Machinelearning

⚠️Как специалисту по машинному обучению попасть в крупную компанию? Освоить востребованный скилл на бесплатном открытом уроке «Ассоциативные правила в теории рекомендательных систем» от OTUS и Марии Тихоновой – Senior Data Scientist в «SberDevices» и преподавателя ВШЭ. 🔹На вебинаре вы изучите теорию ассоциативных правил и примените полученные знания на практике  🔹Узнаете, как искать ассоциативные правила в покупательских корзинах и сможете находить ассоциативные правила в рекомендательных системах инструментами Python. Занятие пройдёт 4 декабря в 18:00 мск и будет приурочено к старту курса «Machine Learning. Professional».  👉 Регистрация https://otus.pw/ZU6T/?erid=LjN8KZz76 Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963.

🖥 Swift Parameter-free Attention Network for Efficient Super-Resolution Сверхразрешение изображений (SISR) - важнейшая задача низкоуровневого компьютерного зрения, направленная на восстановление изображений высокого разрешения по их аналогам низкого разрешения. Традиционные механизмы внимания значительно улучшили производительность SISR, но такие механизмы часто приводят к сложной структуре сети и большому количеству параметров, что приводит к низкой скорости вывода и большому размеру модели. Parameter-free Attention Network (SPAN) - новая высокоэффективная модель SISR, которая позволяет сбалансировать количество параметров, скорость вывода и качество изображения. В SPAN используется новый механизм внимания без параметров, который использует симметричные функции активации для усиления качества генерации и подавления избыточной информации. SPAN был протестирован на нескольких бенчмарках,которые показали что она превосходит существующие модели суперразрешения как по качеству изображения, так и по скорости вывода, достигая компромисса между качеством и скоростью. Это делает SPAN весьма пригодной для использования в реальных приложениях, особенно в случаях с ограниченными ресурсами. 🖥 Code: https://github.com/hongyuanyu/span 🦾 Checkpoint: https://drive.google.com/file/d/1iYUA2TzKuxI0vzmA-UXr_nB43XgPOXUg/view?usp=sharing 📚 Paper: https://arxiv.org/abs/2311.12770v1 🔗 Dataset: https://paperswithcode.com/dataset/manga109 @ai_machinelearning_big_data

♟ ChessVision - A dataset for logically coherent multi-label classification. Набор данных с изображениями шахматных досок в различных позициях. 🖥 Github: https://github.com/wojciechkusa/systematic-review-datasets 📕 Paper: https://arxiv.org/pdf/2311.12474v1.pdf ✨ Tasks: https://paperswithcode.com/task/question-answering 🔥Datasets: https://paperswithcode.com/dataset/blurb @ai_machinelearning_big_data

@Axenix_Ru  — канал о развитии ИТ-консалтинга и цифровизации бизнеса. Здесь команда Axenix (ex-Accenture) делится 30-летним опытом разработки и внедрения бизнес- и ИТ‑стратегий, исследованиями рынка ИТ-консалтинга, анонсами бизнес-форумов и новейшими технологическими разработками. — Может ли сверхразумный ИИ нести в себе угрозу глобального уничтожения? — Почему разработка голосовых помощников все еще единичная практика, а не тенденция? —  10 сфер применения технологий «умного города» и причем тут ИИ? — Почему «магазин будущего» до сих пор не появился, несмотря на развитие цифровых технологий? Подписывайтесь на канал Axenix, чтобы следить за ИТ-консалтингом страны и развивать бизнес вместе с экспертами. Реклама. ООО "АКСТИМ". ИНН 7705476338. erid: LjN8KCNtk

🎮 Language Models are Super Mario: Absorbing Abilities from Homologous Models as a Free Lunch В данной работе показано, что языковые модели (ЯМ), могут приобретать новые возможности за счет ассимиляции параметров однотипных моделей без переобучения или использования графических процессоров. 🖥 Code: https://github.com/yule-BUAA/MergeLM 📚 Paper: https://arxiv.org/abs/2311.03099 🔗 Dataset: https://paperswithcode.com/task/instruction-following @ai_machinelearning_big_data

