Обложка канала

Machinelearning. Страница 4

19282 @ai_machinelearning_big_data
Открыть

Технологии . программирование , нейронные сети . канал с самой свежей и актуальной информацией из мира it

  • Machinelearning

    🦙Flacuna: A Vicuna made of Flan Flacuna was developed by fine-tuning Vicuna on Flan-mini, a comprehensive instruction collection encompassing various tasks. Flacuna была разработана путем доработки Vicuna на Flan-mini. Модель уже является отличным помощником в написании текстов, и настроена на решении задач широкого спектра. Flacuna продемонстрировала заметное улучшение производительности при решении задач в нескольких эталонных датасетах. 🖥 Github: https://github.com/declare-lab/flacuna 📕 Paper: https://arxiv.org/abs//2307.02053 🚀 Model: huggingface.co/declare…13b-v1.0 🔗 Dataset: huggingface.co/dataset…lan-mini ai_machinelearning_big_data

  • Machinelearning

    🦙 Focused Transformer: Contrastive Training for Context Scaling LongLLaMA, a large language model capable of handling long contexts of 256k tokens or even more. LongLLaMA - это большая языковая модель, способная обрабатывать очень длинные тексты (размером 256k токенов и даже больше). Модель основана на OpenLLaMA и доработана с помощью метода фокусированного преобразования (FoT). 🖥 Github: https://github.com/cstankonrad/long_llama 📕 Paper: https://arxiv.org/abs/2307.03170v1 🖥 Colab: colab.research.google.com/github/…ab.ipynb 🔗 Dataset: https://paperswithcode.com/dataset/pg-19 ai_machinelearning_big_data

  • Machinelearning

    NeurIPS, ICML, ACL, CVPR без PhD Tinkoff Lab — лаборатория Тинькофф, в которой студенты работают над исследованиями в области технологий искусственного интеллекта. Студенты Tinkoff Lab проводят эксперименты в области обработки естественного языка (NLP), компьютерного зрения (CV), обучения с подкреплением (RL) и рекомендательных систем (RecSys). По результатам экспериментов они пишут научные работы для наиболее значимых научных конференций: NeurIPS, ICML, ACL, CVPR и другие. 📕 vc: https://vc.ru/education/742897
    Как студенту начать свой путь в науке через Tinkoff Lab — Образование на vc.ru

    Молодые ученые из «Тинькофф» — об исследовательской лаборатории с мировым признанием.

    vc.ru

  • Реклама

  • Machinelearning

    🎨 Making ML-powered web games with Transformers.js The goal of this tutorial is to show you how easy it is to make your own ML-powered web game. Инструкция с кодом по созданию веб-игры с поддержкой ML в реальном времени, которая запускается полностью в вашем браузере (благодаря Transformers.js). 🖥 Github: https://github.com/xenova/doodle-dash 🤗 Hugging face: https://huggingface.co/blog/ml-web-games ⭐️ Code: https://github.com/xenova/doodle-dash 🔗Demo: https://huggingface.co/spaces/Xenova/doodle-dash 🔗 Dataset: huggingface.co/dataset…aw-small ai_machinelearning_big_data

  • Machinelearning

    🚀 Генерации новой версии Kandinsky неотличимы от реальных фото Kandinsky — это нейросеть от Сбера, которая генерирует изображения по описанию. Как рассказал зампред правления банка Александр Ведяхин, в ближайшее время в открытом доступе появится новая версия модели. Главные особенности обновления — повышения качества выходящих изображений, появление новых функций и более быстрая обработка запросов. ai_machinelearning_big_data

  • Machinelearning

    🚀 Hierarchical Open-vocabulary Universal Image Segmentation Decoupled text-image fusion mechanism and representation learning modules for both "things" and "stuff". HIPIE - новая модель сегментации и обнаружения изображений, которая способна выполнять задачи сегментации на различных уровнях (объектов, частей объектов и подчастей) и задач в рамках единой структуры, управляемой ествественным языком. 🖥 Github: https://github.com/berkeley-hipie/hipie 📕 Paper: https://arxiv.org/abs/2307.00764v1 🔗Project: people.eecs.berkeley.edu/~xdwang…ts/HIPIE 🔗 Dataset: paperswithcode.com/dataset…ic-parts ai_machinelearning_big_data

