NeuroHive - Нейронные сети. Страница 12

​​JigsawGAN — это генеративная self-supervised нейросетевая модель, которую обучили собирать пазлы. Модель принимает на вход части изображения, расположенные хаотично. На основе этого модель восстанавливает оригинальное изображение. Нейросеть не требует дополнительной информации по изображению для поиска решения.

​​TracIn — это масштабируемый метод оценки влияния отдельных объектов в данных на предсказания. С помощью TracIn можно находить ошибки в разметке данных и выбросы. Кроме того, метод позволяет объяснять предсказания на примере объектов из обучающей выборки. Подход предложили исследователи из Google AI.

​​#промо Какие требования предъявляют работодатели к специалистам Machine learning на Middle+ уровне?

19 февраля Дмитрием Сергеевым, Senior Data Scientist в Oura, проведет обзор рынка вакансий Data Science для специалистов с опытом и поделится карьерными инсайтами. Вы узнаете ,какие навыки и технологии понадобятся для карьерного роста и познакомитесь с программой онлайн-курсов «Machine Learning. Advanced».

Как подготовиться к встрече? Пройдите вступительный тест, чтобы оценить свой уровень знаний и сложность курса. Зарегистрируйтесь, чтобы участвовать в трансляции и задать свои вопросы эксперту https://otus.pw/nvb9/

​​#промо
Как профессиональные Data Engineer работают с моделями ML?

Приглашаем вас перенять экспертный опыт 11 февраля на демо-занятии «ML в Spark».
Вместе с Вадимом Заигриным, Software Engineering Team Lead в Teradata, вы за 2 часа разберете особенности ML в Spark, рассмотрите процесс разработки моделей, научитесь переводить обученные модели в production.


Демо-урок входит в программу онлайн-курса «Data Engineer». Для регистрации и участия в вебинаре, пройдите вступительный тест https://otus.pw/W6ga/

​​MPG — это GAN модель для условной генерации изображений на основе нескольких лейблов. Архитектура MPG основывается на state-of-the-art GAN модели StyleGAN2. Нейросеть тестировали на задаче генерации изображений пиццы по текстовому описанию ингредиентов.

​​Colorization Transformer — это нейросетевая модель, которая окрашивает черно-белые изображения и основывается на механизме внимания. По результатам экспериментов, модель обходит state-of-the-art архитектуры для раскраски изображений. В качестве метрики использовали FID и результаты опроса на платформе Mechanical Turk. Более чем в 60% участники опроса предпочитали результат модели реальному изображению.

​​#промо
Работаете в направлении Машинного обучения и хотите развиваться дальше?

Специально для вас девять практикующих экспертов приготовили онлайн-курс «Machine Learning. Advanced». Познакомиться с курсом можно будет уже 15 февраля на демо-занятии «Multi-armed bandits для оптимизации AB тестирования».

Вместе с Андреем Канашовым, Data Scientist в OMD OM GROUP, вы разберете один из самых простых, но эффективных вариантов применения обучения с подкреплением. Вы узнаете, как можно переформулировать задачу АБ тестирования в задачу байесовского вывода и получать результаты по тестам раньше, чем при классическом тестировании.

Используйте демо-занятие, чтобы освоить новые навыки, познакомиться с преподавателем и оценить сложность курса. Пройдите вступительный тест, чтобы зарегистрироваться на урок https://otus.pw/pBGx/

​​Deep Noise Suppression (DNS) — это соревнование по фильтрации шума на аудиозаписи от Microsoft. Соревнование разработали для того, что бы спровоцировать исследования в области улучшения качества аудиозаписей через фильтрацию шума.

​​Twitch Gamers — это датасет для обучения представлений графовых данных. По результатам экспериментов, датасет подходит для оценки качества моделей обучения представлений. Создатели тестировали модели на задаче классификации узлов графа.

​​TAPAS — это нейросетевая модель для поиска ответов на вопросы в табличных данных. Нейросеть является расширением двунаправленной Transformer-модели BERT. По результатам экспериментов, TAPAS обходит state-of-the-art модели для анализа табличных данных. Модель разрабатывали в Google AI.

​​Pile — это датасет с разнообразными текстами на 825 гигабайт для обучения языковых моделей. Датасет состоит из 22 датасетов меньшего размера, которые объединили в один. Ключевое отличие Pile — разнообразие типов текстовых данных: научные статьи, веб-страницы, GitHub репозитории, логи чатов и книги.

​​NBDT — это нейросетевая архитектура деревьев решений для задач классификации. Модель объединяет в себе интерпретируемость классического алгоритма дерева решений с качеством предсказаний современных нейросетей. По результатам экспериментов, предложенная модель сравнима по качеству предсказаний с state-of-the-art подходами на CIFAR и ImageNet. При этом модель лучше справляется с ранее не знакомыми классами объектов.

​​#промо
Начните осваивать навыки Машинного обучения, которые нужны, чтобы решать задачи уровня Middle+ / Senior.
9 февраля ждем вас на демо-занятии «Извлечение признаков из временных рядов». Если на минутку представить, что временной ряд чем-то похож на аудиосигнал — вам откроется чудесный мир новых способов генерации признаков из сферы обработки сигналов.
Вместе с преподавателем Дмитрием Сергеевым вы посмотрите, как дополнительные признаки улучшают качество моделей, научитесь пользоваться автоматической генерацией в библиотеках tsfresh и tsfel и решите задачку распознавания активности по данным акселерометра мобильного телефона.
Демо-занятие входит в онлайн-курс «Machine Learning. Advanced». Это возможность оценить сложность программы и познакомиться с преподавателем.
Для регистрации на занятие пройдите вступительный тест https://otus.pw/iOON/

​​Ecco — это библиотека для визуализации обученных Transformer-моделей. Библиотека позволяет визуализировать важность каждого прошлого слова при предсказании текущего и активации нейронов в модели.

​​#промо
Что компании ждут от специалистов Machine learning?

Узнайте об этом 02.02 февраля на вебинаре с Дмитрием Сергеевым, Senior Data Scientist в Oura. Дмитрий поделится карьерными инсайтами и представит программы онлайн-курсов «Machine Learning». Вы узнаете, чем отличаются курсы, как организована практика и получите возможность сэкономить на обучении.

Зарегистрируйтесь на вебинар: https://otus.pw/MzWm/

​​Soft-IntroVAE — это улучшенная версия глубокого вариационного автоэнкодера IntroVAE. Soft-IntroVAE генерирует более стабильные и реалистичные изображения в сравнении с IntroVAE. Кроме повышения стабильности работы автоэнкодера, исследователи формализовали анализ качества результатов генеративной модели. Ключевым отличием нейросети является то, что в процессе обучения она сама оценивает качество сгенерированных изображений. На основе этой оценки модель итеративно повышает свою предсказательную способность.

​​Исследователи из Facebook AI Research опубликовали имплементацию state-of-the-art голосовой модели, которая способна разделять до 5 голосов на аудиозаписи разговора. Прошлые методы разделения голосов на аудиозаписи были ограничены максимум двумя спикерами. Предложенная модель обходит state-of-the-art в качестве разделения и в количестве спикеров, чьи голоса может выделить.

​​HateXplain — это датасет для обучения моделей распознавания оскорблений в тексте. Датасет собирали исследователи из Indian Institute of Technology и University of Hamburg.