Machinelearning

Group R-CNN for Point-based Weakly Semi-supervised Object Detection Instance-aware representation learning which consists of instance-aware feature enhancement and instance-aware parameter generation to overcome this issue. Code: https://github.com/jshilong/grouprcnn Installation: https://mmdetection.readthedocs.io/en/v2.18.1/get_started.html#installation Paper: https://arxiv.org/abs/2205.05920v1 Task: https://paperswithcode.com/task/object-detection Dataset: https://paperswithcode.com/dataset/coco @ai_machinelearning_big_data

Group R-CNN for Point-based Weakly Semi-supervised Object Detection Code: https://github.com/jshilong/grouprcnn Paper: https://arxiv.org/abs/2205.05920v1 Dataset: https://paperswithcode.com/dataset/coco @ArtificialIntelligencedl

Прокачай карьеру в NLP и компьютерной лингвистике! 19 мая в 18:00 (по МСК) Мила Рванова, ведущий аналитик-исследователь Газпромбанка, расскажет: • что такое Natural Language Processing, • почему знаний в IT и математике может быть недостаточно, • зачем NLP нужен бизнесу, • что нужно знать для построения карьеры в NLP. Лекция пройдет в Zoom – нужна регистрация: https://vk.cc/cd3e4B

Efficient and performance-portable vector software CPUs provide SIMD/vector instructions that apply the same operation to multiple data items. This can reduce energy usage e.g. fivefold because fewer instructions are executed. We also often see 5-10x speedups. Code: https://github.com/google/highway Paper: https://arxiv.org/abs/2205.05982v1 Testing: https://github.com/google/highway/blob/master/g3doc/release_testing_process.md @ai_machinelearning_big_data

Планируете переезд или остаётесь в России? Если вы разработчик и у вас есть минута времени, поделитесь планами в анонимном опросе. Там всего 7 вопросов. Ваши ответы помогут крупному IT-работодателю понять, в каких странах стоит открывать офисы и как условия нужны разработчикам.

🦉 OWL-ViT: Open-World Object Detection with Vision Transformers OWL-ViT is an open-vocabulary object detector. Github: https://github.com/google-research/scenic/tree/main/scenic/projects/owl_vit Paper: https://arxiv.org/abs/2205.06230 Colab: https://colab.research.google.com/github/google-research/scenic/blob/main/scenic/projects/owl_vit/notebooks/OWL_ViT_minimal_example.ipynb Dataset: https://paperswithcode.com/dataset/objects365 @ai_machinelearning_big_data

Интернет вещей — это глобальная сеть, которая соединяет не только компьютеры, но и другие электрические приборы, от кофе-машин до тостеров. Почему интернет вещей до сих пор не стал чем-то обыденным и насколько жизнь человека может стать комфортнее с развитием этой технологии? Узнайте в новом выпуске подкаста «ZIP. Архив техногенного мира» от команды Газпромбанка. Слушайте и делитесь > https://vk.cc/cdrlFa

🗯 DeepFilterNet A Low Complexity Speech Enhancement Framework for Full-Band Audio (48kHz) using on Deep Filtering. Github: https://github.com/rikorose/deepfilternet Paper: https://arxiv.org/abs/2205.05474v1 Demo: https://huggingface.co/spaces/hshr/DeepFilterNet2 @ai_machinelearning_big_data

📝 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