Machinelearning

⛈ Nowcasting the Next Hour of Rain Github: https://github.com/deepmind/deepmind-research/tree/master/nowcasting Paper: https://www.nature.com/articles/s41586-021-03854-z Deepmind blog: https://deepmind.com/blog/article/nowcasting @ai_machinelearning_big_data

🧠 С момента выкладки библиотеки CatBoost в опенсорс прошло 100 лет! (Это если считать в двоичной системе счисления). Но главная новость в другом: библиотека обновилась до версии 1.0.0 и достигла состояния «production ready». К примеру, серьёзно подросла скорость обучения и появилась поддержка Spark. Более подробно обо всём этом читайте на Хабре: https://habr.com/ru/company/yandex/blog/580950/ @ai_machinelearning_big_data

🧍‍♂ PASS: Pictures without humAns for Self-Supervised Pretraining PASS is a large-scale image dataset that does not include any humans, human parts, or other personally identifiable information. Github: https://github.com/yukimasano/PASS Paper: https://arxiv.org/abs/2109.13228v1 Dataset: https://paperswithcode.com/dataset/pass Documentation: https://www.robots.ox.ac.uk/~vgg/research/pass/ @ai_machinelearning_big_data

AlphaRotate: A Rotation Detection Benchmark using TensorFlow Github: https://github.com/yangxue0827/RotationDetection Paper: https://arxiv.org/abs/2109.11906v1 Dataset: https://paperswithcode.com/dataset/dota Documentation: https://rotationdetection.readthedocs.io/en/latest/ @ai_machinelearning_big_data

Unseen Object Amodal Instance Segmentation (UOAIS) Github: https://github.com/gist-ailab/uoais Paper: https://arxiv.org/abs/2109.11103 Dataset: https://paperswithcode.com/dataset/ocid Project: https://sites.google.com/view/uoais @ai_machinelearning_big_data

🦄 1inch : app that which will help you enter the world of crypto App Store: 1inch DeFi Wallet Buy crypto for fiat: https://jn3rg.app.link/fooJGL92Ajb Telegram community: https://t.me/OneInchNetworkChan @ai_machinelearning_big_data

📥 Don’t be Contradicted with Anything!CI-ToD: Towards Benchmarking Consistency for Task-oriented Dialogue System Github: https://github.com/yizhen20133868/ci-tod Paper: https://arxiv.org/abs/2109.11292v1 Dataset: https://paperswithcode.com/dataset/kvret-1 @ai_machinelearning_big_data

🚀 Building AI that can generate images of things it has never seen before Github: https://github.com/facebookresearch/ic_gan Facebook Ai: https://ai.facebook.com/blog/instance-conditioned-gans/ Documents: https://facebookresearch.github.io/CompilerGym/ Paper: https://arxiv.org/abs/2109.05070 @ai_machinelearning_big_data

Data Science - большой бум в IT-сфере. Специалисты этой области являются одними и самых востребованных, зарабатывают +200к в месяц и их все еще не хватает на рынке! Вливайся, пока ниша еще не переполнена и у тебя есть возможность стремительно вырасти! Если ты только начинаешь свой путь в DataSience или застрял на месте и не знаешь, как и куда расти дальше - приходи на бесплатный интенсив от ProductStar «От 0 до +200к в месяц: Карьерный план для Data Science». Ребята развеют все твои сомнения, ответят на самые насущные вопросы и даже помогут выстроить карьерный план! Ты узнаешь: - Топ-5 ошибок новичков на старте, из-за которых карьера сильно замедляется - Фишки и секреты быстрой прокачки навыков, необходимых для роста в Data Science - Сколько можно получать на старте, сколько через год, какой потолок? - Как устроиться на первую работу? Как правильно выбирать компанию? А также получишь доступ к отдельному чату с единомышленниками Когда состоится: 23 сентября в 19:00 Регистрируйся и взбирайся вверх по карьерной лестнице: https://is.gd/0ejFpM

