Machinelearning

В последнее время только и разговоров, что о нейросетях. Кто-то боится, что AI заберёт у них работу, а кто-то с его помощью повышают свою эффективность. Каждый, кто использует нейронки, уже немного приблизился к новой профессии. Мы ещё не знаем, как она будет называться. Но никто не мешает проявить фантазию: лид продуктового направления по ML ВКонтакте Иван Самсонов дал ей кодовое название — погонщик нейросетей. Заглядывайте в статью и узнайте, как поймать волну перемен: вас ждёт большая подборка инструментов и небольшой туториал, как уже сейчас можно использовать их в работе. 📌Хабр: https://habr.com/ru/companies/vk/articles/738776/ ai_machinelearning_big_data

Introducing BERTopic Integration with the Hugging Face Hub BERTopic provides a powerful tool for users to uncover significant topics within text collections, thereby gaining valuable insights. BERTopic - это современная библиотека Python, которая упрощает процесс моделирования тем, используя различные трансформеры и c-TF-IDF для создания кластеров на основе плотности, позволяющих легко интерпретировать темы, сохраняя при этом важные слова в описаниях тем. pip install bertopic 🤗 Hugging face: https://huggingface.co/blog/bertopic 🖥 Github: https://github.com/MaartenGr/BERTopic ⏩ Colab: https://colab.research.google.com/#fileId=https://huggingface.co/spaces/davanstrien/blog_notebooks/blob/main/BERTopic_hub_starter.ipynb 📌 Docs: https://maartengr.github.io/BERTopic/getting_started/quickstart/quickstart.html ai_machinelearning_big_data

Introducing BERTopic Integration with the Hugging Face Hub BERTopic provides a powerful tool for users to uncover significant topics within text collections, thereby gaining valuable insights. BERTopic - это современная библиотека Python, которая упрощает процесс моделирования тем, используя различные трансформеры и c-TF-IDF для создания кластеров на основе плотности, позволяющих легко интерпретировать темы, сохраняя при этом важные слова в описаниях тем. pip install bertopic 🤗 Hugging face: https://huggingface.co/blog/bertopic 🖥 Github: https://github.com/MaartenGr/BERTopic ⏩ Colab: https://colab.research.google.com/#fileId=https://huggingface.co/spaces/davanstrien/blog_notebooks/blob/main/BERTopic_hub_starter.ipynb 📌 Docs: https://maartengr.github.io/BERTopic/getting_started/quickstart/quickstart.html ai_machinelearning_big_data

Платформа Sber Process Mining заменит иностранную процессную аналитику для внутреннего аудита X5 Group. Процесс перехода уже состоялся и специалисты X5 продолжат автоматизировать проверки соответствия бизнес-процессов установленным нормативам и тестирование контрольных процедур на российском программном обеспечении. Плюсы от перехода на платформу Sber Process Mining для X5 Group: ✅Отечественное ПО — снижение зависимости от западных вендоров ✅Сохранение возможности регулярного тестирования контрольных процедур на больших объемах данных ✅Быстрый поиск отклонений и нарушений, в том числе недоступных для выявления традиционными средствами ✅Встроенные инструменты машинного обучения ✅ Может применяться для оптимизации любых процессов с цифровыми следами «Мы гордимся нашим сотрудничеством с X5 Group. Это отличный пример синергии, которая позволила нам совместно решить амбициозную задачу по вендерозамещению решения от лидера мирового рынка. Глубокая экспертиза коллег и качественная обратная связь позволили нам вывести платформу Sber Process Mining на уровень лучших мировых практик», — заявил вице-президент Сбера Тарас Скворцов. Подробности: https://platformv.sber.ru/products/sber-process-mining

🔥 GPT4Tools: Teaching LLM to Use Tools via Self-instruction GPT4Tools is a centralized system that can control multiple visual foundation models. It is based on Vicuna (LLaMA), and 71K self-built instruction data. GPT4Tools - это интеллектуальная система, которая может автоматически принимать решения, управлять и использовать различные визуальные модели, позволяя пользователю взаимодействовать с изображениями во время диалога с Chatgpt. 🖥 Github: https://github.com/stevengrove/gpt4tools ⏩ Paper: https://arxiv.org/abs/2305.18752v1 📌 Project: https://gpt4tools.github.io/ ai_machinelearning_big_data

Хотите работать ML-инженером в Тинькофф, Яндекс, ВКонтакте, Ozon или другой крупной IT-компании? Освоить всю необходимую базу для получения оффера можно за 7 месяцев на курсе Start ML. Вы на практике узнаете как ML-алгоритмы работают под капотом, научитесь обучать модели и нейронные сети, а также оценивать их влияние на бизнес и продукт с помощью статистики и A/B-тестов — всё под руководством опытных специалистов из Райффайзен и Яндекс. Курс даст всё необходимое, чтобы уверенно пройти собеседование на позицию Junior ML-специалиста и уже с первых дней быстро расти и приносить компании пользу. С поиском вакансий и трудоустройством обязательно поможем. Новый поток стартует уже 8 июня, а по промокоду MLBIGDATA21 для вас действует скидка 5%. Присоединяйтесь! [Зарегистрироваться]

