Machinelearning

🔥 Быстрая проверка гипотез — это одна из главных стратегий, способных сделать стартап успешным. Она позволяет чаще получать обратную связь от инвесторов за счет возможности быстро разрабатывать простые прототипы сервисов, частично реализующих функционал проекта. 👉 Как быстро прототипировать сервисы, использующие глубокое обучение? 📌 В OTUS, 24 марта в 20:00 (мск), в рамках онлайн-курса «MLOps» состоится бесплатный вебинар для тех, кто занимается машинным обучением. На занятии с практикующем преподавателем мы рассмотрим полный цикл разработки прототипа ML-сервиса, начиная от обучения модели на собранном датасете, заканчивая развертыванием его в виде web-приложения. ✅ Чтобы зарегистрироваться на встречу, пройдите вступительный тест - https://otus.pw/fnPp/

👁 Visual Attention Network (VAN) Github: https://github.com/Visual-Attention-Network/VAN-Classification Paper: https://arxiv.org/pdf/2202.09741.pdf Dataset: https://paperswithcode.com/dataset/ade20k @ai_machinelearning_big_data

☑️ One-shot Affordance Detection Github: https://github.com/lhc1224/OSAD_Net Paper: https://arxiv.org/abs/2202.12076v1 Dataset: https://paperswithcode.com/dataset/pad @ai_machinelearning_big_data

🔥 The Complete Collection of Data Science Cheat Sheets https://www.kdnuggets.com/2022/02/complete-collection-data-science-cheat-sheets-part-2.html @ai_machinelearning_big_data

Coverage-Guided Tensor Compiler Fuzzing with Joint IR-Pass Mutation Github: https://github.com/tzer-anonbot/tzer Docs: https://tzer.readthedocs.io/en/latest/markdown/artifact.html Paper: https://arxiv.org/abs/2202.09947v1 @ai_machinelearning_big_data

Как выявлять аномалии в разных распределениях с помощью машинного обучения? 🧐 10 марта в 20:00 (мск) пройдет открытый вебинар «Anomaly Detection». Его проведет Артем Васильев, ведущий инженер разработки. С экспертом мы обсудим такие вопросы, как постановка задачи, нахождение аномалий в разных распределениях, SVD-feature extraction, Autoencoder, PaDiM. 🔥 Продолжить получать новые знания вы можете на онлайн-курсе «Компьютерное зрение» для специалистов в сфере Machine Learning, которые хотят специализироваться на компьютерном зрении или систематизировать свои знания. Чтобы участвовать, зарегистрируйтесь 👉 https://otus.pw/uoaT/

💻 Instant Neural Graphics Primitives with a Multiresolution Hash Encoding Github: https://github.com/nvlabs/instant-ngp HashNeRF-pytorch: https://openvinotoolkit.github.io/anomalib/ Paper: https://arxiv.org/abs/2201.05989v1 @ai_machinelearning_big_data

📌 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/