Machinelearning

Искусственный интеллект: создайте свою первую нейросеть Создайте свою первую нейросеть за 10 дней Благодаря машинному обучению нам доступны чудеса вроде распознавания лиц, написания песен в стиле «Гражданской обороны» и картин в духе Рембрандта. Создать свою собственную нейросеть реально — и не только для опытных дата-сайентистов. Вы тоже можете попробовать. На бесплатном курсе Нетологии «Искусственный интеллект: создайте свою первую нейросеть» вы узнаете, как устроены нейросети и в каких сферах они применяются, а также самостоятельно обучите до 4-х математических моделей. Мир Data Science и искусственного интеллекта — доступнее, чем кажется. Убедитесь в этом сами ↓ https://netolo.gy/hvt

🐭 pymdp: A Python library for active inference in discrete state spaces Github: https://github.com/infer-actively/pymdp Paper: https://arxiv.org/abs/2201.03904v1 Docs: https://pymdp-rtd.readthedocs.io/ Tasks: https://paperswithcode.com/task/bayesian-inference @ai_machinelearning_big_data

🗣 AV-HuBERT (Audio-Visual Hidden Unit BERT) AV-HuBERT is a self-supervised representation learning framework for audio-visual speech. Github: https://github.com/facebookresearch/av_hubert Facebook AI: https://ai.facebook.com/blog/ai-that-understands-speech-by-looking-as-well-as-hearing/ Paper: https://arxiv.org/abs/2201.02184 @ai_machinelearning_big_data

🔼 PyramidTNT: Improved Transformer-in-Transformer Baselines with Pyramid Architecture PyramidTNT achieves better performances than the previous state-of-the-art vision transformers such as Swin Transformer Github: https://github.com/huawei-noah/CV-backbones Paper: https://arxiv.org/abs/2201.00978v1 GhostNet: https://github.com/huawei-noah/CV-backbones/tree/master/ghostnet_pytorch @ai_machinelearning_big_data

✨ Papers with Code 2021 : A Year in Review https://www.kdnuggets.com/2021/12/2021-year-review-amazing-ai-papers.html https://medium.com/paperswithcode/papers-with-code-2021-a-year-in-review-de75d5a77b8b @ai_machinelearning_big_data

📏 AdaFocus V2: End-to-End Training of Spatial Dynamic Networks for Video Recognition Github: https://github.com/leaplabthu/adafocusv2 Paper: https://arxiv.org/abs/2112.14238v1 Tasks: https://paperswithcode.com/task/video-recognition @ai_machinelearning_big_data

📹 MSeg: A Composite Dataset for Multi-domain Semantic Segmentation Github: https://github.com/mseg-dataset/mseg-api Paper: https://arxiv.org/abs/2112.13762 Dataset: https://paperswithcode.com/dataset/sun-rgb-d @ai_machinelearning_big_data

📑 GLIDE: Towards Photorealistic Image Generation and Editing with Text-Guided Diffusion Models Github: https://github.com/openai/glide-text2im Notebooks: https://github.com/openai/glide-text2im/blob/main/notebooks Paper: https://arxiv.org/abs/2112.10741 Task: https://paperswithcode.com/task/image-generation @ai_machinelearning_big_data

📐 RepMLPNet: Hierarchical Vision MLP with Re-parameterized Locality (PyTorch) Github: https://github.com/DingXiaoH/RepMLP Pre-trained model: https://drive.google.com/drive/folders/1eDFunxOQ67MvBBmJ4Bw01TFh2YVNRrg2?usp=sharing Paper: https://arxiv.org/abs/2112.11081v1 Task: https://paperswithcode.com/task/semantic-segmentation @ai_machinelearning_big_data

💻 SmartMarket — это единая точка доступа ко всем технологическим платформам Сбера. С помощью SmartMarket вы сможете: — Использовать десятки современных инструментов — от веб-хостинга до нейросетевых решений; — Подключить к готовому проекту NLP-платформу и распознавание жестов; — Использовать виртуальных персонажей или создать Создать виртуального персонажа или чат-ботСоздать виртуального персонажа или чат-бот; — Монетизировать бизнес в один клик; — Организовать облачное хранение данных; — Пользоваться документацией, API и спецификациями для всех сервисов и многое другое! А еще вы получите доступ к аудитории Сбера в 100 млн человек и сообществу из 2500+ IT-специалистов, сможете общаться с ними в Telegram-канале и посещать регулярные митапы. 👉🏻 Бесплатно зарегистрироваться в SmartMarket Studio можно уже сейчас.

