Machinelearning
Технологии . программирование , нейронные сети . канал с самой свежей и актуальной информацией из мира it
-
Machinelearning
✅ LISA: Reasoning Segmentation via Large Language Model New segmentation task -- reasoning segmentation. The task is designed to output a segmentation mask given a complex and implicit query text. LISA раскрывает новые возможности сегментации мультимодальных LLM и позволяет решать сложные задачи рассуждения на знание реального мира. 🖥 Github: https://github.com/dvlab-research/lisa 📕 Paper: https://arxiv.org/abs/2308.00692v2 ☑️ Dataset: https://github.com/dvlab-research/lisa#dataset ai_machinelearning_big_data 
-
Machinelearning
Яндекс Практикум ищет авторов на курсы по машинному обучению и «Математика для анализа данных» Частичная занятость (2-3 часа в день) Яндекс Практикум — это сервис онлайн-образования, где каждый может освоить современные цифровые профессии. Задача автора — создавать и улучшать образовательный контент, чтобы обучение было актуальным. Что предстоит делать? Помимо теории нужно будет придумывать квизы, тесты, практические задания, дополняя это примерами из вашей профессиональной жизни. Почему вам стоит стать автором курса? ● Помощь тысячам людей получить востребованную IT-профессию. ● Прокачка себя и подтверждение своей экспертности. ● Дополнительных доход на удалёнке. Оставьте отклик на сайте, пройдите отбор и станьте проводником в мир IT-профессий 👇 Автор курса «Математика для анализа данных» Автор курсов по машинному обучению 
-
Machinelearning
🦩 OpenFlamingo: An Open-Source Framework for Training Large Autoregressive Vision-Language Models An open-source framework for training large multimodal models. OpenFlamingo - семейство авторегрессионных моделей для обучения LMM в стиле Flamingo с параметрами от 3B до 9B. OpenFlamingo можно использовать для создания подписи к изображению или для создания тейзисов на основе изображения. Преимуществом такого подхода является возможность быстрой адаптации к новым задачам с помощью внутриконтекстного обучения. pip install open-flamingo🖥 Github: https://github.com/mlfoundations/open_flamingo 📕 Paper: https://arxiv.org/abs/2308.01390 ⭐️ Demo: huggingface.co/spaces/…Flamingo ☑️ Dataset: https://paperswithcode.com/dataset/flickr30k ai_machinelearning_big_data
-
Реклама
-
Machinelearning
Приглашаем на новую конференцию от Яндекса по прикладному ML — Practical ML Conf 2023. Регистрация уже открыта! 7 сентября мы проведём большую конференцию по прикладному Machine Learning, где обсудим все новости, которые происходят в ML-отрасли. Это будет хардовая конференция для экспертов: с глубокими техническими докладами и главными ML-инженерами отрасли. Поговорим о ключевых вопросах индустрии: генеративных моделях, Research, NLP, Hardware, CV, RecSys, MLOps и Ecomm. Обсудим реальное применение ML в бизнесе, поделимся кейсами и их решениями. Вот лишь несколько докладов из нашей программы: 🔸Алексей Морозов, руководитель группы модернизации нейронных сетей, Яндекс Поиск. Расскажет про zero-cost fault tolerance в распределённом глубоком обучении. 🔸Валерий Ильин, руководитель группы разработки компьютерного зрения и бизнес-процессов на роботе, Яндекс Маркет. Объяснит, как устроено компьютерное зрение роботов на складах Маркета. 🔸Андрей Зимовнов, ML-директор, Дзен. Расскажет, как в Дзене переосмыслили item2item-рекомендации. 🔸Александр Ледовский, руководитель команды DS и аналитики в монетизации, Авито. Объяснит, как работают рекламные аукционы и автобиддинг в продуктах продвижения Авито. Зарегистрироваться на участие в конференции и узнать все подробности про доклады и спикеров можно здесь. И подписывайтесь на @Yandex4Developers, там мы скоро начнём рассказывать о программе Practical ML Conf 2023 -
Machinelearning
💼 Introducing Qwen-7B: Open foundation and human-aligned models (of the state-of-the-arts) Qwen-7B outperforms the baseline models of a similar model size, and even outperforms larger models of around 13B parameters, on a series of benchmark datasets. Большая языковая модель на основе трансформеров, которая предварительно обучена на большом объеме данных, включая веб-тексты, книги, кодексы и т.д. По сравнению с моделями аналогичного размера, значительно превосходит конкурентов на ряде эталонных датасетов. Токенизатор модели, включает более 150 к. токенов. 🖥 Github: https://github.com/QwenLM/Qwen-7B 📕 Paper: github.com/QwenLM/…_memo.md ☑️ Dataset: https://paperswithcode.com/dataset/mmlu ai_machinelearning_big_data 
