Machinelearning. Страница 39
Технологии . программирование , нейронные сети . канал с самой свежей и актуальной информацией из мира it
-
Machinelearning
На курсе «Мидл python-разработчик» студенты учатся продвинутой бэкенд-разработке и получают проекты в портфолио без NDA. → Приходите учиться, если вы знакомы с основами Python, базами данных и API. Мы поможем стать уверенным мидлом за шесть месяцев, а не за полтора года. Курс научит решать задачи с хранилищами данных, работать с синхронными и асинхронными фреймворками, проектировать лаконичную архитектуру, а ещё — даст опыт командной разработки. Что будет на учёбе: ⬛️ Код-ревью и обратная связь от старших разработчиков из Яндекса и других IT-компаний. ⬛️ Вся необходимая теория в одном месте. ⬛️ Обучение в команде на реальных рабочих задачах: студенты создадут сервисы для полноценного онлайн-кинотеатра в GitHub. ⬛️ Наставники помогут разобраться с трудностями и поделятся опытом на вебинарах и демо. ⬛️ Кураторы и дедлайны не дадут прокрастинировать. ⬛️ Карьерные консультации: наши специалисты помогут найти новый проект или сделать так, чтобы на текущей работе вам начали давать более амбициозные задачи. → Старт потока — 24 февраля. Учёба длится шесть месяцев. → Познакомьтесь с курсом и оцените свои силы во вступительном тестировании — это бесплатно. 
-
Machinelearning
💡 A lightweight vision library for performing large scale object detection & instance segmentation Github: https://github.com/obss/sahi Paper: https://arxiv.org/abs/2202.06934v1 Kaggle notebook: www.kaggle.com/remekki…5-and-yx Dataset: https://paperswithcode.com/dataset/xview @ai_machinelearning_big_data -
Machinelearning
Опубликованы новые материалы по Machine Learning от Школы анализа данных Яндекса 🔥 То самое пособие, которое ШАД разместила в открытом доступе, пополнилось новым разделом — про базовые архитектуры и обучение нейросетей. Чтобы вы лучше разобрались в предыдущих темах, авторы также добавили главы о математике ML: матричное дифференцирование и bias-variance decomposition. Возьмитесь за основательное изучение Machine Learning и сохраняйте ссылку на онлайн-учебник: https://clck.ru/b33aZ P.S. Пособие регулярно обновляется, и в скором времени в нём появятся материалы о вероятностном подходе к ML и решении сложных задач Data Science. Следите за выходом новых глав! -
Реклама
-
Machinelearning
🎬 FILM: Frame Interpolation for Large Scene Motion Github: github.com/google-…polation Paper: https://arxiv.org/pdf/2202.04901.pdf Video: https://www.youtube.com/watch?v=OAD-BieIjH4 Project: https://film-net.github.io/ @ai_machinelearning_big_data 
-
Machinelearning
На картинке 12 терминов. Сколько из них вы можете объяснить? Если больше 10 - то вы молодец ✔️ Если меньше - то у вашей карьеры или бизнеса хреновое будущее ❌ Это поправимо. Достаточно 2 минуты в день читать этот канал, который ведут эксперты АНО "Цифровая экономика", и вы быстро войдёте в курс необходимых в 2022 году знаний о цифровизации бизнеса. Как минимум, сможете блеснуть на собеседовании. Как максимум - сможете перезапустить бизнес. А ещё там подписчикам раздают чек-листы по цифровизации и топовые книги. Подписывайтесь по этой ссылке: https://t.me/cdo2day. 