🌠 NetKet 3: Machine Learning Toolbox for Many-Body Quantum Systems NetKet is an open-source project delivering cutting-edge methods for the study of many-body quantum systems with artificial neural networks and machine learning techniques. Github: https://github.com/netket/netket Paper: https://arxiv.org/pdf/2112.10526v1.pdf Homepage: https://www.netket.org Documentation: https://www.netket.org/documentation Tutorials: https://www.netket.org/tutorials @ai_machinelearning_big_data

💡 Ensembling Off-the-shelf Models for GAN Training Github: https://github.com/nupurkmr9/vision-aided-gan Paper: https://arxiv.org/pdf/2112.09130v1.pdf Dataset: https://paperswithcode.com/dataset/lsun @ai_machinelearning_big_data

Разработчик ML в Финтех Яндекса Новый сервис продолжает свои поиски: будущему Банку нужны разработчики ML. И чем больше, тем лучше! Что предстоит делать? Решать задачи от риск-моделирования до моделей привлечения и ретеншна пользователей; строить большие и сложные модели, которые учитывают данные самой разной природы из тех, что есть в Яндексе; совмещать современный ML и глубокое обучение с продвинутыми статистическими моделями. Что ещё? Отвечать за весь стек ML-задач: и не только обучать модели, но и внедрять их в production, налаживать процессы обучения, деплоя и мониторинга моделей, пользуясь развитой ML-инфраструктурой большого Яндекса. Верим, что многим из вас интересно заложить фундамент ML в большом стартапе внутри большого Яндекса, и, к/Users/egor/Downloads/yandex.mp4онечно, максимально прокачаться. Будет сложно, будет круто — приходите, скучать точно не придётся! Никаких долгих изматывающих собесов, попасть в телеграм к эйчару можно прямо с этой промки, после простой задачки-капчи.

📑 Extreme Zero-Shot Learning for Extreme Text Classification Github: https://github.com/amzn/pecos Paper: https://arxiv.org/abs/2112.08652v1 @ai_machinelearning_big_data

📹 Vision Transformer Based Video Hashing Retrieval for Tracing the Source of Fake Videos Github: https://github.com/lajlksdf/vtl Paper: https://arxiv.org/abs/2112.08117v1 Dataset: https://paperswithcode.com/dataset/dftl @ai_machinelearning_big_data

🕷 Bayesian Active Learning (BaaL) Github: https://github.com/ElementAI/baal Documentation: https://baal.readthedocs.io. Paper: https://arxiv.org/abs/2112.06586v1 Blog: https://www.elementai.com/news/2019/element-ai-makes-its-bayesian-active-learning-library-open-source @ai_machinelearning_big_data

Бесплатный онлайн-учебник по ML и Data Science Для начинающих ML-специалистов, аналитиков и разработчиков появилось отличное учебное онлайн-пособие, которое систематизирует актуальную базовую информацию о Machine Learning и Data Science и помогает погрузиться в тему. Авторы учебника — специалисты Школы анализа данных Яндекса — проводят от основ машинного обучения и знакомства с ключевыми для ML разделами математики до примеров реального применения их на практике. Учебник выложен в свободный доступ, и сейчас в нем открыты две главы: «Классические методы обучения с учителем» и «Оценка качества моделей». В ближайшее время появятся и новые разделы — авторы обещают регулярно обновлять информацию вслед за развитием сферы ML. Добавляйте в закладки!

🎓 GAN-Supervised Dense Visual Alignment Github: https://github.com/wpeebles/gangealing Project: https://www.wpeebles.com/gangealing Paper: https://arxiv.org/abs/2112.04894v1 Dataset: https://paperswithcode.com/dataset/celeba @ai_machinelearning_big_data

💉 Semi-supervised-learning-for-medical-image-segmentation. Github: https://github.com/HiLab-git/SSL4MIS Paper: https://arxiv.org/abs/2112.04894v1 @ai_machinelearning_big_data

Federated Learning: Collaborative Machine Learning with a Tutorial on How to Get Started https://www.kdnuggets.com/2021/12/federated-learning-collaborative-machine-learning-tutorial-get-started.html @ai_machinelearning_big_data