🤖 CompilerGym: Robust, Performant Compiler Optimization Environments for AI Research CompilerGym is a library of easy to use and performant reinforcement learning environments for compiler tasks. Github: https://github.com/facebookresearch/CompilerGym Documents: https://facebookresearch.github.io/CompilerGym/ Paper: https://arxiv.org/abs/2109.08267v1 @ai_machinelearning_big_data

Language Models are Few-shot Multilingual Learners Github: https://github.com/gentaiscool/few-shot-lm Paper: https://arxiv.org/abs/2109.07684v1 @ai_machinelearning_big_data

Dynamic Slimmable Network (DS-Net) Github: https://github.com/M3DV/AlignShift Paper: https://arxiv.org/abs/2109.10060v1 @ArtificialIntelligencedl

📚 The Machine & Deep Learning Compendium Open Book https://book.mlcompendium.com/ GitBook: https://github.com/orico/www.mlcompendium.com @ai_machinelearning_big_data

❓ Simple Entity-Centric Questions Challenge Dense Retrievers Github: https://github.com/princeton-nlp/entityquestions Paper: https://arxiv.org/abs/2109.08535v1 Dataset: https://paperswithcode.com/dataset/natural-questions @ai_machinelearning_big_data

📄 Revisiting Mask-Head Architectures for Novel Class Instance Segmentation https://ai.googleblog.com/2021/09/revisiting-mask-head-architectures-for.html DeepMAC model: https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/deepmac.md Paper: https://arxiv.org/abs/2104.00613 @ai_machinelearning_big_data

Вашему стартапу нужна поддержка? Акселератор MTS AI объявляет новый набор! Попав в акселератор, ваш проект получает глубокую техническую и бизнес-экспертизу, тестирование на реальных потребителях, а также возможность финансирования, в том числе за счет различных инвесторов. Команда стартапа сможет проверять свои гипотезы и ИИ-алгоритмы с помощью суперкомпьютера. А еще получит бесценную поддержку со стороны успешных предпринимателей и экспертов из Apple, Facebook, Google, Samsung, Nvidia, с опытом работы в США, Китае, Израиле и странах Европы. Чтобы попасть в Акселератор MTS AI, отправляйте заявку до конца сентября сюда Carpe Diem!

☄️ Uncertainty-Aware Machine Translation Evaluation Code: https://github.com/Unbabel/COMET Paper: https://arxiv.org/abs/2109.06352v1 Documentation: https://unbabel.github.io/COMET/html/index.html @ai_machinelearning_big_data

DensePhrases is an extractive phrase search tool based on your natural language inputs Github: https://github.com/princeton-nlp/DensePhrases Paper: https://arxiv.org/abs/2109.08133v1 Dataset: https://paperswithcode.com/dataset/squad @ai_machinelearning_big_data

🗳 Image Shape Manipulation from a Single Augmented Training Sample Github: https://github.com/eliahuhorwitz/DeepSIM Paper: https://arxiv.org/abs/2109.06151v1 Dataset: https://paperswithcode.com/dataset/cityscapes Project: http://www.vision.huji.ac.il/deepsim @ai_machinelearning_big_data

Рынку требуются специалисты по Data Science уровня PRO! Обучение берём на себя, подходит даже новичкам! Что ждет новичка в этой профессии: -Очень высокая востребованность. Существует «кадровый голод» в этой области. По данным HeadHunter 500 компаний, включая Сбербанк, «Яндекс» и «Тинькофф», ищут специалистов по Data Science даже без опыта. -Уровень зарплаты вас приятно удивит. Ещё бы, при такой востребованности! 100 000 рублей - зарплата начинающего специалиста. -Профессия Data Scientist будет в топе актуальных ещё пару ваших жизней точно, потому что Big Data — это то, от чего в ближайшее столетие не откажутся ни наука, ни экономика, ни бизнес. -Дата-сайентисту открывается доступ к большим объёмам данных. Эти специалисты могут работать на благо науки и бизнеса, делать прогнозы, к примеру на курс доллара и обвал акций, персонализировать рекламу. Переходите по ссылке: https://clc.to/GSuWhw, чтобы зарегистрироваться на курс или получить бесплатную консультацию