Machinelearning

⭐ CelebA-Spoof: Large-Scale Face Anti-Spoofing Dataset with Rich Annotations Github: https://github.com/Davidzhangyuanhan/CelebA-Spoof Paper: https://arxiv.org/abs/2102.12642v2 Dataset: https://drive.google.com/drive/folders/1OW_1bawO79pRqdVEVmBzp8HSxdSwln_Z Video: https://www.youtube.com/watch?v=A7XjSg5srvI&t=4s&ab_channel=YuanhanZhang @ai_machinelearning_big_data

XLA: Optimizing Compiler for Machine Learning Tensorflow: https://www.tensorflow.org/xla XLA Architecture: https://www.tensorflow.org/xla/architecture Github: https://github.com/tensorflow/tensorflow/tree/master/tensorflow/compiler/xla Code: https://www.tensorflow.org/xla/tutorials/jit_compile @ai_machinelearning_big_data

Обучаете нейронки и работаете с Big Data? Тогда у Яндекса для вас есть DataSphere — новая облачная среда для ML-разработки и анализа данных 🔥Почему ее стоит попробовать: ⏳ Не нужно торопиться из-за временных ограничений, ноутбуки там никуда не пропадают. 💸 Стартовый грант на 3 000 ₽ каждому новому пользователю. Его хватит, например, на 50+ часов вычислений с GPU. 🧾 Когда грант закончится — Pay as you Go — платите только за вычисления. 🖥 Отлично знакомый многим из нас интерфейс Jupyter Notebook и документация на русском. ☁️ Бессерверные технологии, благодаря которым ML становится значительно дешевле всего, что было раньше. ✅ Есть NVIDIA V100 в конфигурациях с одной и четырьмя картами, и можно бесшовно переключаться c CPU на GPU без потери прогресса. В DataSphere можно работать одному и в командах, использовать для работы, учебы и личных проектов! 👉Начните бесплатно по ссылке: https://ya.cc/t/_x6MO5uYMCUBX Любые вопросы задавайте ребятам в официальном чате DataSphere — продуктовая команда проекта оперативно там отвечает: https://t.me/yandex_datasphere

When Attention Meets Fast Recurrence: Training Language Models with Reduced Compute Github: https://github.com/asappresearch/sru Paper: https://arxiv.org/abs/2102.12459v1 Project: https://www.asapp.com/blog/reducing-the-high-cost-of-training-nlp-models-with-sru/ @ai_machinelearning_big_data

🚀 DALL-E Zero-Shot Text-to-Image Generation Github: https://github.com/openai/DALL-E Paper: https://arxiv.org/abs/2102.12092 OpenAi: https://openai.com/blog/dall-e/ @ai_machinelearning_big_data

🔥 Model Search by Google Automatically build and deploy state-of-the-art machine learning models on structured data. Github: https://github.com/google/model_search Paper: https://pdfs.semanticscholar.org/1bca/d4cdfbc01fbb60a815660d034e561843d67a.pdf Project: https://cloud.google.com/automl-tables @ai_machinelearning_big_data

Unbiased Teacher for Semi-Supervised Object Detection Github: https://github.com/facebookresearch/unbiased-teacher Paper: https://arxiv.org/abs/2102.09480 Project: https://ycliu93.github.io/projects/unbiasedteacher.html @ai_machinelearning_big_data

🕹 Mastering Atari with Discrete World Models Github: https://github.com/danijar/dreamerv2 Google research: https://ai.googleblog.com/2021/02/mastering-atari-with-discrete-world.html Paper: https://arxiv.org/abs/2010.02193 @ai_machinelearning_big_data

💻 Как быстро вырасти до миддл-аналитика? На курсе "Python для анализа данных" от Skyeng за 2 месяца вы научитесь решать типовые задачи аналитики данных быстро и изящно с помощью самого популярного в мире языка программирования. Получить бесплатную консультацию и записаться на курс со скидкой 50%👇🏻 https://go.skyeng.ru/t.me_zen_of_python Остались вопросы - пишите на @SkySkillsbot

