Обложка канала

Алексей Чернобровов

462 @chernobrovov_channel
Открыть

Личный канал Алексея Чернобровова - консультанта в сфере Digital: Data Science, Big Data, BDSM, Digital Transformation, Artificial intelligence – и все вот эти модные слова.:) Анонсы мероприятий, вакансий, зарисовки личной жизни)

  • Алексей Чернобровов

    🤖Самые ожидаемые AI-стартапы в 2023 году BigHat Biosciences - использует машинное обучение и синтетическую биологию для создания более безопасных и эффективных методов лечения антителами. Darrow - использует ИИ для просеивания общедоступных данных, выявления потенциальных претензий и автоматического создания дел для судебных инстанций. Fixie - компания позволяет пользователям создавать большие приложения языковой модели, уделяя особое внимание обновлению окна чата путем автоматизации больших языковых моделей для решения сложных задач. Harvey - создает индивидуальные модели изучения языка специально для крупных юридических фирм, помогая юристам исследовать и редактировать юридические документы. Hebbia - корпоративная поисковая система на базе ИИ, позволяющая работникам умственного труда искать данные своей компании или надежные источники. HourOne - стартап использует генеративный ИИ для преобразования текста в видеоролики с участием виртуальных докладчиков, эффективно создавая «виртуальных двойников». Latitude - это игровая компания, которая создает цифровые игровые ландшафты и игровые сюжетные линии, созданные ИИ. Regression games - позволяет игрокам создавать ИИ и использовать его в играх и киберспорте. Стартап дает игрокам возможность использовать кодирование и ИИ для персонализации своего игрового процесса.

  • Алексей Чернобровов

    💡🤔⚡️Выходит модель LLaMA 2 Llama 2 — большая языковая модель нового поколения. Новая версия доступна для исследовательских и коммерческих целей и поддерживает открытый подход к разработке и распространению современных моделей ИИ. Основные отличия от первой версии: – Добавили Grouped-Query Attention – Токенов стало больше в два раза(2Т) – Контекст увеличили до 4К – И самое интересное: по словам авторов, есть Chat версии. Они дообучены на диалог, и там даже есть RLHF, прямо как в ChatGPT. По качеству бот сравнимм с ChatGPT-3.5, однако на многих задачах ведет себя даже лучше. 📖 Статья 🖥 Github 🤖 Demo

    10000000_6495670187160042_4742060979571156424_n.pdf

    application/pdf

  • Алексей Чернобровов

    Я продолжаю "играть в города". Минск. ✈️ Прилетел на выходные - поесть драники, погулять, рассказать про Data Science в Ратуше! :)💪 А также мне удалось съездить на производство БелАЗа.🚜 Самое большое впечатление - это огромные белазы, не знаю, насколько это передают фотки, но, когда ты видишь такую большую машину, хочется везде залезть, все посмотреть, она даже не воспринимается как машина, а как какой-то огромный макет. 😵 В самом Минске я уже был много раз, и мне он нравится за чистоту и тишину. Здесь я уже почти все видел, но все равно, с удовольствием, погулял по Троицкому предместью, посидел в Красном дворике (кстати, топовое место), посмотрел макеты в "Стране Мини", сходил в картинную галерею - посмотрел Куинджи и других художников! :) В общем, отлично провел время! Куда дальше? 🤔

  • Реклама

  • Алексей Чернобровов

    ▪️InteriorAi - позволяет пользователям создавать свежие образы и даже новые элементы для своих интерьеров. В качестве исходного материала приложение использует 2D-изображение интерьера, будь то загруженное из Интернета или сделанное фото. Приложение не бесплатное, но в пробной лицензии сделать 5 бесплатных рендеров. ▪️RoomGPT — недавно разработанная модель искусственного интеллекта, которая помогает в создании дизайна комнат. Room GPT является бесплатным сервисом. Но из-за наплыва желающих разработчики пока установили для пользователей лимит по три генерации в сутки. ▪️Planner 5D — условно-бесплатное веб-приложение, также доступное на мобильных устройствах, предназначенное для проектирования помещений и дизайна интерьера в виде 2D и 3D моделей. В основе сервиса лежит идея предоставления людям без профессиональных инженерных и архитектурных навыков возможности создать наглядный план помещения с трёхмерной визуализацией.

