Machinelearning

✅ Graph Transformer Networks: Learning Meta-path Graphs to Improve GNNs Github: https://github.com/seongjunyun/Graph_Transformer_Networks Paper: https://arxiv.org/abs/2106.06218v1 Dataset: https://github.com/Jhy1993/HAN @ai_machinelearning_big_data

Microsoft's FLAML - Fast and Lightweight AutoML Github: https://github.com/microsoft/FLAML Code: https://github.com/microsoft/FLAML/tree/main/notebook/ Paper: https://arxiv.org/abs/2106.04815v1 @ai_machinelearning_big_data

👨 TFace: A trusty face recognition research platform Github: https://github.com/Tencent/TFace Paper: https://arxiv.org/abs/2106.05519v1 @ai_machinelearning_big_data

🧠 Yet Another Language Model — нейросетевой языковой алгоритм генерации текстов, разработанный Яндексом Создатели YaLM выпустили подробную статью о разработке и применении генеративных трансформеров для поиска ответов. Из неё вы узнаете, в каких случаях для обучения огромной модели продуктивнее использовать лишь малую часть параметров и изучите различия между Pipeline parallelism, Tensor parallelism и ZeRO. Статья: https://wow.link/Er21 @ai_machinelearning_big_data

📈 NGBoost: Natural Gradient Boosting for Probabilistic Prediction Github: https://github.com/stanfordmlgroup/ngboost Slides: https://drive.google.com/file/d/183BWFAdFms81MKy6hSku8qI97OwS_JH_/view Paper: https://arxiv.org/abs/2106.03823v1 @ai_machinelearning_big_data

X5 Group проводит собственное мероприятие X5Tech Future Night о технологиях и бизнесе. Большое летнее офлайн событие объединит на одной площадке разные форматы: лекции, паблик-интервью, бизнес-дебаты, дискуссии и музыкальный оупен-эйр. В программе есть отдельная секция, посвященная Big Data, а именно тому, как монетизировать данные и превратить их в новые продукты. Среди спикеров Дмитрий Прусов (X5 Group), Роман Доронин (EORA.ai), Олег Хомюк (Lamoda), Владимир Горовой (Яндекс.Вертикали) и другие. Участие бесплатное, регистрируйтесь сейчас, чтобы не пропустить. Количество мест ограничено!

🤖 DynamicViT: Efficient Vision Transformers with Dynamic Token Sparsification Project: https://dynamicvit.ivg-research.xyz/ Github: https://github.com/raoyongming/DynamicViT Paper: https://arxiv.org/abs/2106.02034 @ai_machinelearning_big_data

Всё вокруг автоматизируется и на смену ручному труду приходят машины и алгоритмы. Почти в каждом магазине — кассы самообслуживания, вместо курьеров — роботы, даже новости теперь пишет GPT-3. Кажется, вакансии для простых работяг скоро сильно сократятся. Но зато появится еще больший спрос на людей, которые будут разрабатывать и обучать нейросети. Поэтому, если вы хотите научиться профессии, которая создает будущее — обратите внимание на курс «Дата-сайентист» от SkillFactory. Вы получите сильную теоретическую базу, а затем будете очень много практиковаться. На курсе вы создадите искусственный интеллект, обучите нейронную сеть, будете анализировать данные и строить прогнозные модели, которые помогают бизнесу принимать верные решения на основе данных. Можно учиться когда удобно, скорректировать нагрузку или заморозить курс на время, если, например, уезжаете в отпуск. Ментор поможет в трудную минуту и ответит на все вопросы. А после окончания курса карьерный центр помогает студентам с трудоустройством. ❗️Оставить заявку и узнать все подробности можно по ссылке — https://clc.am/941n7A

🌏 The FLORES-101 Evaluation Benchmark for Low-Resource and Multilingual Machine Translation Github: https://github.com/facebookresearch/flores Paper: https://ai.facebook.com/research/publications/the-flores-101-evaluation-benchmark-for-low-resource-and-multilingual-machine-translation Facebook blog: https://ai.facebook.com/blog/the-flores-101-data-set-helping-build-better-translation-systems-around-the-world/ @ai_machinelearning_big_data

You Only 👀 One Sequence Rethinking Transformer in Vision through Object Detection Github: https://paperswithcode.com/paper/you-only-look-at-one-sequence-rethinking Dataset: https://paperswithcode.com/dataset/imagenet Paper: https://arxiv.org/abs/2106.00666 @ai_machinelearning_big_data

