II.8Инженерия данных и аналитика

WavLM-Base-Plus — базовая модель Microsoft для извлечения речевых представлений из аудио. Это плотная Transformer-модель семейства WavLM с 113,3 млн параметров, построенная на основе подхода HuBERT. Она предварительно обучена на речевых аудиозаписях с частотой 16 кГц, в том числе на наборах Libri-Light, GigaSpeech и VoxPopuli. Модель предназначена для извлечения признаков речи, которые можно использовать как основу для последующего дообучения под распознавание речи, классификацию аудио и другие задачи обработки речи. Она сохраняет информацию о произнесённом содержании и особенностях говорящего. Для распознавания речи требуется отдельно создать токенизатор и дообучить модель на размеченных текстовых данных. Карточка указывает, что модель рассчитана на английскую речь; входное аудио следует подавать с частотой 16 кГц. Репозиторий содержит веса в формате PyTorch. Лицензия в предоставленных данных не указана, поэтому условия использования по ним определить нельзя. Модель не является готовой системой распознавания речи: без адаптации к целевой задаче она выдаёт аудиопризнаки, а качество для других языков карточкой не подтверждено.

Модель Tiantian Feng классифицирует широкие варианты английского акцента в аудиозаписи речи. Она основана на Whisper large-v3 и описана в работе Vox-Profile — бенчмарке речевых моделей для характеристики различий между говорящими и речью. Модель относит акцент к одной из трёх категорий: British Isles, North America или Other. Её можно использовать для анализа речевых записей и определения широкой группы английского акцента. Модель принимает аудио и выдаёт метку класса. Карточка указывает на обучение на Common Voice 11.0; метаданные связывают её с английским языком. Модель распространяется по лицензии OpenRAIL. Карточка исключает клиническое и диагностическое применение, наблюдение и вторжение в частную жизнь, а также коммерческое использование.

jalaluddin94/xlmr-large-nli-indoindo — модель классификации текста на базе XLM-RoBERTa Large, дообученная разработчиком на неизвестном наборе данных. Она содержит 658,7 млн параметров, принимает текстовые последовательности длиной до 514 токенов и предназначена для классификации текста. На оценочном наборе указаны accuracy, precision и recall 0,8584, а F1 — 0,8585. Название репозитория указывает на NLI и индонезийский язык, однако карточка не уточняет обучающие данные, метки классов и сценарии использования, поэтому эти детали нельзя подтвердить. Модель распространяется по лицензии MIT.

Kuongan/xlm-roberta-base-esp-finetuned — дообученная модель классификации текста на базе XLM-RoBERTa Base, опубликованная Kuongan. В метаданных указаны архитектура XLMRobertaForSequenceClassification, 305,2 млн параметров, формат safetensors и контекст до 514 токенов. Модель предназначена для присвоения меток текстовым последовательностям; конкретная схема меток и целевая область применения не описаны. В карточке приведены результаты оценки: F1 0,7715, ROC AUC 0,8559, accuracy 0,6033 и loss 0,3345. README называет датасет обучения None, поэтому эти показатели не позволяют определить тип классификации или оценить переносимость на другие данные. Лицензия — MIT.

Kuongan/xlm-roberta-base-ron-finetuned — дообученная модель классификации последовательностей на основе XLM-RoBERTa Base, опубликованная в формате safetensors. Карточка указывает метрики на оценочном наборе: F1 0,7035, ROC AUC 0,7953, accuracy 0,3821 и loss 0,4393; набор данных обозначен как None, поэтому область классификации определить нельзя. Модель предназначена для классификации текста. XLM-RoBERTa — плотная трансформерная архитектура с 305,2 млн параметров и контекстом до 514 токенов. Базовая модель многоязычная, однако конкретные языки и целевые классы этого дообучения не описаны. Лицензия — MIT.

koppolusameer/yolo11n-basketball-court-keypoints — модель семейства YOLO11n-Pose, дообученная автором на наборе koppolusameer/basketball-keypoint-detection-yolov8 для обнаружения ориентиров баскетбольной площадки на кадрах трансляций. Она принимает изображение и выдаёт координаты 48 ключевых точек в пикселях вместе с оценками уверенности. Результаты можно использовать для последующей регистрации площадки и анализа видео; для преобразования пиксельных координат в координаты площадки отдельно нужны гомография и карта соответствия индексов точек местам на площадке. Модель основана на yolo11n-pose.pt и распространяется в формате PyTorch через Ultralytics. Лицензия — AGPL-3.0.

