Machinelearning. Страница 16

🤖 Погружаемся с нуля в Data Science — перспективную и крайне востребованность область. В преддверии запуска специализации «Machine Learning» приглашаем вас на бесплатный урок онлайн-курса. 👉 Тема урока: Легкий старт в Data Science. На занятии мы разберем основы Машинного Обучения и поговорим о такой востребованной области, как Data Science. 📌 В результате занятия вы: — Изучите основные подходы и принципы методов машинного обучения. — Примените знания на практике — обучите свою первую ML-модель для решения задачи классификации. 👉 Не упустите шанс сделать первый шаг в Data Science! Для участия зарегистрируйтесь https://otus.pw/THXE/

Курс «Английский для аналитиков» от Яндекс Практикума Для специалистов, которые хотят изменить свою профессиональную жизнь и работать в международной команде. Обучение построено вокруг рабочих ситуаций и полезных для карьеры навыков: • Самопрезентация. Рассказ о своей роли, задачах, сфере ответственности на поведенческом интервью и в неформальной беседе. • Работа в команде. Стендапы, планирование спринтов, демонстрация навыков командной работы на собеседовании. • Общение с заказчиками и исполнителями. Сбор требований у стейкхолдеров и постановка задач для разработчиков. • Презентация результатов работы. Выступление на митапах, неформальное общение с коллегами из отрасли. • Обсуждение решений по проекту. Генерация и аргументация идей, участие в мозговых штурмах. • Рефлексия и самоанализ. Ретроспектива, ревью, ответы на сложные вопросы. Запишитесь на бесплатную консультацию. Кураторы определят ваш уровень языка и расскажут подробнее про обучение.

⭐️ The State of Computer Vision at Hugging Face 🤗 Over 3000 models, and over 100 datasets on the Hugging Face Hub. Более 3000 моделей компьютерного зрения и более 100 датасетов на Hugging Face Hub. 💨 Topics: Supported vision tasks and Pipelines Training your own vision models Integration with timm Diffusers Support for third-party libraries Datasets ⏩ Code: HugsVision Model documentation Hugging Face notebooks Hugging Face example scripts Task pages Timm ➡️ Computer Vision applications: Generate 3D voxels from a predicted depth map of an input image Open vocabulary semantic segmentation Narrate videos by generating captions Classify videos from YouTube Zero-shot video classification Visual question-answering Use zero-shot image classification to find best captions for an image to generate similar images 🤗 AutoTrain AutoTrain Image classification Automatic model evaluation 🦾 Zero-shot models CLIP OWL-ViT CLIPSeg GroupViT X-CLIP 🚀 Deployment Deploying TensorFlow Vision Models in Hugging Face with TF Serving Deploying ViT on Kubernetes with TF Serving Deploying ViT on Vertex AI Deploying ViT with TFX and Vertex AI ✅️ Full list @ai_machinelearning_big_data

Как не забывать теорию Deep Learning и учить новое? Можно подписаться на канал DeepSchool. В нем вы найдете - короткие посты с теорией; - разборы статей; - советы по обучению сетей; - вопросы с собеседований; - и обзоры фреймворков. Вот примеры полезных постов: 1. Обзор ключевых идей MobileNet — что делает эту архитектуру столь эффективной 2. Инструкция: как ускорить разметку изображений при помощи CVAT и FiftyOne 3. Что такое attention 4. Об асинхронности вычислений на GPU 5. Вопрос с собеседования на дообучение сегментационной модели Подписывайтесь, чтобы не забывать теорию Deep Learning и учить новое :)

Расскажите, что вы думаете про российские IT-компании — кто, на ваш взгляд, делает классные продукты, у кого самые крутые технологии, а кто недостаточно заботится о сотрудниках. Опрос займёт не больше 5 минут, среди участников будет разыгран iPhone 14 Pro Max (всё честно, правда разыграем, правила тут). 👉Пройти опрос

🚀 K-Planes: Explicit Radiance Fields in Space, Time, and Appearance Model uses d choose 2 planes to represent a d-dimensional scene. Новая модель на PyTorch, которая обеспечивает плавный переход от статических (d=3) к динамическим (d=4) сценам, c высокой оптимизацией. 🖥 Github: https://github.com/sarafridov/K-Planes ✅️ Paper: https://arxiv.org/abs/2301.10241 ⭐️ Project: https://sarafridov.github.io/K-Planes @ai_machinelearning_big_data

