи: Как размечать данные в CVAT: пошаговая инструкция https://datamarkup.ru/img/blog/kak-sozdat-dataset.webp Обложка статьи: Как собрать датасет для нейросети пошагово https://datamarkup.ru/img/blog/kak-vybrat-podryadchika-razmetki.webp Обложка статьи: Как выбрать подрядчика для разметки данных: чек-лист https://datamarkup.ru/img/blog/keypoints-razmetka.webp Обложка статьи: Разметка ключевых точек (keypoints) https://datamarkup.ru/img/blog/klassifikaciya-izobrazhenij.webp Обложка статьи: Классификация изображений в машинном обучении https://datamarkup.ru/img/blog/kompanii-po-razmetke-dannyh.webp Обложка статьи: Обзор компаний по разметке данных в России https://datamarkup.ru/img/blog/lidar-vs-radar.webp Обложка статьи: Лидар и радар: в чём разница https://datamarkup.ru/img/blog/metody-klassifikacii-dannyh.webp Обложка статьи: Методы классификации данных: какой алгоритм выбрать https://datamarkup.ru/img/blog/metriki-kachestva-modeli.webp Обложка статьи: Метрики качества модели: accuracy, precision, recall и другие https://datamarkup.ru/img/blog/ner-chto-eto.webp Обложка статьи: NER: как модель находит имена, даты и организации в тексте https://datamarkup.ru/img/blog/obrabotka-estestvennogo-yazyka.webp Обложка статьи: Обработка естественного языка: что такое NLP и как он работает https://datamarkup.ru/img/blog/obuchayushchaya-testovaya-vyborka.webp Обложка статьи: Обучающая, валидационная и тестовая выборка в машинном обучении https://datamarkup.ru/img/blog/obuchenie-s-uchitelem.webp Обложка статьи: Обучение с учителем в машинном обучении: как это устроено https://datamarkup.ru/img/blog/ocenka-kachestva-llm.webp Обложка статьи: Как оценивают качество и тестируют LLM https://datamarkup.ru/img/blog/ocifrovka-dokumentov.webp Обложка статьи: Оцифровка документов https://datamarkup.ru/img/blog/pereobuchenie-overfitting.webp Обложка статьи: Переобучение модели: признаки, причины и способы борьбы https://datamarkup.ru/img/blog/rag-chto-eto.webp Обложка статьи: Что такое RAG в языковых моделях https://datamarkup.ru/img/blog/raspoznavanie-rukopisnogo-teksta.webp Обложка статьи: Распознавание рукописного текста https://datamarkup.ru/img/blog/rasshifrovka-audio-v-tekst.webp Обложка статьи: Как расшифровать аудио в текст: инструменты и качество https://datamarkup.ru/img/blog/razmechennye-dannye.webp Обложка статьи: Размеченные данные: что это такое и зачем они нужны модели https://datamarkup.ru/img/blog/razmetka-lidar-3d.webp Обложка статьи: Разметка LiDAR и облаков точек https://datamarkup.ru/img/blog/razmetka-medicinskih-snimkov.webp Обложка статьи: Разметка медицинских снимков для ИИ https://datamarkup.ru/img/blog/razmetka-rechi-dataset.webp Обложка статьи: Разметка речи: диаризация, таймстемпы и речевые датасеты https://datamarkup.ru/img/blog/razmetka-teksta-dlya-llm.webp Обложка статьи: Как размечают тексты для обучения языковых моделей https://datamarkup.ru/img/blog/rlhf-chto-eto.webp Обложка статьи: Что такое RLHF в обучении языковых моделей https://datamarkup.ru/img/blog/rossijskie-datasety.webp Обложка статьи: Российские и русскоязычные датасеты для ИИ https://datamarkup.ru/img/blog/segmentaciya-izobrazhenij.webp Обложка статьи: Сегментация изображений: виды, применение, метрики https://datamarkup.ru/img/blog/sinteticheskie-dannye.webp Обложка статьи: Синтетические данные простыми словами https://datamarkup.ru/img/blog/skolko-stoit-razmetka.webp Обложка статьи: Сколько стоит разметка данных в 2026 году https://datamarkup.ru/img/blog/stemming-lemmatizaciya.webp Обложка статьи: Стемминг и лемматизация: как привести слово к базовой форме