Machinelearning

⚡️ Только что выпущена версия Jina CLIP v1: новая современная мультимодальная модель, которая превосходит OpenAI CLIP в задачах извлечения изображений по текстовому описанию😍 Модель совместима с 🤗 Transformers.js версией 3 и работает с ускорением WebGPU! ⚡️ 📌 Попробуйте демо-версию: https://huggingface.co/spaces/Xenova/webgpu-jina-clip?v2= 📌 Статья: https://arxiv.org/abs/2405.20204 @ai_machinelearning_big_data

🌟 FaceFusion — замена лица / улучшение фотографии в 1 команду FaceFusion — это open-source инструмент для замены лица на фотографии и для улучшения изображения Для необходимого действия с фото нужно просто запустить файл run.py с нужными опциями (на последнем изображении): — python run.py ... Ну или можно использовать удобный UI вместо прописывания команд 🖥 GitHub 🟡 Доки @ai_machinelearning_big_data

Хотите попробовать себя в роли аналитика и попрактиковаться на реальных задачах? Приходите на бесплатный курс-симулятор Нетологии и Yandex Cloud «Основы анализа данных в SQL, Python, Power BI, DataLens». В этой профессии много разных направлений — аналитик данных, BI-аналитик, продуктовый аналитик, Data Scientist. Но везде пригодится навык работы с инструментами-помощниками, которые вы и освоите на курсе. Эксперты-практики расскажут, как делать простые отчёты, исследовать данные и строить интерактивные дашборды. А чтобы понять, что анализ данных — это точно ваше, вместе решите практические задачи из реальных кейсов. Воспользуйтесь шансом попробовать новые инструменты и запишитесь на бесплатный курс Нетологии. Регистрация: https://netolo.gy/dbfG Реклама ООО "Нетология" 2VSb5wU3gtx

🌟 Omost — использование мощи LLM, пишущих код, для генерации изображений Проект Omost предоставляет LLM, которые будут писать коды для компоновки фрагментов изображений с помощью виртуального агента Canvas. Таким образом можно сгенерировать даже сложные изображения с хорошим качеством. В настоящее время Omost предоставляет 3 предобученные LLM, основанные на вариациях Llama3 и Phi3. Все модели обучены на смешанных данных, состоящих из (1) точных описаний изображений из нескольких датасетов, включая Open-Images, (2) данных, полученных путем автоматического аннотирования изображений, (3) данных от DPO, (4) небольшого количества данных от мультимодальной GPT4o На последних 2 изображениях приведён код, который необходим для генерации изображения таким образом 🖥 GitHub 🤗 Попробовать на Hugging Face @ai_machinelearning_big_data

🌟 Dot — open-source приложение для локального разворачивания LLM, RAG и TTS для работы со своими документами Dot предназначено для простого взаимодействия с документами и файлами (.pdf, .docx, .xlsx, .pptx, .md) с помощью локальных LLM и технологии Retrieval Augmented Generation. Dot было вдохновлено такими решениями, как Chat with RTX от Nvidia По умолчанию использует Phi-3 🖥 GitHub 🟡 Страничка Dot @ai_machinelearning_big_data

Как девушке построить карьеру в инжиниринге данных? Любить математику, смело говорить о своих ожиданиях от работы даже на позиции стажера и еще кое-что, о чем Мария Косарев рассказала здесь. Она прошла длинный путь от стажера до главы Департамента анализа данных и моделирования в Газпромбанке. @ai_machinelearning_big_data

🌟 GPT Researcher — автономный агент на основе GPT, выполняющий комплексное онлайн-исследование по любой заданной теме — pip install gpt-researcher Пример использования GPT Researcher:

from gpt_researcher import GPTResearcher

query = "why is Nvidia stock going up?"
researcher = GPTResearcher(query=query, report_type="research_report")
# Conduct research on the given query
research_result = await researcher.conduct_research()
# Write the report
report = await researcher.write_report()

🖥 GitHub 🟡 Страничка GPT Researcher @ai_machinelearning_big_data

🔥 unsloth — файнтюнинг Llama 3, Mistral, Phi и Gemma LLM, уменьшение потребления памяти на 80%, ускорение в 2-5 раз

conda create --name unsloth_env python=3.10
conda activate unsloth_env

conda install pytorch-cuda=<12.1/11.8> pytorch cudatoolkit xformers -c pytorch -c nvidia -c xformers

pip install "unsloth[colab-new] @ git+https://github.com/unslothai/unsloth.git"

pip install --no-deps trl peft accelerate bitsandbytes

Некоторые бенчмарки unsloth приведены здесь 🖥 GitHub 🟡 Wiki @ai_machinelearning_big_data