  • Алексей Чернобровов

    ⚙Как установить Stable Diffusion на Windows: пошаговая инструкция Прежде чем установить Stable Diffusion на Windows 7, 8 или 10, проверьте, что ваш компьютер имеет видеокарту объемом 4 или 8 Гб и от 20 Гб свободного места на жестком диске. Это минимальные требования для нормальной работы нейросети. Чем мощнее ваш компьютер, тем быстрее создаются изображения.🔥 ✅Шаг 1: Скачивание Загрузите Stable Diffusion на GitHub: github.com/serpota…portable и нажмите "Code" а затем "Download zip". Данная сборка автоматическая и является “Portable” версией, что означает, что программа будет запускаться из папки, в которую вы ее поместили. ✅Шаг 2: Разархивируйте и установите программу Скачайте Stable Diffusion и распакуйте его в корень диска "С". Важно, чтобы путь к папке с программой был коротким, например, C:\stable-diffusion-portable-main. Затем откройте файл webui-user-first-run.cmd и предоставьте разрешение вашему антивирусу в случае, если он запросит его. Установка начнется автоматически. ✅Шаг 3: Настройка Когда Stable Diffusion установился, загрузите точку доступа "Deliberate" из раздела "Running on Windows" на GitHub. Скачанный файл, Deliberate_v2.safetensors, переместите в папку с программой в раздел C:\stable-diffusion-portable-main\models\Stable-diffusion. 💥Готово! Чтобы запустить программу, откройте файл webui-user.bat из корня папки с программой. Если вы нашли эту инструкцию полезной, не забудьте поставить 🔥. #Aitspace #Нейросети #ИИ #Искусственныйинтеллект #StableDiffusion #генерацияизображений #AI #GitHub

  • Алексей Чернобровов

    Несколько полезных Python-библиотек для работы с геоданными gmaps - библиотека для работы с Google-картами. Предназначена для визуализации и взаимодействия с геоданными Google. Leafmap – это пакет Python с открытым исходным кодом для создания интерактивных карт и геопространственного анализа. Он позволяет анализировать и визуализировать геоданные за несколько строчек кода в среде Jupyter (Google Colab, Jupyter Notebook и JupyterLab) ipyleaflet – интерактивная библиотека виджетов, которая позволяет визуализировать карты Folium – это библиотека Python для легкой визуализации геоданных. Она предоставляет Python-интерфейс для leaflet.js, одной из лучших библиотек JavaScript для создания интерактивных карт. Данная библиотека также дает возможность работать с файлами GeoJSON и TopoJSON, создавать фоновые картограммы с различными палитрами, настраивать всплывающие подсказки и интерактивные карты-врезки.

  • Алексей Чернобровов

    Наткнулся на новый сервис для создания презентаций на основе ИИ - «Beautiful.ai»👌, который генерирует красивые слайды по текстовым запросам. Конструктор работает по принципу ChatGPT - пишете то, что должно быть на слайде, а «Beautiful.ai» генерирует текст и оформляет слайд. 📝Также сервис имеет много шаблонов. Конструктор имеет бесплатный 14-дневный пробный период, далее придется купить подписку на месяц или на год. 💸 Думаю, презу для следующей конференции наклепать в нем! 😄

  • Алексей Чернобровов

    📖💡🤔 Топ 6 датасетов для Computer Vision CIFAR-10 - содержит 60 тысяч цветных изображений размером 32x32 с 10 классами (животные и объекты реального мира). Каждый класс состоит из 6000 изображений. Этот массив данных содержит 50000 обучающих изображений и 10000 тестовых изображений. Классы взаимно исключают друг друга и между ними нет пересечений. Kinetics-700 - Это большой массив видео, состоящий из 650 тысяч клипов, описывающих 700 классов человеческих действий. В видео включены такие взаимодействия «человек-предмет», как игра на музыкальных инструментах, и такие взаимодействия «человек-человек», как объятия. Каждый класс действий содержит не менее 700 видеоклипов, а каждый клип аннотирован классом действия, длящимся более 10 секунд. IMDB-Wiki - Один из крупнейших публично доступных массивов данных человеческих лиц с гендером, возрастом и именем. Суммарно он содержит 523051 изображений, 460723 лица представляют собой фотографии 20284 знаменитостей с IMDb и 62328 знаменитостей с Википедии. Cityscapes — это база данных, содержащая разнообразный набор стереографических видеоклипов, записанных на улицах пятидесяти городов. Клипы снимались в течение длительного времени при различном освещении и погодных условиях. Cityscapes содержит семантическую сегментацию экземпляров объектов с попиксельной точностью для 30 классов, разделённых на 8 категорий. Он обеспечивает попиксельные аннотации 5000 кадров и приблизительные аннотации 20000 кадров. Fire and Smoke Dataset - Это массив данных из более семи тысяч уникальных изображений в разрешении HD. Он состоит из фотографий начинающихся пожаров и дыма, снятых мобильными телефонами в реальных ситуациях. Снимки сделаны в широком диапазоне освещения и погодных условий. Этот массив данных можно использовать для распознавания и обнаружения огня и дыма, а также распознавания аномалий. FloodNet Dataset - Этот массив состоит из изображений высокого разрешения, сделанных с беспилотных дронов. Изображения содержат подробные семантические аннотации повреждений, вызванных ураганами.
    Kinetics