🦙 BigTrans 🚀 BigTrans which adapts LLaMA that covers only 20 languages and enhances it with multilingual translation capability on more than 100 languag Предварительные эксперименты по многоязычному переводу показывают, что BigTrans сравним с ChatGPT и Google Translate на многих языках и даже превосходит ChatGPT в 8 языковых парах. 🖥 Github: https://github.com/ZNLP/BigTrans/tree/main ⏩ Paper: https://arxiv.org/abs/2305.18098v1 📌 Dataset: https://paperswithcode.com/dataset/flores-200 ai_machinelearning_big_data

Нейронки уже безвозвратно изменили айти. В этом году только ленивый не написал, что вставьте название профессии сюда скоро заменит ChatGPT. Как реально ИИ отразится на работе программиста и как в системе, где нейросеть за секунды может сгенерировать простой код, выживать джунам, пишут в телеграм-канале Skolkovo LIVE. А еще они объясняют базу для стартаперов и рассказывают про нестыдные российские проекты, подпишитесь.

🖥 A Practical Toolkit for Multilingual Question and Answer Generation Multilingual/multidomain question generation datasets, models, and python library for question generation. lmqg - это библиотека python для генерации вопросов и ответов (QAG) с помощью языковых моделей (LM). 🖥 Github: https://github.com/asahi417/lm-question-generation ⏩ Paper: https://arxiv.org/abs/2305.17416v1 📌 Dataset: https://paperswithcode.com/dataset/squad ai_machinelearning_big_data

Стань лучшим на онлайн-хакатоне PROFBUH HACKATHON | JUNE 🏆 Открыта регистрация на онлайн-хакатон от компании Профбух и Акселератора Возможностей! Кейс: 🔹Автоматическое создание текстовых публикаций на основе записанного видео. Даты хакатона: 23 – 25 июня 2023 года Дедлайн регистрации: 19 июня 23:59 Регистрация и подробности - https://clck.ru/34WoFU Кому подходит хакатон? 🔸Студентам, разработчикам, дизайнерам, продакт-менеджерам и аналитикам. Что нужно будет сделать? 🔸Разработать web-систему для автоматического создания уникальных статей на основе видео из YouTube. Что тебя ждёт? 🔹2 дня в онлайн-формате 🔹встречи с экспертами, мастер-классы и питчи 🔹крутой командный проект и интересный кейс в резюме 🔹призовой фонд – 300.000₽ Регистрируйся, решай кейс и выигрывай призы!🏆

Large Language Models as Tool Makers In this work, we take an initial step towards removing this dependency by proposing a closed-loop framework, referred to as LLMs A s Tool Makers (LATM), where LLMs create their own reusable tools for problem-solving. Фреймворк для работы с большими языковыми моделями для создатния инструментов и скриптов на Python. 🖥 Github: https://github.com/ctlllll/llm-toolmaker ⏩ Paper: https://arxiv.org/pdf/2305.17126v1.pdf 📌 Dataset: https://paperswithcode.com/dataset/big-bench ai_machinelearning_big_data

Стань лучшим на онлайн-хакатоне PROFBUH HACKATHON | JUNE 🏆 Открыта регистрация на онлайн-хакатон от компании Профбух и Акселератора Возможностей! Кейс: 🔹Автоматическое создание текстовых публикаций на основе записанного видео. Даты хакатона: 23 – 25 июня 2023 года Дедлайн регистрации: 19 июня 23:59 Регистрация и подробности - https://clck.ru/34WoFU Кому подходит хакатон? 🔸Студентам, разработчикам, дизайнерам, продакт-менеджерам и аналитикам. Что нужно будет сделать? 🔸Разработать web-систему для автоматического создания уникальных статей на основе видео из YouTube. Что тебя ждёт? 🔹2 дня в онлайн-формате 🔹встречи с экспертами, мастер-классы и питчи 🔹крутой командный проект и интересный кейс в резюме 🔹призовой фонд – 300.000₽ Регистрируйся, решай кейс и выигрывай призы!🏆

