Machinelearning

📝 EasyNLP is an easy-to-use NLP development and application toolkit in PyTorch $ pip install pai-easynlp. Github: https://github.com/alibaba/EasyNLP Paper: https://arxiv.org/abs/2205.03071v1 Dataset: https://paperswithcode.com/dataset/natural-questions Documentation: https://www.yuque.com/easyx/easynlp/kkhkai @ai_machinelearning_big_data

🪄 Language Models Can See: Plugging Visual Controls in Text Generation Github: https://github.com/yxuansu/magic Paper: https://arxiv.org/abs/2205.02655v1 Dataset: https://paperswithcode.com/dataset/coco Contrastive Framework for Neural Text Generation: https://github.com/yxuansu/simctg Colab: https://colab.research.google.com/drive/19lyyMXDRNr-Op8vwUOiRmbhMxI_s3rwW?usp=sharing @ai_machinelearning_big_data

Дзен-митап: исследования в рекомендательных системах 19 мая приглашаем на первый в этом году офлайн-митап от Дзена по рекомендательным системам. Поговорим о том, как правильно строить эмбеддинги для качественных рекомендаций, о нюансах в А/Б тестировании и особенностях научных исследований в рекомендательных системах в академии и бизнесе. Митап пройдет в ресторане Ketch Up (Москва, ул.Кузнецкий мост, 6/3). Количество мест ограничено — мы пригласим тех, кому мероприятие ближе всего по профилю и опыту. А записи докладов вышлем всем зарегистрировавшимся!

↘️ PyRDF2Vec: A Python Implementation and Extension of RDF2Vec Create a 2D feature matrix from a Knowledge Graph for downstream ML tasks. Github: https://github.com/IBCNServices/pyRDF2Vec RDF2Vec: http://rdf2vec.org/ Paper: https://arxiv.org/abs/2205.02283v1 Examples: https://github.com/IBCNServices/pyRDF2Vec/tree/main/examples How to Create Representations of Entities in a Knowledge Graph @ai_machinelearning_big_data

❓ Какой подход использовать для построения рекомендательных систем? На открытом уроке «Что порекомендует мне машинное обучение?» вместе с Марией Тихоновой, Senior Data Scientist Сбера, реализуем один из классических подходов к построению рекомендательных систем своими руками. 🔥 БОНУС Готовый инструмент, который позволяет создать рекомендашку всего в пару строк кода. 🟢 Еще больше полезных знаний и увлекательных задач ждет вас на онлайн-курсе «Machine Learning. Professional» в OTUS и его партнера — Сбера. Записаться на урок https://otus.pw/bEtn/

💬 Textual Entailment for Event Argument Extraction: Zero- and Few-Shot with Multi-Source Learning Github: https://github.com/osainz59/Ask2Transformers Instructions: https://github.com/facebookresearch/metaseq/blob/main/docs/setup.md Paper: https://arxiv.org/abs/2205.01376v1 Dataset: https://paperswithcode.com/dataset/snli @ai_machinelearning_big_data

Знаете базу SQL, но для работы этого мало? Курс «Аналитик данных» научит вас говорить с аналитиками на одном языке. Изучите все инструменты для работы с данными: Python, SQL, Tableau, теорию вероятностей, статистику, бизнес-метрики и визуализацию данных. Даже если вы никогда не программировали или не разбираетесь в математике. Теория и практика кода будет в интерактивном тренажёре. А ещё — на проектах, учебных и реальных. 170+ наших студентов работали над задачами в НКО и коммерческих компаниях. Поддержвать вас будет целая команда сопровождения. Специалисты помогут со сложными темами, проверят код и не дадут прокрастинировать. Оплачивать учёбу можно помесячно. Если сомневаетесь, пдойдёт ли вам курс — попробуйте бесплатную вводную часть. В ней можно посмотреть, как работает тренажёр и какие задания предстоит выполнять. → Старт потока — 12 мая → Попробуйте курс бесплатно

🔝 OPT (Open Pre-trained Transformers) is a family of NLP models trained on billions of tokens of text obtained from the internet. __175B GPT-3__ Github: https://github.com/facebookresearch/metaseq Insttructions: https://github.com/facebookresearch/metaseq/blob/main/docs/setup.md Paper: https://arxiv.org/abs/2205.01068v2 Dataset: https://paperswithcode.com/dataset/superglue @ai_machinelearning_big_data

🚗 MMRotate: A Rotated Object Detection Benchmark using Pytorch Github: https://github.com/open-mmlab/mmrotate Documentation: https://mmrotate.readthedocs.io/en/latest/ Paper: https://arxiv.org/abs/2204.13317v1 Dataset: https://paperswithcode.com/dataset/dota @ai_machinelearning_big_data

🧊 Focal Sparse Convolutional Networks for 3D Object Detection (CVPR 2022, Oral) Github: https://github.com/dvlab-research/focalsconv Paper: https://arxiv.org/abs/2204.12463 Dataset: https://paperswithcode.com/dataset/nuscenes @ai_machinelearning_big_data

Хотите повысить свои hard-скиллы в Computer Vision и научиться решать весь пайплайн задач в CV? Этот пост для вас, если: - вы хотите улучшить навыки и поднять свою ценность на рынке, - вы развиваете собственный CV-проект и не знаете как довести его до продакшена, - вы тимлид и хотите повысить эффективность своей команды. 8 опытных инженеров из разных компаний подготовили курс, который научит вас создавать стабильные и быстрые DL-сервисы с нуля до выпуска первой версии. Вы научитесь: - дешево добывать чистые данные, - быстро учить нейросети, - ускорять инференс, - автоматизировать деплой и мониторить свои сервисы, - работать в команде, правильно версионируя код и эксперименты, и многое другое. Вас ждут живые онлайн-лекции, групповая работа, квизы и ревью кода от опытных наставников. Переходите по ссылке и записывайтесь на курс до 11 мая. Всего доступно 25 мест, поторопитесь!

