Machinelearning

🏆 LongLoRA: Efficient Fine-tuning of Long-Context Large Language Models 13B and 70B 32k models with the supervised fine-tuning, which is feasible for long context LongLoRA - эффективный подход к файнтюнингу, позволяющий расширить размер контекста предварительно обученных больших языковых моделей (БЯМ) при ограниченных вычислительных затратах. 🖥 Github: https://github.com/dvlab-research/longlora 📕 Paper: https://arxiv.org/abs/2309.12307v1 ⭐️ Demo: https://b3cfcf9e79ff42df5f.gradio.live/ ⏩ Dataset: https://paperswithcode.com/dataset/pg-19 ai_machinelearning_big_data

Примите участие в AI Challenge - международном конкурсе по искусственному интеллекту для молодежи от Сбера Это отличная возможность для школьников и выпускников до 18 лет получить знания и навыки в области искусственного интеллекта, а также приобрести друзей со всего мира. Участники будут соревноваться в пяти направлениях: от медицины до креативных индустрий. Отбор пройдет в 4 этапа: регистрация, командная работа, финальный этап с защитой перед экспертами и награждение. Призовой фонд разделят победители в каждом направлении. Зарегистрироваться можно прямо сейчас на сайте конкурса.

🚀Break-A-Scene: Extracting Multiple Concepts from a Single Image Given method can learn a distinct token for each concept, and use natural language guidance to re-synthesize the individual concepts or combinations of them in various contexts Новый Фреймворк от Google для декомпозиции сцен из изображений . 🖥 Github: https://github.com/google/break-a-scene 📕 Paper: https://arxiv.org/abs/2305.16311 ⏩ Project: https://omriavrahami.com/break-a-scene/ 📌 Video: https://www.youtube.com/watch?v=-9EA-BhizgM ai_machinelearning_big_data

🔥 Мы в Yandex for Developers запускаем четыре новых канала для разработчиков Теперь Yandex for — это целая семья телеграм-каналов по разным направлениям: фронтенд, бэкенд, мобильная разработка и ML. В каждом из них мы будем рассказывать всё о жизни определённого комьюнити инженеров внутри Яндекса — начиная с анонсов всех стековых мероприятий и заканчивая техническими подборками от разработчиков, интервью с инженерами и полезной информацией по найму. А в этом большом телеграм-канале мы продолжим рассказывать про главные события Яндекса для разработчиков, уже не боясь немножечко поднадоесть вам. Давайте обсуждать технологии, знакомиться и развивать сообщество инженеров: ➡️ Yandex for Mobile ➡️ Yandex for Frontend ➡️ Yandex for Backend ➡️ Yandex for ML В общем, переходите на наши каналы — всё самое интересное только начинается! Подписывайтесь 👉 @Yandex4Developers Реклама. ООО "Яндекс". erid: 2VtzqvyJJuX

😠 GPTFUZZER : Red Teaming Large Language Models with Auto-Generated Jailbreak Prompts Fuzzer maintains over 90% attack success rate against ChatGPT and Llama-2 models. Новый фреймворк для фаззинга , созданный на основе фреймворка AFL. Вместо ручного проектирования fuzzer автоматизирует генерацию шаблонов джейлбрейка для LLM. 🖥 Github: https://github.com/sherdencooper/gptfuzz 📕 Paper: https://arxiv.org/abs/2309.10253v1 ⏩ Dataset: https://sites.google.com/view/llm-jailbreak-study ai_machinelearning_big_data

❗️ Как стать высокооплачиваемым специалистом в ML? 👉 Совершенствуй мастерство ML в сообществе единомышленников на открытом уроке 26 сентября в 20:00 мск —  «Алгоритм PCA как один из популярных Unsupervised алгоритмов ML» 🔹 Зачастую нам приходится проецировать многомерные данные на плоскость либо в пространство меньшей размерности. На открытом уроке вы узнаете, что из себя представляет задача снижения размерности 📌 Результаты урока: Вы изучите основные техники снижения размерности и изучите метод PCA 👉 РЕГИСТРАЦИЯ https://otus.pw/2w31/ Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576, www.otus.ru Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963. erid: LjN8KLmha