  • Machinelearning

    🔴Марковский Процесс Принятия Решений и Метод Монте-Карло 11 июля 20.00 (мск) погружаемся в мир Reinforcement Lerning на открытом уроке одноименного курса в OTUS и разберем Марковский процесс принятия решений (MDP) и управления Монте-Карло (MCC). Данные методы используются в областях робототехники, медицины, управления, экономики, а специалисты Reinforcement Lerning становятся сегодня одними из самых уникальных на рынке труда в IT. 🔘В процессе вебинара на простых примерах познакомимся с формальными математическими определениями MDP и применим эти знания к более комплексным задачам. Разберем, как работает метод Монте-Карло для поиска оптимальных стратегий.Занятие завершится обзором доступных пакетов с открытым исходным кодом бенчмарками алгоритмов RL. ▶️Регистрация для участия https://otus.pw/amDu/ Вебинар состоится в рамках онлайн-курса «Reinforcement Learning» для DS/ML/DL специалистов, IT-специалистов, которые хотят погрузиться в обучение с подкреплением.После вебинара курс можно приобрести любым удобным для вас способом. Нативная интеграция информация о продукте www.otus.ru

  • Machinelearning

    🪄 Making a web app generator with open ML models В этом руководстве показан подход к созданию приложения по генерации веб-контента на основе искусственного интеллекта (модель WizardCoder) путем потоковой передачи и рендеринга контента за один раз. 🖥 Github: github.com/hugging…ebapp.md 📕 HuggingFace: https://huggingface.co/blog/text-to-webapp 🔗Demo: huggingface.co/spaces/…ardcoder ai_machinelearning_big_data

  • Machinelearning

    Стать Middle ML-специалистом просто — поступи в крупнейшую в России магистратуру по ИИ в ИТМО 🚀 Магистратура AI Talent Hub создана компанией Napoleon IT совместно с ведущим технологическим вузом — ИТМО. За 2 года вы получите актуальные знания в области искусственного интеллекта и освоите перспективные ML-специальности на уровне Middle. AI Talent Hub — это: 🔹200 бюджетных мест для талантливых абитуриентов — становитесь профессионалами в ИИ 🔹обучение на решении реальных бизнес-задач — применяйте знания и навыки на практике уже во время магистратуры 🔹опытные профессионалы-менторы из ведущих партнерских IT-компаний — OZON, VK, Сбер, МТС Digital, Huawei Noah's Ark, «Татнефть», Mail.ru, Яндекс, Газпром и другие — получайте практические знания и возможности для развития 🔹онлайн-формат обучения — учитесь из любой точки земного шара 🔹более 100 курсов по разным направлениям машинного обучения от ИТМО, Передовой инженерной школы ИТМО и экспертов крупных IT-компаний — выбирайте сами, кем хотите стать 🔹обучение в неклассических образовательных форматах — воркшопы, хакатоны, проектные и кейс-семинары — забудьте про скучные лекции и лабораторные. Набор на программу AI Talent Hub «Искусственный интеллект» уже в самом разгаре 🔥 До 10 июля подавайте заявку на конкурс проектов, поступайте без экзаменов и становитесь экспертом в области искусственного интеллекта!

  • Machinelearning

    🏌️ GlOttal-flow LPC Filter (GOLF) A DDSP-based neural vocoder. Новый метод синтеза поющего голоса (SVS), использующий физические характеристики человеческого голоса с помощью дифференцируемой цифровой обработки сигнала 🖥 Github: https://github.com/yoyololicon/golf 📕 Paper: https://arxiv.org/abs/2306.17252v1 🔗Demo: https://yoyololicon.github.io/golf-demo/ ai_machinelearning_big_data