ActivityLevelbinary — модель классификации текста на основе DeBERTa-v3-base, дообученная разработчиком ajrayman для бинарной классификации уровня активности. Архитектура содержит около 211,6 млн параметров, принимает текстовые последовательности длиной до 512 токенов и выдаёт класс классификации. Модель предназначена для применения в сценариях, где нужно отнести текст к одной из двух категорий уровня активности. На оценочном наборе указаны accuracy 0,6102, precision 0,588, recall 0,7332, F1 0,6526 и AUC 0,6674. Данные обучения в карточке обозначены как None, поэтому переносимость метрик на другие данные не установлена. Лицензия — MIT.

afrisenti-diacritized-scratch_scratch — модель классификации текста на базе RoBERTa, дообученная автором на неизвестном наборе данных. Репозиторий содержит 17,1 млн параметров и веса в формате safetensors; модель принимает текст и выдаёт метки классификации. Для оценки указаны Accuracy 0,6437 и Macro F1 0,6442, однако описание не раскрывает набор меток и назначение классификации. Контекст модели составляет 132 токена. Лицензия — MIT.

Модель sercetexam9/afro-xlmr-base-amh-finetuned-augmentation-LUNAR — дообученная версия Davlan/afro-xlmr-base для классификации текста. Она построена на архитектуре XLM-RoBERTa, содержит около 305,2 млн параметров и принимает последовательности длиной до 514 токенов. Базовая модель предназначена для работы с африканскими языками; название чекпойнта указывает на амхарский язык, однако карточка не описывает набор меток и обучающие данные. Модель подходит для задач классификации текстовых последовательностей. В README приведены результаты оценки: F1 0,718, ROC AUC 0,8216, точность 0,5711 и loss 0,3598; без сведений о датасете и метриках эти показатели нельзя уверенно переносить на другие данные. Лицензия — MIT.

Harvinder6766/ams_non_ams_classifier — модель классификации текста на базе архитектуры BERT, опубликованная пользователем Harvinder6766 на Hugging Face. Согласно идентификатору модели, она предназначена для разделения текстовых примеров на классы AMS и non-AMS, однако расшифровка этих классов и сведения о разработчике в карточке не приведены. Модель содержит около 136,7 млн параметров, работает с библиотекой Transformers и поддерживает контекст длиной до 512 токенов. Она может использоваться для автоматической бинарной классификации текстов в прикладном конвейере, если входные данные соответствуют распределению обучающей выборки. Язык текстов, наборы данных, метод дообучения, результаты оценки и лицензия в доступных материалах не указаны.

auro-rirum/audioforge-scratch-cnn-fsd50k — модель AudioForge на архитектуре ScratchAudioCNN, обученная с нуля на датасете FSD50K для многометочной классификации звуковых событий окружающей среды. Она предназначена для определения нескольких типов событий в аудиозаписи; для загрузки требуется пакет audioforge, поскольку модель не является штатным классом Transformers. В README приведены метрики проверки на FSD50K: mAP 0,302, micro F1 0,426 и macro F1 0,118. Модель распространяется в формате safetensors по лицензии MIT.

Это гибридная модель машинного обучения для прогнозирования уровня воды в реках и поддержки выпуска предупреждений о наводнениях. В конвейере GRU извлекает временные зависимости из гидрологических рядов, а XGBoost использует исходные признаки вместе с состояниями GRU для итоговой регрессии. В карточке указаны реализации на TensorFlow и оптимизация GRU-компонента в ONNX для CPU-инференса. Модель рассчитана на сценарии гидрологического мониторинга с агрегированными данными об осадках и расходе речного потока. Для очистки сигналов применяется вариационная модовая декомпозиция, а признаки и целевая переменная стандартизируются по историческим обучающим данным. README приводит метрики на отложенной выборке, включая R² 0,987 и F1 0,846 для обнаружения наводнений по порогу 80-го процентиля; результаты зависят от данных и условий оценки. Лицензия в предоставленных источниках не указана.