🧍‍♂ StyleGAN-Human: A Data-Centric Odyssey of Human Generation human image dataset with over 230K samples capturing diverse poses and textures Github: https://github.com/stylegan-human/stylegan-human Demo video: https://youtu.be/nIrb9hwsdcI Paper: https://arxiv.org/abs/2204.11823v1 Dataset: https://paperswithcode.com/dataset/market-1501 Colab: https://colab.research.google.com/drive/1sgxoDM55iM07FS54vz9ALg1XckiYA2On @ai_machinelearning_big_data

🔹 Exploring a Fine-Grained Multiscale Method for Cross-Modal Remote Sensing Image Retrieval Github: https://github.com/xiaoyuan1996/AMFMN Paper: https://arxiv.org/abs/2204.09868v1 Dataset: https://paperswithcode.com/dataset/kitti @ai_machinelearning_big_data

Мониторинги показывают, что GPU загружены, при этом видно, что они не потребляют электричества. Что делать? Хорошая статья с ответом на этот вопрос. Будет полезно почитать, даже если вы занимаетесь обучением моделек на домашних GPU.

🚀 TorchSparse: Efficient Point Cloud Inference Engine Github: https://github.com/mit-han-lab/torchsparse Paper: https://arxiv.org/abs/2204.10319v1 Dataset: https://paperswithcode.com/dataset/nuscenes Demo: https://paperswithcode.com/dataset/pipal-perceptual-iqa-dataset @ai_machinelearning_big_data

Количество вакансий в Data Science выросло на 433% за 3 года. По прогнозам Frost & Sullivan, рынок продолжит расти на 35,9% в год ближайшие 10 лет 🔝 Освойте Data Science с нуля в лучшем техническом вузе страны — МФТИ. Среди профессоров и выпускников института 10 лауреатов Нобелевской премии. Онлайн-магистратура «Науки о данных» поможет вам: ✅ Изучить математические дисциплины для Machine Learning ✅ Получить практическую базу написания кода ✅ Погрузиться в интересное направление: Artificial Intelligence, Big Data или Machine Learning ✅ Освоить актуальный стек технологий и инструментов ✅ Набраться опыта на кейсах от партнеров программы: Danone, «Девхаб», First Line Software и др. Вы сможете сами выбрать 3 электива из 6. А вместо магистерской диссертации — принять участие в реальном проекте. У вас будет то, чего не хватает выпускникам краткосрочных курсов. Это глубокое понимание алгоритмов и принципов анализа данных, умение мыслить абстрактными категориями и творческий подход к решению сложных задач. Вам будут преподавать IT-руководители, ML-инженеры, специалисты по Data Engineering. Те, кто сами прошли путь от новичка — до позиции Lead. И вам помогут. Вы получите крепкий фундамент, убедительное портфолио и диплом МФТИ государственного образца. Плюс карьерные консультации от опытных HR-менеджеров для успешного трудоустройства. Возможна оплата обучения с помощью образовательного кредита с господдержкой. Совсем скоро мы запускаем бесплатный подготовительный курс для абитуриентов. Успейте к нам присоединиться: https://clc.to/vDsqFg

Ты начинающий IT-специалист, но уверен в своих знаниях и уже готов работать на позиции джуна? Газпромбанк совместно с журналом «КОД» Яндекс.Практикума подготовил 4 интерактивных теста для начинающих разработчиков 👨‍💻 С помощью них ты посмотришь на себя глазами рекрутера, потренируешься проходить собеседования и справляться с первыми трудностями на работе > https://vk.cc/ccNVNV

🛠 MANIQA: Multi-dimension Attention Network for No-Reference Image Quality Assessment Github: https://github.com/iigroup/maniqa Paper: https://arxiv.org/abs/2204.08958v1 Dataset: https://paperswithcode.com/dataset/kitti Demo: https://paperswithcode.com/dataset/pipal-perceptual-iqa-dataset @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. 🔥 РЕЗУЛЬТАТ ПРОХОЖДЕНИЯ КУРСА Сильное портфолио, которое позволит вам претендовать на Junior+ и Middle позиции Data Scientist. Время прохождения теста ограниченно 20 минут 👉 ПРОЙТИ ТЕСТ https://otus.pw/W6UA/

🌄 NAFSSR: Stereo Image Super-Resolution Using NAFNet Github: https://github.com/megvii-research/NAFNet Paper: https://arxiv.org/abs/2204.08714v1 Dataset: https://paperswithcode.com/dataset/kitti Demo: https://colab.research.google.com/drive/1dkO5AyktmBoWwxBwoKFUurIDn0m4qDXT?usp=sharing @ai_machinelearning_big_data