Machinelearning

🎨 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

Работаете в направлении Машинного обучения и хотите развиваться дальше? Специально для вас девять практикующих экспертов приготовили онлайн-курс «Machine Learning. Advanced». Познакомиться с курсом можно будет уже 15 февраля на демо-занятии «Multi-armed bandits для оптимизации AB тестирования». Вместе с Андреем Канашовым, Data Scientist в OMD OM GROUP, вы разберете один из самых простых, но эффективных вариантов применения обучения с подкреплением. Вы узнаете, как можно переформулировать задачу АБ тестирования в задачу байесовского вывода и получать результаты по тестам раньше, чем при классическом тестировании. Используйте демо-занятие, чтобы освоить новые навыки, познакомиться с преподавателем и оценить сложность курса. Пройдите вступительный тест, чтобы зарегистрироваться на урок https://otus.pw/NLh4/

MeInGame: Create a Game Character Face from a Single Portrait Github : https://github.com/FuxiCV/MeInGame Paper: https://arxiv.org/abs/2102.02371v1 Demo: https://www.youtube.com/watch?v=597cvKOegfE&feature=youtu.be&ab_channel=EdwardLin @ai_machinelearning_big_data

Грант до 1 000 000 рублей на разработку проекта в сфере машинного обучения Технологии машинного обучения и искусственного интеллекта завоёвывают мир: каждый день появляются новые идеи и проекты. Как оторваться от конкурентов? Много экспериментировать, быстро работать и выпускать решения на рынок. Если у вас есть идея революционного продукта, но вы не знаете, какая платформа лучше справится с вашими задачами, обратите внимание на ML SPACE от SberCloud — единственный в мире сервис на базе суперкомпьютера Christofari c распределённым обучением на 1000+ GPU. ▫️В платформу интегрированы все популярные фреймворки и библиотеки для ML-разработки — просто берите и пользуйтесь. ▫️ Деплой моделей в три клика и запуск распределённых задач на кластер целиком позволяют сократить time to market: дни вместо недель, минуты вместо дней. ▫️ Платите по схеме Pay as you go — только за ресурсы, которыми пользуетесь. Сейчас попробовать и оценить преимущества ML SPACE можно бесплатно. SberCloud предоставляет гранты до 1 000 000 рублей компаниям, создающим AI и ML продукты. По ссылке можно узнать больше о возможностях ML SPACE для бизнеса и оставить заявку. Количество грантов ограничено.

Only a Matter of Style: Age Transformation Using a Style-Based Regression Model Github: https://github.com/yuval-alaluf/SAM Paper: https://arxiv.org/abs/2102.02754v1 @ai_machinelearning_big_data

Knover allows researchers and developers efficient training/inference of large-scale dialogue generation models. Github: https://github.com/PaddlePaddle/Knover Paper: https://arxiv.org/abs/2102.02096v1 @ai_machinelearning_big_data

WeNet open source, production first and production ready end-to-end (E2E) speech recognition toolkit Github: https://github.com/mobvoi/wenet Paper: https://arxiv.org/abs/2102.01547v1 Tutorial: https://github.com/mobvoi/wenet/blob/main/docs/tutorial.md @ai_machinelearning_big_data

Работаете в направлении Машинного обучения и хотите развиваться дальше? Специально для вас девять практикующих экспертов приготовили онлайн-курс «Machine Learning. Advanced». Познакомиться с курсом можно будет уже 15 февраля на демо-занятии «Multi-armed bandits для оптимизации AB тестирования». Вместе с Андреем Канашовым, Data Scientist в OMD OM GROUP, вы разберете один из самых простых, но эффективных вариантов применения обучения с подкреплением. Вы узнаете, как можно переформулировать задачу АБ тестирования в задачу байесовского вывода и получать результаты по тестам раньше, чем при классическом тестировании. Используйте демо-занятие, чтобы освоить новые навыки, познакомиться с преподавателем и оценить сложность курса. Пройдите вступительный тест, чтобы зарегистрироваться на урок https://otus.pw/Yxtjs/

👁 TRANSFER LEARNING FOR COMPUTER VISION TUTORIAL WITH PYTORCH TUTORIAL: https://pytorch.org/tutorials/beginner/transfer_learning_tutorial.html Github: https://github.com/pytorch/tutorials/blob/master/beginner_source/transfer_learning_tutorial.py @ai_machinelearning_big_data