Это архивное зеркало модели dannashao/bert-base-uncased-finetuned-advanced-srl_arg, размещённое Pak Kin Lau. Веса и токенизатор побайтно совпадают с указанным upstream-коммитом; репозиторий перенесён в другую область Hugging Face для долгосрочного хранения. Модель основана на BERT base uncased и дообучена для разметки семантических ролей токенов в английских предложениях относительно предиката. Её можно использовать в системах семантического анализа текста, которым нужно определять роли участников событий. Архитектура — BertForTokenClassification, размер — 136,7 млн параметров, контекст — до 512 токенов; для работы используется библиотека Transformers. Модель принимает текст и выдаёт метки для токенов. Карточка описывает её как архивную копию для исследовательского проекта, но не приводит оценок качества или подробностей о данных обучения. Лицензия — Apache-2.0.

Riprobot/bert-ner-demo — дообученная модель BERT для классификации токенов, основанная на BAAI/bge-small-en-v1.5. Она предназначена для извлечения меток на уровне токенов; название репозитория указывает на демонстрацию распознавания именованных сущностей (NER), но типы сущностей и обучающий набор данных не описаны. Модель содержит около 40 млн параметров, использует библиотеку Transformers и формат Safetensors; максимальная длина контекста — 512 токенов. В карточке приведены результаты оценки: F1 0,9360, точность 0,9293, полнота 0,9427 и accuracy 0,9823. Указана лицензия MIT. Описание не раскрывает набор меток, язык данных и ограничения оценки, поэтому результаты не гарантируют качество на других текстах.

YoliGuadir/beto-prostata-ner — модель на основе BETO, дообученная для распознавания медицинских сущностей в историях болезни при раке предстательной железы. Она выделяет упоминания биомаркеров, диагноза, лечения и анамнеза, помогая структурировать клинические записи на испанском языке. Модель использует архитектуру BERT с классификацией токенов, содержит 137,1 млн параметров и принимает последовательности длиной до 512 токенов. В README сообщается о F1 0,95, точности 0,9438 и полноте 0,9563 для BETO на датасете Prostata в формате CoNLL; для XLM-RoBERTa-large приведён F1 0,9537. Модель связана с учебным проектом по обработке естественного языка Университета Валье. Подходит для извлечения медицинских сущностей из испаноязычных клинических записей по раку простаты. Показатели приведены для указанного датасета; лицензия в доступных данных не обозначена.

Модель nayan06/binary-classifier-conversion-intent-1.1-l12 — классификатор на основе SetFit и Sentence Transformers, обученный на наборе данных о намерении конвертировать. В README базовая модель названа L6, а в имени репозитория указана L12; точный идентификатор базовой модели не приведён. Метаданные описывают архитектуру BERT с примерно 40 млн параметров и контекстом до 512 токенов. Модель предназначена для классификации текстов по намерению конвертировать и связана с задачами извлечения признаков и оценки сходства предложений. README указывает на обучение с CosineSimilarityLoss и предлагает использовать модель через SetFit. Данных о поддерживаемых языках, лицензии и конкретных классах классификации нет.

pabRomero/ClinicalBERT-finetuned-ner-pablo-just-classifier — дообученная модель на базе medicalai/ClinicalBERT для классификации токенов, предназначенная для задач распознавания именованных сущностей в клинических текстах. Архитектура — DistilBERT с головой DistilBertForTokenClassification; веса сохранены в формате safetensors, максимальная длина контекста — 512 токенов. В README приведены метрики на оценочном наборе: precision 0,7118, recall 0,7328, F1 0,7221 и accuracy 0,9650. Данные обучения, набор меток и конкретные типы сущностей не описаны, поэтому качество на иных клинических данных не гарантируется. Лицензия в предоставленных данных не указана.

Это экспериментальный чекпойнт языковой модели Qwen3-4B, дообученный командой agurung с помощью OpenRLHF и алгоритма GRPO. Обучение с подкреплением применялось непосредственно к Qwen/Qwen3-4B-Instruct-2507; модель содержит 3,7 млрд параметров, использует архитектуру Qwen3ForCausalLM и принимает текстовый ввод, генерируя текст. Контекстное окно — до 262 144 токенов. Чекпойнт нацелен на генерацию кода для задач программирования: награда при обучении зависела от прохождения тестов. На описанном наборе задач результат pass@1 составил 0,0810, а pass@8 — 0,2261; это показатели конкретной проверки, а не гарантия качества на других задачах. Модель сохранена на 24-м шаге обучения и предназначена прежде всего для экспериментов с решением задач кодом. Лицензия в предоставленных данных не указана.