-
Machinelearning
🗒 DALL-Eval: Probing the Reasoning Skills and Social Biases of Text-to-Image Generative Transformers Github: https://github.com/j-min/dalleval Paper: https://arxiv.org/pdf/2202.01936v1.pdf Data: drive.google.com/drive/f…7sm7JoIH Dataset: paperswithcode.com/dataset…captions @ai_machinelearning_big_data 
-
Machinelearning
Хотите развиваться в области Data Science? Сделайте первые шаги на открытом уроке «Natural language processing: как компьютер общается с людьми» 16 февраля в 18:00. Тексты встречаются в огромном числе Data Science задач: чат-ботах, голосовых ассистентах или поисковиках. Мария Тихонова, Senior Data Scientist в Сбере, расскажет о принципах их работы и главных трендах в обработке естественного языка. Demo-занятие пройдет в рамках онлайн-курса «Machine Learning. Professional». Пройдите вступительный тест, чтобы оценить свой уровень подготовки и зарегистрироваться https://otus.pw/Tsyh/ 
-
Machinelearning
🖌 Two-Dimensional Tensors in Pytorch machinelearningmastery.com/two-dim…-pytorch One-Dimensional Tensors: machinelearningmastery.com/one-dim…-pytorch PyTorch tensor Tutorial: pytorch.org/tutoria…ial.html @ai_machinelearning_big_data 
-
Machinelearning
21 февраля Яндекс.Практикум запускает бесплатную Школу наставников. Школа наставников — это хорошая возможность развить софт-скиллы, научиться делиться знаниями с командой и подтвердить экспертность в своей области. Она проходит в формате онлайн-занятий. Всего будет 5 уроков, которые будут проходить два раза в неделю по вечерам. Наставник в Практикуме — это опытный специалист, который передаёт свои знания студентам, помогает учиться и справляться с трудностями. Наставничество можно совмещать с основной работой, оно занимает от 6 до 15 часов в неделю. Вознаграждение — от 35 до 50 тысяч рублей в зависимости от курса и потраченного времени. Сейчас ищем наставников в сферах: аналитика данных и Data Science, тестирование, веб-разработка, разработка на Java, Python, С++, Go, дизайн и управление. Подать заявку желательно до 14 февраля, чтобы успеть выполнить тестовое задание: https://clck.ru/auije 
-
Machinelearning
🦾 The easiest way to the neuroscience world with the shield for RaspberryPi Github: https://github.com/Ildaron/EEGwithRaspberryPI Paper: https://arxiv.org/pdf/2202.01936v1.pdf Project: https://www.crowdsupply.com/hackerbci/pieeg @ai_machinelearning_big_data 
-
Machinelearning
VOS: Learning What You Don't Know by Virtual Outlier Synthesis Github: https://github.com/deeplearning-wisc/vos Paper: https://arxiv.org/pdf/2202.01197v2.pdf Dataset: https://paperswithcode.com/dataset/bdd100k @ai_machinelearning_big_data 
-
Machinelearning
FashionTech — новое экспертное медиа про технологии в моде: коллаборации, AR, NFT, тренд репорты и многое другое. Подписавшись, вы узнаете: — Прогноз тенденций по развитию метавселенных — Зачем физические коллекции переходят в цифровые и продаются, как NFT — Какие новые технологии устойчивого производства внедряют бренды — Почему ресайкл и апсайкл - ключевые тренды будущего В канале много переводной аналитики из закрытых источников и экспертного мнения от людей из индустрии. -
Machinelearning
📍 Competition-Level Code Generation with AlphaCode Github: https://github.com/deepmind/code_contests Paper: storage.googleapis.com/deepmin…code.pdf Dataset: https://paperswithcode.com/dataset/humaneval @ai_machinelearning_big_data 
-
Machinelearning
📹 VRT: A Video Restoration Transformer Github: https://github.com/jingyunliang/vrt Paper: https://arxiv.org/abs/2201.12288 Dataset: https://paperswithcode.com/dataset/gopro @ai_machinelearning_big_data 
-
Machinelearning
Исследователи в области компьютерных наук могут получить миллион рублей от Яндекса! До 20 марта открыт прием заявок на научную премию имени Ильи Сегаловича. Подать заявку могут студенты, аспиранты и научные руководители, которые занимаются распознаванием и синтезом речи, информационным поиском, машинным обучением, компьютерным зрением, обработкой естественного языка и машинным переводом. Лауреаты премии получат: — один миллион рублей — оплачиваемую поездку на международную конференцию по AI — гранты на использование сервисов Яндекс.Толока и Yandex DataSphere для своих исследований Подробности по ссылке: https://clck.ru/amsXS 
-
Реклама
-
Machinelearning
🔉 PortaSpeech: Portable and High-Quality Generative Text-to-Speech Github: https://github.com/keonlee9420/PortaSpeech Paper: https://arxiv.org/pdf/2109.15166v4.pdf Dataset: https://paperswithcode.com/dataset/ljspeech @ai_machinelearning_big_data 
-
Machinelearning
📎 When Shift Operation Meets Vision Transformer: An Extremely Simple Alternative to Attention Mechanism Github: https://github.com/microsoft/SPACH Paper: https://arxiv.org/abs/2201.10801v1 Dataset: https://paperswithcode.com/dataset/coco @ai_machinelearning_big_data 
-
Machinelearning
⚪ Pearl: Parallel Evolutionary and Reinforcement Learning Library Github: https://github.com/locuslab/convmixer Paper: https://arxiv.org/pdf/2201.09568v1.pdf @ai_machinelearning_big_data 