Machinelearning

🤗 SetFit - Efficient Few-shot Learning with Sentence Transformers An efficient and prompt-free framework for few-shot fine-tuning of Sentence Transformers (ST). python -m pip install setfit ⚙️ Github 🗒 Paper 📌 Blog 🦾 Model and Dataset @ai_machinelearning_big_data

🔄 VToonify: Controllable High-Resolution Portrait Video Style Transfer git clone https://github.com/williamyang1991/VToonify.git cd VToonify ⚙️ Github 💡 Colab 💻 Project 🗒 Paper 🦾 Dataset 🎞 Video @ai_machinelearning_big_data

Курс «Английский для разработчиков» от Яндекс Практикума Для специалистов, которые хотят изменить свою профессиональную жизнь и работать в международной команде. Обучение построено вокруг рабочих ситуаций и полезных для карьеры навыков: • Самопрезентация. Рассказ о своей роли, задачах, сфере ответственности на поведенческом интервью и в неформальной беседе. • Работа в команде. Стендапы, планирование спринтов, демонстрация навыков командной работы на собеседовании. • Общение в процессе работ над кодом. Код-ревью, парное программирование, комментирование алгоритмических задач на собеседовании. • Общение с заказчиками. Уточнение технического задания, решение спорных ситуаций. • Нетворкинг. Выступление на митапах, неформальное общение с коллегами из отрасли. • Рефлексия и самоанализ. Ретроспектива, ревью, ответы на сложные вопросы. Запишитесь на бесплатную консультацию. Определим ваш уровень языка, расскажем про обучение и ответим на все вопросы.

🗣 Robust Speech Recognition via Large-Scale Weak Supervision Whisper is a general-purpose speech recognition model by Open AI. pip install git+https://github.com/openai/whisper.git ⚙️ Github 💡 Colab 💻 Model 🗒 Paper 🦾 Dataset ✴️ HABR @ai_machinelearning_big_data

🗒 Text2Light: Zero-Shot Text-Driven HDR Panorama Generation Text2Light can generate HDR panoramas in 4K+ resolution using free-form texts solely. conda env create -f environment.yml conda activate text2light ⚙️ Github 💡 Project 💻 Model 🗒 Paper 🦾 Tutorial @ai_machinelearning_big_data

Встречай самое захватывающее, яркое и масштабное IT-соревнование года. Это больше, чем хакатон. Регистрируйся на конкурс Лидеры цифровой трансформации, где тысячи представителей IT-профессий создают сервисы для улучшения жизни горожан. Тебя ждут: - Призовой фонд 20 000 000 ₽ - 10 задач и 2 недели на разработку - Подарки от партнеров и эксклюзивный мерч для финалистов - Грандиозный финал в формате двухдневного фестиваля - Возможность пилотирования твоего прототипа и создания стартапа В этом году участникам предстоит разработать ряд востребованных городом решений: от интерактивной карты ВДНХ и платформы для медицинской разметки до рекомендательных сервисов по размещению московских постаматов и выявлению перспективных производственных ниш. Подай заявку прямо сейчас: https://clck.ru/326ozW В Telegram-чате конкурса ты узнаешь подробности и найдешь команду https://t.me/leaders_2022

👁 Real-time Online Video Detection with Temporal Smoothing Transformers git clone --recursive git@github.com:zhaoyue-zephyrus/TeSTra.git ⚙️ Github 🗒 Paper 🦾 Dataset @ai_machinelearning_big_data

20.09 @ai_machinelearning_big_data Работаете специалистом по машинному обучению и хотите расширить свои знания в области Computer Vision? ⚡️ Начните осваивать необходимые навыки 22 сентября в 20:00 на открытом вебинаре «Сверточные нейронные сети» На занятии мы рассмотрим: ⁃ сверточную нейронную сеть ⁃ деконволюцию и субдискретизацию ⁃ Dropout и BatchNorm для сверток 📚 Demo-занятие пройдет в рамках онлайн-курса «Computer Vision» и позволяет оценить качество материалов и познакомиться с преподавателем. Чтобы записаться на мероприятие 👉Пройдите вступительное тестирование

🛠 Omni-Dimensional Dynamic Convolution A novel multi-dimensional attention mechanism with a parallel strategy to learn complementary attentions for convolutional kernels. ⚙️ Github 🗒 Paper 🦾 Dataset @ai_machinelearning_big_data

🛠 Generative Visual Prompt: Unifying Distributional Control of Pre-Trained Generative Models ⚙️ Github 🗒 Paper 🦾 Dataset @ai_machinelearning_big_data

