Бета версия
Рецепт максимально простого ужина
Промпт
Рецепт максимально простого ужина
Ответ GigaChat
Конечно! Вот простой рецепт ужина на 4-6 человек: Ингредиенты: — 500 г куриного филе (можно использовать любое мясо) — 1 большая луковица — 2 зубчика чеснока — 1 красный перец — 1 желтый перец — 1 банка томатов в собственном соку (400 г) — Соль и перец по вкусу — Оливковое масло для жарки Приготовление: Нарежьте куриное филе на небольшие кусочки и обжарьте его на сковороде до золотистой корочки. Добавьте нарезанный лук и чеснок, обжаривайте еще несколько минут. Нарежьте перец на полоски и добавьте к курице и луку. Обжаривайте все вместе еще 5 минут. Откройте банку томатов и добавьте ее содержимое в сковороду. Посолите и поперчите по вкусу. Перемешайте все ингредиенты и дайте им прогреться на среднем огне около 10 минут. Подавайте горячим, украсив зеленью или ломтиками лимона. Этот ужин готовится очень быстро и легко, а также содержит минимум ингредиентов. Приятного аппетита!
Попробуйте GigaChat
Общение с GigaChat 2.0
Ввод голосом и озвучивание ответа
Поиск по интернету
Создание картинок
Работа с файлами
Создание открыток
Распознавание изображений
Умный редактор текста
Смотрите также
Промпт для резюме
РезюмеФИО:Иван ИвановКонтактная информация:Телефон: +7 (XXX) XXX XX XXEmail: ivan.ivanov@example.comГород проживания: Москва Цель:Получить должность ML-разработчик в динамично развивающейся компании, способствующей реализации инновационных проектов в области машинного обучения и анализа данных.Профессиональные навыки:— Глубокие знания Python, TensorFlow, PyTorch, Keras, Scikit-Learn, Pandas, NumPy.— Опыт разработки моделей глубокого обучения, классификации изображений, обработки естественного языка, рекомендательных систем.— Умение работать с большими объемами данных, облачными сервисами AWS, Google Cloud Platform.— Навыки построения пайплайнов CI/CD, контейнеризации Docker/Kubernetes.— Понимание основ математики, статистики, линейной алгебры, теории вероятностей.— Способность решать комплексные задачи анализа данных и оптимизации производительности алгоритмов.Образование:Московский государственный университет (МГУ)Факультет вычислительной математики и кибернетикиСпециализация: Прикладная математика и информатикаГод окончания: 20XX г.Опыт работы:ООО «Компьютерные технологии»Должность: ML EngineerДаты: Январь 20XX — настоящее времяОсновные обязанности: — Разработка и оптимизация ML-моделей для задач компьютерного зрения и NLP. — Интеграция моделей в продакшен, мониторинг качества предсказаний. — Автоматизация процессов подготовки данных и деплоймента моделей. — Участие в проектировании архитектуры решений на основе ML-технологий.— АО «Интеллектуальные системы»Должность: Data ScientistДаты: Сентябрь 20XX — Декабрь 20XXОсновные обязанности: — Анализ больших объемов данных для выявления закономерностей и трендов. — Создание моделей регрессии и кластеризации для повышения эффективности бизнес-процессов. — Проведение A/B-тестирования новых продуктов и функций.Ключевые достижения:— Реализация проекта распознавания лиц на основе CNN, достигнув точности >95%. — Оптимизация модели рекомендаций товаров для e-commerce площадки, увеличив конверсию на 15%. — Запуск первого в компании ML-пайплайна с использованием Kubernetes и Airflow.Дополнительная информация:Английский язык: Upper Intermediate (B2-C1). Интересы: Искусственный интеллект, Big Data, Computer Vision, NLP.Готовность к командировкам и гибкому графику работы.Готов приступить к работе немедленно.
СберБанк обрабатывает Cookies с целью персонализации сервисов и для того, чтобы пользоваться сайтом было удобнее. Вы можете запретить обработку Cookies в настройках браузера. Пожалуйста, ознакомьтесь с политикой использования Cookies
Подробно рассказываем, как CберБанк обрабатывает и защищает ваши данные на странице Sber Bank Privacy