https://datamarkup.ru/img/blog/tonalnost-sentiment.webp Обложка статьи: Тональность текста: как устроен sentiment analysis https://datamarkup.ru/img/blog/transkribaciya.webp Обложка статьи: Транскрибация: что это такое и как она устроена https://datamarkup.ru/img/blog/treking-obektov.webp Обложка статьи: Трекинг объектов на видео: object tracking https://datamarkup.ru/img/blog/vidy-razmetki-dannyh.webp Обложка статьи: Виды разметки данных https://datamarkup.ru/blog/instrumenty-razmetki-obzor/ https://datamarkup.ru/img/blog/instrumenty-razmetki-obzor.webp Топ инструментов разметки данных: обзор по категориям — иллюстрация к статье https://datamarkup.ru/blog/kachestvennye-dannye/ https://datamarkup.ru/img/blog/kachestvennye-dannye.webp Качественные данные: по каким критериям их оценивают — иллюстрация к статье https://datamarkup.ru/blog/kachestvo-razmetki/ https://datamarkup.ru/img/blog/kachestvo-razmetki.webp Качество разметки данных: как его измерить и проверить — иллюстрация к статье https://datamarkup.ru/blog/kak-obuchaetsya-nejroset/ https://datamarkup.ru/img/blog/kak-obuchaetsya-nejroset.webp Как нейросеть обучается: от весов до готовой модели — иллюстрация к статье https://datamarkup.ru/blog/kak-razmechat-dannye/ https://datamarkup.ru/img/blog/kak-razmechat-dannye.webp Как размечать данные: пошаговый процесс от гайдлайна до выгрузки — иллюстрация к статье https://datamarkup.ru/blog/kak-razmechat-v-cvat/ https://datamarkup.ru/img/blog/kak-razmechat-v-cvat.webp Как размечать данные в CVAT: пошаговая инструкция — иллюстрация к статье https://datamarkup.ru/blog/kak-sozdat-dataset/ https://datamarkup.ru/img/blog/kak-sozdat-dataset.webp Как собрать датасет для нейросети пошагово — иллюстрация к статье https://datamarkup.ru/blog/kak-sozdat-ii-agenta/ https://datamarkup.ru/img/blog/kak-sozdat-ii-agenta.webp Как создать ИИ-агента: пошаговый разбор — иллюстрация к статье https://datamarkup.ru/blog/kak-vybrat-podryadchika-razmetki/ https://datamarkup.ru/img/blog/kak-vybrat-podryadchika-razmetki.webp Как выбрать подрядчика для разметки данных: чек-лист — иллюстрация к статье https://datamarkup.ru/blog/keypoints-razmetka/ https://datamarkup.ru/img/blog/keypoints-razmetka.webp Разметка ключевых точек (keypoints) — иллюстрация к статье https://datamarkup.ru/blog/klassifikaciya-izobrazhenij/ https://datamarkup.ru/img/blog/klassifikaciya-izobrazhenij.webp Классификация изображений в машинном обучении — иллюстрация к статье https://datamarkup.ru/blog/kompanii-po-razmetke-dannyh/ https://datamarkup.ru/img/blog/kompanii-po-razmetke-dannyh.webp Обзор компаний по разметке данных в России — иллюстрация к статье https://datamarkup.ru/blog/lidar-vs-radar/ https://datamarkup.ru/img/blog/lidar-vs-radar.webp Лидар и радар: в чём разница — иллюстрация к статье https://datamarkup.ru/blog/metody-klassifikacii-dannyh/ https://datamarkup.ru/img/blog/metody-klassifikacii-dannyh.webp Методы классификации данных: какой алгоритм выбрать — иллюстрация к статье https://datamarkup.ru/blog/metriki-kachestva-modeli/ https://datamarkup.ru/img/blog/metriki-kachestva-modeli.webp Метрики качества модели: accuracy, precision, recall и другие — иллюстрация к статье https://datamarkup.ru/blog/nejroset-dlya-yuristov/ https://datamarkup.ru/img/blog/nejroset-dlya-yuristov.webp Нейросеть для юристов: что умеет и где ошибается — иллюстрация к статье https://datamarkup.ru/blog/ner-chto-eto/ https://datamarkup.ru/img/blog/ner-chto-eto.webp NER: как модель находит имена, даты и организации в тексте — иллюстрация к статье https://datamarkup.ru/blog/obrabotka-estestvennogo-yazyka/ https://datamarkup.ru/img/blog/obrabotka-estestvennogo-yazyka.webp Обработка естественного языка: что такое NLP и как он работает — иллюстрация к статье https://datamarkup.ru/blog/obuchayushchaya-testovaya-vyborka/ https://datamarkup.ru/img/blog/obuchayushchaya-testovaya-vyborka.webp Обучающая, валидационная и тестовая выборка в машинном обучении — иллюстрация к статье https://datamarkup.ru/blog/obuchenie-s-uchitelem/ https://datamarkup.ru/img/blog/obuchenie-s-uchitelem.webp Обучение с учителем в машинном обучении: как это устроено — иллюстрация к статье https://datamarkup.ru/blog/ocenka-kachestva-llm/ https://datamarkup.ru/img/blog/ocenka-kachestva-llm.webp Как оценивают качество и тестируют LLM — иллюстрация к статье https://datamarkup.ru/blog/ocifrovka-dokumentov/ https://datamarkup.ru/img/blog/ocifrovka-dokumentov.webp Оцифровка документов — иллюстрация к статье https://datamarkup.ru/blog/pereobuchenie-overfitting/ https://datamarkup.ru/img/blog/pereobuchenie-overfitting.webp Переобучение модели: признаки, причины и способы борьбы — иллюстрация к статье https://datamarkup.ru/blog/rag-chto-eto/ https://datamarkup.ru/img/blog/rag-chto-eto.webp Что такое RAG в языковых моделях — иллюстрация к статье https://datamarkup.ru/blog/raspoznavanie-pervichnyh-dokumentov/ https://datamarkup.ru/img/blog/raspoznavanie-pervichnyh-dokumentov.webp Распознавание первичных документов: как это работает — иллюстрация к статье https://datamarkup.ru/blog/raspoznavanie-rukopisnogo-teksta/ https://datamarkup.ru/img/blog/raspoznavanie-rukopisnogo-teksta.webp Распознавание рукописного текста — иллюстрация к статье https://datamarkup.ru/blog/rasshifrovka-audio-v-tekst/ https://datamarkup.ru/img/blog/rasshifrovka-audio-v-tekst.webp Как расшифровать аудио в текст: инструменты и качество — иллюстрация к статье https://datamarkup.ru/blog/razmechennye-dannye/ https://datamarkup.ru/img/blog/razmechennye-dannye.webp Размеченные данные: что это такое и зачем они нужны модели — иллюстрация к статье https://datamarkup.ru/blog/razmetka-lidar-3d/ https://datamarkup.ru/img/blog/razmetka-lidar-3d.webp Разметка LiDAR и облаков точек — иллюстрация к статье https://datamarkup.ru/blog/razmetka-medicinskih-snimkov/ https://datamarkup.ru/img/blog/razmetka-medicinskih-snimkov.webp Разметка медицинских снимков для ИИ — иллюстрация к статье https://datamarkup.ru/blog/razmetka-rechi-dataset/ https://datamarkup.ru/img/blog/razmetka-rechi-dataset.webp Разметка речи: диаризация, таймстемпы и речевые датасеты — иллюстрация к статье https://datamarkup.ru/blog/razmetka-teksta-dlya-llm/ https://datamarkup.ru/img/blog/razmetka-teksta-dlya-llm.webp Как размечают тексты для обучения языковых моделей — иллюстрация к статье https://datamarkup.ru/blog/rlhf-chto-eto/ https://datamarkup.ru/img/blog/rlhf-chto-eto.webp Что такое RLHF в обучении языковых моделей — иллюстрация к статье https://datamarkup.ru/blog/rossijskie-datasety/ https://datamarkup.ru/img/blog/rossijskie-datasety.webp Российские и русскоязычные датасеты для ИИ — иллюстрация к статье https://datamarkup.ru/blog/segmentaciya-izobrazhenij/ https://datamarkup.ru/img/blog/segmentaciya-izobrazhenij.webp Сегментация изображений: виды, применение, метрики — иллюстрация к статье https://datamarkup.ru/blog/sinteticheskie-dannye/ https://datamarkup.ru/img/blog/sinteticheskie-dannye.webp Синтетические данные простыми словами — иллюстрация к статье https://datamarkup.ru/blog/skolko-stoit-razmetka/ https://datamarkup.ru/img/blog/skolko-stoit-razmetka.webp Сколько стоит разметка данных в 2026 году — иллюстрация к статье https://datamarkup.ru/blog/speech2text/ https://datamarkup.ru/img/blog/speech2text.webp Speech to text: как машина превращает речь в текст — иллюстрация к статье https://datamarkup.ru/blog/stemming-lemmatizaciya/ https://datamarkup.ru/img/blog/stemming-lemmatizaciya.webp Стемминг и лемматизация: как привести слово к базовой форме — иллюстрация к статье https://datamarkup.ru/blog/tonalnost-sentiment/ https://datamarkup.ru/img/blog/tonalnost-sentiment.webp Тональность текста: как устроен sentiment analysis — иллюстрация к статье https://datamarkup.ru/blog/transkribaciya/ https://datamarkup.ru/img/blog/transkribaciya.webp Транскрибация: что это такое и как она устроена — иллюстрация к статье https://datamarkup.ru/blog/treking-obektov/ https://datamarkup.ru/img/blog/treking-obektov.webp Трекинг объектов на видео: object tracking — иллюстрация к статье https://datamarkup.ru/blog/vidy-razmetki-dannyh/ https://datamarkup.ru/img/blog/vidy-razmetki-dannyh.webp Виды разметки данных — иллюстрация к статье https://datamarkup.ru/cases/ner-fintech-obrashcheniya/ https://datamarkup.ru/img/svc2/ner-razmetka-obrashcheniy-klientov.webp Клиентская стойка в финансовом офисе: показана цепочка от обращений к сущностям и маршруту https://datamarkup.ru/cases/ritejl-detekciya-tovarov/ https://datamarkup.ru/img/svc2/resheniya-dlya-roznichnoy-torgovli.webp Торговый зал супермаркета: показана цепочка от полки к детекции товарных позиций и доле полки https://datamarkup.ru/cases/video-treking-transport/ https://datamarkup.ru/img/svc2/treking-transporta-na-video.webp Ночная магистраль сверху: транспорт размечен рамками с идентификаторами треков по кадрам https://datamarkup.ru/datasety/agro/ https://datamarkup.ru/img/svc2/datasety-agro-sostoyanie-posevov.webp Поле с высоты дрона: полигоном выделена зона угнетения посевов, рамкой отмечен сам дрон https://datamarkup.ru/datasety/defekty/ https://datamarkup.ru/img/svc2/datasety-defektov-produkcii.webp Макросъёмка металлической детали: рамками отмечены скол на кромке и риска на плоскости https://datamarkup.ru/datasety/dialogi/ https://datamarkup.ru/img/svc2/datasety-dialogov-dlya-chat-botov.webp Рабочее место оператора: реплики в чате размечены по ролям — клиент, оператор, момент эскалации https://datamarkup.ru/datasety/dokumenty/ https://datamarkup.ru/img/svc2/datasety-dokumentov-dlya-ocr.webp Разложенные бланки документов: показана цепочка от сканов к полям и типам и готовому датасету https://datamarkup.ru/datasety/litsa/ https://datamarkup.ru/img/svc2/datasety-lic-i-biometrii.webp Биометрический терминал у входа: показана цепочка от съёмки к согласиям и готовому датасету лиц https://datamarkup.ru/datasety/medicinskie/ https://datamarkup.ru/img/svc2/datasety-medicinskih-snimkov.webp Лабораторный стол с микроскопом: показана цепочка от снимка к разметке врачом и обезличенному набору https://datamarkup.ru/datasety/rech/ https://datamarkup.ru/img/svc2/datasety-russkoy-rechi.webp Студия звукозаписи с микрофоном: показана цепочка от записи к транскрипту и разметке речи https://datamarkup.ru/datasety/robototehnika/ https://datamarkup.ru/img/svc2/datasety-dlya-obucheniya-robotov.webp Манипулятор берёт коробку: рамкой отмечен захват, точками — контакт пальцев с предметом, отдельно соседний объект https://datamarkup.ru/datasety/siz/ https://datamarkup.ru/img/svc2/datasety-siz-ohrana-truda.webp Рабочий в цехе со спины: рамками отмечены каска и сигнальный жилет, отдельно выделена опасная зона на полу https://datamarkup.ru/datasety/tovary/ https://datamarkup.ru/img/svc2/datasety-tovarov-na-polke.webp Полка супермаркета: рамками отмечены товарные позиции и зона выкладки для контроля