-
Machinelearning
Как маленькая нейроязыковая модель победила большую облачную Разработчики Яндекс Клавиатуры рассказали, как отказались от n-граммной модели и выбрали нейроязыковую, поделились итоговой архитектурой модели и показали, насколько получился прирост по метрике saved keys в разных группах приложениях. 🔗 Хабр: habr.com/ru/comp…s/751598 ai_machinelearning_big_data 
-
Machinelearning
⚡️ Improving Pixel-based MIM by Reducing Wasted Modeling Capability A new method that explicitly utilizes low-level features from shallow layers to aid pixel reconstruction. MMPreTrain - это набор инструментов для предварительного обучения с открытым исходным кодом, основанный на PyTorch. Он является частью проекта OpenMMLab. 🖥 Github: https://github.com/open-mmlab/mmpretrain 📕 Paper: https://arxiv.org/abs/2308.00261v1 ⭐️Project: mmpretrain.readthedocs.io/en/latest/ ☑️ Dataset: https://paperswithcode.com/dataset/coco ai_machinelearning_big_data 
-
Machinelearning
📣 Центр непрерывного образования ФКН приглашает на Летнюю школу по аналитике и Data Science! Вас ждут лекции и мастер-классы от спикеров из Яндекса, МТС, Тинькофф, Альфа-Банка, Х5 Group, Дзен, Genotek, Мегафона и не только. Приглашаем всех, кто хочет разобраться: 🔷 Зачем осваивать анализ данных? Как справиться с огромным потоком данных в компании и использовать их на пользу бизнеса? 🔷 Какие сегодня есть тренды в ИИ и как устроены современные технологии? 🔷 Как Data Science применяется в разных индустриях: ритейле, телекоме и медицине? Какие знания в области нужны для работы аналитика в банке? 🔷 Что нужно изучить, чтобы стать аналитиком данных или специалистом по Data Science? Чем аналитик данных отличается от специалиста по data science? Школа подойдет как тем, кто только решил освоить новую профессию, так и начинающим специалистам. 🗓 Когда: 19-20 августа 2023 📌 Где: здание Вышки в Москве на Покровском бульваре, 11 Участие бесплатное для всех желающих, нужно зарегистрироваться до 14 августа. 
-
Machinelearning
🚀 Unified Model for Image, Video, Audio and Language Tasks UnIVAL is a 0.25B-parameter unified model that is multitask pretrained on image and video-text data and target image, video and audio-text downstream tasks. Унифицированная модель с для задач обработки изображений, видео, аудио и языка. 🖥 Github: https://github.com/mshukor/unival 📕 Paper: https://arxiv.org/abs/2307.16184 ⭐️Project: https://unival-model.github.io/ ☑️ Demo: https://huggingface.co/spaces/mshukor/UnIVAL ai_machinelearning_big_data -
Machinelearning
5 августа, в 11:00 по белградскому времени пройдёт вебинар о карьере разработчиков в сербском офисе Nebius. Подключайтесь! Мы поговорим обо всём, что стоит знать кандидату. Вы сможете познакомиться с одним из тимлидов разработки Nebius и узнаете про: — Процесс собеседования — Критерии отбора — Переезд — Плюсы работы в нашем сербском офисе Вебинар пройдёт на русском языке. Он будет полезен всем опытным разработчикам, которые рассматривают Сербию как страну для переезда или уже здесь находятся. Регистрация обязательна #реклама, https://nebius.com Erid: LdtCKUBSC 
-
Machinelearning
🔥 MetaGPT: Meta Programming for Multi-Agent Collaborative Framework MetaGPT, an innovative framework that infuses effective human workflows as a meta programming approach into LLM-driven multi-agent collaboration. MetaGPT - инновационный фреймворк, позволяющий назначать различные роли GPT для создания ит-продуктов и решения сложных задач. MetaGPT принимает на вход однострочное описание задачи и выдает пользовательские истории / конкурентный анализ / требования / структуры данных / API / документы и т.д. 🖥 Github: https://github.com/geekan/metagpt 📕 Paper: https://arxiv.org/abs/2308.00352v1 ☑️ Roadmap: github.com/geekan/…ADMAP.md ai_machinelearning_big_data -
Machinelearning
Этой осенью состоится международная конференция AI Journey 2023, в рамках которой с марта по август проходит отбор научных работ по искусственному интеллекту и машинному обучению. Самые интересные работы будут опубликованы в научном журнале с международной аудиторией, а автор лучшей статьи получит приз - 1 миллион рублей. Не упустите свой шанс принять участие в отборе и получить возможность опубликовать свою статью, а также выступить с докладом на конференции AI Journey! Поторопитесь — осталось совсем немного времени! Подать заявку и ознакомиться с Правилами отбора можно на сайте AI Journey 
