Machinelearning. Страница 30
Технологии . программирование , нейронные сети . канал с самой свежей и актуальной информацией из мира it
-
Machinelearning
Нетология ищет экспертов Преподавание для IT-специалистов — это не только дополнительный заработок, но и возможность улучшить своё ораторское мастерство и менторские навыки, развить личный бренд, найти единомышленников среди преподавателей. Нетология ищет экспертов уровня middle и выше, которые готовы делиться накопленными знаниями. Если вы хотите лично обучить будущих коллег и развить свои менторские навыки — переходите по ссылке, оставляйте контакты и становитесь экспертом Нетологии. Подробнее здесь https://netolo.gy/iKT 
-
Machinelearning
🔀 No Language Left Behind Meta's open-sources models capable of delivering high-quality translations directly between any pair of 200+ languages. Github: github.com/faceboo…ree/nllb Paper: research.facebook.com/publica…t-behind Website: ai.facebook.com/researc…t-behind Demo: https://nllb.metademolab.com/ @ai_machinelearning_big_data 
-
Machinelearning
⚡️ ИНТЕНСИВ ML — для продвинутых Присоединяйтесь el='noreferrer nofollow' href='https://otus.pw/Be4qY/'>11 и 13 июля в 18:00 к открытому интенсиву OTUS, вас ждет глубокое погружение в область рекомендательных систем. 👩🏻🎓 Интенсив проведет специалист по анализу данных в команде AGI NLP в Сбере Мария Тихонова. 📌 НА ИНТЕНСИВЕ ИЗУЧИМ: - Популярные подходы для формирования рекомендаций и реализуете один из них своими руками. - Продвинутые методы на основе матричных разложений - Готовые инструменты и библиотеки для построения рекомендательных систем. После интенсива вы сможете продолжить осваивать продвинутые ML-приемы на онлайн-курсе «Machine Learning. Advanced» от OTUS и его партнера — Сбера. День 1 - 11 июля в 18:00 https://otus.pw/Be4qY/ День 2 - 13 июля в 18:00 https://otus.pw/ni8N/ 
-
Реклама
-
Machinelearning
🔥 SeqDeepFake: Detecting and Recovering Sequential DeepFake Manipulation First Seq-DeepFake dataset, where face images are manipulated sequentially with corresponding annotations of sequential facial manipulation vectors. Github: https://github.com/rshaojimmy/seqdeepfake Project: rshaojimmy.github.io/Project…DeepFake Paper: https://arxiv.org/pdf/2207.02204.pdf Dataset: https://paperswithcode.com/dataset/imagenet @ai_machinelearning_big_data -
Machinelearning
🔥 Хардкорный тест по MLOps 🔥 🚀 Ответьте на 10 вопросов и проверьте, насколько вы готовы к обучению на курсе - MLOps. 📊 Курс рассчитан на специалистов по Машинному обучению или Software инженеров, которые хотят научиться использовать современные инструменты MLOps для развертывания их решений в проде. 👉 ПРОЙТИ ТЕСТ - https://otus.pw/eL7y/ ⏰ Время прохождения теста ограниченно 30 минут 💣 Пройдете тест, получите доступ к 2 открытым урокам курса: ✔️ Оркерстрация пайплайнов в AirFlow ✔️ ref='https://otus.ru/lessons/ml-bigdata/?utm_source=telegram&utm_term=ai_machinelearning_big_data&utm_medium=cpm&utm_campaign=ml-bigdata&utm_content=lesson-20-07-2022#event-2148'>Мониторинг моделей машинного обучения в MLFlow 
-
Machinelearning