❓Хотите перейти в BI-аналитику? Сделайте первые шаги на пути к новому этапу в карьере уже 30 января в 20:00! Приглашаем вас на открытый урок «Подготовка данных для дашборда в Pandas» в OTUS. Вебинар состоится в рамках онлайн-курса «BI-аналитика» для продуктовых и маркетинговых аналитиков, аналитиков данных, Product Owner’ов и Project Manager’ов, Data Scientist’ов, Data Engineer’ов и выпускников, которые хотят работать в области BI-аналитики. ✅На занятии вы узнаете про методы предобработки и “очистки” данных для дальнейшего построения дашбордов в Python Pandas. ➡️Какой результат мы получим? Преобразуем учебный набор данных, очистим его от пропусков и дубликатов, посмотрим различные способы трансформации (группировка, транспонирование строк/столбцов и т.д.). ➡️Пройдите вступительный тест, чтобы определить уровень своей подготовки и записаться на урок: https://otus.pw/qGv6/ Реклама. Информация о рекламодателе на сайте www.otus.ru.

✅️ StyleGAN-T: Unlocking the Power of GANs for Fast Large-Scale Text-to-Image Synthesis StyleGAN-T, addresses the specific requirements of large-scale text-to-image synthesis, such as large capacity, stable training on diverse datasets, strong text alignment, and controllable fidelity vs. text alignment tradeoff. StyleGAN-T новый ган для синтеза текста и изображений. StyleGAN-T значительно превосходит предыдущие GANы и модели дистиллированной диффузии в скорости и качестве генерации текста в изображение. 🖥 Github: github.com/autonomousvision/stylegan-t ✅️ Paper: arxiv.org/pdf/2301.09515.pdf ⭐️ Project: sites.google.com/view/stylegan-t ✔️ Video: https://www.youtube.com/watch?v=MMj8OTOUIok&embeds_euri=https%3A%2F%2Fsites.google.com%2F&feature=emb_logo 🖥 Projected GAN: github.com/autonom…cted-gan @ai_machinelearning_big_data

🔬 Stanford.Game Theory Free Course The course will provide the basics: representing games and strategies, the extensive form, Bayesian games, repeated and stochastic games, and more. 🎲 Еще несколько отличных курсов от Стенфорда. Вы изучите: математический метод нахождения оптимальных стратегий в играх, байесовские игры, повторяющиеся и стохастические игры, теория социального выбора, аукционы и многое другое ▪Game Theory ▪Game Theory II: Advanced ▪Deep Multi-Task and Meta Learning ▪Game Theory for Machine Learning @ai_machinelearning_big_data

⏺Пришло время астропрогнозов на 2023! В новом видео ⬆️ Наши аналитики сформулировали предсказания будущих угроз для корпораций на основе сложившихся трендов и действий злоумышленников, которые мы наблюдали в уходящем году. ▶️Каких атак ждать корпорациям в начавшемся году? ▶️Что изменится в поведении взломщиков? ▶️Как противостоять шантажу и утечкам ПД? ▶️Почему злоумышленники публикуют данные о взломах в общем доступе? У нас есть ответы на эти и другие вопросы в 1,5-минутном видео⬆️ Для тех, кто любит поподробнее — презентация с массой полезных данных. Смотреть презентацию⟶

🔥 Хотите перейти в область дата-инжиринга и работать с большими данными? 👉 Сделайте первые шаги в этом направлении на открытом уроке онлайн-курса «Data Engineer» в OTUS! 27 января в 20:00 мск пройдет вебинар «Elasticsearch как NoSQL хранилище документов». Глубокое понимание этого инструмента — ключевой момент для его правильного применения. 💻 В результате урока вы: 🔸 Изучите классификацию NoSQL СУБД 🔸 Узнаете про отличительные черты Elasticsearch и его применимости к разным задачам 🔸 Узнаете, почему Elasticsearch — одних из наиболее популярных инструментов для создания поисковых датасетов в современном мире 🔸 Поймете, чем так хорош Elasticsearch и задумаетесь об его внедрении в вашей команде 🟢 Чтобы записаться на мероприятие, пройдите вступительный тест: https://otus.pw/QqeN/