Это модель классификации изображений на базе ConvNeXt Large с MLP-головой, представленная в библиотеке timm. Веса визуального энкодера CLIP предварительно обучены в OpenCLIP на LAION-2B, затем модель дообучена на ImageNet-12k и ImageNet-1k; автор карточки — Ross Wightman. Модель содержит около 200,1 млн параметров и рассчитана на изображения размером 320 × 320 пикселей. Модель предназначена для классификации изображений, а также может использоваться как визуальный бэкбон для извлечения карт признаков и эмбеддингов. В README приведены показатели ImageNet-1k: top-1 — 88,6%, top-5 — 98,7%. Репозиторий содержит веса PyTorch и safetensors и распространяется по лицензии Apache-2.0.

Это крупная модель ConvNeXt-V2 Huge, дообученная animetimm для многометочной классификации изображений и извлечения визуальных признаков. Она предназначена для автоматического присвоения изображению тегов из набора Danbooru WD Tagger v4, в том числе общих описательных тегов, имен персонажей и категорий рейтинга. Модель содержит 692,6 млн параметров и рассчитана на изображения размером 512 × 512 пикселей. Обучение и оценка проводились на наборе animetimm/danbooru-wdtagger-v4-w640-ws-full; всего предусмотрено 12 476 тегов. Для категорий тегов README приводит отдельные пороги классификации и метрики, поэтому для лучшего результата следует учитывать рекомендованные пороги или пороги отдельных тегов. Модель принимает изображения и выдаёт оценки тегов; лицензия репозитория — GPL-3.0.

covid-twitter-bert-v2 — англоязычная BERT-large-uncased модель, разработанная Digital Epidemiology Lab и предварительно обученная на сообщениях Twitter о COVID-19. Она предназначена для заполнения пропусков в тексте и может служить основой для обучения классификаторов сообщений в Twitter, в частности для задач анализа высказываний о COVID-19. Модель содержит 433,9 млн параметров, использует архитектуру BERT и поддерживает контекст до 512 токенов. Она обучена на большем объёме данных, чем covid-twitter-bert, и, по данным карточки, показывает более высокое качество на последующих задачах. Доступны версии в форматах PyTorch, TensorFlow и Flax. Модель оценивалась на задачах классификации текстов Twitter из предыдущих соревнований SemEval. Лицензия — MIT. Результаты на этих задачах не гарантируют качество на иных данных или современных сообщениях; для прикладной классификации потребуется обучить и оценить отдельную классификационную голову.

facebook/dino-vitb8 — базовый Vision Transformer, обученный методом DINO командой авторов статьи «Emerging Properties in Self-Supervised Vision Transformers». Модель предобучена без учителя на ImageNet-1k и предназначена для извлечения признаков из изображений и переноса этих представлений на прикладные задачи компьютерного зрения. Архитектура — ViT base с патчами 8×8; модель содержит 113,2 млн параметров и принимает изображения размером 224×224 пикселя. Она возвращает представления изображения и патчей, пригодные, например, для обучения классификатора поверх выходов энкодера. Готовых дообученных голов для классификации в репозитории нет. Модель подходит для построения признаков и обучения классификаторов на размеченных наборах изображений. Она работает с изображениями, а не с текстовыми запросами, и сама по себе не является готовым классификатором. Лицензия — Apache-2.0.

Модель misialyna/distilhubert-finetuned-gtzan — компактная HuBERT-модель для классификации аудио, дообученная на базе ntu-spml/distilhubert на датасете GTZAN. Она предназначена для распознавания музыкальных жанров по аудиозаписям. В оценке на тестовой выборке GTZAN достигла точности 0,8602 при значении loss 0,9734. Модель содержит 18,9 млн параметров, использует архитектуру HubertForSequenceClassification и распространяется в формате Safetensors через Transformers. Лицензия — Apache-2.0. Карточка не описывает состав классов и ограничения оценки; качество на других музыкальных данных может отличаться.

Модель leofltt/distilhubert-finetuned-gtzan-v3 — компактная аудиомодель на архитектуре HuBERT, дообученная на наборе GTZAN от ntu-spml/distilhubert. Она классифицирует аудиозаписи по музыкальным жанрам. В карточке указана точность 0,88 на eval-наборе; модель содержит 18,9 млн параметров и опубликована в формате safetensors. Модель предназначена для автоматической классификации музыки на основе аудио. Базовая модель ориентирована на извлечение представлений из аудио с частотой 16 кГц. Репозиторий распространяется по лицензии Apache-2.0.

vpingale07/distilhubert-v2-v4 — модель классификации аудио на базе DistilHuBERT, дообученная автором на наборе GTZAN. Она предназначена для распознавания музыкальных жанров по аудиозаписям. В оценке на тестовой выборке GTZAN указана точность 0,88 и значение loss 0,9254. Модель содержит 18,9 млн параметров и распространяется в формате safetensors. Лицензия — Apache-2.0. Подробности об архитектуре обучения и конкретных ограничениях в карточке не приведены.

