Machinelearning

✔️ GPBoost: Combining Tree-Boosting with Gaussian Process and Mixed Effects Models Github: https://github.com/fabsig/GPBoost Demo code: https://htmlpreview.github.io/?https://github.com/fabsig/GPBoost/blob/master/examples/GPBoost_demo.html Paper: https://arxiv.org/abs/2105.08966v2 @ai_machinelearning_big_data

Знаете кто стоит за каждым успешным AI-продуктом? Нет, не только команда крутых разработчиков. Без талантливого продакт-менеджера тоже не обошлось. И если сейчас вы продакт-менеджер, но хотите большего: запускать сложные продуктовые решения и решать верхнеуровневые задачи бизнеса — то мы знаем, чем вам помочь. Нужно всего 4 месяца и мотивация стать лучше. Речь идёт о курсе «AI Продакт-менеджер» от Product LIVE. После него вы научитесь управлять созданием продуктов с применением AI/DS-инструментов и коммуницировать с командой разработчиков. Лекции читают лидеры AI-сферы из Сбербанка, Mail.ru и Facebook, менторы и кураторы всегда помогут, если что-то не получается. Курс рассчитан на 10 часов в неделю — можно совмещать с основной работой и сразу применять в ней полученные навыки. До 31 мая промокод ML45 даст скидку 45% на обучение ❗️Все подробности и регистрация: https://clc.am/-mD_mQ

🧠 NeuroKit2: A Python toolbox for neurophysiological signal processing A user-friendly package providing easy access to advanced biosignal processing routines. Github: https://github.com/neuropsychology/NeuroKit Paper: https://link.springer.com/article/10.3758/s13428-020-01516-y Docs: https://neurokit2.readthedocs.io/en/latest/installation.html @ai_machinelearning_big_data

🧠 NeuroKit2: A Python toolbox for neurophysiological signal processing User-friendly package providing easy access to advanced biosignal processing routines Github: https://github.com/neuropsychology/NeuroKit Paper: https://link.springer.com/article/10.3758/s13428-020-01516-y @ai_machinelearning_big_data

🎉 24 мая в Москве наградили молодых ученых и их наставников, занимающихся научной работой в области компьютерных наук. Поздравляем лауреатов премии имени Ильи Сегаловича! 🎉 Каждый из них получит по 1 миллиону рублей, который будет можно потратить на собственные исследования. В этом году Совет премии отметил шесть исследователей из НИУ ВШЭ, МФТИ и Сколковского института науки и технологий. ⚠️ Узнайте больше о тех, кто получил премию, и как принять в ней участие: https://clck.ru/V3QDF

🔥 Awesome list of datasets in 100+ categories 44 zettabytes of data https://www.kdnuggets.com/2021/05/awesome-list-datasets.html @ai_machinelearning_big_data

📕 Font Style that Fits an Image -- Font Generation Based on Image Context Github: https://github.com/Taylister/FontFits Paper: https://arxiv.org/abs/2105.08879v1 Dataset creation: https://github.com/Taylister/TGNet-Datagen @ai_machinelearning_big_data

💥DatasetGAN: Efficient Labeled Data Factory with Minimal Human Effort Github: https://nv-tlabs.github.io/datasetGAN/ Article: https://www.infoq.com/news/2021/05/nvidia-dataset-generator/ Ru: https://neurohive.io/ru/novosti/datasetgan-generator-sinteticheskih-annotirovannyh-datasetov-nvidia/ @ai_machinelearning_big_data

📷 NeRF Meta Learning With PyTorch Given a single input view, meta-initialized NeRF can generate a 360-degree video. Github: https://github.com/sanowar-raihan/nerf-meta Paper: https://arxiv.org/abs/2012.02189 Original Project Page: https://www.matthewtancik.com/learnit Official JAX Implementation: https://github.com/tancik/learnit @ai_machinelearning_big_data

Погрузитесь в продвинутые инструменты Machine Learning! Начните обучение уже 27 мая с демо-занятия «О чем говорят депутаты или тематическое моделирование Госдумы». На занятии вы проанализируете открытые данные при помощи ML. Узнаете, о чем за последние 20+ лет говорили депутаты российских партий, как можно по топикам выступлениям проследить за изменениями, происходившими в обществе и при чём здесь лемматизация и когерентность. Демо-занятие является частью онлайн-курса «Machine Learning. Advanced» в OTUS, где вас ждет еще больше увлекательных проектов и полезнейших технологий. Для регистрации на урок пройдите вступительный тест https://otus.pw/9VnPw/