💥 Международный онлайн-хакатон «Лидеры цифровой трансформации» стартовал! ТЗ и датасеты уже доступны в личном кабинете. Но ты еще можешь выбрать задачу и влететь на хакатон до 5 июня! Тебя ждет 25 задач, работа в команде до 5 человек над актуальными кейсами, современный коворкинг, возможность пропитчить свои решения, пропилотировать и внедрить свою разработку, шанс получить крутой оффер и показать, что ты лучший из лучших не только в России, но и во всем мире! И конечно, драйв, опыт и деньги! Призовой фонд 50 000 000 рублей! Приступай к разработке решения прямо сейчас! Когда: 3-16 июня 2024 года Формат: Онлайн из любой точки мира Дедлайн регистрации: 5 июня 2024 года, 23:59 (мск) Победитель получит 1 млн рублей, второе и третье место — по 600 тыс. и 400 тыс. рублей соответственно. Разработка стартовала уже сегодня! Собирай команду в чате лидеров и регистрируйся на сайте.

🌟 V-Express — метод анимирования статичной фотографии лица с учётом позы, звука и самого изображения Метод V-Express был представлен совсем недавно Cong Wang, Kuan Tian, Jun Zhang и другими как один из самых эффективных методов генерации таких анимаций, код и модель опубликованы 🖥 GitHub 🟡 Страничка V-Express 🤗 Модель на Hugging Face @ai_machinelearning_big_data

🌟 Anthropic позволит создавать персональных помощников на базе ИИ-чат-бота Claude Компания Anthropic расширяет возможности своего чат-бота Claude, построенного на основе генеративной нейросети. Теперь любой пользователь сможет создать для себя персонализированного помощника, например, для обработки электронной почты, совершения покупок в интернете или чего-то иного. Нововведение называется «использование инструментов» или «вызов функций» и его можно подключить к любому внешнему API по выбору пользователя. Такой подход позволит создать персонализированного помощника, который будет, например, анализировать данные для создания персонализированных рекомендаций по продуктам, основываясь на истории покупок пользователя. Он также может быть полезен для генерации быстрых ответов на вопросы клиентов, например, при отслеживании статуса заказа или предоставления информации в качестве инструмента технической поддержки. Для создания такого помощника потребуется доступ к API и умение программировать. Новая функция может обрабатывать изображения, позволяя приложениям анализировать визуальные данные. К примеру, персональный помощник для дизайнера интерьеров может задействовать нейросеть для обработки снимков помещения и генерации индивидуальных предложений по его оформлению. Взаимодействовать с новым инструментом можно будет через Messages API от Anthropic, а также на платформах Amazon Bedrock и Google Vertex AI. Стоимость использования основана на объёме текстовых запросов к нейросетям Claude, измеряемом в токенах. Обычно 1000 токенов соответствует примерно 750 словам. На этапе бета-тестирования самым быстрым и доступным вариантом стала модель Haiku: $0,25 за миллион введённых токенов и $1,25 за миллион токенов на выходе. Тестирование новой функции проходит с апреля и в нём принимают участие несколько тысяч клиентов Anthropic. 📎 Подробнее @ai_machinelearning_big_data

🖥 На выставке COMPUTEX 2024 генеральный директор Nvidia Дженсен Хуанг демонстрирует ускорение Pandas в 50 раз в GoogleColab после интеграции с RAPIDS cuDF. Это работает без каких либо изменений кода, все, что нужно добавить %load-ext cudf.pandas поверх кода pandas. cuff обеспечивает ускорение помощью процессоров NVIDIA L4 Tensor Core. Эти графические процессоры недавно стали доступны в Google Colab для пользователей с платной подпиской. 👉 Колаб-ноутбук с гайдом по запуску Еще Дженсен Хуанг озвучил планы по выпуску новых продуктов Nvidia. Nvidia планирует выпускать новые флагманские решения для дата-центров каждый год, постоянно наращивая их производительность и функциональность Уже в следующем году ожидается выход графического процессора Blackwell Ultra, преемника нынешнего флагмана Blackwell Blackwell Ultra будет оснащен памятью HBM3e с 12 кристаллами в стеке, что позволит увеличить объем на 50 % по сравнению с Blackwell, у которого память с 8 кристаллами. В 2026 году будет представлен новый графический чип Rubin с памятью HBM4. Еще, появится центральный процессор Vera, который придёт на смену нынешнему Grace. Rubin — это будет суперчип, связка GPU+CPU, аналогично актуальному Grace Hopper. Кроме того, пропускная способность запатентованной Nvidia технологии интерконнекта NVLink будет удвоена до 3,6 Тбит/с (NVLink 6 против NVLink 5). На 2027 г планируется выход улучшенной версии Rubin Ultra с HBM4 с 12 кристаллами в стеке вместо 8. Nvidia намерена выжимать максимум из доступных на данный момент производственных техпроцессов, чтобы каждый год выводить на рынок новые решения, работающие на пределе возможного. По словам Дженсена Хуанга, именно эта стратегия непрерывного совершенствования позволит компании сохранять лидерство в сфере решений для дата-центров. 📌 Полное выступление: https://www.youtube.com/watch?v=pKXDVsWZmUU @ai_machinelearning_big_data

