Machinelearning

Финал близко! Международный челлендж Марафона ИТ-соревнований Роснефти 2021 года состоится 27 ноября в Москве и подведёт итог всей серии соревнований. В прошлом году за лидерство в рейтинге соревновались ИТ-специалисты из 28 стран. В этот раз мы подготовили призовой фонд в 1 250 000 рублей*, сразу две интересные задачи, единомышленников и специалистов нефтяной компании для заведения полезных знакомств, а также ещё ряд приятных вещей. Участники Rosneft Challenge 2021 (RC2021) будут решать две задачи. Первая задача – это идентификация северных оленей на аэрофотоснимках и выделение молодых особей, вторая – разработка веб-приложения для поиска объектов-аналогов в проектной документации по параметрам. Мы ждём тех, кому интересно попробовать себя в решении реальных кейсов от нефтяного лидера! К участию в ИТ-соревновании допускаются команды до 4-х человек. Так что самое время подумать, кого из товарищей позвать на штурм Хакатона Роснефти. Можно зарегистрироваться и одному участнику, организаторы подберут команду. Регистрация до 13 ноября: https://bit.ly/3FKhSYS *До уплаты налогов.

📊ByteTrack: Multi-Object Tracking by Associating Every Detection Box Github: https://github.com/ifzhang/ByteTrack Paper: https://arxiv.org/abs/2110.06864 Dataset: https://paperswithcode.com/dataset/motchallenge @ai_machinelearning_big_data

Привет! 8-11 ноября NVIDIA проводит свою конференцию в области ИИ, технологий и графики NVIDIA GTC. Конференция сейчас проходит онлайн, и участие в ней бесплатное. GTС объединит главных отраслевых экспертов, которые расскажут о самых актуальных разработках по направлениям AI&Deep Learning, Robotics, Automotive, GPU programming, Data Science, Graphics и др, а также о непосредственном применении этих технологий в различных сферах бизнеса. Всего в программе будет более 500 технологических сессий, включая выступления спикеров из OpenAI, PayPal, Tencent, Hugging Face, Amazon, Daimler Trucks, University of Oxford, Epic Games, Walmart, Mavenir а также МТС, Яндекс и стартапов-участников программы NVIDIA Inception. Помимо этого, конечно же, ждем keynote CEO NVIDIA Дженсена Хуанга, который традиционно рассказывает об основных трендах на рынке и анонсирует все самые важные новости NVIDIA. Добавить напоминание в календарь Поизучать программу и зарегистрироваться для бесплатного участия можно здесь.

LightSeq: A High Performance Library for Sequence Processing and Generation Github: https://github.com/bytedance/lightseq Paper: https://arxiv.org/abs/2110.05722v1 A Guide of LightSeq Training: https://github.com/bytedance/lightseq/blob/master/docs/guide.md @ai_machinelearning_big_data

🌲 Learning High-Speed Flight in the Wild Github: https://github.com/uzh-rpg/agile_autonomy Project: http://rpg.ifi.uzh.ch/AgileAutonomy.html Paper: http://rpg.ifi.uzh.ch/docs/Loquercio21_Science.pdf Dataset: https://zenodo.org/record/5517791#.YV2zkGNfhhE @ai_machinelearning_big_data

Вебинар Бесплатный ML Space на базе инструментов Intel oneAPI для всех желающих. У нас отличные новости, инструменты Intel® oneAPI на облачной платформе ML Space стали доступны для физических лиц. Это значит, что любой желающий может бесплатно использовать набор программных инструментов для ускорения машинного обучения, анализа данных, разработки ПО. На вебинаре вы узнаете: — подробности об инструментах Intel® oneAPI; — сценарии применения этих инструментов для построения ML-моделей; — как получить бесплатный доступ к инструментам на платформе ML Space. Вебинар будет полезен всем, кто интересуется data science. Регистрируйтесь по ссылке. Вебинар пройдёт — 14 октября 2021, четверг, 12:00 *SberCloud — облачный провайдер услуг и сервисов для физлиц, бизнеса и государственных организаций.

🧷 SHAP (SHapley Additive exPlanations) is a game theoretic approach to explain the output of any machine learning model. Github: https://github.com/slundberg/shap Paper: https://arxiv.org/abs/2110.03309v1 @ai_machinelearning_big_data

➡️ Pytorch Transfer Learning Library Github: https://github.com/thuml/Transfer-Learning-Library Paper: https://arxiv.org/abs/2110.02578v1 Dataset: https://paperswithcode.com/dataset/cityscapes @ai_machinelearning_big_data

👉🏻 IT lecture - канал с бесплатными обучающими материалами по IT и технологиям ▪️ Сотни обучающих IT видео-курсов ▪️ Сотни записей крупных конференций и уроков на прокачку ваших скиллов ▪️ Раздача платных курсов на Udemy БЕСПЛАТНО ▪️ Переводы зарубежных статей от топовых IT специалистов Программирование, Искусственный Интеллект, DevOps, Clouds, Веб-Дизайн, Базы Данных и многое другое. Канал обязателен тем, кто хочет ускорить свое IT обучение и прокачать уже имеющиеся скиллы 👉🏻 https://t.me/itlecture

🎯 Darts: User-Friendly Modern Machine Learning for Time Series Github: https://github.com/unit8co/darts Paper: https://arxiv.org/abs/2110.03224v1 Examples: https://unit8co.github.io/darts/examples.html @ai_machinelearning_big_data

🔍 FLAN: More generalizable Language Models with Instruction Fine-Tuning Google research: https://ai.googleblog.com/2021/10/introducing-flan-more-generalizable.html Github: https://github.com/google-research/FLAN Paper: https://arxiv.org/abs/2109.01652 @ai_machinelearning_big_data

NVIDIA DGX A100 уже в Selectel! NVIDIA DGX A100 — самое быстрое в мире решение для работы с ML и AI мощностью 5 петафлопс. Он отлично подойдет, если производительности обычных серверов уже не хватает, а современные задачи требуют высокопроизводительных вычислений. Оставляйте заявку на нашем сайте, чтобы протестировать систему бесплатно: https://slc.tl/H4Cy6 Вместе с DGX A100 вы получите: ◾️Помощь с настройкой и тестированием от @Selectel и Forsite; ◾️Единую систему всех задач ИИ; ◾️Высокую плотность вычислений и производительность; ◾️Встроенную технологию безопасности — от контейнера до чипа.