🧠 Teaching AI how to forget at scale Video: https://www.youtube.com/watch?v=hI6iJmPgm_k&ab_channel=FacebookAIFacebookAI Facebook AI: https://ai.facebook.com/blog/teaching-ai-how-to-forget-at-scale/ Github: https://github.com/facebookresearch/transformer-sequential Paper: https://ai.facebook.com/research/publications/not-all-memories-are-created-equal @ai_machinelearning_big_data

Многослойная нормализация: новый метод улучшения эффективности нейронных сетей https://neurohive.io/ru/novosti/mnogoslojnaya-normalizaciya-novyj-metod-uluchsheniya-effektivnosti-nejronnyh-setej/ En: https://www.frontiersin.org/articles/10.3389/fnins.2021.626277/full @machinelearning_ru

🚘 Highway-env A collection of environments for autonomous driving and tactical decision-making tasks Github: https://github.com/eleurent/highway-env Documentation: https://highway-env.readthedocs.io/en/latest/ Paper: https://arxiv.org/abs/2105.05701v1 @ai_machinelearning_big_data

🤖 Conversational AI Chatbot with Transformers in Python https://www.thepythoncode.com/article/conversational-ai-chatbot-with-huggingface-transformers-in-python Code: https://www.thepythoncode.com/code/conversational-ai-chatbot-with-huggingface-transformers-in-python Text to speech: https://www.thepythoncode.com/article/convert-text-to-speech-in-python @ai_machinelearning_big_data

Как добиться, чтобы модели Machine Learning приносили пользу? Научитесь делать код модели удобным и поддерживаемым с помощью пайплайнов. 24-25 мая OTUS приглашает на открытый интенсив «Деплой ML модели: от грязного кода в ноутбуке к рабочему сервису». В первый день вы разберетесь, как сохранять обученные модели на диск и развернуть модель в качестве микросервиса. Всё это позволит перейти от набросков в ноутбуке к приносящему пользу сервису. Во второй день вы превратите чужой код модели в работающий микросервис. После интенсива вы сможете продолжить обучение на онлайн-курсе «Machine Learning. Professional» по спец.цене. Для регистрации на занятие пройдите вступительный тест https://otus.pw/bX2s/

⚽️ Advancing sports analytics through AI research 🔥 Deepmind blog : https://deepmind.com/blog/article/advancing-sports-analytics-through-ai A Dataset and Benchmarks: https://soccer-net.org/ Dataset: https://github.com/statsbomb/open-data Paper: https://sites.google.com/view/ijcai-aisa-2021/ @ai_machinelearning_big_data

💬 How to Fine Tune BERT for Text Classification using Transformers in Python https://www.thepythoncode.com/article/finetuning-bert-using-huggingface-transformers-python Code: https://www.thepythoncode.com/code/finetuning-bert-using-huggingface-transformers-python Dataset: https://scikit-learn.org/0.19/datasets/twenty_newsgroups.html @ai_machinelearning_big_data

Готовы прокачивать свои навыки Machine Learning? Тогда ждем вас 17 мая на демо-занятии «Кластеризация временных рядов» в OTUS. Вместе с Дмитрием Сергеевым, Senior Data Scientist и автором онлайн-курса «Machine learning. Advanced», вы разберете интереснейшую задачу, связанную с временными рядами. Можно ли найти похожие друг на друга по динамике финансовые активы на бирже, как сгруппировать пользователей по их поведению, кто подставил кролика Роджера? Ответы на некоторые из этих вопросов получим на занятии. Для участия пройдите вступительный тест https://otus.pw/4ajS/

🔥 Synthesizing Light Field From a Single Image with Variable MPI and Two Network Fusion Github: https://github.com/Turmac/light_field_synthesis Project: https://people.engr.tamu.edu/nimak/Papers/SIGAsia2020_LF/index.html Ru: https://neurohive.io/ru/novosti/two-cnn-for-photos/ Paper: https://people.engr.tamu.edu/nimak/Papers/SIGAsia2020_LF/resource/SIGGRAPH_2020_Light_Field_Authors_version.pdf Dataset: https://drive.google.com/file/d/1oHywOJAAYm8YrSH5mDubjTAwN8jrCC9y/view @ai_machinelearning_big_data

20 мая Сбер впервые проведет масштабную технологическую конференцию SmartDev, чтобы рассказать о максимуме возможностей для разработчиков и всего техно-сообщества. 💥 3000+ участников. 💥 50+ спикеров. 💥 6 параллельных стримов от техно-активов Сбера. 💥 Dev to dev. На стриме платформы ML Space, эксперты и грандмастера Kaggle расскажут о возможностях ML Space — единственной облачной платформе в мире, позволяющей организовать распределенное обучение на 1000+ GPU. Впервые для российских разработчиков будут представлены новые модули платформы и инструменты oneAPI от Intel. Конференция пройдет онлайн, участие бесплатное, по предварительной регистрации на сайте.