Machinelearning

⚠️  Снижение размерности в ML – что это такое и как с этим работать? Расскажет Мария Тихонова – Senior Data Scientist в «SberDevices» и преподаватель ВШЭ. Встречаемся на бесплатном практическом уроке «Метод главных компонент для снижения размерности» от OTUS. • На занятии вы узнаете основные подходы к задаче снижения размерности в ML • Изучите метод главных компонент для снижения размерности и научитесь применять алгоритм PCA на практике. Встречаемся 22 января в 18:00 мск в рамках курса «Machine Learning. Professional». Пройдите короткий тест прямо сейчас, чтобы посетить бесплатный урок и получить список вопросов и ответов для прохождения интервью 👉Регистрация https://otus.pw/IFnP/?erid=LjN8K6S1b Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963.

🎉 Stability AI выпустили Stable LM 2 1.6B Первая языковая модель из новой серии Stable LM 2: базовую модель с 1,6 миллиардами параметров. Базовая модель обучена примерно на 2 триллионах лексем в течение двух эпох и включает в себя многоязычные данные. Используя последние алгоритмические достижения в области языкового моделирования, удалось найти оптимальный баланс между скоростью и производительностью, что позволило быстро проводить эксперименты и итерации при умеренных затратах. ▪демо: https://huggingface.co/spaces/stabilityai/stablelm-2-1_6b-zephyr ▪база моделей: https://huggingface.co/stabilityai/stablelm-2-1_6b ▪инструкции: https://huggingface.co/stabilityai/stablelm-2-zephyr-1_6b @ai_machinelearning_big_data

Знаешь, как организовать потоки загрузки и обрабатывать данные, но хочешь делать это ещё лучше? 👨‍💻  Пройди интенсив по направлению Data Engineer в Открытой школе Холдинга Т1 — лидера* российского ИТ-рынка🔝 Прокачаем скилы и пригласим в команду. Для кого? Дата-инженеры с опытом работы от года.  Как всё устроено❓ 1️⃣ подай заявку 2️⃣ пройди входное тестированиеДля интенсива достаточно выделить 8 часов в неделю: 4 на вебинары + 4 на практику. Гибкий график, без отрыва от работы. Продолжительность — 1 месяц, а старт уже в январе.  Принимаем заявки до 24 января❗️  *По версии CNews Analytics 2022, TAdviser 2021 и RAEX 2023 Реклама. ООО "ГК "ИННОТЕХ". ИНН 9703073496.

🚀 The newly released DeciCoder-6B model is one of the most capable and advanced multi-language code LLMs. Недавно выпущенная модель DeciCoder-6B - одна из самых способных и продвинутых мультиязычных LLM модели для работы с кодом в классе параметров 7B. Модель DeciCoder-6B демонстрирует исключительное мастерство владения яп, га руовне или превосходя конкурирующие модели в своем классе 🔥 Модель обучена на коде Python, Java, Javascript, Rust, C++, C и C# из Starcoder Training Dataset, DeciCoder-6B демонстрирует исключительное мастерство владения этими языками. В бенчмарке HumanEval он превосходит такие модели, как CodeGen 2.5 7B и StarCoder 7B, практически на всех поддерживаемых языках. На языке Python DeciCoder лидирует с преимуществом в 3 балла над моделями вдвое большего размера, например StarCoderBase 15.5B! 🚀 HF: https://huggingface.co/Deci/DeciCoder-6B 📚 Blog: https://deci.ai/blog/decicoder-6b-the-best-multi-language-code-generation-llm-in-its-class/ 🌟 Colab: https://colab.research.google.com/drive/1QRbuser0rfUiFmQbesQJLXVtBYZOlKpB @ai_machinelearning_big_data

🦾 Hard skills ML-разработчиков: Яндекс составил карту технических навыков для специалистов по Machine Learning На ней можно найти, какие навыки тесно связаны между собой и к каким инструментам интерес особенно вырос за последний год. Чем больше надпись на карте, тем чаще разработчики искали информацию по тегу. Чем ближе два навыка друг к другу, тем ближе контекст, в котором они применяются. Можно побродить по карте, а ещё заполнить чек-лист на основе трендов 2023 года. Полезное. @ai_machinelearning_big_data

🖥 Introducing ASPIRE for selective prediction in LLMs Google представили ASPIRE - фреймворк, который расширяет возможности предсказания больших языковых моделей, позволяя им выдавать ответ в паре с оценкой уверенности. Узнайте, почему он превосходит современные методы на различных наборах данных QA. https://blog.research.google/2024/01/introducing-aspire-for-selective.html @ai_machinelearning_big_data