📣Начните осваивать математику для Data Science на практике уже 10 февраля на демо-уроке «Статистическая зависимость». За 2 часа вместе с преподавателем Александром Горяиновым вы разберете разные виды зависимостей между количественными и номинальными признаками, научитесь не путать статистическую зависимость с причинно-следственной, узнаете о методах выявления статистических зависимостей. ⚡️Демо-урок входит в программу онлайн-курса «Math for Data Science». Для обучения достаточно школьных знаний математики. Чтобы зарегистрироваться на занятие, пройдите вступительный тест: https://otus.pw/65lS/

TFX Estimator Component Tutorial https://tensorflow.google.cn/tfx/tutorials/tfx/components Code: https://github.com/tensorflow/tfx/blob/master/docs/tutorials/tfx/components.ipynb @ai_machinelearning_big_data

Вот и подошла к концу самая эпичная битва зимы! ⚔️ Финал чемпионата для дата-сайентистов Alfa Battle 2.0. - присоединяйтесь на утренний кофе с победителями и всеми причастными к громкому событию в it-индустрии 💥 Мы собрали для вас содержательный и яркий видеоподкаст: ✔️Победители раскроют свои секреты эффективного подхода к решению задач чемпионата ✔️Организаторы поделятся инсайтами “Как создавать задачи со звездочками” ✔️Жюри выберет лучшие открытые решения ✔️Раскроем карты “Как попасть на стажировку в компании Альфа-Групп” 📍 https://www.youtube.com/watch?v=A7ha6mRUnhc

Tokens-to-Token ViT: Training Vision Transformers from Scratch on ImageNet, arxiv Github: https://github.com/yitu-opensource/T2T-ViT Paper: https://arxiv.org/abs/2101.11986 ImageNet training: https://github.com/pytorch/examples/tree/master/imagenet @ai_machinelearning_big_data

💻 Learning to Reason Over Tables from Less Data Google research: https://ai.googleblog.com/2021/01/learning-to-reason-over-tables-from.html Code: https://github.com/google-research/tapas Colab: https://colab.research.google.com/github/google-research/tapas/blob/master/notebooks/tabfact_predictions.ipynb Dataset: https://www.microsoft.com/en-us/download/details.aspx?id=54253 @ai_machinelearning_big_data

Bottleneck Transformer - Pytorch Github: https://github.com/lucidrains/bottleneck-transformer-pytorch Bottleneck Transformers : https://github.com/leaderj1001/BottleneckTransformers Paper: https://arxiv.org/abs/2101.11605v1 @ai_machinelearning_big_data

🧍 TIN: Transferable Interactiveness Network Github: https://github.com/DirtyHarryLYL/Transferable-Interactiveness-Network HOI-Learning-List: https://github.com/DirtyHarryLYL/HOI-Learning-List Paper: https://arxiv.org/abs/2101.10292v1 @ai_machinelearning_big_data

🐍 Machine Learning From Scratch In Python - Full Course With 12 Algorithms Video: https://www.youtube.com/watch?v=rLOyrWV8gmA&ab_channel=PythonEngineer Code: https://github.com/python-engineer/MLfromscratch/tree/master/mlfromscratch @ai_machinelearning_big_data

🌳 Neural-Backed Decision Trees Demo: https://research.alvinwan.com/neural-backed-decision-trees/ Github: https://github.com/alvinwan/neural-backed-decision-trees Paper: https://arxiv.org/abs/2004.00221 Code: https://colab.research.google.com/github/alvinwan/neural-backed-decision-trees/blob/master/examples/load_pretrained_nbdts.ipynb Dataset: https://pytorch.org/docs/stable/torchvision/datasets.html @ai_machinelearning_big_data

Байесовская статистика для специалистов по данным Читать @machinelearning_ru

Pixellib is a library for performing segmentation of objects in images and videos. Github: https://github.com/ayoolaolafenwa/PixelLib Paper: https://vixra.org/abs/2101.0122 Documentation: https://pixellib.readthedocs.io/en/latest/ Video: https://www.youtube.com/watch?v=hxczTe9U8jY&feature=emb_logo&ab_channel=AyoolaOlafenwa @ai_machinelearning_big_data