Математика Дата саентиста

С каждым днём мы всё ближе к RLT.Conf 🎉 29 ноября конференция Росэлторг.Университета — «В IТ с головой» — соберёт экспертов в сфере IT и маркетинга, преподавателей вузов, руководителей проектов и многих других в одном месте. 🥳 Прежде чем эксперты поделятся с участниками мероприятия своими кейсами, новейшими гипотезами, разработками и практиками из разных индустрий, мы вас с ними познакомим! Листайте карточки, чтобы ничего и никого не упустить!  🔗 Узнать спикеров поближе и зарегистрировать своё участие можно на сайте. Когда? 29 ноября 2024. Где? Москва, Согласие Холл, пр-т Мира, д. 36 стр. 1.

💼 PhySO | DL-регрессия для подбора функции Инструмент, который использует глубокое обучение с подкреплением для подбора наиболее подходящей функции, описывающей заданные данные. 📌 Репозиторий @data_math

Умножаем любовь к математике, чтобы разделить ее с вами ИТ-специалисты, слышали, скоро День математика? 1 декабря пройдут главные онлайн-события мероприятия: доклады от профессоров математики из МФТИ, ВШЭ и ЦУ и математический диктант. Хорошая возможность пообщаться с единомышленниками и просто классно провести время. А пока ждете праздника, банк подготовил активности на весь месяц. Будут лекции и многое другое. Выбирайте на сайте, что нравится больше. И регистрируйтесь, чтобы ничего не пропустить

Обработка естественного языка 1. Введение в обработку естественного языка 2. Решаем задачи NLP с помощью Hugging Face 3. Выбор модели в Hugging Face 4. Что внутри пайплайна обработки текста? 5. Почему обрабатывать текст сложно? 6. Графематический анализ 7. Как разбить русский текст на токены 8. Морфологический анализ 9. Библиотеки морфологического анализа 10. Синтаксический анализ #video https://www.youtube.com/watch?v=55Iyei3bkKk&list=PLtPJ9lKvJ4ohZpMV9Ml-DPtMSXPFNl6Sz

⚡️Легкий способ получать свежие обновления и следить за трендами в разработке на вашем языке. Находите свой стек и подписывайтесь: МАШИННОЕ ОБУЧЕНИЕ: t.me/ai_machinelearning_big_data C++ t.me/cpluspluc Python: t.me/pythonl Linux: t.me/linuxacademiya Хакинг: t.me/linuxkalii Devops: t.me/DevOPSitsec Data Science: t.me/datascienceiot Javascript: t.me/javascriptv C#: t.me/csharp_ci Java: t.me/javatg Базы данных: t.me/sqlhub Python собеседования: t.me/python_job_interview Мобильная разработка: t.me/mobdevelop Docker: t.me/DevopsDocker Golang: t.me/Golang_google React: t.me/react_tg Rust: t.me/rust_code ИИ: t.me/vistehno PHP: t.me/phpshka Android: t.me/android_its Frontend: t.me/front Big Data: t.me/bigdatai Собеседования МЛ: t.me/machinelearning_interview МАТЕМАТИКА: t.me/data_math Kubernets: t.me/kubernetc Разработка игр: https://t.me/gamedev 💼 Папка с вакансиями: t.me/addlist/_zyy_jQ_QUsyM2Vi Папка Go разработчика: t.me/addlist/MUtJEeJSxeY2YTFi Папка Python разработчика: t.me/addlist/eEPya-HF6mkxMGIy Папка ML: https://t.me/addlist/2Ls-snqEeytkMDgy Папка FRONTEND: https://t.me/addlist/mzMMG3RPZhY2M2Iy 😆ИТ-Мемы: t.me/memes_prog 🇬🇧Английский: t.me/english_forprogrammers 🧠ИИ: t.me/vistehno 🎓954ГБ ОПЕНСОРС КУРСОВ: @courses 📕Ит-книги бесплатно: https://t.me/addlist/BkskQciUW_FhNjEy

👨‍🎓 Конспекты лекций от Стэнфорда по теории вероятностей (уровень кандидата наук) https://web.stanford.edu/class/stats310a/lnotes.pdf @data_math

