Machinelearning

Understanding Autoencoders With Examples https://www.nbshare.io/notebook/86916405/Understanding-Autoencoders-With-Examples/ @ai_machinelearning_big_data

Leveraging Machine Learning for Game Development https://ai.googleblog.com/2021/03/leveraging-machine-learning-for-game.html Habr: https://habr.com/ru/company/google/blog/553346/ @ai_machinelearning_big_data

EigenGAN TensorFlow implementation of EigenGAN: Layer-Wise Eigen-Learning for GANs Github: https://github.com/LynnHo/EigenGAN-Tensorflow Paper: https://arxiv.org/abs/2104.12476v1 @ai_machinelearning_big_data

Token Labeling: Training a 85.4% Top-1 Accuracy Vision Transformer with 56M Parameters on ImageNet Github: https://github.com/zihangJiang/TokenLabeling Paper: https://arxiv.org/abs/2104.10858v2 @ai_machinelearning_big_data

🌐 MMDetection3D is an open source object detection toolbox based on PyTorch, towards the next-generation platform for general 3D detection Github: https://github.com/open-mmlab/mmdetection3d Paper: https://arxiv.org/abs/2104.10956v1 @ai_machinelearning_big_data

VideoGPT: Video Generation using VQ-VAE and Transformers Github: https://github.com/wilson1yan/VideoGPT Paper: https://arxiv.org/abs/2104.10157 Demo: https://gradio.app/g/AK391/VideoGPT Latent Video Transformer: https://arxiv.org/abs/2006.10704 @ai_machinelearning_big_data

Graph-based Neural Structured Learning in TFX | TensorFlow https://www.tensorflow.org/tfx/tutorials/tfx/neural_structured_learning Code: https://github.com/tensorflow/tfx/blob/master/docs/tutorials/tfx/neural_structured_learning.ipynb @ai_machinelearning_big_data

TediGAN: Text-Guided Diverse Face Image Generation and Manipulation in PyTorch. Github: https://github.com/IIGROUP/TediGAN Dataset: https://github.com/IIGROUP/Multi-Modal-CelebA-HQ-Dataset Paper: https://arxiv.org/abs/2104.08910v1 @ai_machinelearning_big_data

Microsoft's ProphetNet-X: Large-Scale Pre-training Models for English, Multi-lingual, Dialog, and Code Generation Code: https://github.com/microsoft/ProphetNet Paper: https://arxiv.org/pdf/2001.04063.pdf @ai_machinelearning_big_data

Познайте дзен в Telegram-канале Zen of Python. Каждый день там публикуются полезные материалы по Python и связанным с ним технологиям. Подписывайтесь: @zen_of_python

🔍 Zooming-Slow-Mo Code: https://github.com/Mukosame/Zooming-Slow-Mo-CVPR-2020 Paper: https://arxiv.org/abs/2104.07473 @ai_machinelearning_big_data

🔍 Zooming-Slow-Mo Code: https://github.com/Mukosame/Zooming-Slow-Mo-CVPR-2020 Paper: https://arxiv.org/abs/2104.07473 @ai_machinelearning_big_data

TensorFlow input pipelines | TensorFlow Core https://www.tensorflow.org/guide/data Code: https://github.com/tensorflow/docs/blob/master/site/en/guide/data.ipynb

Open Source Experimental Design Software in the Age of AI Github: https://github.com/yunshengtian/AutoOED Paper: https://arxiv.org/abs/2104.05959 Project: https://www.autooed.org/ @ai_machinelearning_big_data

На любой работе бывает скучно. Получили задачу, сделали, отдали. И так минимум по 8 часов каждый день пять раз в неделю. Ну ладно, с перерывом на обед. А что, если добавить немного соревнований в привычный распорядок дел? Есть предложение! Образовательная экосистема GeekBrains запускает новый курс — «Спортивный Data Science».  🧑‍🏫  Вместе с преподавателем вы разберете реальные задачи по анализе данных и машинному обучению, и в конце каждого занятия пройдете соревнование по пройденной теме на Kaggle.  Задачи будут из разных сфер: маркетинга, страхования, банкинга, медицины. Придется посоревноваться с другими участниками за лучший результат! Что нужно знать: • Математику на уровне вузов или курсов по Data Science • Python и классические DS-библиотеки • Классические алгоритмы машинного обучения А вот что вы получите: ⭐️ Удостоверение о повышении квалификации ⭐️ Улучшенное резюме ⭐️ Шанс получить работу в престижной компании Переходите по ссылке, регистрируйтесь на курс и выигрывайте!

How to Perform Voice Gender Recognition using TensorFlow in Python https://www.thepythoncode.com/article/gender-recognition-by-voice-using-tensorflow-in-python Code: https://github.com/x4nth055/gender-recognition-by-voice @ai_machinelearning_big_data

🧠 Lite-HRNet: A Lightweight High-Resolution Network Github: https://github.com/HRNet/Lite-HRNet Paper: https://arxiv.org/abs/2104.06403 @ai_machinelearning_big_data

Хотите связать свою карьеру с нейросетями? Или вы Data Scientist с опытом и хотите освоить новые технологии? Тогда предлагаем вам курсы "Deep learning. Basic" и "Computer vision"! 📍Выберите курс и пройдите тестирование, чтобы: ● оценить свои навыки ● занять место на курсе по специальной цене ● получить доступ к демо-урокам курса 👉🏻Пройти тестирование "Deep learning. Basic": https://otus.pw/EODp/ 👉🏻Пройти тестирование "Computer vision": https://otus.pw/MO87/

PaddleGAN provides developers with high-performance implementation of classic and SOTA Generative Adversarial Networks Github: https://github.com/PaddlePaddle/PaddleGAN Paper: https://arxiv.org/abs/2104.05376v1 @ai_machinelearning_big_data

C 12 по 25 апреля приглашаем принять участие в EPAM Data Hiring Weeks! Станьте частью команды EPAM и получите welcome-бонус в размере одного оклада. Направления: Big Data: https://epa.ms/EPAM-BigData-HiringWeek Data Quality: https://epa.ms/EPAM-DataQuality-HiringWeek Как подать заявку: 1. Заполните регистрационную форму и получите подтверждение; 2. Пройдите интервью и получите оффер в течение 24 часов. Мы ценим ваше время, и эта одна из причин проведения мероприятия – не нужно долго ждать решения. После успешного прохождения интервью в течение 24 часов вам будет сделан оффер. Если вы примете его в период с 12 по 25 апреля, вы получите welcome-бонус.