Yandex Research выложил в опенсорс RuLeanALBERT — самую большую BERT-подобную модель на русском языке, которая поместится на ваш компьютер Нейросеть обучали децентрализованно с помощью вычислительной платформе Яндекса. На бенчмарках по пониманию языка она показывает результаты, сравнимые с другими открытыми моделями и где-то даже близкие к state-of-the-art. Модель хотя и имеет миллиарды параметров, но вполне способна уместиться на одну домашнюю GPU: вы можете использовать её открытый код в своих проектах для классификации предложений, представления текстов и других языковых задач, не требующих генерации. Yandex Research — это исследовательская группа в Яндексе, которая занимается фундаментальными проблемами в важнейших областях computer science. Подробности – в статье на Хабре

Подборка инструментов инженера данных под разные задачи. Взгляните, вдруг всё это время вы забивали гвозди микроскопом? А если вы хотите сделать архитектуру данных на работе ещё мощнее — обратите внимание на курс Яндекс Практикума. Пройдите тест в бесплатной вводной части курса, чтобы понять, подходит ли вам программа.

🤖 DAMO ConvAI The official repository which contains the codebase for Alibaba DAMO Conversational AI. ⚙️ Github ➡️ Paper 📎 Tasks 🗒 Text-to-SQL Parsing @ai_machinelearning_big_data

Стартовал первый Rosneft Challenge — самый масштабный среди ИТ-соревнований Роснефти. Его призовой фонд составляет 920 000 рублей 😊 Регистрируйтесь на сайте 👉🏻 https://events.rn.digital/hack/it2022rc1, получайте задание и дерзайте! Вам предстоит создать модель машинного обучения и с ее помощью спрогнозировать дату отказа установки электроприводного центробежного насоса. В вашем распоряжении будет большой банк данных о скважине и установленном оборудовании. Rosneft Challenge – ваш шанс выиграть крупный денежный приз, достойно продемонстрировать свои профессиональные компетенции и попасть в команду лидера нефтяной отрасли России! Лучший результат найдет применение на предприятиях «Роснефти». Подробнее https://bit.ly/3xsxqOt

🚀 StoryDALL-E: Adapting Pretrained Text-to-Image Transformers for Story Continuation ⚙️ Github ➡️ Paper 🛠 Demo 📄 Dataset @ai_machinelearning_big_data

💥 Реализовать вау-фичи и задрайвить рост проекта? Задействуем Machine Learning (ML).Сделать удобнее базовые элементы сервисов? Тоже ML. Технологии машинного обучения — это ответ на все вопросы и must have для тех, кто смотрит в будущее. При поддержке VK на Saint HighLoad++ представлен целый трек докладов на эту тему. Поговорим о том, как на базе ML создавать практичные решения, готовые к большим нагрузкам. Расскажем, как встраивать их в существующие пайплайны и эксплуатировать в продакшене. ✅ Программа ML-трека - https://bit.ly/3RGQcJS 🖐 Встречаемся на Saint HighLoad++ 22 и 23 сентября.

👁‍🗨 Patch Similarity Aware Data-Free Quantization for Vision Transformers PSAQ-ViT V2, a more accurate and general data-free quantization framework for ViTs, built on top of PSAQ-ViT. git clone https://github.com/zkkli/PSAQ-ViT.git cd PSAQ-ViT ⚙️ Github ➡️ Paper 📄 Dataset @ai_machinelearning_big_data

NewProLab запускает 12-недельную онлайн-программу «Специалист по большим данным» Старт – 20 сентября. В программе – 36 занятий, 9 лаб, 2 проекта и 3 варианта прохождения: Полное погружение (только в даты проведения программы) – 36 живых занятий в ZOOM, возможность задавать вопросы, тесты, лабы, поддержка координаторов, сертификат об успешном прохождении. Видео занятий и лабы (только в даты проведения программы) – видеозаписи 36 занятий, тесты, лабы, поддержка координаторов, сертификат об успешном прохождении. Видео занятий и тесты (можно пройти в любое время) – видеозаписи 36 занятий, тесты, сертификат о прохождении. Чему вы научитесь? - обрабатывать данные в Pandas - строить модели машинного обучения (логистическая регрессия, деревья, случайный лес) в Scikit-learn - анализировать текстовые данные - и многое другое Подробности по ссылке Для участников нашего сообщества организаторы предоставили промокод Machinelearning, по которому вы получите скидку 15% при покупке программы.

🦾 OpenMixup: Open Mixup Toolbox and Benchmark for Visual Representation Learning open-source all-in-one toolbox for supervised, semi-, and self-supervised visual representation learning with mixup conda create -n openmixup python=3.8 pytorch=1.12 cudatoolkit=11.3 torchvision -c pytorch -y conda activate openmixup pip install openmim mim install mmcv-full git clone https://github.com/Westlake-AI/openmixup.git cd openmixup python setup.py develop ⚙️ Github ➡️ Paper 🛠️Installation 📄 Dataset @ai_machinelearning_big_data