    A collection of large-scale, high-quality datasets of URL links of up to 650,000 video clips that cover 400/600/700 human action classes, depending on the dataset version. The videos include human-object interactions such as playing instruments, as well as human-human interactions such as shaking hands and hugging. Each action class has at least 400/600/700 video clips. Each clip is human annotated with a single action class and lasts around 10 seconds.

    Deepmind

  • Алексей Чернобровов

    Что такое задача классификации в машинном обучении? 😎 Это разделение объектов на несколько разных классов на основе данных об объекте. В жизни мы часто решаем такие задачи. Одна из самых сложных задач классификации – это научиться отличать Моне от Мане. :)🔮 Так как же обучить нейронную сеть в нашей голове? Какие фичи использовать?🤔 1. Подпись. Эдуард - Мане, а Моне - Клод. Видим подпись – все просто. 2. Если все реалистично, четко и контрастно, то это Мане. Моне предпочитал пятна. 3. Моне чаще писал пейзажи и здания. Видим здания или пейзаж – Моне. 4. Если на картине вы увидели людей, то, скорее всего, это Мане, но уже сложнее. Моне делал акцент не на людях, а на окружении. Если люди не очень четкие, то Моне. Мане уделял больше внимания деталям на лицах. 5. Если видите цветы – это, скорее всего, Моне. Но и Мане их тоже писал. Тогда смотри пункт 2. Какова будет точность (accuracy) классификатора, построенного на этих фичах? Процентов 80, при том что случайное гадание будет показывать 50. 👍 Так что, если у вас не получается, не расстраивайтесь, мало у кого получается. 😄 Как бы то ни было, эти два художника - абсолютные гении и мастера своего дела, и в этом уже вряд ли кто-то сомневается. 🖼 Кстати, вопрос❓: как бы вы построили классификатор, который отличает Моне от Мане? Я иногда задаю его на собеседованиях. 😇

  • Алексей Чернобровов

    Hard Prompts Made Easy - Модель для преобразования изображений в текстовые подсказки. В режиме преобразования текста в изображение метод создает подсказки для диффузионных моделей, позволяя пользователям API легко генерировать, обнаруживать, смешивать и сопоставлять концепции изображений без предварительных знаний о том, как запрашивать модель. Сгенерированные изображения показывают, что подсказки эффективно отражают семантические особенности целевых изображений.
    GitHub - YuxinWenRick/hard-prompts-made-easy

    Contribute to YuxinWenRick/hard-prompts-made-easy development by creating an account on GitHub.

    GitHub

  • Алексей Чернобровов

    In-N-Out - инструмент для редактирования видео с лицами с помощью использования предварительно обученной генеративной модели с поддержкой 3D. Основная идея состоит в том, чтобы представить лицо в видео, используя два поля нейронного излучения. Одно для данных, входящих в распределение, а другое для данных, не входящих в распределение, и скомпоновать их вместе для редактирования.

  • Алексей Чернобровов

    PEFT - библиотека методов, которые позволяют эффективно адаптировать предварительно обученные языковые модели к различным приложениям без точной настройки всех параметров модели
    GitHub - huggingface/peft: 🤗 PEFT: State-of-the-art Parameter-Efficient Fine-Tuning.

    🤗 PEFT: State-of-the-art Parameter-Efficient Fine-Tuning. - GitHub - huggingface/peft: 🤗 PEFT: State-of-the-art Parameter-Efficient Fine-Tuning.

    GitHub

  • Алексей Чернобровов

    PaddleNLP - Библиотека обработки естественного языка (NLP) с открытым исходным кодом для классификации настроений и извлечения настроений. Механизмы выполняют нейронный поиск и анализ настроений, затем извлекают и представляют информацию для пользователей и машин.
    GitHub - PaddlePaddle/PaddleNLP: 👑 Easy-to-use and powerful NLP library with 🤗 Awesome model zoo, supporting wide-range of NLP tasks from research to industrial applications, including 🗂Text Classification, 🔍 Neural Search, ❓ Question Answering, ℹ️ Information Extraction, 📄 Document Intelligence, 💌 Sentiment Analysis and 🖼 Diffusion AIGC system etc.

