Machinelearning. Страница 14

В @Selectel появились новые конфигурации выделенных серверов с GPU для Machine Learning, инференса и других задач, связанных с обработкой больших данных. Вы можете арендовать одну из готовых конфигураций или собрать собственную: например, с NVMe-дисками, большим объемом памяти, несколькими видеокартами или сетевой картой 10 Гбит/с — под любые требования вашего проекта. На все проекты в аккаунте вы получаете бесплатный безлимитный канал 1 Гбит/c. Серверы по умолчанию соответствуют стандартам 152-ФЗ — российского закона о персональных данных. Вы можете арендовать сервер даже на день, чтобы протестировать все возможности GPU, но при долгосрочной аренде на 3, 6 и 12 месяцев действуют скидки до 15%. Чтобы заказать сервер, достаточно сделать пару кликов в удобной панели — и никакого установочного платежа. Регистрируйтесь по ссылке и заказывайте выделенный сервер c GPU: https://slc.tl/vhka6 Реклама ООО Селектел Pb3XmBtzsznTqpXrcbeF5CSCByyCeyTAiAcCx6U

🌐 Как наладить технологии автоматического перевода в своём проекте? В статье на Хабре Андрей Соколов из команды прикладных исследований ВКонтакте подробно и доступным языком рассказал о том, как они сделали свой переводчик для постов и сообщений в мессенджере. Материал будет полезен для тех, кто тоже хочет попробовать использовать и развернуть переводы у себя в проекте. Для чтения статьи не потребуется специальный уровень знаний: в ней нет излишних технических подробностей. При этом в ней вы найдёте ссылки на полезные ресурсы и выдержки из интересных источников. ai_machinelearning_big_data

Какими навыками должен обладать IT-архитектор — специалист, отвечающий за проектирование функциональных частей продукта? Расскажет Владимир Григорьев, Архитектор стрима «Розничный Миддл», на ближайшей лекции Digital Лектория Газпромбанка. Когда: 2 марта, 18:00 (по МСК) О чем: об истории и причинах появления специальности ИТ-архитектора, разных видах специалистов и требованиях к ним, рабочих задачах и организации работы, а также роли ИТ-архитекторов в Газпромбанке. Присоединяйся к лекции, чтобы узнать больше о профессии IT-архитектора. Регистрация открыта: https://www.gpbspace.ru/digital-lectory-hall-form/

📡 Learning Visual Representations via Language-Guided Sampling New approach deviates from image-text contrastive learning by relying on pre-trained language models to guide the learning rather than minimize a cross-modal similarity. Новый альтернативный подход к визуальному обучению: с использованием языкового сходства для выборки семантически схожих пар изображений. 🖥 Github: https://github.com/mbanani/lgssl ⭐️Paper: https://arxiv.org/abs/2302.12248v1 ⏩Pre-trained Checkpoints: www.dropbox.com/sh/me6n…VOS_jHQa 💻 Dataset : https://paperswithcode.com/dataset/redcaps ai_machinelearning_big_data

Video Localized Narratives Video Localized Narratives, a new form of multimodal video annotations connecting vision and language. Новая модель от Google позволяет генерировать аннотации к видео, фиксируя даже сложные события. Авторы уже аннотировали 20 тыс. видео из датасетов OVIS, UVO и Oops, в общей сложности 1,7 млн. слов. 🖥 Github: github.com/google/…rratives ⭐️Paper: https://arxiv.org/abs/2302.11217v1 ⏩ Project: https://www.youtube.com/watch?v=0ORZvDDbDjA 💻 Dataset : paperswithcode.com/dataset…rratives ai_machinelearning_big_data

🔥 Загляните вглубь алгоритма k Nearest Neighbours и попробуйте его на практике! 1 марта в 18:00 мск пройдет вебинар в рамках онлайн-курса «Machine Learning. Professional» в OTUS. Тема урока: «Мы похожи на свое окружение: алгоритм k Nearest Neighbours для задачи классификации» — https://otus.pw/wyLh/ ✅ На занятии мы поговорим о задаче классификации, крайне востребованном классе задач в области ML сегодня. Мы изучим алгоритм kNN для ее решения, а затем применим его на практике. В результате урока мы: - Познакомимся с популярным алгоритмом машинного обучения kNN - Узнаем, как устроен алгоритм kNN - Освоим принципы решения задачи классификации с помощью kNN ⚠️ Урок будет полезен IT-специалистам, которые хотят освоить продвинутые методы ML и перейти в Data Science. Продолжить обучение на курсе возможно в рассрочку. 👉 Пройдите вступительный тест для участия в вебинаре https://otus.pw/wyLh/