  • Machinelearning

    🚀 NAUTILUS: boosting Bayesian importance nested sampling with deep learning A novel approach to boost the efficiency of the importance nested sampling (INS) technique for Bayesian posterior and evidence estimation using deep learning. Nautilus - это проект от MIT на Python для оценки байесовской апостериорной вероятности. Nautilus обладает высокой точностью,  по сравнению с традиционными методами оценки МСМС и Nested Sampling. Пример: pip install nautilus-sampler import corner import numpy as np from nautilus import Prior, Sampler from scipy.stats import multivariate_normal prior = Prior() for key in 'abc': prior.add_parameter(key) def likelihood(param_dict): x = [param_dict[key] for key in 'abc'] return multivariate_normal.logpdf(x, mean=[0.4, 0.5, 0.6], cov=0.01) sampler = Sampler(prior, likelihood) sampler.run(verbose=True) points, log_w, log_l = sampler.posterior() corner.corner(points, weights=np.exp(log_w), labels='abc') 🖥 Github: https://github.com/johannesulf/nautilus ⭐️ Docs: https://nautilus-sampler.readthedocs.io/ 📕 Paper: https://arxiv.org/abs/2306.16923v1 ai_machinelearning_big_data

  • Machinelearning

    ⭐️ ManimML: Communicating Machine Learning Architectures with Animation An open-source Python library for easily generating animations of ML algorithms directly from code. ManimML - это фреймворк для создания красочной, интерактивной анимации и визуализации различных концепций и алгоритмов машинного обучения. Пример: from manim_ml.neural_network import NeuralNetwork, Convolutional2DLayer, FeedForwardLayer # Make nn nn = NeuralNetwork([ Convolutional2DLayer(1, 7, filter_spacing=0.32), Convolutional2DLayer(3, 5, 3, filter_spacing=0.32, activation_function="ReLU"), FeedForwardLayer(3, activation_function="Sigmoid"), ], layer_spacing=0.25, ) self.add(nn) # Play animation forward_pass = nn.make_forward_pass_animation() self.play(forward_pass) 🖥 Github: https://github.com/helblazer811/manimml 📕 Paper: https://arxiv.org/abs/2306.17108v1 📌 Project: https://www.manim.community/ ai_machinelearning_big_data

  • Machinelearning

    🧍‍♂ BEDLAM: Bodies Exhibiting Detailed Lifelike Animated Motion BEDLAM is useful for a variety of tasks and all images, ground truth bodies, 3D clothing, support code, and more are available for research purposes. Нейронная сеть, обученная только на синтетических данных, которая достигает самой высокой точности при решении задачи оценки 3D позы и формы человека (HPS) по реальным изображениям. 🖥 Github: https://github.com/pixelite1201/BEDLAM 📕 Paper: bedlam.is.tuebingen.mpg.de/media/u…2023.pdf 🔗Render code: github.com/Perceiv…m_render 🎞 Video: https://youtu.be/OBttHFwdtfI 👑 Dataset: https://paperswithcode.com/dataset/bedlam ai_machinelearning_big_data

  • Machinelearning

    А с собакой в офис можно? Ответ: да, если вы работаете в СберМаркете Ребята создали комфортное pet-friendly пространство. В московском офисе компании домашние любимцы не мешают работе, а, наоборот, помогают сотрудникам улучшить настроение и за счёт этого повысить продуктивность. И как же приятно в обеденный перерыв не просто сходить за кофе, а выйти на полноценную прогулку со своим питомцем! А чтобы не забывать о любимых хвостиках даже в рабочих чатах, ребята сделали с ними стикеры. Ну разве не прелесть! Хотите тоже работать в СберМаркете, водить своего пёсика в офис и вместе с командой профессионалов определять будущее доставки из магазинов и ресторанов? Ищите вакансии на сайте Реклама. ООО «Инстамарт Сервис», 115035, Москва, ОГРН 1187746494980. 12+

