Machinelearning

Исследователи в области компьютерных наук могут получить миллион рублей от Яндекса! До 20 марта открыт прием заявок на научную премию имени Ильи Сегаловича. Подать заявку могут студенты, аспиранты и научные руководители, которые занимаются распознаванием и синтезом речи, информационным поиском, машинным обучением, компьютерным зрением, обработкой естественного языка и машинным переводом. Лауреаты премии получат: — один миллион рублей — оплачиваемую поездку на международную конференцию по AI — гранты на использование сервисов Яндекс.Толока и Yandex DataSphere для своих исследований Подробности по ссылке: https://clck.ru/amsXS

🔉 PortaSpeech: Portable and High-Quality Generative Text-to-Speech Github: https://github.com/keonlee9420/PortaSpeech Paper: https://arxiv.org/pdf/2109.15166v4.pdf Dataset: https://paperswithcode.com/dataset/ljspeech @ai_machinelearning_big_data

📎 When Shift Operation Meets Vision Transformer: An Extremely Simple Alternative to Attention Mechanism Github: https://github.com/microsoft/SPACH Paper: https://arxiv.org/abs/2201.10801v1 Dataset: https://paperswithcode.com/dataset/coco @ai_machinelearning_big_data

⚪ Pearl: Parallel Evolutionary and Reinforcement Learning Library Github: https://github.com/locuslab/convmixer Paper: https://arxiv.org/pdf/2201.09568v1.pdf @ai_machinelearning_big_data

Как устроены рекомендательные системы фильмов, музыки и лент в соц.сетях? 10 февраля в 18:00 пройдет открытый вебинар «Recommend or not recommend? Препарируем рекомендательные системы». На занятии вместе с Марией Тихоновой, Senior Data Scientist в Сбере, мы обсудим классические подходы к построению рекомендательных систем и реализуем один из них своими руками. Вы узнаете о готовых инструментах, которые позволяют создать рекомендашку в пару строк кода. После урока вы сможете продолжить обучение на онлайн-курсе «Machine Learning. Professional» в OTUS по спец.цене. Для регистрации на занятие пройдите вступительный тест https://otus.pw/pfbg/

ConvMixer, an extremely simple model that is similar in spirit to the ViT and the even-more-basic MLP-Mixer Github: https://github.com/locuslab/convmixer Paper: https://arxiv.org/pdf/2201.09792v1.pdf @ai_machinelearning_big_data

Курс «Аналитик данных» от Яндекс.Практикума — для тех, кто хочет освоить анализ данных с нуля и начать карьеру в IT. За шесть месяцев студенты научатся: — Выгружать, преобразовывать и очищать данные с помощью SQL-запросов. — Создавать дашборды с помощью Tableau и других инструментов. — Запускать А/В-тестирования для проверки гипотез. — Рассчитывать ключевые метрики работы компании и оценивать их значимость. — Решать бизнес-кейсы и взаимодействовать с командой. Студенты будут работать над реальными задачами аналитиков: например, вычислят рыночную стоимость недвижимости в городе или определят самые популярные игровые направления. Применять теорию на практике будут под руководством профессионалов — аналитиков данных из Яндекса и других крупных IT-компаний. А ещё студенты: — изучат теорию и напишут код в интерактивном тренажёре, — добавят в своё портфолио 13 реальных исследований для бизнеса, — получат диплом о повышении квалификации, — научатся писать резюме и проходить собеседования под руководством HR-специалистов. Кураторы и команда поддержки помогут учиться регулярно, а найти единомышленников можно будет в сообществе одногруппников. Пройдите бесплатный вводный модуль, чтобы понять, подходит ли вам обучение или нет.

🔥 The first high-performance self-supervised algorithm that works for speech, vision, and text Github: https://github.com/pytorch/fairseq/tree/main/examples/data2vec Paper: https://ai.facebook.com/research/data2vec-a-general-framework-for-self-supervised-learning-in-speech-vision-and-language Meta AI: https://ai.facebook.com/blog/the-first-high-performance-self-supervised-algorithm-that-works-for-speech-vision-and-text/ @ai_machinelearning_big_data

🔝 Omnivore: A Single Model for Many Visual Modalities Github: https://github.com/facebookresearch/omnivore Code: https://github.com/facebookresearch/omnivore/blob/main/inference_tutorial.ipynb Paper: https://arxiv.org/abs/2201.08377 Dataset: https://paperswithcode.com/dataset/epic-kitchens-100 @ai_machinelearning_big_data