Создай цифровой продукт вместе с государством и бизнесом и улучши качество жизни в Арктике 🏆 Участвуй в технологическом конкурсе «АРКТЕК ДАТА 2023» и создай цифровой продукт в области устойчивого развития за 2 месяца. Направления: экология, туризм, урбанизация. Подать заявку можно с готовым продуктом или создать с нуля. У тебя будут: ✅ Реальные данные по Арктической зоне ✅ Встречи с экспертами ✅ Трекеры ✅ Онлайн-участие и оффлайн-финал Принять участие могут студенты, молодые профессионалы и отраслевые эксперты, Data Science лаборатории, студии разработки IT-продуктов и стартапы. Состав команд от 3 до 5 человек. 💸 Призовой фонд 3 000 000 рублей. Конкурс организован при поддержке Минвостокразвития России, МИД России, ФАНУ «Востокгосплан», госкорпорации «Росатом», компании МегаФон и геомаркетингового сервиса «Геоинтеллект». ❗️Регистрация открыта до 23:59 8 июня. https://clck.ru/34YPZN

Prompt-Free Diffusion: Taking "Text" out of Text-to-Image Diffusion Models The performance of Text2Image is largely dependent on text prompts. In Prompt-Free Diffusion, no prompt is needed, just a reference images. Prompt-Free Diffusion - это модель диффузии, которая принимает визуальные данные для генерации изображений без ввода текстовых промптов. 🖥 Github: https://github.com/shi-labs/prompt-free-diffusion 🔎 Demo: https://huggingface.co/spaces/shi-labs/Prompt-Free-Diffusion ⏩ Paper: https://arxiv.org/abs/2305.16223v1 📌 Dataset: https://paperswithcode.com/dataset/ffhq ai_machinelearning_big_data

🦖 Dynosaur: A Dynamic Growth Paradigm for Instruction-Tuning Data Curation Dynosaur, a large-scale instruction tuning dataset obtained automatically with significantly lower generation costs. Новый фреймворк для широкого спектра NLP задач для instruction tuning и генерации датсетов, при низких высчислительных затратах и высоком качетсве данных. 🖥 Github: https://github.com/wadeyin9712/dynosaur 🔎 Project: https://dynosaur-it.github.io/ ⏩ Paper: https://arxiv.org/abs/2305.14327 📌 Dataset: https://paperswithcode.com/dataset/ffhq ai_machinelearning_big_data

QLoRA: Efficient Finetuning of Quantized LLMs Model name Guanaco, outperforms all previous openly released models on the Vicuna benchmark, reaching 99.3% of the performance level of ChatGPT while only requiring 24 hours of finetuning on a single GPU. QLoRA - эффективный метод файнтюнинга, который позволяет сократить использование памяти, чтобы произвести файнтюнинг модели с 65B параметрами на одном GPU 48 ГБ. 🖥 Github: https://github.com/artidoro/qlora ⏩ Paper: https://arxiv.org/abs/2305.14314 ⭐️ Demo: https://huggingface.co/spaces/uwnlp/guanaco-playground-tgi 📌 Dataset: https://paperswithcode.com/dataset/ffhq ai_machinelearning_big_data

Как построить систему геоаналитики с применением ML Решать аналитические бизнес-задачи с большим количеством значимых признаков помогает машинное обучение. Новая статья на Хабре предлагает рассмотреть примеры работы сервисов геоаналитики VK Predict и демонстрирует, какие модели машинного обучения используются при построении таких систем. Читать статью: https://habr.com/ru/companies/vk/articles/734102/ ai_machinelearning_big_data

EfficientSpeech: An On-Device Text to Speech Model It generates mel spectrogram at a speed of 104 (mRTF) or 104 secs of speech per sec on an RPi4. EfficientSpeech, или сокращенно ES, - это мощная нейронная модель преобразования текста в речь (TTS). I 🖥 Github: https://github.com/roatienza/efficientspeech ⏩ Paper: https://arxiv.org/abs/2305.13905v1 📌 Dataset: https://paperswithcode.com/dataset/ljspeech ai_machinelearning_big_data

До 5 июня идет прием заявок на Международную университетскую премию в области искусственного интеллекта “Гравитация”. Организаторами премии выступают Президентская академия, Томский государственный университет и Ассоциация “Университетский консорциум исследователей больших данных” при поддержке МГУ и МФТИ. Участвовать могут команды вузов – разработчики ИТ-решений и команды любых организаций, если их продукты имеют потенциал применения для университетов. Среди направлений – прорывные научные исследования и разработки, развитие алгоритмов и программных решений в области ИИ и больших данных, инновации в образовательном процессе и подготовке кадров и другие. Оргкомитет премии и независимое жюри – отраслевые эксперты, представители органов публичной власти – в заочном формате выберут 9 лучших проектов. А 23 и 24 июня мы узнаем победителе! Оставить заявку: https://gravitation.ai/

Interactive Data Synthesis for Systematic Vision Adaptation via LLMs-AIGCs Collaboration GPT-4 can do anything even in visual tasks——Label anything just all in one-pipeline. Аннотирование чего угодно в визуальных задачах - все в одном конвейере с GPT-4. 🖥 Github: https://github.com/yuqifan1117/labal-anything-pipeline ⏩ Paper: https://arxiv.org/abs/2305.12799v1 ai_machinelearning_big_data