Machinelearning

Бесплатный митап - «Инженер данных: Перспективы профессии и обучение в Яндекс Практикуме» На митапе поговорим: * Про тренды в развитии области дата-инженерии. * Познакомимся с авторами курса, расскажем про их опыт в профессии и карьерный путь. * Расскажем про подход Яндекс Практикума к обучению и трудоустройству. 21 апреля 19:00 Зарегистрироваться

👁 An Extendable, Efficient and Effective Transformer-based Object Detector Github: https://github.com/naver-ai/vidt Paper: https://arxiv.org/abs/2204.07962v1 Dataset: https://paperswithcode.com/dataset/coco @ai_machinelearning_big_data

Бесконечно можно смотреть на три вещи: как горит огонь, как течет вода и как начинается новая серия любимого сериала 😏 Хотя давайте будем честны: многие из нас уже не представляют себе онлайн-кинотеатры без функции пропуска заставки и титров. Сегодня подобная фича есть у IVI, Netflix, Кинопоиска, Hulu и других. Появилась она и в онлайн-кинотеатре KION от МТС. Как работает новая функция с точки зрения разработчиков и как искусственный интеллект помогает размечать контент, в статье на Хабре рассказал Алексей Мельников, продакт в KION. Прочитать можно здесь.

📲 Deep-significance: Easy and Better Significance Testing for Deep Neural Networks Github: https://github.com/Kaleidophon/deep-significance Paper: https://arxiv.org/abs/2204.06815v1 Examples: https://github.com/Kaleidophon/deep-significance#examples @ai_machinelearning_big_data

🌟 Parametric Distributionally Robust Optimization Github: https://github.com/pmichel31415/P-DRO Paper: https://arxiv.org/abs/2204.06340v1 Datasett: https://paperswithcode.com/dataset/celeba @ai_machinelearning_big_data

Яндекс открывает резидентскую программу по машинному обучению ML Residency. Ее участники будут проводить исследования и эксперименты в ML, писать научные работы и посещать ведущие конференции. Подать заявку могут как студенты и аспиранты вузов, так и опытные специалисты в профильных областях: математике, физике, компьютерных науках. Работа в проекте оплачивается. Узнать подробнее можно здесь.

🔩 Glass Segmentation with RGB-Thermal Image Pairs Github: https://github.com/dong-huo/rgb-t-glass-segmentation Paper: https://arxiv.org/abs/2204.05453v2 Datasett: https://drive.google.com/file/d/1ysG04qGmnZv7UaybZUuyybaJYJLUkNHX/view?usp=sharing @ai_machinelearning_big_data

У Тинькофф появилась стипендиальная программа для студентов технических специальностей! В отборе могут участвовать студенты бакалавриата, специалитета и магистратуры (кроме выпускного курса) технических специальностей из всех городов и вузов. Стипендия выдается на один учебный год и составляет 25 000 ₽ в месяц. Кроме этого — доступ к лекциям и общение с менторами. Есть два трека — «Академический» и «Индустриальный» — для успевающих в учебе призеров олимпиад или чемпионатов по программированию и хакатонов. Выбирайте подходящий для себя и подавайте заявку по ссылке!

✔️ Localization Distillation for Dense Object Detection Github: https://github.com/HikariTJU/LD Paper: https://arxiv.org/abs/2102.12252 Datasett: https://paperswithcode.com/dataset/dota @ai_machinelearning_big_data

День открытых дверей «Как начать в аналитике и Data Science» В сфере аналитики множество профессий и порой в них можно запутаться. Чем отличаются дата-инженер и дата-сайентист? Зачем команде нужен системный аналитик и какие задачи решает аналитик данных? Рынку требуется всё больше специалистов, и в ближайшем будущем спрос будет только расти. 5 апреля в 19:00 на дне открытых дверей «Как начать в аналитике и Data Science» в Нетологии расскажут, кто такие Data Scientist, продуктовый аналитик, игровой аналитик, Data-журналист, маркетолог-аналитик, инженер данных, системный аналитик, аналитик BI, — и где они нужны. Вы раз и навсегда разберётесь в профессиях сферы аналитики, их ежедневных задачах и поймёте, какие должности вам наиболее близки.   Ждём всех, кому интересна работа с данными! Записаться → https://netolo.gy/h9p

✏️ Sat2lod2: A Software For Automated Lod-2 Modeling From Satellite-Derived Orthophoto And Digital Surface Model The proposed method starts building detection results through a deep learning-based detector and vectorizes individual segments into polygons using a “three-step” polygon extraction method Github: https://github.com/jingkang50/openood Paper: https://arxiv.org/abs/2204.05306v1 Dataset: https://entuedu-my.sharepoint.com/:f:/g/personal/jingkang001_e_ntu_edu_sg/Eso7IDKUKQ9AoY7hm9IU2gIBMWNnWGCYPwClpH0TASRLmg?e=iEYhXO More tutorials: https://github.com/Jingkang50/OpenOOD/wiki/Get-Started @ai_machinelearning_big_data

Сетевые диски в Selectel с поддержкой бэкапов по расписанию Организовать хранение данных на облачных серверах в Selectel — быстро и безопасно! Подключите к сетевым дискам бэкапы по расписанию, чтобы регулярно делать резервные копии, а в случае ошибки или сбоя не потерять нужные вам данные. Цены: ⚈ Сетевой диск — от 7,28 ₽ за 1 Гб, ⚈ Услуга по резервному копированию — 3,7 ₽ за 1 Гб бэкапов в месяц. Вы можете сделать расчет под нужный объем и количество копий. Ссылка: https://slc.tl/0D2hm