27 марта NewProLab запускает 12-й обновленный поток интенсивной онлайн-программы Data Engineer для быстрого старта в дата-инжиниринге и погружения в новые практики и инструменты 📌Кому подойдет программа: дата-инженеры, аналитики данных, бэкенд-разработчики, техлиды и менеджеры 📌Длительность 8 недель (27 марта – 26 мая): - 20 занятий с преподавателями в зуме - 6 лабораторных работ - задач с реальными данными - общий чат с участниками и поддержка координатора 📌Что дает программа: 1) научитесь решать типичные задачи DE и сможете работать дата-инженером 2) структурируете ваши знания и познакомитесь с новыми инструментами 3) поработаете с облачным кластером для решения лаб с реальными данными 4) видеозаписи и другие материалы программы останутся у вас навсегда 📌Лабы, которые предстоит выполнить: 1) Подготовка инфраструктуры 2) Batch-обработка 3) Потоковая обработка данных 4) Data-сервис 5) Сервис персонализации 6) Хранилище для BI-дашборда 📌Преподаватели – практики из ведущих компаний России и мира, рассказывают о сложном простым языком и ответят на все ваши вопросы Оставляйте заявки по ссылке: https://clck.ru/33cDTa 📌По промокоду birthday23 вы получите скидку 23% при покупке программы

Работать там, где живешь, а не жить там, где работаешь? Да, и мы в Тинькофф поддерживаем такой формат работы. Поэтому открыли свои центры разработки не только в Москве, но и еще в 24 городах России, Беларуси, Армении и Казахстана. Для нашей команды эти распределенные IT-хабы — возможность выбирать комфортный город для работы. Не переезжать в столицу, чтобы делать флагманские продукты, а создавать их там, где удобно. Или не оставаться на одном месте, а свободно перемещаться между офисами — встречаться и работать с коллегами по всей стране! Посмотреть открытые вакансии в наши центры разработки и оставить резюме можно на этой странице: https://l.tinkoff.ru/tcr-2023-tinkoff

🚀 Slapo: A Schedule Language for Large Model Training Slapo is a schedule language for progressive optimization of large deep learning model training. Slapo позволяет использовать набор примитивов на PyTorch, запуская их по расписанию, для оптимизации обучения без изменения самой модели. 🚀 Мощная оптимизация. pip3 install slapo 🖥 Github: https://github.com/awslabs/slapo ⭐️Paper: https://arxiv.org/abs/2302.08005v1 💻 Docs: https://awslabs.github.io/slapo/ ai_machinelearning_big_data

👁 EdgeYOLO: An Edge-Real-Time Object Detector EdgeYOLO reaches 34FPS with 50.6% AP in COCO2017 dataset and 25.9% AP in VisDrone2019 (image input size is 640x640, batch=16, post-process included). Новый детектор обнаружения небольших объектов с высокой точностью, не требующий больших вычислительных мощностей. 🖥 Github: https://github.com/lsh9832/edgeyolo ⭐️Paper: https://arxiv.org/abs/2302.07483v1 ⭐️ Weights: github.com/LSH9832…g/v0.0.0 💻 Dataset: https://paperswithcode.com/dataset/visdrone ai_machinelearning_big_data

Ежегодная серия соревнований по машинному обучению Data Fusion Contest 2023 открыта! Вас ждут две задачи в уникальном турнирном соревновании от команд ВТБ и ODS.AI: 🗡 В задаче Атака участники будут создавать атаки на нейросеть, обученную на транзакционных данных. 🛡 В задаче Защита — наоборот, учиться защищать свои модели от заранее оговоренного вида атак. 🏆 Призеров определит турнир — лучшие команды обеих задач столкнутся друг с другом за призовой фонд в 2,000,000 рублей! 💪 Участников также ждет много мерча, онлайн митапы с воркшопами, и возможность фундаментально прокачаться в новых DS/ML методах. Подробности и регистрация — на сайте.