🚀 Fast bottom-up method that jointly detects over 100 keypoints on humans or objects Github: https://github.com/duncanzauss/keypoint_communities Paper: https://arxiv.org/abs/2110.00988v1 Dataset: https://paperswithcode.com/dataset/coco @ai_machinelearning_big_data

В сентябре 2021 года эксперты Art Recognition с помощью технологии, основанной на сверточных нейросетях, провели анализ картины Рубенса «Самсон и Далила». Искусственный интеллект выдал резюме: 91% вероятности, что картина не принадлежит кисти голландца. Описанный случай мог бы быть просто забавной новостью дня, если бы не другой факт: Национальная галерея Лондона купила «Самсона и Далилу» в 1980 году за 2,5 миллиона фунтов стерлингов (это примерно 6,6 миллиона фунтов стерлингов на современные деньги); картина стала третьим по стоимости произведением искусства из когда-либо проданных (на то время, конечно). Неизвестно, как повлияет на стоимость картины вердикт ИИ (возможно, лишь подогреет интерес и повысит стоимость), но уже понятно, что умение работать с нейросетями и использовать навыки машинного обучения на практике дает компании неоспоримое преимущество — и мы еще не говорим о внедрении ИИ в бизнес. А прямо сейчас расскажем и о внедрении. На курсе «Управление AI/ML продуктами» менторы-эксперты Product Live учат инкапсулированию ИИ в бизнес-решения. Курс нужен продакт-менеджерам, основателям стартапов и руководителям компаний, менеджерам проектов и аналитика — тем, кто держит руку на пульсе и понимает: использовать силу ИИ в повседневных делах бизнеса не просто можно — необходимо. На курсе учат: Управлять командой Data Science-специалистов и ML-инженеров. Внедрять в продуктовые решения прогнозирующие механизмы. Разбираться в совокупности методов машинного обучения. Прототипировать, тестировать и улучшать ИИ-продукт. Разрабатывать Data Science-модели и выстраивать архитектуру систем машинного обучения. Старт: 25 октября. Длительность: 4 месяца. После курса вы можете сравнить себя прежнего, из 2021 года, с собой настоящим — и в январе 2022 ответить на вопрос: почему я не сделал это прежде? А пока вопрос еще не задан, изучите программу курса и оставьте заявку здесь.

TSM: Temporal Shift Module for Efficient Video Understanding Github: https://github.com/princeton-nlp/made Website: https://hanlab.mit.edu/projects/tsm/ Paper: https://arxiv.org/abs/1811.08383 Dataset: https://paperswithcode.com/dataset/squad @ai_machinelearning_big_data

Регистрация: https://futurevector.ru ▪️Как развитие искусственного интеллекта влияет на науку, образование и бизнес? ▪️Какой будет экономика цифровой эпохи? Эти и другие вопросы 28 октября обсудят эксперты Всероссийской конференции «Вектор будущего: фронтирные научные исследования и технологии искусственного интеллекта». Спикеры мероприятия – представители научных центров, ведущих вузов и крупнейших компаний России, в том числе «Газпром нефти», НИУ ВШЭ, «Биокада», «Яндекса». Каждый может принять онлайн-участие в конференции бесплатно и задать вопросы спикерам. ▪️Регистрируйтесь на сайте ⤴️

🤖 MiniHack is a sandbox framework for easily designing rich and diverse environments for Reinforcement Learning Github: https://github.com/facebookresearch/minihack Facebook AI: https://ai.facebook.com/blog/minihack-a-new-sandbox-for-open-ended-reinforcement-learning/ Paper: https://arxiv.org/abs/2109.13202 Documentation: https://minihack.readthedocs.io/ @ai_machinelearning_big_data

⛈ Nowcasting the Next Hour of Rain Github: https://github.com/deepmind/deepmind-research/tree/master/nowcasting Paper: https://www.nature.com/articles/s41586-021-03854-z Deepmind blog: https://deepmind.com/blog/article/nowcasting @ai_machinelearning_big_data

🧠 С момента выкладки библиотеки CatBoost в опенсорс прошло 100 лет! (Это если считать в двоичной системе счисления). Но главная новость в другом: библиотека обновилась до версии 1.0.0 и достигла состояния «production ready». К примеру, серьёзно подросла скорость обучения и появилась поддержка Spark. Более подробно обо всём этом читайте на Хабре: https://habr.com/ru/company/yandex/blog/580950/ @ai_machinelearning_big_data

🧍‍♂ PASS: Pictures without humAns for Self-Supervised Pretraining PASS is a large-scale image dataset that does not include any humans, human parts, or other personally identifiable information. Github: https://github.com/yukimasano/PASS Paper: https://arxiv.org/abs/2109.13228v1 Dataset: https://paperswithcode.com/dataset/pass Documentation: https://www.robots.ox.ac.uk/~vgg/research/pass/ @ai_machinelearning_big_data