📍TransGAN: Two Transformers Can Make One Strong GAN Github: https://github.com/VITA-Group/TransGAN Paper: https://arxiv.org/abs/2102.07074 @ai_machinelearning_big_data

💪 These Neural Networks Have Superpowers!  Github: https://github.com/CompVis/taming-transformers Taming Transformers for High-Resolution Image Synthesis: https://compvis.github.io/taming-transformers/ Paper: https://arxiv.org/abs/2012.09841 Video: https://www.youtube.com/watch?v=o7dqGcLDf0A&ab_channel=TwoMinutePapers @ai_machinelearning_big_data

Задача для всех, кто в теме AR/VR технологий Создай решение с трехмерным виртуальным ассистентом экосистемы Сбера на онлайн-хакатоне. 15 команд в финале в рамках трека сразятся за призовой фонд 250 тысяч рублей. Подать заявку и узнать больше деталей о задаче можно на сайте sbercode.tech/arvr-lab/

👁 18 All-Time Classic Open Source Computer Vision Projects for Beginners https://www.analyticsvidhya.com/blog/2020/09/18-open-source-computer-vision-projects-beginners/ @ai_machinelearning_big_data

Если разработчик знаком со структурами данных и алгоритмами, ему проще стать инженером. Алгоритмическая подготовка — это умение быстро думать и писать работающий код. За 4 месяца вы напишете много кода, научитесь оценивать эффективность решений, потренируетесь на практических заданиях и пройдёте учебное собеседование. Вас ждёт: - Бесплатная вступительная часть. Решите задачи и проверьте свои знания. - Полноценный тренажёр от Яндекс.Практикума. Вся теория в собственной среде для обучения. - Практика на Яндекс.Контесте — специальной платформе для проверки алгоритмических задач. - Поддержка наставников и код-ревьюеров. - Программа профессиональной акселерации и помощь с трудоустройством. Узнайте больше на сайте. Начните, а мы поддержим! https://praktikum.yandex.ru/algorithms/

🧪 Alchemy: A structured task distribution for meta-reinforcement learning Deepmind: https://deepmind.com/research/publications/alchemy Github: https://github.com/deepmind/dm_alchemy Paper: https://arxiv.org/abs/2102.02926 @ai_machinelearning_big_data

🚀 High-Performance Large-Scale Image Recognition Without Normalization Github: https://github.com/deepmind/deepmind-research/tree/master/nfnets Paper: https://arxiv.org/abs/2102.06171v1 @ai_machinelearning_big_data

🔊 Deep Perceptual Audio Metric (DPAM) Github : https://github.com/pranaymanocha/PerceptualAudio Paper: https://arxiv.org/abs/2102.05109v1 Website: https://pixl.cs.princeton.edu/pubs/Manocha_2021_CCL/index.php Video: https://www.youtube.com/watch?v=yOceeut_4Gg&ab_channel=PranayManocha @ai_machinelearning_big_data

Internet of things (IoT) — то самое будущее, которое «уже здесь». Умные гаджеты захватили не только наше воображение, но и реальность. Они контролируют домашний микроклимат, регулируют освещение, делают уборку, экономят воду и электричество. Специалисты, которые разрабатывают такие системы, нужны многим компаниям и стартапам. Если хотите стать востребованным профессионалом в перспективной IT-сфере — приходите на курс «Интернет вещей» от GeekBrains. Научитесь работать в Git и Linux, кодить на языке программирования С, разбираться в архитектурах микроконтроллеров. Минимум теории — максимум практики. Скучно точно не будет. Первые 6 месяцев учеба бесплатная. В подарок — купон на покупку рабочего оборудования. Подробнее о курсе

🎨 Colorization Transformer by Google 💻 Github: https://github.com/google-research/google-research/tree/master/coltran 📝 Paper: https://arxiv.org/abs/2102.04432v1 🌐 Pre-trained model: https://console.cloud.google.com/storage/browser/gresearch/coltran;tab=objects?pli=1&prefix=&forceOnObjectsSortingFiltering=false @ai_machinelearning_big_data