3D-aware Conditional Image Synthesis (pix2pix3D) Model synthesizes a 3d photo from different viewpoints. 3D генеративная модель для управляемого синтеза фотореалистичных изображений. 🖥 Github: https://github.com/dunbar12138/pix2pix3D ⭐️ Project: https://huggingface.co/TencentARC/T2I-Adapter ⭐️Paper: https://arxiv.org/abs/2302.08509 💻 Dataset: https://paperswithcode.com/dataset/coco ai_machinelearning_big_data

Совместная магистерская программа «Науки о данных» Университета науки и технологий МИСИС и СберОбразования позволит освоить востребованную профессию Data Scientist начинающим специалистам, интересующимся Big Data, а также тем, кто уже имеет опыт работы с данными, но хочет углубить свои знания в этой сфере 🧑‍💻 Обучение будет проходить в онлайн-формате, что позволит совмещать учебу и работу. Вы получите все преимущества очной формы обучения – диплом государственного образца, общежитие, проездной и др.Образовательный процесс будет отслеживать команда методистов, преподавателей и тьюторов с опытом организации обучения в Data Science более 3 лет. Эксперты из крупнейших IT-компаний России поделятся с вами наработанным опытом – вы получите нужные знания и навыки в программировании, математике, машинном и «глубоком» обучении. А в третьем семестре сможете выбрать трек для более узкой специализации – Artificial Intelligence Developer, Big Data Engineer, Machine Learning Developer. Подробнее о программе 📌

🌐 Как организовать работу над ML-экспериментами с помощью MLflow MLOps — набор практик и инструментов, которые помогают стандартизировать и повысить эффективность процессов работы с машинным обучением. Эксперты VK Cloud и Karpov.Courses выпустили на Хабре полезную статью, где показали последовательность действий по выстраиванию MLOps-подхода в облаке с помощью JupyterHub и MLflow. Подробнее тут. ai_machinelearning_big_data

27 февраля на TeamLead Conf 2023 пройдет "Яндекс-трек: R&D и культура компании". Для тимлидов, руководителей и СТО! В этом треке мы поговорим о том, как в IT-компаниях с разной корпоративной культурой устроены R&D-департаменты, в которых рождаются, тестируются и запускаются технологические решения. Какова роль инженеров и менеджеров в компаниях с разной культурой? Как построены процессы генерации и приоритизации идей и инноваций? Приходите послушать! 👉Программа Яндекс-трека: https://teamleadconf.ru/moscow/2023/yatrack?utm_source=tg&utm_medium=track&utm_campaign=ai_machinelearning_big_data

🚀 Universal Guidance for Diffusion Models Algorithm successfully generates quality images with guidance functions including segmentation, face recognition, object detection, and classifier signals. Универсальный алгоритм, который позволяет управлять диффузионными моделями без необходимости повторного обучения каких-либо компонентов. 🖥 Github: github.com/arpitba…iffusion 💨 Paper: https://arxiv.org/abs/2302.07121v1 🗳Dataset: https://paperswithcode.com/dataset/imagenet ai_machinelearning_big_data

🧩 LEGO-Net: Learning Regular Rearrangements of Objects in Rooms Model takes an input messy scene and attempts to clean the scene via iterative denoising. LEGO-Net итеративный метод обучения регулярной перестановке объектов в захламленных комнатах. 💨 Project: https://ivl.cs.brown.edu/#/projects/lego-net ✅️ Paper: https://arxiv.org/pdf/2301.09629.pdf ai_machinelearning_big_data

Как построить систему геоаналитики с применением ML? Когда: 20 февраля, 17:00 (мск) 📍 Регистрация Эксперты расскажут про особенности создания ML-решений на примере построения системы предиктивной аналитики на основе геопространственных данных. В программе: 🔹 Разбор кейсов и специфики построения ML-моделей и подходов к разработке проектов. 🔹Обсуждение выбора технологического стека для работы с Machine Learning: какие инструменты пригодятся, как их выбрать и применять. 🔹 QA-сессия со экспертами вебинара. Спикеры: 🔹 Александр Мамаев, руководитель отдела машинного обучения и анализа данных, PREDICT, VK 🔹Артем Агафонов, руководитель группы геоаналитики, PREDICT, VK 🔹Александр Волынский, PM сервиса Cloud ML Platform, VK Cloud Зарегистрироваться