🚨 Как и где узнать актуальную информацию о конференциях из мира Big Data Science? Где узнавать интересные факты о жизни Data Science? ⚠️ Ответы на эти и другие вопросы возможно получить на канале Big Data Science [RU]. Также вы сможете: 📊 получить полезные советы для аналитиков 📆 анонсы митапов и хакатонов 📩 ссылки на статьи международных изданий 📚 рекомендации на полезные DS – инструменты 🗄 и множество другой полезной информации из жизни DS Чтобы быть в курсе актуальной информации достаточно начать читать канал Big Data Science [RU]. Переходите по указанной ссылке и получите больше информации 👉🏻 https://t.me/bdscience_ru

💡 Introducing StylEx: A New Approach for Visual Explanation of Classifiers Github: https://explaining-in-style.github.io/ Code: https://github.com/google/explaining-in-style Article: https://ai.googleblog.com/2022/01/introducing-stylex-new-approach-for.html Video: https://explaining-in-style.github.io/#video @ai_machinelearning_big_data

✨ Uniformer: Unified Transformer for Efficient Spatiotemporal Representation Learning Github: https://github.com/sense-x/uniformer Paper: https://arxiv.org/abs/2201.04676v1 Tasks: https://paperswithcode.com/dataset/kinetics-600 @ai_machinelearning_big_data

Искусственный интеллект: создайте свою первую нейросеть Создайте свою первую нейросеть за 10 дней Благодаря машинному обучению нам доступны чудеса вроде распознавания лиц, написания песен в стиле «Гражданской обороны» и картин в духе Рембрандта. Создать свою собственную нейросеть реально — и не только для опытных дата-сайентистов. Вы тоже можете попробовать. На бесплатном курсе Нетологии «Искусственный интеллект: создайте свою первую нейросеть» вы узнаете, как устроены нейросети и в каких сферах они применяются, а также самостоятельно обучите до 4-х математических моделей. Мир Data Science и искусственного интеллекта — доступнее, чем кажется. Убедитесь в этом сами ↓ https://netolo.gy/hvt

🐭 pymdp: A Python library for active inference in discrete state spaces Github: https://github.com/infer-actively/pymdp Paper: https://arxiv.org/abs/2201.03904v1 Docs: https://pymdp-rtd.readthedocs.io/ Tasks: https://paperswithcode.com/task/bayesian-inference @ai_machinelearning_big_data

🗣 AV-HuBERT (Audio-Visual Hidden Unit BERT) AV-HuBERT is a self-supervised representation learning framework for audio-visual speech. Github: https://github.com/facebookresearch/av_hubert Facebook AI: https://ai.facebook.com/blog/ai-that-understands-speech-by-looking-as-well-as-hearing/ Paper: https://arxiv.org/abs/2201.02184 @ai_machinelearning_big_data

🔼 PyramidTNT: Improved Transformer-in-Transformer Baselines with Pyramid Architecture PyramidTNT achieves better performances than the previous state-of-the-art vision transformers such as Swin Transformer Github: https://github.com/huawei-noah/CV-backbones Paper: https://arxiv.org/abs/2201.00978v1 GhostNet: https://github.com/huawei-noah/CV-backbones/tree/master/ghostnet_pytorch @ai_machinelearning_big_data

✨ Papers with Code 2021 : A Year in Review https://www.kdnuggets.com/2021/12/2021-year-review-amazing-ai-papers.html https://medium.com/paperswithcode/papers-with-code-2021-a-year-in-review-de75d5a77b8b @ai_machinelearning_big_data

📏 AdaFocus V2: End-to-End Training of Spatial Dynamic Networks for Video Recognition Github: https://github.com/leaplabthu/adafocusv2 Paper: https://arxiv.org/abs/2112.14238v1 Tasks: https://paperswithcode.com/task/video-recognition @ai_machinelearning_big_data

📹 MSeg: A Composite Dataset for Multi-domain Semantic Segmentation Github: https://github.com/mseg-dataset/mseg-api Paper: https://arxiv.org/abs/2112.13762 Dataset: https://paperswithcode.com/dataset/sun-rgb-d @ai_machinelearning_big_data

📑 GLIDE: Towards Photorealistic Image Generation and Editing with Text-Guided Diffusion Models Github: https://github.com/openai/glide-text2im Notebooks: https://github.com/openai/glide-text2im/blob/main/notebooks Paper: https://arxiv.org/abs/2112.10741 Task: https://paperswithcode.com/task/image-generation @ai_machinelearning_big_data