-
Machinelearning
⏩ SEED-Bench: Benchmarking Multimodal LLMs with Generative Comprehension A benchmark for evaluating Multimodal LLMs using multiple-choice questions. Система генерации вопросов с несколькими вариантами ответов, ориентированных на конкретные параметры оценки, включающая процессы автоматической фильтрации и ручной проверки. 🖥 Github: https://github.com/ailab-cvc/seed-bench 📕 Paper: https://arxiv.org/abs/2307.16125v1 ☑️ Dataset: https://paperswithcode.com/dataset/seed-bench ai_machinelearning_big_data 
-
Machinelearning
Курс по соревновательному Data Science👨💻 🏆 Хочешь покорить Kaggle и научиться выигрывать соревнования по анализу данных? Тогда курс "Введение в соревновательный Data Science" - это именно то, что тебе нужно! 🎯 В отличие от большинства курсов по машинному обучению, этот курс сконцентрирован на практике, а не на теории. Поэтому на нем будет более 200 практических заданий, интервью с Kaggle Grand Masters и, конечно же, внутренние соревнования для отработки техник. ⚡️В программе курса тебя ждет: * Продвинутая работа с pandas и numpy * Генерация, визуализация и фильтрация признаков * Модуль про SOTA градиентные бустинги и то как их тюнить * Стекинг и блендинг моделей * Ускорение вычислений и оптимизация памяти * Парсинг данных из открытых источников * Работа с Kaggle Api и различными облачными вычислительными сервисам * Нейронки для табличных данных * Интервью с Kaggle Grand Masters и многое другое 🚀 Еще ребята проводят еженедельные открытые вебинары, на которых разбирают решения победителей с чемпионатов, делают обзоры предстоящих соревнование и рассказывают про необычные техники, с которыми сталкиваются на практике. 🔗 Подписывайся на их телеграмм канал, чтобы подробнее узнать про курс и следить за открытыми вебинарами. 
-
Machinelearning
🦙 ToolLLM: Facilitating Large Language Models to Master 16000+ Real-world APIs 🔨ToolLLM aims to construct open-source, large-scale, high-quality instruction tuning SFT data to facilitate the construction of powerful LLMs with general tool-use capability. Открытая платформа для обучения, настройки и оценки больших языковых моделей. git clone [email protected]:OpenBMB/ToolBench.git🖥 Github: https://github.com/openbmb/toolbench 📕 Paper: https://arxiv.org/abs/2307.16789v1 ⭐️Project: openbmb.github.io/ToolBench/ ☑️ Demo: https://github.com/openbmb/toolbench#web-ui ai_machinelearning_big_data
-
Реклама
-
Machinelearning
Как создавать качественные ML-системы Команда VK Cloud перевела две статьи о ML-проектах. В первой части подробнее о жизненном цикле, ценности для бизнеса, важности проектной документации и концепциях PoC или MVP. Во второй части: Data-centric ИИ, данны для обучения, разметка и очистка, синтетические данные, Data Engineering и ETL. 💼 Habr: habr.com/ru/comp…s/749850 ⏩ Habr2: habr.com/ru/comp…s/749852 ai_machinelearning_big_data 
-
Machinelearning
📷 Powerful Multi-Task Transformers for Scene Understanding TaskExpert, a novel multi-task mixture-of-experts model that enables learning multiple representative task-generic feature spaces and decoding task-specific features in a dynamic manner. Мощные многозадачные модели трансформеров для анализа и понимания сцен. 🖥 Github: github.com/prismfo…nsformer 📕 Paper: https://arxiv.org/abs/2307.15324v1 🔗 State of art: paperswithcode.com/sota/mo…capes-3d ai_machinelearning_big_data -
Machinelearning
Для старта карьеры в машинном обучении не хватает опыта? Решайте реальные рабочие задачи на Симуляторе ML. Под руководством ведущих Data Scientists — Валерия Бабушкина и Богдана Печёнкина — вы не просто прокачаете отдельные навыки, а поймёте, как сводить бизнес-задачи к задачам машинного обучения. Поработав над проектами различного уровня сложности, вы научитесь: - Понимать, какие у бизнеса есть проблемы и какими метриками их можно измерить - Проводить А/В-тесты, чтобы подтверждать прирост метрик - Формулировать задачу для модели - Выбирать подходящую модель и обучать её - Организовывать процесс доставки данных для модели - Оборачивать модель в сервис и деплоить его После симулятора вы сможете успешно пройти собеседование на позицию в сфере Machine Learning, получить хорошую работу и приносить пользу бизнесу уже с первых дней. Симулятор работает в режиме подписки и постоянно пополняется новыми задачами. Присоединяйтесь! 