Machinelearning

🔥 Weekend Offer для ML- и RecSys-разработчиков RecSys ВКонтакте – это талантливые люди, которые сегодня придумывают идею — а завтра она уже в проде, полезные рекомендации для всех и небездушные технологии. Вместе с Командой VK Клипов и VK Видео вы будете разрабатывать рекомендательные системы для двух крупнейших российских видеосервисов, а с Core ML – заниматься умным ранжированием ленты и подбором интересных публикаций для пользователей, рекомендациями друзей, ранжированием комментариев. Первая встреча: 20 июня — 1 июля. Детальное знакомство: суббота, 2 июля. Финальное собеседование: воскресенье, 3 июля. Ссылка на регистрацию: https://vk.cc/ceq94C

♦️ Color engineering for special images How to improve color encoding of unnatural images. Article Dataset @ai_machinelearning_big_data

⚡️ Тест для продвинутого уровня по Machine Learning Ответьте на 10 вопросов и проверьте, насколько вы готовы к обучению на углубленном курсе - «Machine Learning. Advanced» от OTUS и его партнера — Сбера. 📌 РЕЗУЛЬТАТ ПРОХОЖДЕНИЯ КУРСА: Вы освоите продвинутые приемы машинного обучения, которые позволят вам уверенно себя чувствовать на ведущих Middle/ Senior позициях и справляться даже с нестандартными задачами. 💻 Двухдневный интенсив — Рекомендовать или не рекомендовать, пуcть решает ML!, 11 июля в 18:00 https://otus.pw/K5Tm/ Время прохождения теста ограниченно 20 минут 👉 ПРОЙТИ ТЕСТ https://otus.pw/Pgmq/

📡 NU-Wave — Official PyTorch Implementation Github: https://github.com/mindslab-ai/nuwave Paper: https://arxiv.org/abs/2206.08545v1 Dataset: https://datashare.ed.ac.uk/handle/10283/3443 @ai_machinelearning_big_data

🔊 SoundSpaces 2.0: A Simulation Platform for Visual-Acoustic Learning We introduce SoundSpaces 2.0, a platform for on-the-fly geometry-based audio rendering for 3D environments. Github: https://github.com/facebookresearch/sound-spaces Paper: https://arxiv.org/abs/2206.08312v1 Dataset: https://paperswithcode.com/dataset/librispeech @ai_machinelearning_big_data

"Стань дата-инженером с Яндекс Практикумом Сервис онлайн-обучения цифровым профессиям Яндекс Практикум запускает программу обучения по специальности «Инженер данных». Курс предназначен для студентов с как минимум базовым знанием SQL и Python — перед стартом необходимо пройти тест. Авторы и преподаватели – практикующие эксперты ведущих российских IT-компаний.  Длительность — 6,5  месяцев.  Курс на 75% состоит из практических занятий – по окончании программы в вашем портфолио будет не менее 10 проектов.   Вы научитесь:  - работать с технологиями Python, SQL, Metabase, Airflow, PostgreSQL, MongoDB, ClickHouse, Celery, Kafka, Hadoop, Apache Spark, Spark Streaming и Yandex.Cloud - извлекать, очищать и сохранять данные - создавать и поддерживать хранилища типов Data Warehouse и Data Lake - работать со стриминговой обработкой данных и облаками Претендовать на работу по новой специальности студенты курса смогут уже в ходе обучения – с поиском вакансии помогут специалисты карьерного центра Яндекс Практикум.  Запись на курс открыта, старт занятий для ближайшего потока студентов – 23 мая.  Стоимость курса: 95 000 рублей при разовой оплате, при оплате в рассрочку – 17 000 рублей в месяц.  По завершении программы студенты получат диплом о профессиональной переподготовке.  Запись на бесплатную вводную часть и подробности по ссылке.

✔️ Pythae: Unifying Generative Autoencoders in Python -- A Benchmarking Use Case This library implements some of the most common (Variational) Autoencoder models. Github: https://github.com/clementchadebec/benchmark_VAE Paper: https://arxiv.org/abs/2206.08309v1 Dataset: https://paperswithcode.com/dataset/celeba @ai_machinelearning_big_data

Метавселенные: хайп или наше будущее? Тут понятно и доступно рассказывают про NFT, блокчейн, искусственный интеллект, метавселенные и кибернетику умных устройств.

🖊 StrengthNet Implementation of "StrengthNet: Deep Learning-based Emotion Strength Assessment for Emotional Speech Synthesis" Github: https://github.com/ttslr/strengthnet Paper: https://arxiv.org/abs/2110.03156 MOSNet: https://github.com/lochenchou/MOSNet Dataset: https://paperswithcode.com/dataset/waymo-open-dataset @ai_machinelearning_big_data

Как повысить эффективность логистики с помощью неклассических тестов? Ответ можно найти в последней статье Delivery Club на Хабре. В ней команда операционных аналитиков поделилась тонкостями эксперимента по внедрению switchback A/B-тестов. Вы узнаете об особенностях таких тестов, сути сетевого эффекта, об этапах запуска switchback A/B-эксперимента в логистике и его итогах. Подробнее по ссылке.