🔥 Burn — свежий open-source фреймворк для Deep Learning на Rust с упором на гибкость, эффективность вычислений и переносимость

cargo new my_burn_app && cd my_burn_app/
cargo add burn --features wgpu

С Burn весь рабочий процесс Deep Learning становится проще: вы можете следить за ходом обучения с помощью дашборда и выполнять вычисления на любых устройствах - от встраиваемых до больших кластеров GPU. Burn был создан с нуля специально для Deep Learning и связанных с этим вычислений. Стоит также отметить, что Burn, по сравнению с такими фреймворками, как PyTorch, упрощает переход от экспериментов к развертыванию в прод, в процессе масштабирования не придётся менять код. 🖥 GitHub 🟡 Доки @ai_machinelearning_big_data

🌟 Devil70B — нейросеть с выпиленной цензурой Devil70B — это модель без цензуры и ограничений, во всяком случае так заявляют разработчики. Она отвечает на любой вопрос и поддерживает русский язык. ▶️ Задать вопрос Devil70B @ai_machinelearning_big_data

⚡️ Flash версия Scribble SDXL Это быстрая версия Scribble SDXL, о которой мы недавно писали. Использует SDXL Flash и Scribble SDXL, что позволяет ещё быстрее получать качественные изображения из простых набросков и каракулей 🤗 Запустить на Hugging Face @ai_machinelearning_big_data

🌟 InstaDrag: сложное редактирование изображений (поворот в пространстве, изменение формы и т.д.) с помощью простых жестов InstaDrag — подход, позволяющий редактировать изображение с помощью простого жеста перетаскивания за ~1 секунду. При этом InstaDrag справляется и со сложными деформациями части изображения, не представленными в обучающих данных (такие деформации — это, например, удлинение волос, искривление радуги и т. д.). В будущем планируется интеграция InstaDrag с SDXL 🖥 GitHub 🟡 Страничка InstaDrag 🟡 Arxiv @ai_machinelearning_big_data

⚡️ Итоги конкурса Технотекст от Хабра в номинации ML Победителями жюри выбрало три работы: 🟡 Статья Виктора Юрченко из Яндекса про нейронные сети для планирования движения беспилотных автомобилей. 🟡 Статья Котенкова Игоря из Open Data Science про то, как работает ChatGPT. 🟡 Статья Мурата Апишева о методах позиционного кодирования в Transformer. @ai_machinelearning_big_data

⚡️ Codestral от Mistral AI — мощная модель, заточенная под работу с кодом — ollama run codestral:22b 29 мая Mistral представили Codestral с 22 миллиардами параметров. Это генеративная модель с открытыми весами, предназначенная в первую очередь для задач генерации кода. Умеет писать и рефакторить код, подсказывает наилучшие решения задач и даже паттерны проектирования. Её можно интегрировать в свои проекты с помощью API или просто использовать в VS Code. Нейросеть знает даже Fortran и COBOL. 🟡 Подробнее о Codestral 🟡 Чат с Codestral 🟡 Codestral на Hugging Face @ai_machinelearning_big_data

Приглашаем Data Engineer на проект «Прикладная аналитическая платформа Сбер B2C» ⚡️ Платформа позволяет создавать аналитические витрины на Data Lake по различным направлениям бизнеса. Мы анализируем клиентские пути, создаём синергию в продуктах и сервисах и формируем целостное предложение для сегментов. Какие задачи будут в вашем планере: 👉 Ведение стримов разработки витрин. 👉 Управление жизненным циклом разработки витрин, умение находить правильный баланс между скоростью и качеством разработки. 👉 Организация внутрикомандных взаимодействий и мотивация. Мы активно расширяемся и усиливаем нашу команду, поэтому сейчас ищем талантливых Lead/Senior/Middle Data Engineer с опытом разработки приложений на Spark от двух лет, Scala/Java, знанием конвейеров и инструментов CI/CD. Читайте подробности и откликайтесь по ссылке 😉

🖥 Анонсирован новый ChatGPT Edu, созданный для образовательных учереждений. Модель основана на GPT-4o и может работать с текстовой и визуальной информациией, с поддержкой передовых инструментов анализа данных. ChatGPT Edu включает в себя средства безопасности и контроля корпоративного уровня для образовательных учреждений. Новая модель дает возможность создавать пользовательские версии ChatGPT, и делиться ими для совместных исследований и обучения. - Значительно более высокие лимиты на количество сообщений, чем в бесплатной версии ChatGPT - Улучшены языковые возможности по качеству и скорости работы, поддерживается более 50 языков - Надежная защита информации,конфиденциальность данных и продвинутые административные средства управления ИИ. ChatGPT Edu призван заменить репетиторов и предоставляет: * Обратную связь и поддержку * Обучение и оценивание * Интеграцию с образовательными ресурсами openai.com/index/introducing-chatgpt-edu/ @ai_machinelearning_big_data