  • Machinelearning

    📚 5 Free Books on Natural Language Processing to Read in 2023 5 великолепных бесплатных книг по NLP, актуальных в 2023 году. 1. Speech and Language Processing Authors: Dan Jurafsky and James H. Martin Книга, написанная двумя профессорами Стэнфордского университета, по обработке речи и языка содержит исчерпывающее введение в мир НЛП. Она разбита на 3 раздела: Фундаментальные алгоритмы для НЛП, Приложения НЛП и Аннотирование лингвистической структуры. 2. Foundations of Statistical Natural Language Processing Authors: Christopher D. Manning and Hinrich Schütze Эта книга начинает с основ НЛП и постепенно погружает вас в математические аспекты, неодходимые для обработки естественного языка, такие как вероятностные пространства, теорема Байеса, дисперсия и многие другие. 3. Pattern Recognition and Machine Learning Author: Christopher M. Bishop Это детальное введение в область распознавания образов и машинного обучения.В конце каждой главы есть упражнение, подобранное таким образом, чтобы лучше объяснить читателю каждую концепцию. 4. Neural Network Methods in Natural Language Processing Author: Yoav Goldberg Книга начинается с изучения основ, таких как линейные модели, перцептроны, feed-forward, обучение нейронных сетей и тд. Автор использовал математический подход для объяснения этих фундаментальных элементов вместе с практическими примерами. 5. Practical Natural Language Processing В этой книге рассказывается о том, как НЛП используется в реальном мире, о конвейере моделей НЛП, а также о текстовых данных и примерах использования, таких как чат-боты типа ChatGPT. В этой книге вы узнаете, как НЛП может быть использовано в различных отраслях, таких как розничная торговля, здравоохранение, финансы и др.Вы сможете узнать, как работает конвейер НЛП в каждой из областей, и понять, как использовать его в работе. ai_machinelearning_big_data

  • Реклама

  • Machinelearning

    Имеете опыт в машинном обучении, но хотите двигаться ещё дальше? Специально для вас Валерий Бабушкин, Vice President, Data Science в Blockchainꓸcom, вместе с командой опытных специалистов из Яндекса, AliExpress и X5 Retail Group подготовил продвинутый курс, на котором вам предстоит решать сложные и нестандартные задачи бизнеса. Ранжирование и матчинг, динамическое ценообразование, uplift-моделирование, ускорение и повышение чувствительности A/B-тестов — выбирайте нужные блоки или проходите курс целиком. Если вы уже сталкивались с чем-то из этого в своей работе, то познакомитесь с best practices индустрии. А если нет — дополните своё резюме новыми кейсами и станете более разносторонним ML-специалистом. Ждём вас на курсе! Следующий поток стартует уже 3 июля, а по промокоду MBIGDATA28 вас ждет скидка 5%. [Зарегистрироваться]

  • Machinelearning

    📕 Constrained-Text-Generation-Studio AI writing assistant for recreational linguists, poets, creative writers, and/or researchers to use and study the ability of large-scale language models. Это как Photoshop, но для создания текстового контента! Продвинутый ИИ-помощник по написанию текстов и генерированию текста. 🖥 Github: github.com/helliso…n-studio 📕 Paper: https://arxiv.org/abs/2306.15926v1 🔗Dataset: huggingface.co/dataset…pogram-e ai_machinelearning_big_data

  • Machinelearning

    🔥Хотите стать одним из авторов проектов, которые меняют жизнь людей к лучшему в области автоматизации предприятий, медицины, робототехники, виртуальной реальности и других сферах, или стать руководителем отдела Computer Vision в вашей компании? Все это возможно после прохождения обучения на курсе “Компьютерное зрение” в OTUS. Сейчас открыт набор в группу. Приходите 29 июня в 20:00 мск на открытый урок «PyTorch 2.0», чтобы познакомиться с преподавателем и программой курса, оценить все перспективы, которые откроются перед вами. На занятии мы также обсудим, что нового принес фреймворк PyTorch 2.0 в сферу компьютерного зрения и глубокого обучения. 📌Вы узнаете: - Как начать использовать PyTorch для обучения своих нейронных сетей - Что нового в PyTorch 2.0 и чем он отличается от 1.x - Как ускорить и оптимизировать свою нейросеть при помощи одной строчки кода - Как перейти с PyTorch 1.x на 2.0 - Как ускорить трансформеры HuggingFace при помощи PyTorch Transformer API 👉🏻Для участия отправьте заявку https://otus.pw/vOnK/ Кому подходит этот урок: - Начинающим и опытным специалистам в области компьютерного зрения и глубокого обучения - Дата сайентистам, которые хотят ускорить инференс своих моделей - Опытным специалистам, которые еще не перешли на PyTorch 2.0 - Тем, кто хочет познакомиться с фреймворков PyTorch и начать обучать свои нейросети Нативная интеграция подробная информация о продукте www.otus.ru