Machinelearning

😲 LIVE- Towards Layer-wise Image Vectorization (CVPR 2022 Oral) New method to progressively generate a SVG that fits the raster image in a layer-wise fashion. Github: https://github.com/picsart-ai-research/live-layerwise-image-vectorization Project: https://ma-xu.github.io/LIVE/ Paper: https://arxiv.org/pdf/2206.04655v1.pdf Colab: https://colab.research.google.com/drive/1s108WmqSVH9MILOjSAu29QyAEjExOWAP?usp=sharing @ai_machinelearning_big_data

@itchannels_telegram - data science, machine learning useful channels

Can CNNs Be More Robust Than Transformers? CNN architectures without any attention-like operations that is as robust as, or even more robust than, Transformers. Github: https://github.com/ucsc-vlaa/robustcnn Paper: https://arxiv.org/abs/2206.03452v1 Dataset: https://paperswithcode.com/dataset/imagenet-r @ai_machinelearning_big_data

#Вакансия: Data Engineer (Middle) 📍 В классном офисе в Москве/гибрид; 📍200-350К руб., белая ЗП или ИП; 📍Большой датасет, интересные задачи, возможность влиять на продукт. ✅ОБЯЗАННОСТИ • Проектировать, разрабатывать и поддерживать пайплайны для сбора и обработки данных; • Обеспечивать SLA и качество данных; • Готовить данные для моделей машинного обучения и участвовать в их продукционализации совместно с data science командой. ✅ТРЕБОВАНИЯ • Хорошее знание технологий из стека: Python, SQL, Spark, Airflow; • Опыт работы на проектах с большими данными, понимание принципов распределенной обработки данных; • Опыт продуктовой разработки в технологических компаниях. ✅БУДЕТ ПЛЮСОМ: • Опыт работы с облаками, особенно, с Яндекс.Облаком; • Опыт разработки высоконагруженных бэкенд сервисов на Java, Scala или Python; • Опыт работы с моделями машинного обучения в продакшене; • Опыт работы с базами данных для аналитики, особенно, с ClickHouse. Понравилась вакансия? Присылай CV @naikava

🔥 EG3D: Efficient Geometry-aware 3D Generative Adversarial Networks by Nvidia Expressive hybrid explicit-implicit network architecture that, together with other design choices, synthesizes not only high-resolution multi-view-consistent images in real time but also produces high-quality 3D geometry. Github: https://github.com/NVlabs/eg3d Project: https://nvlabs.github.io/eg3d/ Video: https://www.youtube.com/watch?v=cXxEwI7QbKg&feature=emb_logo&ab_channel=StanfordComputationalImagingLab Paper: https://nvlabs.github.io/eg3d/media/eg3d.pdf Documentation: https://ontomerger.readthedocs.io/

👁‍🗨 CVNets: A library for training computer vision networks Improved model, MobileViTv2, is state-of-the-art on several mobile vision tasks, including ImageNet object classification and MS-COCO object detection. Github: https://github.com/apple/ml-cvnets Examples: https://github.com/apple/ml-cvnets/blob/main/docs/source/en/models Paper: https://arxiv.org/abs/2206.02680v1 Dataset: https://paperswithcode.com/dataset/coco @ai_machinelearning_big_data

Создайте свою первую нейросеть за 10 дней Благодаря машинному обучению нам доступны чудеса вроде распознавания лиц, написания песен в стиле Курта Кобейна и картин в духе Рембрандта. Создать свою собственную нейросеть реально. На бесплатном курсе Нетологии «Искусственный интеллект: создайте свою первую нейросеть» за 5 занятий вы узнаете, как устроены нейросети и в каких сферах они применяются, а также самостоятельно обучите до 4-х математических моделей, которые будут распознавать собак на фото, классифицировать изображения и определять эмоциональную окраску сообщения. Мир Data Science и искусственного интеллекта — доступнее, чем кажется. Убедитесь в этом сами → https://netolo.gy/iwv