🔖 DoWhy | An end-to-end library for causal inference "DoWhy" is a Python library that aims to spark causal thinking and analysis. Github: https://github.com/py-why/dowhy Docs: https://py-why.github.io/dowhy/ Paper: https://arxiv.org/abs/2206.06821v1 Video: https://note.microsoft.com/MSR-Webinar-DoWhy-Library-Registration-On-Demand.html @ai_machinelearning_big_data

Слышали о профессии аналитика данных, но сомневаетесь? Поможем понять, подходит ли вам специальность. → Бесплатный вебинар 17 июня в 19:00 О профессии расскажут эксперты: ◾️ Ирина Ефимова, руководитель продуктовых исследований направления анализа данных в Яндекс Практикуме ◾️ Артем Исакин, руководитель трудоустройства направления анализа данных в Яндекс Практикуме ◾️ Михаил Панфилов, Junior Data Engineer в Dostavista, выпускник Практикума Вы узнаете: — какие аналитики бывают и чем они занимаются; — сложно ли сейчас аналитикам данных найти работу; — нужен ли опыт в IT; — есть ли работа в регионах. — чего работодатели ждут от аналитиков и как этому учат в Практикуме; — как стартовать в профессии, если плохо знаете математику или программирование; А в финале вы ответите на 5 вопросов, чтобы узнать подойдет ли вам профессия. → Зарегистрироваться на вебинар

😲 LIVE- Towards Layer-wise Image Vectorization (CVPR 2022 Oral) New method to progressively generate a SVG that fits the raster image in a layer-wise fashion. Github: https://github.com/picsart-ai-research/live-layerwise-image-vectorization Project: https://ma-xu.github.io/LIVE/ Paper: https://arxiv.org/pdf/2206.04655v1.pdf Colab: https://colab.research.google.com/drive/1s108WmqSVH9MILOjSAu29QyAEjExOWAP?usp=sharing @ai_machinelearning_big_data

@itchannels_telegram - data science, machine learning useful channels

Can CNNs Be More Robust Than Transformers? CNN architectures without any attention-like operations that is as robust as, or even more robust than, Transformers. Github: https://github.com/ucsc-vlaa/robustcnn Paper: https://arxiv.org/abs/2206.03452v1 Dataset: https://paperswithcode.com/dataset/imagenet-r @ai_machinelearning_big_data

#Вакансия: Data Engineer (Middle) 📍 В классном офисе в Москве/гибрид; 📍200-350К руб., белая ЗП или ИП; 📍Большой датасет, интересные задачи, возможность влиять на продукт. ✅ОБЯЗАННОСТИ • Проектировать, разрабатывать и поддерживать пайплайны для сбора и обработки данных; • Обеспечивать SLA и качество данных; • Готовить данные для моделей машинного обучения и участвовать в их продукционализации совместно с data science командой. ✅ТРЕБОВАНИЯ • Хорошее знание технологий из стека: Python, SQL, Spark, Airflow; • Опыт работы на проектах с большими данными, понимание принципов распределенной обработки данных; • Опыт продуктовой разработки в технологических компаниях. ✅БУДЕТ ПЛЮСОМ: • Опыт работы с облаками, особенно, с Яндекс.Облаком; • Опыт разработки высоконагруженных бэкенд сервисов на Java, Scala или Python; • Опыт работы с моделями машинного обучения в продакшене; • Опыт работы с базами данных для аналитики, особенно, с ClickHouse. Понравилась вакансия? Присылай CV @naikava

🔥 EG3D: Efficient Geometry-aware 3D Generative Adversarial Networks by Nvidia Expressive hybrid explicit-implicit network architecture that, together with other design choices, synthesizes not only high-resolution multi-view-consistent images in real time but also produces high-quality 3D geometry. Github: https://github.com/NVlabs/eg3d Project: https://nvlabs.github.io/eg3d/ Video: https://www.youtube.com/watch?v=cXxEwI7QbKg&feature=emb_logo&ab_channel=StanfordComputationalImagingLab Paper: https://nvlabs.github.io/eg3d/media/eg3d.pdf Documentation: https://ontomerger.readthedocs.io/

👁‍🗨 CVNets: A library for training computer vision networks Improved model, MobileViTv2, is state-of-the-art on several mobile vision tasks, including ImageNet object classification and MS-COCO object detection. Github: https://github.com/apple/ml-cvnets Examples: https://github.com/apple/ml-cvnets/blob/main/docs/source/en/models Paper: https://arxiv.org/abs/2206.02680v1 Dataset: https://paperswithcode.com/dataset/coco @ai_machinelearning_big_data

Создайте свою первую нейросеть за 10 дней Благодаря машинному обучению нам доступны чудеса вроде распознавания лиц, написания песен в стиле Курта Кобейна и картин в духе Рембрандта. Создать свою собственную нейросеть реально. На бесплатном курсе Нетологии «Искусственный интеллект: создайте свою первую нейросеть» за 5 занятий вы узнаете, как устроены нейросети и в каких сферах они применяются, а также самостоятельно обучите до 4-х математических моделей, которые будут распознавать собак на фото, классифицировать изображения и определять эмоциональную окраску сообщения. Мир Data Science и искусственного интеллекта — доступнее, чем кажется. Убедитесь в этом сами → https://netolo.gy/iwv

🔘 Squeezeformer: An Efficient Transformer for Automatic Speech Recognition Github: https://github.com/kssteven418/squeezeformer Paper: https://arxiv.org/abs/2206.00888v1 Dataset: https://paperswithcode.com/dataset/librispeech @ai_machinelearning_big_data