Вакансия: В PREDICTO открыта вакансия Machine learning engineer О компании: Predicto с 2018 г. занимается анализом и сегментацией данных для крупных российских и иностранных клиентов. В этом году мы поставили себе амбициозную задачу разработки CDP и рекомендательной системы. В нашей команде уже 10 сильных и классных ребят, но задач столько, что очень хотим еще! 📍Middle (важно) 📍 в классном офисе в Москве/гибрид; 📍250-400К руб., белая ЗП или ИП; 📍большой датасет, интересные задачи, возможность влиять на продукт. ✅Что нужно делать: • Разработка моделей машинного обучения, в частности, предиктивных моделей (например, прогнозирование оттока клиентов) и рекомендательной системы; • Самостоятельная постановка гипотез, анализ данных и дизайн фич, проведение и оценка экспериментов; • Участие в продукционализации ML моделей вместе с нашими cloud инженерами и data инженерами. ✅ Требования • Знание алгоритмов машинного обучения и статистического анализа; • Опыт программирования на Python и знание основных библиотек для работы с данными и ML моделями; знание хотя бы одного из фреймворков для deep learning; • Знание SQL и опыт работы с большими данными; • Понимание жизненного цикла и опыт продукционализации ML моделей. ✅ Опционально (плюс): • Опыт участия в соревнованиях по машинному обучению (Kaggle и др); • Понимание принципов распределенной обработки данных, опыт работы с Spark’ом и Spark MLlib; • Знание инструментов и методов MLOps. Присылайте CV @naikava @datascienceml_jobs - ML вакансии -
Machinelearning
🔌 Aug-NeRF: Training Stronger Neural Radiance Fields with Triple-Level Physically-Grounded Augmentations For the first time brings the power of robust data augmentations into regularizing the NeRF training. Github: https://github.com/vita-group/aug-nerf Paper: https://arxiv.org/abs/2207.01164v1 Cloud Drive: drive.google.com/drive/f…JqdJdfc1 @ai_machinelearning_big_data 
-
Machinelearning
Как быть в курсе цен конкурентов, и точно знать, что вы не упускаете прибыль из-за несвоевременной выкладки товара на полки? Инструмент Product Analyzer, разработанный Napoleon IT, распознает любые товары и цены из продуктовых ритейл-сетей, чем облегчает ведение мониторинга. Сейчас Product Analyzer доступен на маркетплейсе Cloud AI Services по модели freemium. Узнайте, как им пользоваться и какие возможности открывает сервис для ритейлеров на совместном вебинаре Cloud и Napoleon IT! Вебинар «Первая AI-модель для распознавания товаров и цен в розничных продуктовых сетях на платформе ML Space» будет полезен маркетинговым и коммерческим директорам розничных сетей, категорийным менеджерам, директорам по закупкам, руководителям отделов мерчендайзинга. Регистрируйтесь по ссылке: Вебинар от команды платформы ML Space 
-
Machinelearning
🧠 Identifying and Combating Bias in Segmentation Networks by leveraging multiple resolutions Github: https://github.com/Deep-MI/FastSurfer Colab: colab.research.google.com/github/…eg.ipynb Paper: https://arxiv.org/abs/2206.14919v1 @ai_machinelearning_big_data 
-
Machinelearning
🎯 A Comprehensive Survey on Deep Gait Recognition: Algorithms, Datasets and Challenges Github: https://github.com/shiqiyu/opengait Paper: https://arxiv.org/abs/2206.13732v1 Dataset: https://paperswithcode.com/dataset/usf @ai_machinelearning_big_data 
-
Machinelearning
📕 Написать большое количество ML-пайплайнов и скриптов — это еще полдела. Но как это менеджерить и запускать с максимальным удобством? 📌 Узнайте 6 июля в 20:00 на открытом уроке в OTUS. Вместе с Миленькиным Александром, старшим менеджером по работе с большими данными X5 Retail Group, разберем инструмент AirFlow, который легко решает эту проблему. AifFlow по ходу дела визуализирует шаги пайплайнов и дает возможность запускать их без использования кода и автоматизировано по расписанию. ⚠️ Урок пройдет в рамках онлайн-курса «MLOps» для специалистов по машинному обучению и Software инженеров. 👉 Для регистрации на вебинар пройдите вступительный тест 
-
Machinelearning