✔️ FrontierMath: набор тестов по математике, который ставит в тупик модели ИИ и кандидатов наук. Epoch AI представила FrontierMath, математический тест, который содержит сотни задач экспертного уровня. Claude 3.5 Sonnet, GPT-4o, o1-preview и Gemini 1.5 Pro показали крайне низкие результаты - менее 2%, а для решения задач теста математикам-специалистам обычно требуются часы или дни. Набор задач в FrontierMath остается закрытым и неопубликованным, чтобы предотвратить загрязнение данных. Задачи охватывают несколько математических дисциплин, от вычислительной теории чисел до абстрактной алгебраической геометрии. Epoch AI планирует проводить регулярную оценку моделей ИИ с помощью теста, одновременно расширяя набор задач. 📌 epoch.ai @data_math

🖥 Мечтаете о карьере в IT, но не хотите программировать? Хорошая новость: это возможно! Если стать аналитиком данных — IT-специалистом, который собирает и анализирует данные, чтобы строить прогнозы для бизнеса. Аналитики данных востребованы во многих сферах: IT, маркетинг, ритейл, банкинг и т. д. Обучение подойдет, если вы: 🟣новичок без опыта в IT 🟣бухгалтер, финансист или экономист 🟣уже работаете с аналитикой и хотите углубить знания для роста в карьере На курсе вы получите навыки, которые реально нужны работодателям, и овладеете самыми популярными инструментами: Python, Pandas, NumPy, Jupyter Notebook, SQL, Power BI. 🔗 Начните работать аналитиком уже через 6 месяцев! Заполните заявку, чтобы получить бесплатный доступ к первым урокам.

⚡️ Курс: Прикладное машинное обучение - Cornell CS5785 "Начинается с самых основ, рассказывается обо всех наиболее важных алгоритмах ML и о том, как применять их на практике. Готовые ноутбук Jupyter (и в виде слайдов)". 80 видеороликов!! ▪Видео: https://youtube.com/playlist?list=PL2UML_KCiC0UlY7iCQDSiGDMovaupqc83 ▪ Код: https://github.com/kuleshov/cornell-cs5785-2020-applied-ml @data_math

📌Руководство по эффективному использованию промптов для LLM от разработчиков из GoogleDeepMind. Туториал ориентируется на нетехническую аудиторию, которая имеет опыт взаимодействия с большими языковыми моделями. В первой половине представлены ментальные конструкции природы посттренинга и промптов. Вторая половина содержит более конкретные предписания и высокоуровневую процедуру промпт-инжиниринга. Авторы, Varun Godbole и Ellie Pavlick подчеркивают, что поиск «идеальной» подсказки — это итеративный процесс, аналогичный настройке модели, который в лучшем случае является эмпирическим, а в худшем - алхимическим. ▶️ Содержание: 🟢Для кого предназначен этот документ? 🟢Зачем нужно это руководство? 🟢Background трейна: предварительная и последующая подготовка 🟢Рекомендации по промптам 🟢Рудиментарное "руководство по стилю" для промптов 🟢Процедура итерации новых системных инструкций 🟢Некоторые мысли о том, когда полезна LLM 🟢Дополнительные ресурсы 📌Лицензирование: Creative Commons Attribution 4.0 International Public License. 🖥GitHub @ai_machinelearning_big_data #AI #ML #LLM #Prompt #Github #Tutorial

🤖Вы слышали о ChatGPT, но не знаете, как он работает? А как языковые модели меняют мир, в котором мы живём? Если вы хотите разобраться в этом и узнать, как применять эти технологии в своих проектах, не пропустите наш бесплатный открытый урок 20 ноября в 18:00 мск! ⚡️На вебинаре: -погрузимся в историю развития языковых моделей от базовых концепций до современных LLM (Large Language Models), таких как ChatGPT. -Вы узнаете, какие методы и технологии стоят за этими интеллектуальными системами и как их можно использовать для решения задач Natural Language Processing (NLP). Спикер Мария Тихонова – PhD Computer Science, Senior Data Scientist в SberDevices и преподаватель ВШЭ. 👉Регистрация: https://vk.cc/cE9ykE?erid=LjN8KC2yg  Встречаемся в преддверии старта курса «Natural Language Processing (NLP)». Все участники вебинара получат специальную цену на обучение! Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963.