Решаем ML-задачи за 60 секунд, отправляем AI торговать на бирже и изучаем мультимодальную архитектуру — на онлайн-митапе Сбера при поддержке JUG Ru Group. 🗓 29 ноября в 18:00 В программе: ✔️ Александр Рыжков — «AutoML на практике: сделать AI за 60 секунд»Александр покажет, как быстро решать ML-задачи с использованием фреймворка LightAutoML. ✔️ Андрей Ахметов — «AI/ML в валютном трейдинге» Как зарабатывают с AI в трейдинге, какие ML-модели используют, как анализируют данные и оценивают их результаты. ✔️ Андрей Кузнецов — «Мультимодальная архитектура OmniFusion — новый способ AI-коммуникации с пользователем?» Доклад создании больших языковых моделей, способных одинаково хорошо работать с текстом и видео. А также о коммуникации моделей между собой.  Общайтесь с участниками митапа и задавайте вопросы спикерам в чате трансляции. Авторы лучших вопросов к каждому докладу получат сертификаты в магазин мерча SberShop. ➡️ Регистрация по ссылке. Реклама. ПАО СБЕРБАНК. ИНН 7707083893.

🔥 Diffusion360: Seamless 360 Degree Panoramic Image Generation based on Diffusion Models. Модель для формирования панорамных изображений 360 на основе стабильной диффузии. 🖥 Code: https://github.com/archerfmy/sd-t2i-360panoimage 📚 Paper: https://arxiv.org/abs/2311.13141v1 🔗 Dataset: https://paperswithcode.com/dataset/sun360 @ai_machinelearning_big_data

Профессия AI-тренера, гонка нейросетей: о чем еще говорили на YaC 2023? YaC 2023 — это сериал из 4 серий — про город, дом, интернет и людей. Главные герои — не только сервисы, но и команды, которые их разрабатывают. ✨ Нейросерия — одна из самых интересных. Яндекс рассказал: - как генеративные нейросети меняют подход к поиску информации и работе с ней - как pretrain модель влияет на качество ответов нейросети - как компания разрабатывала языковые модели и нейросети, встраивала технологии в свои продукты и ввела новую профессию AI-тренера — специалиста, который работает над тем, чтобы нейронка выдавала качественные, этичные и безопасные ответы. Посмотреть сериал полностью можно на Кинопоиске и Ютубе @ai_machinelearning_big_data

🗣 HierSpeech++: Bridging the Gap between Semantic and Acoustic Representation by Hierarchical Variational Inference for Zero-shot Speech Synthesis Синтез речи на основе больших языковых моделей получил широкое распространение. Однако такие модели требуют большого объема данных и обладают теми же недостатками, что и предыдущие авторегрессионные модели речи, включая низкую скорость вывода и плохое качетсво речи. В данной работе прелставлен HierSpeech++, быстрый и надежный синтезатор речи для преобразования текста в речь (TTS) и голоса (VC). Данная модель синтеза речи позволяют значительно повысить надежность и выразительность синтетической речи. Кроме того, значительно улучшено естественность и сходство с диктором синтетической речи даже в сценариях синтеза речи с нулевым результатом. 🖥 Code: https://github.com/sh-lee-prml/hierspeechpp 🦾 Checkpoint: https://drive.google.com/drive/folders/1-L_90BlCkbPyKWWHTUjt5Fsu3kz0du0w?usp=sharing ⚡️ Demo: https://sh-lee-prml.github.io/HierSpeechpp-demo/ 📚 Paper: https://arxiv.org/abs/2311.12454v1 🔗 Dataset: https://paperswithcode.com/dataset/libri-light @ai_machinelearning_big_data