🥈 Kandinsky от Сбера стала второй по популярности нейросетью среди разработчиков по версии Hugging Face AI-ресурс с лучшими open-source решениями выпустил рейтинг, где нейросеть Kandinsky от Сбера стала лидером по темпам роста, но уступила первое место Stable Diffusion по популярности среди разработчиков. Разработчики Kandinsky отметили, что по итогам 2023 года аудитория нейросети выросла до 12 млн человек, а число сгенерированных в прошлом году изображений превысило 200 млн. 📚 Paper @ai_machinelearning_big_data

💃 (Moore) Animate Anyone: Consistent and Controllable Image-to-Video Synthesis for Character Animation Animate Anyone: новая модель синтеза изображения в видео для качественно анимации персонажей. 🖥 Code: https://github.com/MooreThreads/Moore-AnimateAnyone 🚀 Colab: github.com/camenduru/Moore-AnimateAnyone-colab 📚 Paper: arxiv.org/abs/2311.17117 🌟 Project: humanaigc.github.io/animate-anyone/ @ai_machinelearning_big_data

Три совета начинающим разработчикам, которые хотят заняться базами данных, от героев нового выпуска шоу «1х1». Это Андрей Бородин и Максим Кита. В Яндексе они занимаются опенсорсными базами данных и YDB ➕ 1️⃣ «Контрибьютьте в опенсорс» Выберите популярный проект на GitHub, например ClickHouse, и найдите в Issues задачи для новичков с пометкой вроде «Easy first issue». 2️⃣ «Начните с открытых курсов» Посмотрите курс Энди Павло по базам данных — для начинающих и более продвинутых — или записи лекций Максима Киты, которые он читает во ВШЭ (все материалы по ним — на GitLab). 3️⃣ «Общайтесь с теми, кто делает сервисы» У любого разработчика всегда есть длинный список задач, которые нужно сделать. Попросите такой и возьмитесь за какой-то простой вопрос. Подписывайтесь 🔴 @yandex

Erid: LdtCKX9XR Реклама. ООО "Яндекс", ИНН: 7736207543

Три совета начинающим разработчикам, которые хотят заняться базами данных, от героев нового выпуска шоу «1х1». Это Андрей Бородин и Максим Кита. В Яндексе они занимаются опенсорсными базами данных и YDB ➕ 1️⃣ «Контрибьютьте в опенсорс» Выберите популярный проект на GitHub, например ClickHouse, и найдите в Issues задачи для новичков с пометкой вроде «Easy first issue». 2️⃣ «Начните с открытых курсов» Посмотрите курс Энди Павло по базам данных — для начинающих и более продвинутых — или записи лекций Максима Киты, которые он читает во ВШЭ (все материалы по ним — на GitLab). 3️⃣ «Общайтесь с теми, кто делает сервисы» У любого разработчика всегда есть длинный список задач, которые нужно сделать. Попросите такой и возьмитесь за какой-то простой вопрос. Подписывайтесь 🔴 @yandex

📐 AlphaGeometry: An Olympiad-level AI system for geometry Deepmind представили AlphaGeometry: систему искусственного интеллекта, которая решает олимпиадные задачи по геометрии на уровне, приближающемся к уровню золотого медалиста. Система была обучена исключительно на синтетических данных и знаменует собой прорыв ИИ в области математики. https://deepmind.google/discover/blog/alphageometry-an-olympiad-level-ai-system-for-geometry/ 🖥 Code: https://github.com/facebookresearch/audiocraft/blob/main/docs/MAGNET.md#api 🚀 Deepmind: https://deepmind.google/discover/blog/alphageometry-an-olympiad-level-ai-system-for-geometry/ 📚 Paper: https://www.nature.com/articles/s41586-023-06747-5 @ai_machinelearning_big_data

🔉 MAGNeT: Masked Audio Generation using a Single Non-Autoregressive Transformer Мощная система преобразования текста в звук от FAIR. И да, она с открытым исходным кодом. 🖥 Code: https://github.com/facebookresearch/audiocraft/blob/main/docs/MAGNET.md#api 🚀 HF: https://huggingface.co/collections/facebook/magnet-659ef0ceb62804e6f41d1466 📚 Paper: https://arxiv.org/abs/2401.04577 🌟 Project: https://pages.cs.huji.ac.il/adiyoss-lab/MAGNeT/ ⚛️ Datasets: https://github.com/facebookresearch/audiocraft/blob/main/docs/DATASETS.md @ai_machinelearning_big_data

