Machinelearning

📌 При работе большими данными часто обучение моделей возможно только с использованием Spark. Но как потом эту модель обернуть в REST интерфейс и запустить в форме веб-сервиса? 📚 Узнаем на бесплатном demo-занятии 2 марта в 20:00 (мск) с Павлом Филоновым, Ex-Data Science Manager в Kaspersky. 🔥 На вебинаре мы рассмотрим несколько подходов к решению такой задачи, начиная от самых простых до более сложных вариантов (MLFlow serve, ONNX export). ❗️ Открытый урок — это возможность попробовать онлайн-курс «MLOps», разработанный с поддержкой Сбера. 👉 Для участия пройдите вступительный тест https://otus.pw/hC9h/

🔎 Anomalib: A Deep Learning Library for Anomaly Detection Github: https://github.com/openvinotoolkit/anomalib Docs: https://openvinotoolkit.github.io/anomalib/ Paper: https://arxiv.org/abs/2202.08341v1 Dataset: https://paperswithcode.com/dataset/btad @ai_machinelearning_big_data

Как делать в Data Science не только карьеру, но и чудеса? 🔥 Компьютерное зрение — высший пилотаж в мире Deep Learning для тех, кому надоело заниматься скорингами, фродом и прочей аналитикой. На онлайн-курсе «Computer Vision» от OTUS вы научитесь использовать фреймворки PyTorch, TensorFlow и Keras и создадите свою нейросеть, которая сможет обрабатывать изображения или видео не хуже юного тиктокера.  Знаете математику, основы машинного обучения и принципы построения нейросетей? Тогда проходите вступительный тест и присоединяйтесь к группе 👉 https://otus.pw/6mdC/

🗣 Facebbok’s textless-lib: a Library for Textless Spoken Language Processing Github: https://github.com/facebookresearch/textlesslib Code examples: https://github.com/facebookresearch/textlesslib/tree/main/examples Paper: https://arxiv.org/abs/2202.07359v1 Dataset: https://paperswithcode.com/dataset/librispeech @ai_machinelearning_big_data

Конференция для разработчиков ИИ NVIDIA GTC 2022 пройдет онлайн и бесплатно 21-24 марта: вас ждут пленарный доклад Дженсена Хуанга, новые продукты и более 900 сессий от лидеров ИИ и индустрии. Среди спикеров GTC: • Andrew Ng, основатель DeepLearning.AI, основатель и генеральный директор Landing AI • Hao Yang, вице-президент по исследованиям в ИИ, Visa • Jack Jin, ведущий инженер по машинному обучению, Zoom • Lidia Fonseca, директор по цифровым технологиям, Pfizer • Magnus Östberg, главный специалист по программному обеспечению, Mercedes-Benz AG • Markus Gross, вице-президент по исследованиям, Walt Disney Studios • Peter Stone, исполнительный директор в Sony AI и профессор в Техасском Университете г Остин • Stefan Sicklinger, глава BigLoop and Advanced Systems, CARIAD/VW Group • Yu Liu, директор по ИИ, Meta И другие. Кроме того, вас ждут новые воркшопы, возможности для общения и новейшие технологии NVIDIA. Посмотреть полную программу и зарегистрироваться можно здесь: https://nvda.ws/3GVPthK

🐙 OCTIS : Optimizing and Comparing Topic Models is Simple! Github: https://github.com/mind-Lab/octis Paper: https://arxiv.org/abs/2202.07631v1 Dataset: https://paperswithcode.com/dataset/20-newsgroups @ai_machinelearning_big_data

На курсе «Мидл python-разработчик» студенты учатся продвинутой бэкенд-разработке и получают проекты в портфолио без NDA. → Приходите учиться, если вы знакомы с основами Python, базами данных и API. Мы поможем стать уверенным мидлом за шесть месяцев, а не за полтора года. Курс научит решать задачи с хранилищами данных, работать с синхронными и асинхронными фреймворками, проектировать лаконичную архитектуру, а ещё — даст опыт командной разработки. Что будет на учёбе: ⬛️ Код-ревью и обратная связь от старших разработчиков из Яндекса и других IT-компаний. ⬛️ Вся необходимая теория в одном месте. ⬛️ Обучение в команде на реальных рабочих задачах: студенты создадут сервисы для полноценного онлайн-кинотеатра в GitHub. ⬛️ Наставники помогут разобраться с трудностями и поделятся опытом на вебинарах и демо. ⬛️ Кураторы и дедлайны не дадут прокрастинировать. ⬛️ Карьерные консультации: наши специалисты помогут найти новый проект или сделать так, чтобы на текущей работе вам начали давать более амбициозные задачи. → Старт потока — 24 февраля. Учёба длится шесть месяцев. → Познакомьтесь с курсом и оцените свои силы во вступительном тестировании — это бесплатно.

💡 A lightweight vision library for performing large scale object detection & instance segmentation Github: https://github.com/obss/sahi Paper: https://arxiv.org/abs/2202.06934v1 Kaggle notebook: https://www.kaggle.com/remekkinas/sahi-slicing-aided-hyper-inference-yv5-and-yx Dataset: https://paperswithcode.com/dataset/xview @ai_machinelearning_big_data

Опубликованы новые материалы по Machine Learning от Школы анализа данных Яндекса 🔥 То самое пособие, которое ШАД разместила в открытом доступе, пополнилось новым разделом — про базовые архитектуры и обучение нейросетей. Чтобы вы лучше разобрались в предыдущих темах, авторы также добавили главы о математике ML: матричное дифференцирование и bias-variance decomposition. Возьмитесь за основательное изучение Machine Learning и сохраняйте ссылку на онлайн-учебник: https://clck.ru/b33aZ P.S. Пособие регулярно обновляется, и в скором времени в нём появятся материалы о вероятностном подходе к ML и решении сложных задач Data Science. Следите за выходом новых глав!