🤖 Российская художница написала картину совместно с Kandinsky Мария Суворова использовала ИИ для создания картин, уделив особое внимание логическому расположению цвета и тона. Такая методика предполагает установление баланса тона, цвета и динамики, что похоже на очень сложный аналитический процесс. Суворова говорит, что для работы с Kandinsky нужно соединить два полюса, создавая эскиз по методу Матисса и постепенно дополнять его абстрактным видением. Плоды ее творчества человека и искусственного интеллекта представила галерея «МастАРТ» на международной конференции AI Journey. @ai_machinelearning_big_data

Что происходит в образовании с приходом AI? Как найти работу в сфере IT и какие навыки для этого нужны? Можно ли их получить в университете? Узнайте на четвёртой конференции Yet another Conference on Education от Яндекса. Посмотреть записи конференции и получить инсайды от экспертов из IT можно прямо сейчас. Горячая ссылка с пылу с жару ждет тебя.

⭐️ Karpathy just uploaded what could be the best Intro to Large Language Models. Обязательно к просмотру. Карпатый только что выложил, возможно, лучшее введение в большие языковые модели. В лекции продолжительностью 1 час рассматривается абсолютно все: обучение, вывод, взлом, тонкая настройка и многое другое. 🔗 Смотреть здесь: https://youtube.com/watch?v=zjkBMFhNj_g 🔗 Слайды: https://drive.google.com/file/d/1pxx_ZI7O-Nwl7ZLNk5hI3WzAsTLwvNU7/view ai_machinelearning_big_data

Где ML-специалисту попрактиковаться перед собеседованием или подглядеть лучшие практики решения своих задач? На Симуляторе ML вы не просто прокачаете отдельные навыки, а поймёте, как сводить бизнес-задачи к задачам машинного обучения — всё как на настоящей работе. Вы научитесь: - Понимать, какие у бизнеса есть проблемы и какими метриками их можно измерить - Проводить А/В-тесты, чтобы подтверждать прирост метрик - Формулировать задачу для модели - Выбирать подходящую модель и обучать её - Организовывать процесс доставки данных для модели - Оборачивать модель в сервис и деплоить его После симулятора вы точно найдете применение знаниям в работе или сможете успешно пройти собеседование на позицию в сфере Machine Learning и приносить пользу бизнесу уже с первых дней. До конца ноября в karpovꓸcourses действуют скидки до 27%, успейте купить подписку на Симулятор по самой выгодной цене! [Начать учиться]

Новый фреймворк файнтюнинга ЛЛМ Higgsfield AI выпустил бета версию фулл-стек легковесного фреймворка для тренировки больших моделей. Пользователи загружают датасет через веб интерфейс и получают модель, которая тренируется на их серверах. Доступны любые модели llama/mistral. Метод оплаты не требуется. Лучше всего работает с десктопным Chrome. Попробовать запустить новую видео диффузию: https://higgsfield.ai/stable-diffusion Зафайнтюнить ЛЛМ: https://higgsfield.ai/profile/submit Github фреймворк который позволяет оркестрировать несколько ГПУ нод без необходимости менеджить Slurm/Kubernetes: https://github.com/higgsfield-ai/higgsfield ai_machinelearning_big_data

Хотите начать увлекательный путь в мир машинного обучения и искусственного интеллекта? Газпромбанк.Тех совместно с Финтех Хабом Банка России запускает прием заявок на программу «Машинное обучение LITE: базовый уровень» — для тех, кто только начинает осваивать машинное обучение. Что предстоит изучать? Основы и методы ML, математику, Python и нейронные сети. Программа состоит из двух модулей: - Теоретический модуль пройдет с 21 января по 16 февраля 2024 года - Практический модуль пройдет с 26 февраля по 10 марта 2024 года для тех, кто показал высокие результаты по итогу первого модуля Чтобы стать участником, подайте заявку на сайте программы до 17 января 2024 года — https://vk.cc/csyWZU Реклама Банк ГПБ (АО), ИНН: 7744001497

