Нейросеть на своих данных
У любого бизнеса и почти у любого человека данные уже есть: переписки, письма, документы, таблицы, фото. Проблема не в их отсутствии, а в том, что они не в том виде.
Что из ваших данных подо что годится
| Что есть | Во что превращается | Способ |
|---|---|---|
| Переписки с клиентами | пары «вопрос — ответ» (JSONL) | инструкция с примерами → дообучение |
| Регламенты, прайсы, инструкции | база знаний | RAG |
| Таблица со столбцом ответа | обучающая выборка | классическая модель |
| Ваши тексты, посты, статьи | образцы стиля | инструкция → LoRA |
| Фото продукта или персонажа | набор 15–30 изображений | LoRA для генератора |
| Записи звонков | расшифровка → пары | дообучение или база знаний |
Подготовка по шагам
Соберите в одно место
Экспорт из мессенджера, выгрузка из CRM, папка с документами. Без порядка внутри — порядок наведём дальше.
Уберите лишнее и личное
Персональные данные клиентов, пароли, номера карт — вырезать до загрузки куда-либо. Это и закон, и здравый смысл.
Приведите к формату
Пары «запрос — ответ» в JSONL, документы в PDF/DOCX, таблица в CSV с заголовками и одной строкой на пример.
Проверьте качество
Дубли, противоречия («да» и «нет» на один вопрос), опечатки в метках. Один плохой пример из ста портит больше, чем десять хороших добавляют.
Отложите проверочную часть
10–20 % примеров не показывать модели — по ним увидите, научилась она или заучила.
Сколько нужно
База знаний
Сколько есть: хоть один документ. Важнее структура и актуальность.
Инструкция с примерами
3–10 хороших пар. Больше — уже датасет.
Дообучение LLM
От 50 пар для стиля, от нескольких сотен для предметной области, лучше тысяча.
Модель по таблице
От нескольких сотен строк; чем сложнее связь, тем больше.
Главное — коротко
Слово «обучить» в запросе почти всегда значит «сделать так, чтобы нейросеть работала под меня». В трёх случаях из четырёх это решается без обучения: инструкцией с примерами или базой знаний по вашим файлам. Дообучение и своя модель — когда первые два способа честно попробованы и не хватило.
Подготовить мои данные к обучению
Приложите архив, выгрузку или таблицу — агент разберёт, что на что годится, вычистит и отдаст в нужном формате.
Поставить задачу →Частые вопросы
Можно ли загружать данные клиентов в нейросеть?
Только обезличенные. Имена, телефоны, адреса и платёжные данные удаляются до загрузки — это требование закона о персональных данных.
Данных мало — что делать?
Начать с инструкции и базы знаний: они работают на единицах примеров. Датасет можно расширить синтетическими примерами по вашим образцам, но проверять их придётся руками.
В каком формате хранить датасет?
JSONL для пар диалога, CSV для таблиц, папки по классам для картинок. Агент приводит к формату сам.