📝 Pen and paper exercises in machine learning Exercises in Machine Learning Github: github.com/michael…xercises Paper: https://arxiv.org/abs/2206.13446v1 📓 Bayesian Reasoning and Machine Learning Free Book @ai_machinelearning_big_data 
-
Machinelearning
⚡️ Старт набора на продвинутый онлайн-курс «Machine Learning Advanced» Редкая возможность для тех, кто занимается машинным обучением! Ответьте на 10 вопросов и проверьте, насколько вы готовы к обучению на углубленном курсе - «Machine Learning. Advanced» от OTUS и его партнера — Сбера. 📌 РЕЗУЛЬТАТ ПРОХОЖДЕНИЯ КУРСА: Вы освоите продвинутые приемы машинного обучения, которые позволят вам уверенно себя чувствовать на ведущих Middle/ Senior позициях и справляться даже с нестандартными задачами. 💻 Двухдневный интенсив — «Рекомендовать или не рекомендовать, пуcть решает ML!», 11 июля в 18:00 https://otus.pw/B4rt/ Время прохождения теста ограничено 20 минут 👉 Пройдете вступительный тест — сможете занять место в группе по спец.цене https://otus.pw/NDQt/ 
-
Machinelearning
🗾 Insubstantial Object Detection Dataset comprised of 600 videos (141,017 frames) covering various distances, sizes, visibility, and scenes captured by different spectral ranges. Github: https://github.com/calayzhou/iod-video Project: https://calayzhou.github.io/ Paper: https://arxiv.org/abs/2206.11459v1 Dataset: https://paperswithcode.com/dataset/coco @ai_machinelearning_big_data 
-
Machinelearning
Data Science[ru] - русскоязычный канал с полезными материалами на такие темы как: 👉 Материалы на тему Machine Learning, Data Science, Алгоритмы👉 Задачи по алгоритмам👉 Вакансии🔥 Так же время от времени бывают скидки на различные конференции для подписчиков Добро пожаловать! @devsp
-
Реклама
-
Machinelearning
🦜 Prosody Cloning in Zero-Shot Multispeaker Text-to-Speech IMS Toucan is a toolkit for teaching, training and using state-of-the-art Speech Synthesis models<a target='_blank' rel='noreferrer nofollow' href='https://github.com/DigitalPhonetics/IMS-Toucan/raw/Multi_Language_Multi_Speaker/Utility/toucan.png'>. Github: https://github.com/rballester/tntorch Pre-Generated Audios: https://multilingualtoucan.github.io/ Cloning prosody across speakers: https://toucanprosodycloningdemo.github.io/ Paper: https://arxiv.org/abs/2206.12229v1 @ai_machinelearning_big_data 
-
Machinelearning
28 июня, 16:00 SAP-проекты: инфраструктура и миграция в 2022 году В следующий вторник @Selectel проведет вебинар, где покажет, как арендовать инфраструктуру для SAP «под ключ» и мигрировать с зарубежной платформы. Расскажут про SLA, оборудование в HCL SAP, сопровождение SAP Basis и соответствие инфраструктуры для SAP 152-ФЗ. Темы вебинара: ◽️ Переезд на российский SAP-хостинг от зарубежных провайдеров ◽️ Миграция проектов SAP без даунтайма ◽️ Настройка SAP на гибридной инфраструктуре ◽️ Оптимизация расходов на инфраструктуру для SAP Также эксперты из компании IBS — интегратора SAP-решений — расскажут про задачи для SAP и техподдержку пользователей. 🚀 Участие бесплатное, регистрируйтесь по ссылке: https://slc.tl/322zq 
-
Machinelearning
🏮 tntorch - Tensor Network Learning with PyTorch PyTorch-powered modeling and learning library using tensor networks<a target='_blank' rel='noreferrer nofollow' href='https://sun9-16.userapi.com/impf/x7u5pBSGFGRqrc3gOmX7iYMGPvrAnWAEVpRBNw/40yEWUR7PDk.jpg?size=1564x1236&quality=96&sign=2f5a66c1a655c9aabc0a10ad67fe4acc&type=album'>. Installation: pip install tntorch Github: https://github.com/rballester/tntorch Docs site: http://tntorch.readthedocs.io/ Paper: https://arxiv.org/abs/2206.11128v1 @ai_machinelearning_big_data 