    👑 Easy-to-use and powerful NLP library with 🤗 Awesome model zoo, supporting wide-range of NLP tasks from research to industrial applications, including 🗂Text Classification, 🔍 Neural Search, ❓ Que...

    GitHub

  • Алексей Чернобровов

    FauxPilot - библиотека генерации кода с использованием искусственного интеллекта. Основная цель - помочь разработчикам программного обеспечения писать более функциональный код, не делая его менее безопасным. Система обучается на существующем производственном коде и извлекает из него знания, чтобы создавать структурированные комментарии и предложения.
    GitHub - fauxpilot/fauxpilot: FauxPilot - an open-source alternative to GitHub Copilot server

    FauxPilot - an open-source alternative to GitHub Copilot server - GitHub - fauxpilot/fauxpilot: FauxPilot - an open-source alternative to GitHub Copilot server

    GitHub

  • Алексей Чернобровов

    Transformers - это библиотека моделей машинного обучения, предназначенных для выполнения задач с преобразованием последовательностей, распознаванием текста, речи, изображения, преобразованием текста в речь и наоборот, машинным переводом. Используются в различных областях, например при работе с текстами, изображениями, речью, а также на данный момент пользуется популярностью у исследователей, разрабатывающих лекарства. Данная библиотека помогает в распознавании цепочек генов в ДНК и аминокислот в белках.
    GitHub - huggingface/transformers: 🤗 Transformers: State-of-the-art Machine Learning for Pytorch, TensorFlow, and JAX.

    🤗 Transformers: State-of-the-art Machine Learning for Pytorch, TensorFlow, and JAX. - GitHub - huggingface/transformers: 🤗 Transformers: State-of-the-art Machine Learning for Pytorch, TensorFlow, a...

    GitHub

  • Реклама

  • Алексей Чернобровов

    🤖Подборка открытых ИИ-инструментов Сделал для вас подборку классных библиотек с открытым исходным кодом, которые можно использовать для выполнения задач, связанных с искусственным интеллектом и машинным обучением. В чем их плюс - они избавляют разработчиков от необходимости писать код и позволяют сократить временные затраты. Буду выкладывать по одной библиотеке в день. Сохраняйте себе, пригодится)🤓

  • Алексей Чернобровов

    🥳«Сбер» представил новую версию нейросети Kandinsky «Сбер» запустил новую версию своей нейросети — Kandinsky 2.1, которая способна создавать изображения по их текстовому описанию на естественном языке. Инструмент также может смешивать несколько рисунков, изменять их по текстовому описанию, генерировать изображения, похожие на заданное, дорисовывать недостающие части картинки и формировать изображения в режиме бесконечного полотна (inpainting/outpainting). Модель понимает запросы на 101 языке и умеет рисовать в различных стилях. Нейросеть разработали и обучили исследователи Sber AI при партнерской поддержке ученых из Института искусственного интеллекта AIRI на объединенном датасете Sber AI и компании SberDevices. Примеры работ Kandinsky 2.1 представлены☝️

  • Алексей Чернобровов

    🌎TOP-10 DS-events all over the world in April: Apr 1 - IT Days - Warsaw, Polland - https://warszawskiedniinformatyki.pl/en/ Apr 3-5 - Data Governance, Quality, and Compliance - Online - tdwi.org/events/…ome.aspx Apr 4-5 - HEALTHCARE NLP SUMMIT - Online - https://www.nlpsummit.org/ Apr 12-13 - Insurance AI & Innovative Tech USA 2022. Chicago, IL, USA. - Chicago, USA - events.reutersevents.com/insuran…ceai-usa Apr 17-18 - ICDSADA 2023: 17. International Conference on Data Science and Data Analytics - Boston, USA - waset.org/data-sc…n-boston Apr 25 - Data Science Day 2023 - Vienna, Austria - wan-ifra.org/events/…day-2023 Apr 25-26 - Chief Data & Analytics Officers, Spring. San Francisco, CA, USA. - https://cdao-spring.coriniumintelligence.com/ Apr 25-27 - International Conference on Data Science, E-learning and Information Systems 2023 - Dubai, UAE - https://iares.net/Conference/DATA2022 Apr 26-27 - Computer Vision Summit. San Jose, CA, USA. - San Jose, USA - computervisionsummit.com/locatio…vsanjose Apr 26-28 - PYDATA SEATTLE 2023 - Seattle, USA - https://pydata.org/seattle2023/

    14th edition of the largest IT / data science conference and job fair for professionals and students

    Warsaw IT Days 2023