Machinelearning

OTUS совместно с CloudМТС проведет онлайн-митап, посвященный миграции на новые облачные сервисы Завтра в 18:00 мы расскажем о специфике миграции в облако МТС: разберем предпосылки, сценарии и технологии. Своим опытом поделятся практикующие эксперты: – Антон Губарев - разработчик Platform as a Service, Авито, – Василий Никулин - Руководитель направления поддержки продаж федеральных клиентов, Департамент облачного бизнеса, – Денис Кузьмичёв - Менеджер по продукту, CloudMТС Каждый участник расскажет о миграции с учетом личного опыта и экспертизы. В конце мероприятия вы сможете задать вопросы всем участникам и получить гайд по миграции с комментариями экспертов. Начинаем 6 сентября в 18:00 по Москве. Приходите по ссылке и приглашайте коллег! Реклама. Информация о рекламодателе на сайте otus.ru

🤖 Transformers are Sample Efficient World Models New state of the art for methods without lookahead search, and even surpasses MuZero. ⚙️Github: ➡️ Paper 💻Dataset @ai_machinelearning_big_data

@python_job_interview - здесь собраны все возможные вопросы и ответы с реальных Python собеседований. @golang_interview - пройти Golang собеседование. @machinelearning_interview - канал подготовит к собеседованию по машинному обучению и алгоритмам . @data_analysis_ml - самая востребованная Python профессия.

🏙 2BiVQA: Double Bi-LSTM based Video Quality Assessment of UGC Videos Github: https://github.com/atelili/2bivqa Paper: https://arxiv.org/abs/2208.14774v1 Dataset: https://paperswithcode.com/dataset/live-vqc Tasks: https://paperswithcode.com/task/video-quality-assessment @ai_machinelearning_big_data

Как организовать потоковую обработку данных. Часть 2! В первой части Евгений Ненахов из центра Big Data МТС Digital рассказал об основных компонентах методологии, а сейчас — о том, как ими пользоваться. Из новой статьи вы узнаете: ➖ где хранить конфигурации ➖ как настроить Kafka и Spark Streaming ➖ как снизить нагрузку на GC и многое другое О том, как создать универсальный инструмент потоковой обработки данных и построить с его помощью мощную систему стриминга, способную обрабатывать 7 млн событий в пике, читайте в блоге МТС на Хабре.

🖼 PyTorch Image Quality (PIQ) is a collection of measures and metrics for image quality assessment. $ pip install piq Github: https://github.com/photosynthesis-team/piq Paper: https://arxiv.org/abs/2208.14818v1 Docs: https://piq.readthedocs.io. Datasets: https://paperswithcode.com/dataset/kadid-10k @ai_machinelearning_big_data

Практический опыт в Data Science нужно получать у практиков. DataWorkshop 5 сентября запускает 3-недельный курс "Практическое введение в Python для Data Science". До 3 сентября (включительно) данный курс можно получить бесплатно. 15 лет опыта в коммерческом программировании, 9 лет в Data Science - у автора курсов. Опыт получал в европейских и американских компаниях. Обучает с 2017 года. Обучение только на реальных данных. Полученные знания можно сразу применять в рабочих проектах. 1000+ студентов из разных стран мира уже прошли обучение на курсах в DataWorkshop. 10 000+ человек приняли участие в различных образовательных программах от DataWorkshop. 9 из 10 человек дают наивысшую оценку курсам DataWorkshop за их практический подход и сжатый концентрат только нужной информации. В их телеграм канале периодически открываются записи в том числе и на бесплатные образовательные программы.

🔋 Self-Supervised Pyramid Representation Learning for Multi-Label Visual Analysis and Beyond Github: https://github.com/wesleyhsieh0806/ss-prl Paper: https://arxiv.org/abs/2208.14439v1 Datasets: https://github.com/wesleyhsieh0806/ss-prl#books-prepare-dataset Downstream: http://host.robots.ox.ac.uk/pascal/VOC/ @ai_machinelearning_big_data

⭐️ YOLOX-PAI: An Improved YOLOX Version by PAI Github: https://github.com/alibaba/EasyCV Paper: https://arxiv.org/abs/2208.13040v1 Datasets: https://paperswithcode.com/dataset/coco @ai_machinelearning_big_data

🥇 The Complete Data Science Study Roadmap ➡️ Read 🎲 Statistics Fundamental by Josh Starmer 👨‍🎓 CS229 machine learning Stanford @ai_machinelearning_big_data

Это — самый короткий путь к работе в SberDevices! 4 сентября участвуй в One Day Offer: пройди fast-интервью за 1 день и получи оффер мечты! Кто мы? Создаём умные устройства, виртуальных ассистентов и другие продукты в области Speech Recognition, NLP, PLP SmartSearch. У нас очень сильная, а главное, драйвовая команда, в которой ты точно найдёшь проекты по душе! Кого мы ищем? Специалистов в сферах Data Science, Machine Learning, data-аналитиков, data-инженеров. Опыт работы в DS/ML от 2 лет. Что такое One Day Offer? Это возможность за 1 день заявить о себе, пройти все этапы отбора и получить предложение присоединиться к команде. Узнай больше и оставь заявку здесь: http://sber.me/?p=1hcrz