⚡️ Математические формулы с помощью Python @data_math

🔥 Курс «Основы искусственного интеллекта» — Python, машинное обучение, глубокое обучение, наука о данных! 🕞 Продолжительность: 10:22:25 🔗 Ссылка: *клик* #курс #ai #datascience #deeplearning @data_math

🕓 Крутые часы для математика @data_math

Теория и практика: A/B-тестирование для успешной аналитики ⭐ Бесплатный вебинар 6 ноября в 19:00 мск Аналитик данных помогает бизнесу не ошибаться при принятии важных решений. А А/В-тесты - один из must-have инструментов, которые в этом помогают. Если вы хотите разобраться в основах проведения экспериментов и научиться правильно проводить А/В-тесты, ждём вас на бесплатном вебинаре. На реальных кейсах узнаем: — Что такое A/B-тестирование — Как выбрать гипотезу для тестирования — Как определить метрики успешности — Когда тест можно считать завершенным и др. 🚶 Переходите и регистрируйтесь на бесплатный вебинар.

⚡️ ЛУЧШЕЕ ДОКАЗАТЕЛЬСТВО теоремы Синусов 📌 источник @data_math

🌟 Llama-3.1-Centaur-70B: модель симуляции поведения человека. Centaur - модель, которая способная предсказывать и симулировать поведение человека в любом психологическом эксперименте, который можно описать на естественном языке. Это первая модель, соответствующая большинству критериев Ньюэлла для универсальной теории познания, включая способность действовать как почти произвольная функция окружающей среды и работать в реальном времени. Centaur создана на основе Llama 3.1 70B и дообучена на наборе данных Psych-101, включающем данные 60 000 участников, давших суммарно 10 000 000 ответов в 160 психологических экспериментах. Psych-101 охватывает широкий спектр областей когнитивной науки: игровые автоматы, принятие решений, память, обучение с учителем, процессы принятия решений Маркова и др. Centaur дообучалась методом QLoRA: к каждому слою базовой Llama 3.1 70B были добавлены низкоранговые адаптеры, при этом параметры базовой модели остались неизменными. Обучение проводилось на всем наборе данных с использованием стандартной функции потерь кросс-энтропии. Потери маскировались для всех токенов, не соответствующих ответам людей, чтобы итоговая модель фокусировалась на моделировании поведения человека. В большинстве проведенных экспериментов Centaur превосходит как базовую модель Llama, так и специализированные когнитивные модели, разработанные для конкретных областей психологии. Кроме того, Centaur обобщает знания на "незнакомые" ситуации, которые не входили в датасет обучения: точно предсказывает поведение при измененных формулировках задач, структурах проблем и даже в совершенно новых областях. Важный результат экспериментального тестирования - соответствия внутренних представлений Centaur нейронной активности человека. Это открытие было подтверждено 2 исследованиями, в которых внутренние представления модели использовались для предсказания активности мозга. Centaur продемонстрировала улучшенную декодируемость по сравнению с Llama в задачах, связанных с чтением предложений и выполнением двухэтапных задач. ⚠️ Centaur обучена на наборе данных, в котором выбор человека выражается символами "<<" и ">>". Для оптимальной работы рекомендуется соответствующим образом настроить промпты. ⚠️ Модель запускается на 80 GB GPU. 📌Лицензирование: Llama 3.1 Community License. 📌Лицензирование датасета : Apache 2.0 License. 🟡Модель 🟡Техотчет 🟡Датасет @ai_machinelearning_big_data #AI #ML #LLM #Centaur

Как нужно укомплектовать команду ML для решения задачи? 🔹Расскажем на открытом уроке «Структура и построение ML команды» про композицию ML команды, различные роли в ней и их зоны ответственности ✅ Поговорим о том, зачем нужны ролы Data Scientist, Data Analyst, BI Analyst, ML Engineer, Data Engineer. Как организовать работу команды и взаимодействие внутри нее. Урок приурочен новому курсу «ML Team Lead» от Otus. 👉 Регистрация и подробности: https://otus.pw/Fbl8/?erid=LjN8KSdHR #реклама О рекламодателе

🛜 Находим пароль от Wi-fi из известного мема, с помощью Grok и Chatgpt. GPT решил задачу численно, а Grok понял, что интеграл можно разбить на 2 части: первая - интеграл от нечетной функции по [-a,a] (которая равна 0), а вторая - площадь круга! @data_math