✏️ Sat2lod2: A Software For Automated Lod-2 Modeling From Satellite-Derived Orthophoto And Digital Surface Model The proposed method starts building detection results through a deep learning-based detector and vectorizes individual segments into polygons using a “three-step” polygon extraction method Github: https://github.com/gdaosu/lod2buildingmodel Paper: https://arxiv.org/abs/2204.04139v1 Datasett: https://drive.google.com/file/d/1rA7SRPbSYFJwOBc7IfXxBgmUroTOZIOF/view?usp=sharing Video: https://youtu.be/Nn4OABsEOXk @ai_machinelearning_big_data

Сервис онлайн-обучения цифровым профессиям Яндекс Практикум запускает программу обучения по специальности «Инженер данных». Курс предназначен для студентов с как минимум базовым знанием SQL и Python — перед стартом необходимо пройти тест. Авторы и преподаватели – практикующие эксперты ведущих российских IT-компаний. Длительность — 6,5 месяцев. Курс на 75% состоит из практических занятий – по окончании программы в вашем портфолио будет не менее 10 проектов. Вы научитесь: - работать с технологиями Python, SQL, Metabase, Airflow, PostgreSQL, MongoDB, ClickHouse, Celery, Kafka, Hadoop, Apache Spark, Spark Streaming и Yandex.Cloud - извлекать, очищать и сохранять данные - создавать и поддерживать хранилища типов Data Warehouse и Data Lake - работать со стриминговой обработкой данных и облаками Претендовать на работу по новой специальности студенты курса смогут уже в ходе обучения – с поиском вакансии помогут специалисты карьерного центра Яндекс Практикум. Запись на курс открыта, старт занятий для ближайшего потока студентов – 18 апреля. Стоимость курса: 95 000 рублей при разовой оплате, при оплате в рассрочку – 17 000 рублей в месяц. По завершении программы студенты получат диплом о профессиональной переподготовке. Запись на бесплатную вводную часть и подробности по ссылке.

🔗 Unsupervised Image-to-Image Translation with Generative Prior A novel framework GP-UNIT, to improve the overall quality and applicability of the translation algorithm Github: https://github.com/williamyang1991/gp-unit Paper: https://arxiv.org/abs/2204.03641v1 Datasett: https://paperswithcode.com/dataset/celeba-hq @ai_machinelearning_big_data

immers.cloud предлагает виртуальные серверы с посекундной тарификацией для решения задач искусственного интеллекта с видеокартами Tesla (V100, A10, T4) и RTX (2080Ti, 3090, 3080, A5000) от 29 ₽ в час. Список всех GPU-конфигураций и цены доступны по ссылке. Арендуйте мощные серверы с видеокартами Tesla V100 или RTX 3090 (и другие) на любой срок и с любым бюджетом. Тарификация посекундная, минимальная сумма пополнения баланса — 100 ₽. Оплата происходит только за фактическое время использования вычислительных ресурсов. В это непростое время, когда иностранные сервисы блокируют доступ к инфраструктуре, а отечественные облачные провайдеры повышают цены, мы решили зафиксировать цены на докризисном уровне и таким образом поддержать наших пользователей. Зарегистрируйтесь по ссылке и получите бонус +20% к первому платежу. Техническая поддержка доступна 24/7 — @immerscloudsupport

DALL·E 2 DALL·E 2 is a new AI system that can create realistic images and art from a description in natural language. Openai: https://openai.com/dall-e-2/ Paper: https://cdn.openai.com/papers/dall-e-2.pdf Video: https://vimeo.com/692375454 @ai_machinelearning_big_data

🗂 ObjectFolder 2.0: A Multisensory Object Dataset for Sim2Real Transfer Github: https://github.com/rhgao/objectfolder Paper: https://arxiv.org/abs/2204.02389v1 Project: https://ai.stanford.edu/~rhgao/objectfolder2.0/ Dataset: https://paperswithcode.com/dataset/objectfolder @ai_machinelearning_big_data

MeetUP Data Science от Альфа-Банка🚀 12 апреля в 18:00 пройдет митап для дата-саентистов и тех, кому интересны решения прикладных задач с помощью машинного обучения. Программа митапа: 🤓Извлечение бизнес-инсайтов из отзывов клиентов Эдуард Янаков, Младший специалист по интеллектуальному анализу данных в Альфа-Банке 📈Прогнозирование спроса — работа и проблемы в продакшене Максим Павлов, Руководитель направления мультивариативного анализа в Х5 📲Склонностные модели транзакционной активности Алексей Запольский, Старший специалист по созданию новых признаков в Альфа-Банке 💰Определение дохода зарплатного клиента до получения первой зарплаты для целей раннего cross-sale Евгения Дзюба, Младший специалист по интеллектуальному анализу данных в Альфа-Банке Участие бесплатное, но нужно зарегистрироваться на Alfa Digital, чтобы вам прислали ссылку для подключения!

⛓ Deep Automatic Natural Image Matting Github: https://github.com/JizhiziLi/AIM Paper: https://arxiv.org/abs/2107.07235 Pretrained models: https://drive.google.com/uc?export=download&id=16dd1FGMcsMTqR6EfD2T9mtRmPwxnY0zs Dataset: https://paperswithcode.com/dataset/celebamask-hq @ai_machinelearning_big_data