📊 PAMS: Platform for Artificial Market Simulations Artificial market simulation is a multi-agent simulation and run virtual markets on your computer. Имитация искусственных рынков - это многоагентное моделирование и запуск виртуальных рынков на вашем компьютере. На искусственных рынках существуют виртуальные рынки и виртуальные агенты, имитирующие реальных трейдеров. С помощью искусственного моделирования рынков мы можем анализировать механизмы того, что происходит на реальных рынках. $ pip install pams 🖥 Github: https://github.com/masanorihirano/pams 📕 Paper: https://arxiv.org/abs/2309.10729v1 ⏩ Docs: https://pams.hirano.dev/ ai_machinelearning_big_data

dall-e-3 is here ! https://openai.com/dall-e-3

Открылась регистрация на международный чемпионат по программированию Yandex Cup с призовым фондом в 7,8 млн рублей Участники могут выбрать среди шести направлений: аналитика, фронтенд- и бэкенд-разработка, мобильная разработка, машинное обучение и «Алгоритм», посвящённый спортивному программированию — последний пройдёт не только на русском, но и английском языке. Задания Yandex Cup составляют сотрудники Яндекса на основе тех задач, с которыми сталкиваются в повседневной работе. При этом чемпионат посетит большое количество опытных разработчиков, а участвовать могут разработчики разного уровня — участвовать могут как студенты, так и сеньоры. ai_machinelearning_big_data

Правила и стратегии для обеспечения точных и надежных данных X5 Tech проводит Data Quality Meetup На митапе 27 сентября расскажут о том, как измеряется качество данных, для чего нужен этот показатель, почему специализированный инструмент Ataccama ONE недостаточно специализирован для нужд компании и как его дорабатывают. 🔹 В онлайн формате выступят спикеры X5 Tech: ведущие менеджеры по качеству данных Наталья Цой и Анастасия Щедрякова, а также Лилия Скляр, руководитель направления и по совместительству модератор события. 🔔 Старт в 18:00 Регистрация и подробности тут Участие бесплатное Реклама. ООО "Корпоративный центр ИКС 5", ИНН 7728632689 , erid: LjN8KSdBV

⛓️🛠️ ChainForge: A Visual Toolkit for Prompt Engineering and LLM Hypothesis Testing Среда визуального программирования с открытым исходным кодом для создания промптов, проведения экспериментов и оперативной оценки LLM. pip install chainforge 🖥 Github: https://github.com/ianarawjo/ChainForge ⭐️ Project: https://chainforge.ai 📕 Paper: https://arxiv.org/abs/2309.09128v1 ai_machinelearning_big_data

Команда VK Cloud недавно запустила новый канал о работе с данными — Данные на стероидах. В нем ребята публикуют подборки интересного контента по темам Data science, ML и Big Data. Например, рассказывают, про планирование и жизненный цикл ML-проектов, из-за чего происходят и как избежать утечек при работе с ML, или как создавать футуристичные графики с помощью Python. Помимо прочего, в канале много полезной информации о работе с данными, архитектуре дата-решений и новостей российского и международного Data-сообщества. 👉🏻 Подписывайтесь на канал Данные на стероидах, будет интересно!

🦙 LLaVA: Large Language and Vision Assistant LLaVA - новая комплексная мультимодальную модель, которая подробно объяснит любое изображение . git clone https://github.com/haotian-liu/LLaVA.git cd LLaVA 🖥 Github: https://github.com/haotian-liu/LLaVA 📕 Paper: https://arxiv.org/pdf/2309.09958v1.pdf ⭐️ Datasets: https://paperswithcode.com/dataset/mmlu ai_machinelearning_big_data

SmartDev 2023 — большая конференция про технологии от Сбера 21 сентября в кинотеатре «Октябрь» пройдет технологическая конференция SmartDev 2023, организованная Сбером. На одной площадке соберутся ведущие инженеры и разработчики из Сбера, VK, Яндекса, Kaspersky и других компаний, чтобы обменяться опытом создания лучших технологических решений в мире. Основные темы конференции: – Машинное обучение и искусственный интеллект – Архитектура программных решений – DevOps – Работа с большими данными – Безопасность приложений – Инновации и стратегии в разработке ПО Помимо этого впервые в России можно услышать выступление генерального директора Gitee, китайского аналога GitHub.Yong Xu. Также участники конференции смогут задать вопросы создателям нашумевших проектов от Сбера — сервиса GigaChat и нейросети Kandinsky. Конференция соберёт 1500 участников в офлайне и несколько тысяч зрителей в онлайне. Участие бесплатное, подробности и регистрация — на сайте конференции.