🎬 FILM: Frame Interpolation for Large Scene Motion Github: https://github.com/google-research/frame-interpolation Paper: https://arxiv.org/pdf/2202.04901.pdf Video: https://www.youtube.com/watch?v=OAD-BieIjH4 Project: https://film-net.github.io/ @ai_machinelearning_big_data

📱 Best it channels in telegram https://t.me/ArtificialIntelligencedl - ai https://t.me/pythonl - largest python https://t.me/Machinelearningtest - machine learning test https://t.me/pro_python_code - python ru https://t.me/datascienceiot - ds, ml free books https://t.me/programming_books_it https://t.me/pythonlbooks - python books https://t.me/javascriptv - javascript channel https://t.me/about_javascript - advanced js https://t.me/JavaScript_testit - js tests https://t.me/Golang_google - Go channel https://t.me/golangl. -golang chat https://t.me/golang_jobsgo -golang jobs https://t.me/neural - neural nets https://t.me/hashdev - web development https://t.me/htmlcssjavas - web https://t.me/hr_itwork - jobs https://t.me/linux_kal - kali linux https://t.me/machinee_learning - ml chat https://t.me/linuxkalii - linux chat https://t.me/machinelearning_ru - ml ru https://t.me/python_testit - python tests https://t.me/csharp_ci- c# https://t.me/tensorflowblog - tensorflow https://t.me/Django_pythonl

🗒 DALL-Eval: Probing the Reasoning Skills and Social Biases of Text-to-Image Generative Transformers Github: https://github.com/j-min/dalleval Paper: https://arxiv.org/pdf/2202.01936v1.pdf Data: https://drive.google.com/drive/folders/1Bza2zyvHLvComohZ9PAGyykY7sm7JoIH Dataset: https://paperswithcode.com/dataset/conceptual-captions @ai_machinelearning_big_data

Хотите развиваться в области Data Science? Сделайте первые шаги на открытом уроке «Natural language processing: как компьютер общается с людьми» 16 февраля в 18:00. Тексты встречаются в огромном числе Data Science задач: чат-ботах, голосовых ассистентах или поисковиках. Мария Тихонова, Senior Data Scientist в Сбере, расскажет о принципах их работы и главных трендах в обработке естественного языка. Demo-занятие пройдет в рамках онлайн-курса «Machine Learning. Professional». Пройдите вступительный тест, чтобы оценить свой уровень подготовки и зарегистрироваться https://otus.pw/Tsyh/

🖌 Two-Dimensional Tensors in Pytorch https://machinelearningmastery.com/two-dimensional-tensors-in-pytorch/ One-Dimensional Tensors: https://machinelearningmastery.com/one-dimensional-tensors-in-pytorch/ PyTorch tensor Tutorial: https://pytorch.org/tutorials/beginner/basics/tensorqs_tutorial.html @ai_machinelearning_big_data

21 февраля Яндекс.Практикум запускает бесплатную Школу наставников. Школа наставников — это хорошая возможность развить софт-скиллы, научиться делиться знаниями с командой и подтвердить экспертность в своей области. Она проходит в формате онлайн-занятий. Всего будет 5 уроков, которые будут проходить два раза в неделю по вечерам. Наставник в Практикуме — это опытный специалист, который передаёт свои знания студентам, помогает учиться и справляться с трудностями. Наставничество можно совмещать с основной работой, оно занимает от 6 до 15 часов в неделю. Вознаграждение — от 35 до 50 тысяч рублей в зависимости от курса и потраченного времени. Сейчас ищем наставников в сферах: аналитика данных и Data Science, тестирование, веб-разработка, разработка на Java, Python, С++, Go, дизайн и управление. Подать заявку желательно до 14 февраля, чтобы успеть выполнить тестовое задание: https://clck.ru/auije

🦾 The easiest way to the neuroscience world with the shield for RaspberryPi Github: https://github.com/Ildaron/EEGwithRaspberryPI Paper: https://arxiv.org/pdf/2202.01936v1.pdf Project: https://www.crowdsupply.com/hackerbci/pieeg @ai_machinelearning_big_data

VOS: Learning What You Don't Know by Virtual Outlier Synthesis Github: https://github.com/deeplearning-wisc/vos Paper: https://arxiv.org/pdf/2202.01197v2.pdf Dataset: https://paperswithcode.com/dataset/bdd100k @ai_machinelearning_big_data

FashionTech — новое экспертное медиа про технологии в моде: коллаборации, AR, NFT, тренд репорты и многое другое. Подписавшись, вы узнаете: — Прогноз тенденций по развитию метавселенных — Зачем физические коллекции переходят в цифровые и продаются, как NFT — Какие новые технологии устойчивого производства внедряют бренды — Почему ресайкл и апсайкл - ключевые тренды будущего В канале много переводной аналитики из закрытых источников и экспертного мнения от людей из индустрии.

📍 Competition-Level Code Generation with AlphaCode Github: https://github.com/deepmind/code_contests Paper: https://storage.googleapis.com/deepmind-media/AlphaCode/competition_level_code_generation_with_alphacode.pdf Dataset: https://paperswithcode.com/dataset/humaneval @ai_machinelearning_big_data

📹 VRT: A Video Restoration Transformer Github: https://github.com/jingyunliang/vrt Paper: https://arxiv.org/abs/2201.12288 Dataset: https://paperswithcode.com/dataset/gopro @ai_machinelearning_big_data