https://datamarkup.ru/datasety/transport/ https://datamarkup.ru/img/svc2/datasety-transporta-i-nomerov.webp Логистическая площадка с фурами: показана цепочка от съёмки к разметке транспорта и датасету https://datamarkup.ru/ https://datamarkup.ru/img/home/hero-treking-transporta.webp Ночная городская трасса: на грузовике и легковых автомобилях размечены рамки с классом и уверенностью, у одной машины показан трек https://datamarkup.ru/img/home/razmetka-izobrazheniy-bounding-box.webp Городской перекрёсток сверху: на автомобиле и фургоне размечены рамки с классом и уверенностью модели https://datamarkup.ru/img/home/razmetka-video-treking-obektov.webp Стена мониторов видеонаблюдения: на одном кадре размечен объект и его траектория по времени https://datamarkup.ru/img/home/razmetka-audio-po-spikeram.webp Микрофон и наушники в студии: дорожка записи разбита на реплики двух спикеров https://datamarkup.ru/img/home/razmetka-teksta-polya-dokumenta.webp Первичные документы на столе: рамками выделены поля поставщика, суммы и даты https://datamarkup.ru/img/home/razmetka-lidar-3d-kuboidy.webp Лидарное сканирование улицы: на автомобиле в облаке точек построен 3D-кубоид https://datamarkup.ru/img/home/razmetka-dicom-medicinskih-snimkov.webp Читальная комната рентгенолога: на срезе КТ обведён контур очага https://datamarkup.ru/llm-rag/dannye-dlya-ii-agentov/ https://datamarkup.ru/img/svc2/dannye-dlya-obucheniya-ii-agentov.webp Два монитора на рабочем столе: слева размечен шаг сценария и заполняемая форма, справа журнал выполненных шагов https://datamarkup.ru/llm-rag/fine-tuning/ https://datamarkup.ru/img/svc2/fine-tuning-doobuchenie-modeli.webp Сервер с графическими ускорителями: показана цепочка от ваших примеров к дообучению и замеру качества https://datamarkup.ru/llm-rag/ii-agenty-dlya-biznesa/ https://datamarkup.ru/img/svc2/ii-agenty-dlya-biznesa.webp Рабочее место с тремя мониторами: показана цепочка от данных компании к агенту и действию в системе https://datamarkup.ru/llm-rag/ocenka-llm/ https://datamarkup.ru/img/svc2/ocenka-kachestva-otvetov-llm.webp Аналитический стол с дашбордом: показана цепочка от ответов модели к критериям оценки и отчёту https://datamarkup.ru/llm-rag/rag/ https://datamarkup.ru/img/svc2/rag-poisk-po-dokumentam-kompanii.webp Архив документов компании: показана цепочка от документов к индексу и ответу со ссылкой на источник https://datamarkup.ru/llm-rag/rlhf/ https://datamarkup.ru/img/svc2/rlhf-ekspertnaya-ocenka-otvetov.webp Два монитора для сравнения ответов: показана цепочка от пары ответов к выбору эксперта и обучению https://datamarkup.ru/llm-rag/testirovanie-bezopasnosti-modeley/ https://datamarkup.ru/img/svc2/testirovanie-bezopasnosti-ii-modeley.webp Ноутбук с диалогом модели: рамками отмечены ответ модели и запрос-атака, рядом блокнот с чек-листом проверок https://datamarkup.ru/moderaciya/ https://datamarkup.ru/img/svc2/moderaciya-kontenta.webp Рабочее место модератора: показана цепочка от контента к категориям нарушений и решению https://datamarkup.ru/moderaciya/tajnye-proverki/ https://datamarkup.ru/img/svc2/taynye-proverki-magazinov.webp Касса самообслуживания в магазине: рамками отмечены экран терминала и товар на ленте по чек-листу проверки https://datamarkup.ru/razmetka-dannyh/audio/ https://datamarkup.ru/img/svc2/razmetka-audio-po-spikeram.webp Студийный микрофон и наушники: дорожка записи разбита на реплики двух спикеров с границей между ними https://datamarkup.ru/razmetka-dannyh/izobrazheniy/ https://datamarkup.ru/img/svc2/razmetka-izobrazheniy-bounding-box.webp Городской перекрёсток сверху: на автомобиле и фургоне размечены рамки с