🚀Breathing New Life into 3D Assets with Generative Repainting Новая модель. которая переносит возможности генеративных моделей 2D-изображений, таких как Stable Diffusion, в 3D. Проект позволяет получить яркие генерации 3D-объектов в различных категориях форм. 🖥 Github: https://github.com/kongdai123/repainting_3d_assets ☑️ Demo: https://www.obukhov.ai/repainting_3d_assets 🖥 Colab: https://colab.research.google.com/drive/18mDpuYO5TuI6tSkQk9ls2rS9sciNpR-c?usp=sharing 📕 Paper: https://arxiv.org/abs/2309.08523v1 ⭐️ Datasets: https://paperswithcode.com/dataset/shapenet ai_machinelearning_big_data

🫦 HDTR: A Real-Time High-Definition Teeth Restoration Network for Arbitrary Talking Face Generation Methods Talking Face Generation - новый проект для реконструкции движений лица для достижения высокой естественности движений губ из аудио. 🖥 Github: https://github.com/yylgoodlucky/HDTR-Net 📕 Paper: https://arxiv.org/abs/2309.07495v1 ⭐️ Datasets: https://paperswithcode.com/dataset/lrs2 ai_machinelearning_big_data

🔥Free Certification Courses from Microsoft to try in 2023: Бесплатные сертификационные курсы от Microsoft, которые можно пройти в 2023 году. 1. Get started with Microsoft data analytics https://learn.microsoft.com/en-us/training/paths/data-analytics-microsoft 2. Prepare data for analysis with Power BI https://learn.microsoft.com/en-us/training/paths/prepare-data-power-bi 3. Model data with Power BI https://learn.microsoft.com/en-us/training/paths/model-data-power-bi 4. Build Power BI visuals and reports https://learn.microsoft.com/en-us/training/paths/build-power-bi-visuals-reports 5. Data analysis in Power BI https://coursya.com/product/microsoft-power-bi-data-analyst 6. Visualize data in Power BI https://coursya.com/product/build-power-bi-visuals-and-reports-training 7. Model data in Power BI https://coursya.com/product/power-bi-for-beginners-designing-a-data-model 8. Prepare data for analysis https://coursya.com/product/prepare-data-for-analysis-training 9. Get started with Microsoft data analytics https://coursya.com/product/get-started-with-microsoft-data-analytics-training 10. Microsoft Certified: Power BI Data Analyst Associate https://coursya.com/product/microsoft-certified-power-bi-data-analyst-associate-certifications ai_machinelearning_big_data

💥 MMICL: Empowering Vision-language Model with Multi-Modal In-Context Learning MMICL is a multimodal vision-language model with the ability to analyze and understand multiple images, as well as follow instructions. MMICL - это хорошо продуманная модель с датасетом, которая позволяет беспрепятственно интегрировать визуальный и текстовый контекст в чередующемся виде для разработки крупных мультимодальных моделей. 🖥 Github: https://github.com/haozhezhao/mic 📕 Paper: https://arxiv.org/abs/2309.07915v1 ⭐️ Datasets: https://paperswithcode.com/dataset/mmbench ai_machinelearning_big_data

Как найти себя в IT, если вы ещё не выбрали профессию? В Яндекс Практикуме можно пройти профориентационные тесты и начать IT-карьеру. В этом вам поможет большой карьерный центр: 200+ карьерных экспертов и 850 партнёрских вакансий только за 2023 год. Истории наших выпускников показывают, что каждый может сменить профессию: из медсестры — в тестировщицы, из полицейского — в разработчика, из разнорабочего — в программиста. Больше 10 000 выпускников уже нашли работу — у вас тоже может получиться. → Найдите своё место в IT и трудоустраивайтесь поудобнее. Реклама. Рекламодатель ООО "Яндекс" ИНН 7736207543

FlagEmbedding FlagEmbedding can map any text to a low-dimensional dense vector which can be used for tasks like retrieval, classification, clustering, or semantic search. And it also can be used in vector databases for LLMs. FlagEmbedding позволяет преобразовать любой текст в плотный низкоразмерный вектор, который может быть использован для решения таких задач, как поиск, классификация, кластеризация или семантический поиск. Кроме того, он может быть использован в векторных базах данных для LLM. pip install -U FlagEmbedding 🖥 Github: https://github.com/flagopen/flagembedding 📕 Paper: https://arxiv.org/pdf/2309.07597v1.pdf ⭐️ Datasets: https://paperswithcode.com/dataset/beir ai_machinelearning_big_data