Machinelearning. Страница 6

>👉Присоединяйтесь к нашему сообществу Data Analyst REBRAIN, если вы интересуетесь аналитикой данных, управлением проектами или маркетингом. У нас для вас есть множество открытых онлайн-практикумов каждый месяц, которые проводят профессиональные аналитики. В рамках практикумов мы разбираем реальные кейсы анализа данных с использованием самых актуальных инструментов, таких как Python, SQL, Tableau, бизнес-метрики и визуализация данных, статистика, теория вероятностей и другие. Уровень сложности и направление каждого практикума подобраны таким образом, чтобы каждый мог найти для себя интересные задачи и развиваться в соответствии с уровнем своей компетенции. ✔️ Подключайтесь к нам уже сегодня и начинайте развивать свои навыки в области анализа данных совершенно бесплатно!

Jumanji: a Diverse Suite of Scalable Reinforcement Learning Environments in JAX Jumanji is helping pioneer a new wave of hardware-accelerated research and development in the field of RL. Jumanji, набор  моделей для задач RL, специально разработанных для быстрых, гибких и масштабируемого решения. Jumanji предоставляет набор моделей, ориентированных на комбинаторные проблемы, часто встречающиеся в промышленности, а также на сложные общие задачи принятия решений. 🖥 Github: https://github.com/instadeepai/jumanji 📕 Paper: https://arxiv.org/abs/2306.09884v1 🔗 Dataset: https://paperswithcode.com/dataset/mujoco ai_machinelearning_big_data

Газпромбанк приглашает тебя на новую лекцию Digital Лектория — на ней ты сможешь узнать больше о карьере в Data Science и задать интересующие вопросы IT-эксперту. Тема: «Data Science: быть или не быть» Когда: 21 июня, 18:00 (по МСК) Ирина Скорынина, ведущий аналитик-исследователь, расскажет, кому будет интересно в IT и почему не всем стоит идти в это направление, как развиваться в Data Science с непрофильным образованием, какими навыками и компетенциями должен обладать Data Scientist и как выглядит roadmap специалиста в этой сфере. Регистрируйся и приходи на лекцию, чтобы узнать больше о направлении Data Science: www.gpbspace.ru/digital…all-form Реклама Банк ГПБ (АО), ИНН: 7744001497 erid:LjN8Jste3

📌 LOMO: LOw-Memory Optimization New optimizer, LOw-Memory Optimization enables the full parameter fine-tuning of a 7B model on a single RTX 3090, or a 65B model on a single machine with 8×RTX 3090, each with 24GB memory. Новый оптимизатор, LOw-Memory Optimization (LOMO), который объединяет вычисление градиента и обновление параметров в один шаг для уменьшения использования памяти. Интегрируя LOMO с существующими методами экономии памяти, можно сократить использование памяти до 10,8% по сравнению со стандартным подходом (решение DeepSpeed). 🖥 Github: https://github.com/OpenLMLab/LOMO/tree/main 📕 Paper: https://arxiv.org/pdf/2306.09782.pdf 🔗 Dataset: https://paperswithcode.com/dataset/superglue ai_machinelearning_big_data

🔥 Главная в России конференция про Kubernetes® 22 июня 2023 года состоится Kuber Conf — конференция для всех, кто работает с Kubernetes®. Вас ждёт 9 докладов, 12 спикеров, 180 минут техноконтента: ➡️ технические доклады, продуктовые обзоры, лучшие практики от разработчиков и экспертов по контейнерным технологиям; ➡️ создание сервисов и решение бизнес-задач с помощью Kubernetes в финтехе, e-commerce, HoReCa и не только; ➡️ неформальное общение с профессиональным сообществом, встреча старых друзей и новые знакомства. Регистрируйтесь по ссылке, чтобы получить доступ к онлайн-трансляции Kuber Conf’23!

🌐 WizMap: Scalable Interactive Visualization for Exploring Large Machine Learning Embeddings WizMap - это масштабируемый интерактивный инструмент визуализации, который поможет вам легко исследовать эмбеддинги. 🖥 Github: https://github.com/poloclub/wizmap ⭐️ Colab: colab.research.google.com/drive/1…AN-0IMZA 📕 Paper: https://arxiv.org/abs/2306.09328v1 🔗 Web demo: https://poloclub.github.io/wizmap. ai_machinelearning_big_data