✅ Awesome-Dataset-Distillation Github: https://github.com/Guang000/Awesome-Dataset-Distillation Awesome Computer Vision: https://github.com/jbhuang0604/awesome-computer-vision Paper: https://arxiv.org/abs/2208.11311v1 Datasets: https://paperswithcode.com/dataset/cifar-10 @ai_machinelearning_big_data

🔥 Image as a Foreign Language: BEiT Pretraining for All Vision and Vision-Language Tasks Masked "language" modeling on images (Imglish), texts (English), and image-text pairs ("parallel sentences") in a unified manner. Github: https://github.com/microsoft/unilm/tree/master/beit Paper: https://arxiv.org/abs/2208.10442v1 Datasets: https://paperswithcode.com/dataset/visual-genome @ai_machinelearning_big_data

Надоело прыгать от инструмента к инструменту в процессе работы над машинным обучением? ☑️ 31 августа Cloud проводит бесплатный вебинар для дата-сайентистов, дата-инженеров и всех, кто сейчас в поиске удобного инструмента для полного цикла ML-разработки. У каждого будет шанс: ▪️ вместе с экспертом пройти полный путь от загрузки данных на платформу ML Space до вывода модели в production; ▪️ узнать, что помогает сделать обучение моделей более прозрачным; ▪️ увидеть, как наша платформа ускоряет время разработки внутри команды Data Science; ▪️ разобрать практический кейс применения ML-решения; ▪️ узнать, как получить грант на тестирование платформы и убедиться в преимуществах самостоятельно. Регистрируйтесь по ссылке и запускайте AI продукты до 30% быстрее!

Надоело прыгать от инструмента к инструменту в процессе работы над машинным обучением? ☑️ 31 августа Cloud проводит бесплатный вебинар для дата-сайентистов, дата-инженеров и всех, кто сейчас в поиске удобного инструмента для полного цикла ML-разработки. У каждого будет шанс: ▪️ вместе с экспертом пройти полный путь от загрузки данных на платформу ML Space до вывода модели в production; ▪️ узнать, что помогает сделать обучение моделей более прозрачным; ▪️ увидеть, как наша платформа ускоряет время разработки внутри команды Data Science; ▪️ разобрать практический кейс применения ML-решения; ▪️ узнать, как получить грант на тестирование платформы и убедиться в преимуществах самостоятельно. Регистрируйтесь по ссылке и запускайте AI продукты до 30% быстрее! Зарегистрироваться

⚙️ Cold Diffusion: Inverting Arbitrary Image Transforms Without Noise Github: https://github.com/arpitbansal297/cold-diffusion-models Paper: https://arxiv.org/abs/2208.09392v1 Cold-Diffusion: https://arxiv.org/abs/2208.09392 Datasets: https://paperswithcode.com/dataset/celeba @ai_machinelearning_big_data

🎆 Unifying Visual Perception by Dispersible Points Learning Conceptually simple, flexible, and universal visual perception head for variant visual task Github: https://github.com/sense-x/unihead Paper: https://arxiv.org/abs/2208.08630v1 Model: https://drive.google.com/file/d/1TwFCog_PMd1HWA7s-s9pN2F_fgyMyR3x/view Datasets: https://paperswithcode.com/dataset/imagenet @ai_machinelearning_big_data

Новые быстрые IT-курсы от Практикума Освоить новую профессию теперь можно на буткемпах — новых программах длительностью от 2 до 5 месяцев. Курсы подойдут тем, у кого нет опыта в программировании или анализе данных, но есть желание и время, чтобы интенсивно учиться. На буткемпах от Практикума можно стать аналитиком данных, фронтенд-разработчиком, специалистом по Data Science или инженером по тестированию. Особенности коротких программ: - Еженедельное планирование с наставником. Распределите нагрузку и поймёте, на чём нужно сфокусироваться. - Наставник на связи весь день. В течение ~8 учебных часов можете писать наставнику любые вопросы по заданиям. - Вебинары каждую неделю. Разберёте сложные темы, получите помощь с проектами и ответы на вопросы. - Каникулы в середине курса. Отдохнёте неделю — и закончите учёбу с новыми силами. - Помощь с трудоустройством. Научитесь писать резюме, составлять портфолио и искать вакансии. Начните учиться бесплатно сейчас. И регистрируйтесь на ближайший поток: — для аналитиков данных и специалистов по Data Science — 8 сентября; — для инженеров по тестированию и фронтенд-разработчиков — 1 сентября.

🧔 StyleFaceV - Official PyTorch Implementation StyleFaceV produces high-fidelity identity-preserving face videos with vivid movements Github: https://github.com/arthur-qiu/stylefacev Project: http://haonanqiu.com/projects/StyleFaceV.html Video: https://youtu.be/BZNLcD04-Fc Paper: https://arxiv.org/abs/2208.07862v1 Dataset: https://paperswithcode.com/dataset/faceforensics-1 @ai_machinelearning_big_data