классом объекта и уверенностью модели https://datamarkup.ru/razmetka-dannyh/lidar-3d/ https://datamarkup.ru/img/svc2/razmetka-lidar-3d-kuboidy.webp Лидарное сканирование улицы: на автомобиле в облаке точек построен трёхмерный кубоид с габаритами https://datamarkup.ru/razmetka-dannyh/med-dicom/ https://datamarkup.ru/img/svc2/razmetka-dicom-medicinskih-snimkov.webp Читальная комната рентгенолога: на срезе компьютерной томографии обведён контур очага https://datamarkup.ru/razmetka-dannyh/teksta/ https://datamarkup.ru/img/svc2/razmetka-teksta-polya-dokumenta.webp Первичные документы на столе: рамками выделены поля поставщика, суммы и даты для извлечения https://datamarkup.ru/razmetka-dannyh/video/ https://datamarkup.ru/img/svc2/razmetka-video-treking-obektov.webp Стена мониторов видеонаблюдения: на одном кадре размечен объект и его траектория движения по времени https://datamarkup.ru/razmetka-dannyh/video-v-tekst/ https://datamarkup.ru/img/svc2/rasshifrovka-audio-v-tekst.webp Диктофон на переговорном столе: показана цепочка от записи к расшифровке и разбивке по говорящим https://datamarkup.ru/razrabotka/1c-marketpleysy/ https://datamarkup.ru/img/svc2/integraciya-1c-s-marketpleysami.webp Упаковочный стол сверху: на посылках размечены этикетка и габариты для карточки маркетплейса https://datamarkup.ru/razrabotka/avtomatizaciya/ https://datamarkup.ru/img/svc2/avtomatizaciya-biznes-processov.webp Стол документооборота: лист на выходе сканера отмечен как распознанный, показан путь документа до маршрута в системе https://datamarkup.ru/razrabotka/avtomatizaciya-sklada/ https://datamarkup.ru/img/svc2/avtomatizaciya-sklada-priemka.webp Приёмка на складе: коробки на рольганге пронумерованы как грузовые места, паллета обведена отдельно https://datamarkup.ru/razrabotka/chat-botov/ https://datamarkup.ru/img/svc2/razrabotka-chat-botov.webp Телефон в руке с открытым чатом: реплики размечены интентом, ответом бота и моментом эскалации на оператора https://datamarkup.ru/razrabotka/ii-agentov/ https://datamarkup.ru/img/svc2/razrabotka-ii-agentov.webp Серверный коридор: схема работы агента из трёх шагов — запрос, поиск по базе документов, действие в системе https://datamarkup.ru/razrabotka/ii-dlya-1c/ https://datamarkup.ru/img/svc2/iskusstvennyy-intellekt-v-1c.webp Рабочее место бухгалтера: показана цепочка от операции к подсказке модели и готовой проводке https://datamarkup.ru/razrabotka/integraciya-1c/ https://datamarkup.ru/img/svc2/integraciya-1c-obmen-dannymi.webp Учётная система на экране: размечены строка с ошибкой обмена, журнал обмена внизу и бумажная первичка на столе https://datamarkup.ru/razrabotka/lichnyj-kabinet/ https://datamarkup.ru/img/svc2/razrabotka-lichnogo-kabineta-klienta.webp Экран личного кабинета: размечены статусы заявок, зона загрузки документа и скан документа рядом с ноутбуком https://datamarkup.ru/razrabotka/mashinnoe-zrenie/ https://datamarkup.ru/img/svc2/mashinnoe-zrenie-kontrol-kachestva.webp Камера машинного зрения над конвейером: одна деталь помечена как годная, соседняя — как дефект со сколом https://datamarkup.ru/razrabotka/mobilnyh-prilozhenij/ https://datamarkup.ru/img/svc2/razrabotka-mobilnyh-prilozheniy-s-ii.webp Смартфон в руках наведён на посылку: на экране приложения размечена этикетка с уверенностью модели https://datamarkup.ru/razrabotka/monitoring-oborudovaniya/ https://datamarkup.ru/img/svc2/monitoring-oborudovaniya-stankov-chpu.webp Станок с ЧПУ: шпиндель обведён рамкой, на экране пульта показаны загрузка и простой по телеметрии https://datamarkup.ru/razrabotka/prilozhenij-ios/ https://datamarkup.ru/img/svc2/razrabotka-prilozheniy-dlya-ios.webp