✏️ Improving Sketch Colorization using Adversarial Segmentation Consistency New method for producing color images from sketches Новый метод генерации реалистичных, цветных изображений из эскизов. эффективность модели была проверена на 4 различных, крупных датасетов изображений. git clone https://github.com/giddyyupp/AdvSegLoss.git cd AdvSegLoss 🖥 Github: https://github.com/giddyyupp/AdvSegLoss ✅️ Paper: https://arxiv.org/abs/2301.08590v1 ⭐️ Dataset: https://paperswithcode.com/dataset/cityscapes @ai_machinelearning_big_data

Ищем учеников на бесплатное обучение по созданию искусственного интеллекта с нуля. Опыт программирования не важен!🤖 Всего за 3 вечера под руководством Дмитрия Романова - основателя Университета Искусственного Интеллекта, лидера обучения AI-разработке в РФ, вы с легкостью напишете свой первый искусственный интеллект👨‍💻 Какие нейронные сети вы создадите? ▫️Классификация людей на входящих и выходящих из автобуса ▫️Обнаружение возгораний ▫️Оценка стоимости квартир ▫️Оценка резюме соискателей ▫️Прогнозирование стоимости полиметаллов ▫️Сегментация изображений самолетов ▫️Распознавание команд умного дома⠀ Лучше освоить навыки создания нейронных сетей вам помогут домашние задания с проверкой от кураторов.⠀ Приходите на бесплатное обучение и напишите искусственный интеллект за 3 вечера💪 Регистрация по ссылке

🔥 Deep Learning Tuning Playbook This document is for engineers and researchers (both individuals and teams) interested in maximizing the performance of deep learning models. Этот репозиторий-книга от специалистов Google Research с практическими советами по максимальному повышению производительности моделей глубокого обучения. 🖥 Github 📌Reddit @ai_machinelearning_big_data

✅ Multiview Compressive Coding for 3D Reconstruction Multiview Compressive Coding (MCC), learns to compress the input appearance and geometry to predict the 3D structure by querying a 3D-aware decoder MCC — это новый подход к 3D-реконструкции по одному изображению RGB-D от Meta . pip install h5py omegaconf submitit 🖥 Github: https://github.com/facebookresearch/mcc ⭐️ Project: https://mcc3d.github.io/ ✅️ Paper: https://arxiv.org/abs/2301.08247 ⭐️ Dataset: github.com/faceboo…TASET.md @ai_machinelearning_big_data

Java-разработчик — как архитектор Эйфелевой башни. Он создаёт сервисы и приложения, которые должны выдержать огромное количество посетителей — стриминговые сервисы, маркет-плейсы и другие. Разработчик, как архитектор, мыслит творчески: придумывать, как будет выглядеть и работать его проект. А каждая его идея отражается на пользователях. Если вам интересно работать на стыке творчества и технологии — попробуйте java-разработку. Это можно сделать бесплатно — во вводной части курса Яндекс Практикума. Вот что в ней будет: — Основы языка Java: переменные, условные, выражения и циклы. — Азы объектно-ориентированного программирования: классы, конструкторы и методы. — Ваш первый проект на Java — приложение для учёта финансов. Узнайте, подходит ли вам java-разработка →

👨‍🎓 CS224W: Machine Learning with Graphs Free Course from Stanford Topics include: representation learning and Graph Neural Networks; algorithms for the World Wide Web; reasoning over Knowledge Graphs; influence maximization; disease outbreak detection, social network analysis. Шикарный бесплатный курс от Стенфорда, с которым вы изучите структуру графов и их особенности и применения в мо, научитесь строить графовые нейронные сети. Новые лекции, колабы и слайды выходят по вторникам и четвергам. 🔥 Course 2023 📌 Video Lectures 2021 🤗Intro to Graph Machine Learning ai_machinelearning_big_data

🔹Что такое Face Recognition и с помощью каких инструментов лучше подходить к задаче по распознаванию лиц? 💬Обсудим 23 января в 20:00 на открытом уроке онлайн-курса «Компьютерное зрение» в OTUS. На занятии мы разберем: - В чем заключается задача Face Recognition и из каких подзадач она состоит - Какие существуют основные подходы по решению задачи детекции лиц - С помощью каких алгоритмов решается задача распознавания лиц (EigenFaces, нейросетевые методы). - Как на практике решить задачу распознавания лиц с помощью метода EigenFaces. - Какие существуют датасеты, библиотеки и инструменты, необходимые для решения задачи распознавания лиц. 🔥Регистрируйтесь на мероприятие прямо сейчас и получите доступ к курсу по спец.цене! Записаться на урок