🔘 Squeezeformer: An Efficient Transformer for Automatic Speech Recognition Github: https://github.com/kssteven418/squeezeformer Paper: https://arxiv.org/abs/2206.00888v1 Dataset: https://paperswithcode.com/dataset/librispeech @ai_machinelearning_big_data

Kuber Conf — конференция по контейнерной разработке от Yandex Cloud — возвращается в 2022! 23 июня (чт) в 14:00 Мск, в онлайн или офлайн-формате. Мы расскажем, как не тратить на разработку месяцы, а проверять гипотезы и применять фичи на лету на всех этапах — от проектирования до эксплуатации и защиты. Поделимся опытом из первых рук — от авторов, создающих контейнерные проекты с Kubernetes®. Будет интересно DevOps и DevSecOps, архитекторам и разработчикам. Количество мест ограничено, регистрируйтесь →

🎆 Optimizing Relevance Maps of Vision Transformers Improves Robustness This code allows to finetune the explainability maps of Vision Transformers to enhance robustness. Github: https://github.com/hila-chefer/robustvit Colab: https://colab.research.google.com/github/hila-chefer/RobustViT/blob/master/RobustViT.ipynb Paper: https://arxiv.org/abs/2206.01161 Dataset: https://github.com/UnsupervisedSemanticSegmentation/ImageNet-S @ai_machinelearning_big_data

@data_analysis_ml - Data analysis blog

💬 Text2Human - Official PyTorch Implementation We synthesize full-body human images starting from a given human pose Github: https://github.com/yumingj/Text2Human Project: https://yumingj.github.io/projects/Text2Human.html StyleGAN: https://github.com/stylegan-human/stylegan-human Paper: https://arxiv.org/abs/2205.15996v1 Dataset: https://github.com/yumingj/DeepFashion-MultiModal Demo video: https://youtu.be/yKh4VORA_E0 @ai_machinelearning_big_data

Вакансия: Machine learning engineer 📍в классном офисе в Москве/гибрид; 📍250-350К руб., белая ЗП или ИП; 📍большой датасет, интересные задачи, возможность влиять на продукт. ✅Что нужно делать: • Разработка моделей машинного обучения, в частности, предиктивных моделей (например, прогнозирование оттока клиентов) и рекомендательной системы; • Самостоятельная постановка гипотез, анализ данных и дизайн фич, проведение и оценка экспериментов; • Участие в продукционализации ML моделей вместе с нашими cloud инженерами и data инженерами. ✅ Требования • Знание алгоритмов машинного обучения и статистического анализа; • Опыт программирования на Python и знание основных библиотек для работы с данными и ML моделями; знание хотя бы одного из фреймворков для deep learning; • Знание SQL и опыт работы с большими данными; • Понимание жизненного цикла и опыт продукционализации ML моделей. ✅ Опционально (плюс): • Опыт участия в соревнованиях по машинному обучению (Kaggle и др); • Понимание принципов распределенной обработки данных, опыт работы с Spark’ом и Spark MLlib; • Знание инструментов и методов MLOps. 📩Интересна вакансия? Присылай свое резюме в tg @fedosovaAS 🙂 Кроме аналитика нам нужны разработчики и data scientist - если это ты - пиши:) @Machinelearning_Jobs

📍в классном офисе в Москве/гибрид; 📍250-350К руб., белая ЗП или ИП; 📍большой датасет, интересные задачи, возможность влиять на продукт. ✅Что нужно делать: • Разработка моделей машинного обучения, в частности, предиктивных моделей (например, прогнозирование оттока клиентов) и рекомендательной системы; • Самостоятельная постановка гипотез, анализ данных и дизайн фич, проведение и оценка экспериментов; • Участие в продукционализации ML моделей вместе с нашими cloud инженерами и data инженерами. ✅ Требования • Знание алгоритмов машинного обучения и статистического анализа; • Опыт программирования на Python и знание основных библиотек для работы с данными и ML моделями; знание хотя бы одного из фреймворков для deep learning; • Знание SQL и опыт работы с большими данными; • Понимание жизненного цикла и опыт продукционализации ML моделей. ✅ Опционально (плюс): • Опыт участия в соревнованиях по машинному обучению (Kaggle и др); • Понимание принципов распределенной обработки данных, опыт работы с Spark’ом и Spark MLlib; • Знание инструментов и методов MLOps. 📩Интересна вакансия? Присылай свое резюме в tg @fedosovaAS 🙂 Кроме аналитика нам нужны разработчики и data scientist - если это ты - пиши:)