🔥 Подборка каналов для Дата сайентиста 🖥 Machine learning datasc - Data science в телеграм! @bigdatai - Big Data @machinelearning_ru – гайды по машинному обучению @machinelearning_interview – подготовка к собеседованию мл. @datascienceiot – бесплатные книги ds @ArtificialIntelligencedl – ИИ @machinee_learning – чат о машинном обучении @datascienceml_jobs - вакансии ds, ml @Machinelearning_Jobs - чат с вакансиями #️⃣ c# c++ C# - погружение в C# @csharp_cplus чат С++ - обучающий канал по C++. @csharp_1001_notes - инструменты C# 🖥 SQL базы данных @sqlhub - Повышение эффективности кода с грамотным использованием бд. @chat_sql - чат изучения бд. 👣 Golang @Golang_google - восхитительный язык от Google, мощный и перспективный. @golang_interview - вопросы и ответы с собеседований по Go. Для всех уровней разработчиков. @golangtests - интересные тесты и задачи GO @golangl - чат изучающих Go @GolangJobsit - отборные вакансии и работа GO @golang_jobsgo - чат для ищущих работу. @golang_books - полезные книги Golang @golang_speak - обсуждение языка Go @golangnewss - новости go 🖥 Linux linux - kali linux ос для хакинга linux chat - чат linux для обучения и помощи. @linux_read - бесплатные книги linux 🖥 Python @pythonl - главный канал самого популярного языка программирования. @pro_python_code – учим python с ментором. @python_job_interview – подготовка к Python собеседованию. @python_testit - проверочные тесты на python @pythonlbooks - современные книги Python @python_djangojobs - работа для Python программистов @python_django_work - чат обсуждения вакансий 🖥 Javascript / front @react_tg - - 40,14% разработчиков сайтов использовали React в 2022 году - это самая популярная библиотека для создания сайтов. @javascript -канал для JS и FrontEnd разработчиков. Лучшие практики и примеры кода. Туториалы и фишки JS @Js Tests - каверзные тесты JS @hashdev - погружение в web разработку. @javascriptjobjs - отборные вакансии и работа FrontEnd. @jsspeak - чат поиска FrontEnd работы. 🖥 Java @javatg - выучить Java с senior разработчиком на практике @javachats - чат для ответов на вопросы по Java @java_library - библиотека книг Java @android_its - Android разработка @java_quizes - тесты Java @Java_workit - работа Java @progersit - шпаргалки ит 👷‍♂️ IT работа https://t.me/addlist/_zyy_jQ_QUsyM2Vi -ит каналы по яп с вакансиями 🤡It memes @memes_prog - ит-мемы ⚙️ Rust @rust_code - Rust избавлен от болевых точек, которые есть во многих современных яп @rust_chats - чат rust 📓 Книги https://t.me/addlist/HwywK4fErd8wYzQy - актуальные книги по всем яп ⭐️ Нейронные сети @vistehno - chatgpt ведет блог, решает любые задачи и отвечает на любые ваши вопросы. @aigen - сети для генерации картинок. видео, музыки и многого другого. @neural – погружение в нейросети. 📢 English for coders @english_forprogrammers - Английский для программистов 🖥 Devops Devops - канал для DevOps специалистов.

Macaw-LLM: Multi-Modal Language Modeling with Image, Audio, Video, and Text Integration Macaw-LLM is a model of its kind, bringing together state-of-the-art models for processing visual, auditory, and textual information, namely CLIP, Whisper, and LLaMA. Macaw-LLM - новый мультимодальный LLM, который легко объединяет визуальную, аудио и текстовую информацию. Модель построена на основе CLIP, Whisper и LLaMA и обеспечивает бесшовную интеграцию мультимодальных данных. 🖥 Github: https://github.com/lyuchenyang/macaw-llm ⭐️ Model: https://tinyurl.com/yem9m4nf 📕 Paper: https://tinyurl.com/4rsexudv 🔗 Dataset: github.com/lyuchen…ain/data ai_machinelearning_big_data

🐼 PandaLM: ReProducible and Automated Language Model Assessment Judge large language model, named PandaLM, which is trained to distinguish the superior model given several LLMs. PandaLM's focus extends beyond just the objective correctness of responses, which is the main focus of traditional evaluation datasets. PandaLM - обеспечивает автоматизированные сравнения между различными большими языковыми моделями (LLM). Задавая одинаковый контекст, PandaLM может сравнивать ответы различных LLM и предоставлять причину решения вместе с эталонным ответом. 🖥 Github: https://github.com/weopenml/pandalm 📕 Paper: https://arxiv.org/abs/2306.05087v1 🔗 Dataset: github.com/tatsu-l…d_alpaca ai_machinelearning_big_data

📹 Video-LLaMA: An Instruction-tuned Audio-Visual Language Model for Video Understanding LLaMA is working on empowering large language models with video and audio understanding capability. Video-LLaMA - мультимодальная система, которая расширяет возможности больших языковых моделей (LLM) для понимания как визуального, так и аудио контента в видео. 🖥 Github: https://github.com/damo-nlp-sg/video-llama 📕 Paper: https://arxiv.org/abs/2306.02858 ⏩ Demo: huggingface.co/spaces/…eo-LLaMA 📌 Model: modelscope.cn/studios…/summary ai_machinelearning_big_data