FinBERT — англоязычная модель на архитектуре BERT, разработанная Yi Yang и коллегами и предварительно обученная на текстах финансовых коммуникаций. Для обучения использованы корпоративные отчёты 10-K и 10-Q, стенограммы звонков о доходах и аналитические отчёты; совокупный объём корпуса составляет 4,9 млрд токенов. Модель содержит 137 млн параметров, принимает текстовые последовательности длиной до 512 токенов и предназначена для исследований и практических задач финансового NLP. В опубликованном виде FinBERT решает задачу заполнения пропусков в тексте (fill-mask) и может служить основой для дообучения под анализ финансовых настроений, классификацию ESG и выявление прогнозных заявлений. Репозиторий содержит веса PyTorch. README не указывает лицензию; перед использованием следует проверить условия на странице модели.

ania3000/glot500-base-kuoss-morph — дообученная модель XLM-RoBERTa для классификации токенов. Она основана на cis-lmu/glot500-base, многоязычной модели, предварительно обученной на 500 и более языках. Модель содержит 421,3 млн параметров, принимает текст и имеет контекстное окно 514 токенов. В карточке указаны результаты оценки на тестовом наборе: точность 92,68%, точность на уровне предложений 49,61% и значение функции потерь 0,6143. Данные обучения, конкретная схема разметки и предполагаемые сценарии применения не описаны, поэтому результаты не позволяют определить, какие именно метки предсказывает модель и насколько она подходит для конкретной задачи. Распространяется по лицензии Apache-2.0.

Koichi Yasuoka разработал GPT-2 для разметки японского текста: модель определяет части речи и выполняет синтаксический анализ зависимостей. Она дообучена на основе KoichiYasuoka/gpt2-small-japanese-juman-upos с использованием UD_Japanese-GSDLUW и предназначена для анализа предложений на японском языке. Архитектура — плотная GPT-2, реализация на PyTorch; нативная длина контекста составляет 1024 токена. Для использования через Transformers требуется библиотека fugashi. Лицензия — CC BY-SA 4.0.

gxcsoccer/kronos-mlx-tokenizer-base — порт токенизатора Kronos-Tokenizer-base для Apple MLX, подготовленный разработчиком gxcsoccer на основе NeoQuasar/Kronos-Tokenizer-base. Модель использует бинарную сферическую квантизацию (BSQ), чтобы преобразовывать последовательности финансовых свечей OHLCV в иерархические дискретные токены для моделей прогнозирования семейства Kronos. Токенизатор предназначен для подготовки временных рядов финансовых данных к последующему прогнозированию и другим количественным задачам. Его используют совместно с MLX-предикторами Kronos, например gxcsoccer/kronos-mlx-small; библиотека реализации — kronos-mlx, веса представлены в формате safetensors и рассчитаны на Apple Silicon. Лицензия — MIT.

Mask2Former-Large — модель семантической сегментации аэрофотоснимков, созданная автором репозитория дообучением Mask2Former с энкодером Swin-L на наборе DLR SkyScapes. Она выделяет 20 классов объектов и поверхностей в городской и пригородной среде: дороги и парковки, тротуары и велодорожки, здания, автомобили и другие транспортные средства, растительность и деревья. Модель предназначена для картографирования и GIS, построения HD-карт, анализа сцен и мониторинга окружающей среды по снимкам высокого разрешения. Для загрузки и предобработки используется библиотека Transformers и AutoImageProcessor; веса опубликованы в формате safetensors. В README приведены характеристики исходного набора: 16 снимков разрешением 5616 × 3744 пикселя с размером пикселя на местности 13 см. Модель обучалась на первых 20 семантических классах DLR SkyScapes из исходных 31, поэтому её разметка ограничена этим набором категорий и характеристиками обучающих данных. Автор не рекомендует применять её в критически важных сценариях без проверки человеком. Лицензия — MIT.