🪄 Investigating the Role of Image Retrieval for Visual Localization -- An exhaustive benchmark. Github: https://github.com/naver/kapture-localization Paper: https://arxiv.org/abs/2205.15761v1 Data: https://paperswithcode.com/dataset/inloc @ai_machinelearning_big_data

Яндекс Практикум ищет наставников на курсы по Data Science и Аналитик данных Ждём специалистов с такими навыками: ▪️Python для анализа данных; ▪️библиотеки pandas, NumPy, Matplotlib, sklearn; ▪️основы математического анализа, линейной алгебры, теории вероятности и статистики. ▪️Мы также ценим опыт преподавания и наставничества. Мы предлагаем: → Частичную занятость. → Доход от 30 000 ₽ в месяц. → Удалённую работу с гибким графиком от 8 часов в неделю. → Сильный опыт менторства: научим давать развивающую обратную связь начинающим аналитикам, работать с критикой и возращениями и учить их совершенствовать проекты. → Бесплатное обучение в Школе наставников. → Доступ к курсу Практикума по Data Science или Аналитик данных и скидки на остальные курсы. → Углубление знаний и развитие софт скиллов. Помогайте новичкам развиваться и учитесь сами — каждый день. Если вам интересно поработать с нами — оставьте заявку.

🦠 MaSIF- Molecular Surface Interaction Fingerprints: Geometric deep learning to decipher patterns in protein molecular surfaces. MaSIF is a proof-of-concept method to decipher patterns in protein surfaces important for specific biomolecular interactions. Github: https://github.com/LPDI-EPFL/masif Paper: https://www.nature.com/articles/s41592-019-0666-6 Data: https://github.com/LPDI-EPFL/masif#MaSIF-data-preparation @ai_machinelearning_big_data

Selectel продлевает миграционные каникулы Сейчас многие компании заняты реорганизацией своей инфраструктуры. Чтобы помочь этому процессу, в @Selectel продлили миграционные каникулы для переноса данных в объектное хранилище. Миграционные каникулы позволяют не оплачивать запросы и хранение 30 дней с момента одобрения заявки. Этот период полностью покрывает время на подготовительные работы и снижает нагрузку на бизнес. — Перенос данных в облачное объектное хранилище, поддерживающее S3 API. — Специалисты Selectel помогут определить проблемные зоны, например, график бэкапов или обновления сертификатов. — Selectel Global Connect поможет объединить сегменты территориально разнесенной инфраструктуры или развернуть гибридное облако. — Selectel заботится о том, чтобы данные не зависли между двух хранилищ. Каникулы устроены так, чтобы пользователи имели возможность не торопиться и мигрировать по плану Оставьте заявку и начните миграционные каникулы уже сегодня: https://slc.tl/uqy7z

✈️ HIRL: A General Framework for Hierarchical Image Representation Learning Github: https://github.com/hirl-team/hirl Paper: https://arxiv.org/abs/2205.13159v1 Dataset: https://paperswithcode.com/dataset/places205 @ai_machinelearning_big_data

🔥 Хардкорный тест по Machine Learning 🚀 Ответьте на 10 вопросов и проверьте, насколько вы готовы к обучению на углубленном курсе - «Machine Learning Professional» от OTUS и его партнера — Сбера. 🔶 ПОСЛЕДНИЙ ДЕНЬ Успейте на онлайн-курс «Machine Learning Professional» и уже через 5 месяцев вы получите сильное портфолио, которое позволит вам претендовать на Junior+ и Middle позиции Data Scientist. Время прохождения теста ограниченно 20 минут 👉 ПРОЙТИ ТЕСТ https://otus.pw/BWoP/