Поговорим о продвинутых навыках в Machine Learning? 9 июня ждем вас в OTUS на вебинаре с Дмитрием Сергеевым, Senior Data Scientist в Oura. Вы узнаете, какие инструменты и технологии позволяют специалисту Data Science решать задачи Middle+ уровня. Также среди тех, кто зарегистрируется и пройдет вступительный тест до 9 июня, будут выбраны 2 участника, которые бесплатно зачислятся на онлайн-курс «Machine Learning. Advanced». Регистрация https://otus.pw/yaAQ/

🏎 Make Pandas 3 Times Faster with PyPolars Code : https://www.kdnuggets.com/2021/05/pandas-faster-pypolars.html Github: https://github.com/pola-rs/polars User Guide: https://pola-rs.github.io/polars-book @ai_machinelearning_big_data

💥Grokking Artificial Intelligence Algorithms ⬇️ Download 💥Grokking Deep Reinforcement Learning ⬇️ Download @ai_machinelearning_big_data

Yolov5-face is a real-time,high accuracy face detection Github: https://github.com/deepcam-cn/yolov5-face Paper: https://arxiv.org/abs/2105.12931v1 @ai_machinelearning_big_data

🗯 Unsupervised Speech Recognition Github: https://github.com/pytorch/fairseq/tree/master/examples/wav2vec/unsupervised Pretraned model: https://github.com/pytorch/fairseq/tree/master/examples/wav2vec Facebook blog: https://ai.facebook.com/blog/wav2vec-unsupervised-speech-recognition-without-supervision/ Paper @ai_machinelearning_big_data

Вы уже зарегистрировались на about:cloud — ML& AI ’21? Если нет, то самое время, еще есть места в оффлайне https://cloud.yandex.ru/events/363 📆 Когда Вечером в понедельник, 31 мая. 📍 Где Оффлайн (офис Яндекса в Москве) + онлайн ❓О чем about:cloud — ML& AI — это митап Yandex.Cloud об искусственном интеллекте и облачных технологиях. В этот раз будем говорить про Data Science и ML-разработку. 3 ключевых доклада вечера 🔁 Как выглядит полный цикл современного машинного обучения в облаке или DataSphere для пользователей Colab ✔️ ML-разработка для Enterprise. Главные фичи и возможности для крупного бизнеса 🎙 Yandex SpeechKit, который живет в DataSphere: как мы обучаем голосовые модели Регистрация и подробности 👉🏻 https://cloud.yandex.ru/events/363

✔️ GPBoost: Combining Tree-Boosting with Gaussian Process and Mixed Effects Models Github: https://github.com/fabsig/GPBoost Demo code: https://htmlpreview.github.io/?https://github.com/fabsig/GPBoost/blob/master/examples/GPBoost_demo.html Paper: https://arxiv.org/abs/2105.08966v2 @ai_machinelearning_big_data

Знаете кто стоит за каждым успешным AI-продуктом? Нет, не только команда крутых разработчиков. Без талантливого продакт-менеджера тоже не обошлось. И если сейчас вы продакт-менеджер, но хотите большего: запускать сложные продуктовые решения и решать верхнеуровневые задачи бизнеса — то мы знаем, чем вам помочь. Нужно всего 4 месяца и мотивация стать лучше. Речь идёт о курсе «AI Продакт-менеджер» от Product LIVE. После него вы научитесь управлять созданием продуктов с применением AI/DS-инструментов и коммуницировать с командой разработчиков. Лекции читают лидеры AI-сферы из Сбербанка, Mail.ru и Facebook, менторы и кураторы всегда помогут, если что-то не получается. Курс рассчитан на 10 часов в неделю — можно совмещать с основной работой и сразу применять в ней полученные навыки. До 31 мая промокод ML45 даст скидку 45% на обучение ❗️Все подробности и регистрация: https://clc.am/-mD_mQ

🧠 NeuroKit2: A Python toolbox for neurophysiological signal processing A user-friendly package providing easy access to advanced biosignal processing routines. Github: https://github.com/neuropsychology/NeuroKit Paper: https://link.springer.com/article/10.3758/s13428-020-01516-y Docs: https://neurokit2.readthedocs.io/en/latest/installation.html @ai_machinelearning_big_data

🧠 NeuroKit2: A Python toolbox for neurophysiological signal processing User-friendly package providing easy access to advanced biosignal processing routines Github: https://github.com/neuropsychology/NeuroKit Paper: https://link.springer.com/article/10.3758/s13428-020-01516-y @ai_machinelearning_big_data