Международная online конференция про AI от основателей Epic Growth Лучшие практики для разработчиков, инженеров, ресерчеров, дата сайентистов, тим-лидов и продактов, от ведущих мировых компаний, которые создают AI-based продукты и инфраструктуру. Выступят спикеры 📣 — Meta (команда Llama-2) — Github (команда Copilot) — Databricks — Hugging Face — Anyscale — Zilliz — Writer — Speechify — Twelve Labs И других классных компаний, которые прямо сейчас создают AI-будущее. Будут затронуты самые актуальные темы: — AI Agents development — Fine-tuning & RLHF — AI devtools & infrastructure — Retrieval-Augmented Generation — LLMops — Open Source AI — Multimodal APIs — AI & Data analytics Конференция пройдет в Online формате 3️⃣0️⃣➖3️⃣1️⃣ января на английском языке 🇬🇧 Участники получат доклады, воркшопы и записи, а также доступ в нетворкинг-чат. Скидка 1️⃣0️⃣ % по промо-коду — MBFIAA358 Регистрация через VPN

🖼️ DDColor: Towards Photo-Realistic Image Colorization via Dual Decoders 🔥 DDColor - фреймвор с двумя декодерами для естественной колоризации изображений. Обширные эксперименты показывают, что DDColor превосходит все существующие современные разработки на бенчмарках. 🖥 Code: github.com/piddnad/DDColor 📚 Paper: arxiv.org/abs/2212.11613 🌟 Colab: https://github.com/camenduru/DDColor-colab @ai_machinelearning_big_data

💊 AMIE: A research AI system for diagnostic medical reasoning and conversations 149 актеров, играющих пациентов, общались в прямом эфире с одним из 20 врачей, отобранных для теста и новым медицинским LLM от Google, AMIE. После врачи-специалисты и пациенты оценивали качество обслуживания. AMIE обошел врачей. 💡 Blog: https://blog.research.google/2024/01/amie-research-ai-system-for-diagnostic_12.html 📚 Paper: https://arxiv.org/abs/2401.05654 @ai_machinelearning_big_data

Создать и обучить нейросеть — вопрос времени. Получить необходимый для этого навык — вообще не вопрос. Приходите на бесплатный интенсив «Погружение в Data Science: обучите свою первую нейросеть за два дня» от онлайн-школы Skillfactory. С 16 по 17 января будете строить алгоритмы и обучать нейронную сеть. А за лучшее решение домашнего задания сможете получить мини-курс по аналитическому мышлению в подарок. Зарегистрироваться: https://go.skillfactory.ru/&erid=2VtzqusXUGV Реклама, ООО «Скилфэктори», ИНН: 9702009530

⚡️ SigLIP: a better CLIP model SigLIP от Google теперь доступен в 🤗 Transformers! Он улучшает CLIP с помощью функции сигмоидальной потери. SOTA для пары изображение в текст и наоборот. 🖥 Github: https://github.com/NielsRogge/Transformers-Tutorials/blob/master/SigLIP/Inference_with_(multilingual)_SigLIP%2C_a_better_CLIP_model.ipynb 📚 Paper: https://arxiv.org/abs/2303.15343 ⚡️HF: https://huggingface.co/docs/transformers/main/en/model_doc/siglip @ai_machinelearning_big_data

🔥Physics-based Text-to-Motion🔥 InsActor - генеративный фреймворк, использующий последние достижения в области диффузионных моделей движения человека для создания управляемых промптами анимаций персонажей, основанных на физике. 🖥 Code: github.com/jiawei-ren/insactor 📚 Paper: arxiv.org/abs/2312.17135 ⚡️ Project: https://jiawei-ren.github.io/projects/insactor/ @ai_machinelearning_big_data

⚡️ The SwiftInfer project combines StearmingLLM with TesorR-LLM to make the inference efficiency and productivity much higher. Сегодня состоялся новый большой релиз от команды Colossal-AI! Они выложили в открытый доступ новый алгоритм SwiftInfer. Алгоритм позволяет на 46% улучшить производительность LLM! Этот проект объединяет инновации из двух недавних проектов, таких как StreamingLLM и TensoRT-LLM, чтобы обеспечить лучшую производильность и низкую задержку при выводе LLM. Как StreamingLLM решает эту проблему 📌 StreamingLLM решает проблему 'attentional sink' (поглощения внимания) , когда начальные лексемы в тексте получают непропорционально большое внимание алгоритма. В традиционных методах, производительность модели значительно снижается, как только эти начальные лексемы исключаются из окна внимания. StreamingLLM решает эту проблему, обеспечивая постоянное включение этих важных начальных лексем в окно внимания, тем самым стабилизируя генерацию и поддерживая высокое качество без необходимости дополнительной тонкой настройки. Очень интересный проект! git clone https://github.com/hpcaitech/SwiftInfer.git cd SwiftInfer pip install. 🖥 Github @ai_machinelearning_big_data