🐬 ShareGPT4V:Improving Large Multi-Modal Models with Better Captions 🔥 Масштабный набор данных,содержащий изображения и тексты. 🔥 1,2 млн высококачественных подписей к ихображениям для предварительного обучения. 🔥 Программа для создания описания изображений, приближающаяся по возможностям к GPT4-Vision. 🔥 Большая мультимодальная модель, ShareGPT4V-7B 🖥 Code: https://github.com/InternLM/InternLM-XComposer/tree/main/projects/ShareGPT4V 🦾 Project: https://sharegpt4v.github.io/ ⚡️ Demo: https://huggingface.co/spaces/Lin-Chen/ShareGPT4V-7B 📚 Paper: https://arxiv.org/pdf/2311.12793.pdf 🔗 Dataset: https://huggingface.co/datasets/Lin-Chen/ShareGPT4V @ai_machinelearning_big_data

💸 На AI Journey авторы лучшей статьи про искусственный интеллект получили 1 млн рублей Сбер наградил группу исследователей из Университета Иннополис и МФТИ в составе Михаила Рудакова, Александра Безносикова, Ярослава Холодова и Александра Гасникова — они получили 1 млн рублей за свою статью «Техники сжатия активаций слоёв и градиентов для распределённого обучения моделей искусственного интеллекта». Её и еще 37 работ других претендентов опубликуют в научном сборнике международной конференции AI Journey — «Путешествие в мир искусственного интеллекта». Всего для участия в отборе прислали более 270 заявок. «Лучшую статью члены экспертной комиссии отобрали в силу её высокой научной ценности, огромного фундаментального и прикладного значения. Я поздравляю победителей и надеюсь, что они продолжат свои исследования в этом важном направлении», — рассказал первый заместитель председателя правления Сбера Александр Ведяхин. @ai_machinelearning_big_data

🪄 InternLM-XComposer Multi-Objective Reinforcement Learning algorithms implementations. MORL-Baselines - это библиотека алгоритмов многоцелевого обучения с подкреплением (MORL). Данный репозиторий содержит рабочие реализации алгоритмов MORL в PyTorch. 🖥 Code: https://github.com/lucasalegre/morl-baselines 🦾 Project: lucasalegre.github.io/morl-baselines 🖥 Colab: https://colab.research.google.com/drive/1ByjuUp8-CJeh1giPOACqPGiglPxDnlSq?usp=sharing 📚 Paper: https://arxiv.org/abs/2311.12495v1 🔗 Dataset: https://paperswithcode.com/dataset/mo-gymnasium @ai_machinelearning_big_data

Trino: как перехать с Vertica, и как устроен его оптимизатор запросов? Расскажут эксперты компаний Avito и CedrusData на онлайн-митапе при поддержке JUG Ru Group. 🗓 24 ноября в 18:00 (МСК, GMT+3) В программе: ✔ Дмитрий Рейман — «Как пересесть на Trino после Vertica» Реальный кейс Авито по переводу аналитической платформы с Vertica на Trino с сохранением UX конечных пользователей. ✔ Владимир Озеров — «Архитектура и проблемы оптимизатора Trino» Посмотрим, какие особенности архитектуры позволяют Trino быть эффективным. Где он неэффективен и какие улучшения возможны. ➡️ Регистрация на Timepad. Ссылку на трансляцию отправят вам за 1 час до начала митапа. Реклама. ООО "КВЕРИФАЙ ЛАБС"

Stability AI is releasing Stable Video Diffusion! 🔥 Stability AI выпустили опенсорс модель image-to-video. Это новая модель преобразования изображения в видео, которая позволяет получить 14-25 кадров с разрешением 576x1024 при наличии контекстного кадра такого же размера. 🖥 Code: https://github.com/Stability-AI/generative-models 🦾 Announcement: https://stability.ai/news/stable-video-diffusion-open-ai-video-model 📚 Paper: https://stability.ai/research/stable-video-diffusion-scaling-latent-video-diffusion-models-to-large-datasets 🔗 Weights: https://github.com/Stability-AI/generative-models @ai_machinelearning_big_data