⚠️Пройдите тест на углубленные знания в сфере Machine Learning. Professional 🔓 Ответьте на 10 вопросов и проверьте, насколько вы готовы к обучению на продвинутом курсе «Machine Learning. Professional» от OTUS и его партнера — Сбера. ⏰ Время прохождения теста ограничено 30 минут 👉 ПРОЙТИ ТЕСТ: https://otus.pw/vMDX/ Присоединяйтесь 15 июня в 18:00 мск к открытому уроку. На вебинаре «Content-based рекомендательные системы» вы: — Узнаете общие принципы построения рекомендательных систем — Познакомитесь с методами контентной фильтрации — Построите свою первую рекомендательную систему для онлайн-магазина. Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963. 2RanynG9KRz

Segment Anything 3D SAM-3D: A toolbox transfers 2D SAM segments into 3D scene-level point clouds. Новый фреймворк, который может предсказывать маски объектов в трехмерных сценах, используя модель "Segment-Anything" (SAM) в RGB изображениях без дополнительного обучения или настройки. 🖥 Github: https://github.com/pointcept/segmentanything3d ⏩ Paper: https://arxiv.org/abs/2306.03908v1 📌 Dataset: https://paperswithcode.com/dataset/scannet ai_machinelearning_big_data

🦍 Gorilla: Large Language Model Connected with Massive APIs Gorilla a finetuned LLaMA-based model that surpasses the performance of GPT-4 on writing API calls. Gorilla — это модель, обученная на основе LLaMA, для вызова 1600+ сторонних API. На вход подается запрос на естественном языке, модель находит семантически и синтаксически правильное API для настройки модели мо. Производительность настроенной модели превосходит GPT-4 на трех масштабных наборах данных. 🖥 Github: https://github.com/ShishirPatil/gorilla 📕 Paper: https://arxiv.org/abs/2305.15334 🔗 Demo: drive.google.com/file/d/…h6j/view 👉 Project: https://shishirpatil.github.io/gorilla/ ⭐️ Colab: colab.research.google.com/drive/1…tdC0QIUP ai_machinelearning_big_data

🔭 GRES: Generalized Referring Expression Segmentation New benchmark (GRES), which extends the classic RES to allow expressions to refer to an arbitrary number of target objects. Новый метод и датасет расширяющий классический RES, который принимает изображение и тектовое описание в качестве входных данных для сегментации и обнаружения множественных объектов. 🖥 Github: https://github.com/henghuiding/ReLA ⏩ Paper: https://arxiv.org/abs/2306.00968 🔎 Project: https://henghuiding.github.io/GRES/ 📌 New dataset: https://github.com/henghuiding/gRefCOCO ai_machinelearning_big_data

Есть опыт в машинном обучении, но хотите расти дальше? Валерий Бабушкин, Vice President, Data Science в Blockchainꓸcom, вместе с karpov.courses создали продвинутый курс по ML, на котором вы научитесь решать нестандартные и востребованные бизнесом задачи. Здесь вы познакомитесь с best practices индустрии и освоите все этапы работы ML-инженера: от сбора и разметки данных до деплоя собственных приложений. К концу обучения вы создадите пять ML-сервисов, решающих реальные прикладные задачи, и научитесь проектировать всю необходимую для их работы инфраструктуру.  Будет непросто, но это того стоит! Новый поток стартует уже сегодня, а по промокоду AIBIGDATA27 вы получите скидку 5%. [Зарегистрироваться]

⚡ Generative AI learning path This learning path guides you through a curated collection of content on Generative AI products and technologies. 10 бесплатных курсов от Googel, которые помогут вам погрузиться в технологии генеративного ИИ: от основ больших языковых моделей до создания и развертывания решений генеративного ИИ в Google Cloud. ▪Introduction to Generative AI ▪Introduction to Large Language Models ▪Introduction to Responsible AI ▪Introduction to Image Generation ▪Encoder-Decoder Architecture ▪Attention Mechanism ▪Transformer Models and BERT Model ▪Create Image Captioning Models ▪Introduction to Generative AI Studio ▪Generative AI Explorer - Vertex AI https://www.cloudskillsboost.google/paths/118 ai_machinelearning_big_data

Wuerstchen: Efficient Pretraining of Text-to-Image Models Novel technique for text-to-image synthesis that unites competitive performance with unprecedented cost-effectiveness and ease of training on constrained hardwar Würstchen - это новый фреймворк для обучения моделей преобразования текста в изображения путем перемещения затратного вычислительно этапа текстового преобразования в сильно сжатое латентное пространство 🖥 Github: https://github.com/dome272/wuerstchen ⏩ Paper: https://arxiv.org/abs/2306.00637v1 📌 Colab: colab.research.google.com/drive/1…gVWdw-Vy ai_machinelearning_big_data

🔥 Подборка полезных папок с каналами для датасаентисов Папки, где вы найдете каналы с разбором лучших практик написания кода на Python и Golang до каналов по машинному обучению и нейросетям (папки работают на последних версиях тг). https://t.me/addlist/2Ls-snqEeytkMDgy - Машинное обучение https://t.me/addlist/8vDUwYRGujRmZjFi - Python https://t.me/addlist/MUtJEeJSxeY2YTFi - Golang