Стол разработчика: экран iPhone обведён рамкой с пометкой, что модель работает прямо на устройстве https://datamarkup.ru/razrabotka/raspoznavanie/ https://datamarkup.ru/img/svc2/sistema-raspoznavaniya-lic-skud.webp Проходная бизнес-центра: рамками отмечены камера СКУД и турникет на линии прохода https://datamarkup.ru/razrabotka/raspoznavanie-pervichnyh-dokumentov-1c/ https://datamarkup.ru/img/svc2/raspoznavanie-pervichnyh-dokumentov-1c.webp Стол бухгалтера: на бланке первичного документа рамками выделены поля поставщика и суммы, стрелка ведёт к загрузке в учётную систему https://datamarkup.ru/razrabotka/rechevaya-analitika/ https://datamarkup.ru/img/svc2/rechevaya-analitika-zvonkov.webp Контакт-центр: на экране рабочего места дорожка звонка разделена на реплики оператора и клиента https://datamarkup.ru/sbor-dannyh/crowdsourcing/ https://datamarkup.ru/img/svc2/kraudsorsing-razmetki-dannyh.webp Открытый коворкинг с рядами рабочих мест: показана цепочка от задания к исполнителям и перекрёстной проверке https://datamarkup.ru/sbor-dannyh/ https://datamarkup.ru/img/svc2/sbor-dannyh-na-obekte.webp Полевая съёмка на объекте: показана цепочка от съёмки к проверке и готовому датасету https://datamarkup.ru/sbor-dannyh/sintetika/ https://datamarkup.ru/img/svc2/sinteticheskie-dannye-dlya-obucheniya.webp Трёхмерная сцена на мониторе: показана цепочка от сцены к рендеру и готовой обучающей выборке https://datamarkup.ru/sbor-dannyh/web-scraping/ https://datamarkup.ru/img/svc2/parsing-saytov-sbor-dannyh.webp Два монитора с таблицами данных: показана цепочка от источников к сбору и очищенному набору https://datamarkup.ru/solutions/agro/ https://datamarkup.ru/img/svc2/resheniya-dlya-selskogo-hozyaystva.webp Трактор в поле на закате: показана цепочка от съёмки поля к сегментации и карте работ https://datamarkup.ru/solutions/avtonomnyj-transport/ https://datamarkup.ru/img/svc2/treking-transporta-na-video.webp Ночная магистраль сверху: грузовик и легковые автомобили размечены рамками с номерами треков https://datamarkup.ru/solutions/bezopasnost/ https://datamarkup.ru/img/svc2/resheniya-dlya-bezopasnosti.webp Пост охраны с мониторами: показана цепочка от камер к распознаванию событий и реакции https://datamarkup.ru/solutions/fintech/ https://datamarkup.ru/img/svc2/resheniya-dlya-finansov-i-fintecha.webp Операционный зал банка: показана цепочка от документов к проверкам и скоринговой модели https://datamarkup.ru/solutions/geo/ https://datamarkup.ru/img/svc2/geoanalitika-sputnikovye-snimki.webp Аэрофотоснимок промзоны: сегментированы здание, лесной массив и дорожная сеть https://datamarkup.ru/solutions/medicina/ https://datamarkup.ru/img/svc2/resheniya-dlya-mediciny.webp Диагностический кабинет: показана цепочка от снимков к разметке врачом и обученной модели https://datamarkup.ru/solutions/promyshlennost/ https://datamarkup.ru/img/svc2/resheniya-dlya-promyshlennosti.webp Производственный цех: показана цепочка от линии к поиску дефектов и обученной модели https://datamarkup.ru/solutions/ritejl/ https://datamarkup.ru/img/svc2/resheniya-dlya-roznichnoy-torgovli.webp Торговый зал супермаркета: показана цепочка от полки к детекции товаров и расчёту доли полки https://datamarkup.ru/solutions/robototehnika/ https://datamarkup.ru/img/svc2/resheniya-dlya-robototehniki.webp Робот-манипулятор над лотком с деталями: отмечена выбранная деталь и точка захвата https://datamarkup.ru/vnedrenie-ii/ https://datamarkup.ru/img/svc2/vnedrenie-ii-v-processy.webp Переговорная с доской: показана цепочка внедрения от аудита данных к пилоту и промышленному запуску