Machinelearning

​Идея для лета — нырнуть в Data Science с головой Станьте специалистом по Data Science и приручите алгоритмы под свои амбициозные цели: от решения бизнес-задач до развития медицинских технологий. На курсе Яндекс Практикума вы можете за 8 месяцев изучить Python, SQL, машинное обучение и визуализацию данных — необходимый минимум для работы младшим специалистом. Пять «П» — преимущества обучения в Практикуме: — Помощь с трудоустройством: 78% выпускников находят работу в течение 4 месяцев после окончания курса. — Портфолио: 16 проектов на основе реальных задач бизнеса и диплом о профессиональной переподготовке. — Поддержка: преподаватели, наставники, кураторы и ревьюры помогают пройти обучение. — Подходящий формат: можете заниматься из любой точки мира когда вам удобно. — Практика: курс на 75% состоит из задач в онлайн-тренажёре и учебных проектов. → Старт потока — 21 июля. Оплачивать учёбу можно помесячно, от 6 090 ₽/мес, или 112 000 ₽ сразу. Начните учиться бесплатно и решите, подходит ли вам роль специалиста по Data Science. → Попробуйте курс бесплатно

KGI (Knowledge Graph Induction) for slot filling Github: https://github.com/ibm/kgi-slot-filling KILT data and knowledge source: https://github.com/facebookresearch/KILT Paper: https://arxiv.org/abs/2207.06300v1 Dataset: https://paperswithcode.com/dataset/natural-questions @ai_machinelearning_big_data

⁉️ Разработать одну ML-модель и провести ее валидацию — уже давно не проблема. Как экспериментировать сразу с сотнями моделей и с разными параметрами и при этом не захлебнуться в разнообразии экспериментов? Как не потерять этот опыт и легко воспроизводить эксперименты годовой давности? 📌 20 июля в 20:00 на открытом уроке OTUS мы разберем инструмент MLFlow. Он позволяет легко выбирать лучшие модели среди всех экспериментов и при этом легко сравнивать эти модели, и всегда иметь понятное описание эксперимента. 💻 Занятие проведет Миленькин Александр, старший менеджер по работе с большими данными в X5 Retail Group. 💣 Чтобы зарегистрироваться на урок, пройдите вступительный тест ⚠️ Еще больше знаний о том, как устроен процесс внедрения ML-решения, ждет вас на онлайн-курсе «MLOps». Он рассчитан на специалистов по машинному обучению или Software инженеров.

🏎 Instance Shadow Detection with A Single-Stage Detector Deep framework, and an evaluation metric to approach this new task. Github: https://github.com/stevewongv/InstanceShadowDetection Instance Shadow Detection: https://github.com/stevewongv/SSIS Video: https://www.youtube.com/watch?v=p0b_2SsFypw Colab: https://colab.research.google.com/drive/1y9UpS5uA1YuoMyvYVzcKL4ltA_FDu_x0?usp=sharing Paper: https://arxiv.org/abs/2207.04614v1 Datasets: https://paperswithcode.com/dataset/soba @ai_machinelearning_big_data

🧍‍♂ PeopleSansPeople: A Synthetic Data Generator for Human-Centric Computer Vision Human-centric privacy-preserving synthetic data generator with highly parametrized domain randomization. Github: https://github.com/unity-technologies/peoplesanspeople Paper: https://arxiv.org/abs/2207.05025v1 Demo Video: https://www.youtube.com/watch?v=mQ_DUdB70dc @ai_machinelearning_big_data

​Большие данные захватили мир Как стриминговые сервисы понимают, что вы любите? Анализ данных уже давно открыл человечеству новые возможности. Бизнес активно использует инструменты Data Science на полную: голосовые ассистенты, чат-боты, персонализированная реклама. IT-школа Skillfactory и лучший технический вуз МФТИ ответят на эти вопросы и раскроют главный секрет на своём бесплатном онлайн-интенсиве: “Кем ты будешь через 2 года, если пойдешь учиться на Data Science сейчас?” За 1,5 часа руководитель онлайн-магистратур в МФТИ Мария Савицкая расскажет преимущества специалистов с профильным образованием и перспективы развития Data Science. А эксперт по Data Science Иван Ямщиков расскажет, как работает и в каких сферах применяется машинное обучение и что нас ждет через 10 лет! По оценкам Frost & Sullivan, каждый год сфера Data Science растет на 35,9%. При этом опытных дата-сайентистов не хватает, поэтому их зарплата стабильно увеличивается. Сейчас специалисты с опытом работы 2-3 года получают от 250 000 ₽. Переходите по ссылке и регистрируйтесь, это займёт меньше минуты: https://go.skillfactory.ru/N4Q9wg

🔸 An Efficiency Study for SPLADE Models SParse Lexical AnD Expansion Model for First Stage Ranking. Github: https://github.com/naver/splade Paper: https://arxiv.org/abs/2207.03834v1 Dataset: https://paperswithcode.com/dataset/ms-marco @ai_machinelearning_big_data

В VK стартовал набор в Академию больших данных MADE — это бесплатное обучение для специалистов с опытом в разработке. 👉 Регистрируйтесь до 6 августа: https://vk.cc/ceWl31 Программа длится один год, но будьте готовы к серьезной нагрузке: занятия займут 25–40 часов в неделю. За это время вы сможете повысить свой профессиональный уровень или освоить новое направление в IT. Что вас ждёт: 🔹Много практики и работа над реальными проектами. 🔹Преподаватели — ведущие эксперты в области Data Science. Например, несколько дисциплин ведёт Сергей Николенко, автор бестселлера «Глубокое обучение» и создатель курсов в СПбГУ, НИУ ВШЭ и Harbour Space University. 🔹Профессиональное сообщество, где преподаватели, выпускники и слушатели делятся знаниями, общаются и помогают в решении сложных задач. Для поступления нужно сдать экзамены по математике и программированию, пройти соревнование по машинному обучению и анкетирование.

👀 Object Centric Open Vocabulary Detection Object-centric alignment of the language embeddings from the CLIP model. Github: https://github.com/hanoonaR/object-centric-ovd Paper: https://arxiv.org/abs/2207.03482v1 Dataset: https://paperswithcode.com/dataset/imagenet @ai_machinelearning_big_data

⬆️ YOLOv7 YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for real-time object detectors Github: https://github.com/wongkinyiu/yolov7 Paper: https://arxiv.org/abs/2207.02696v1 Dataset: https://paperswithcode.com/dataset/coco @ai_machinelearning_big_data

Нетология ищет экспертов Преподавание для IT-специалистов — это не только дополнительный заработок, но и возможность улучшить своё ораторское мастерство и менторские навыки, развить личный бренд, найти единомышленников среди преподавателей. Нетология ищет экспертов уровня middle и выше, которые готовы делиться накопленными знаниями. Если вы хотите лично обучить будущих коллег и развить свои менторские навыки — переходите по ссылке, оставляйте контакты и становитесь экспертом Нетологии. Подробнее здесь https://netolo.gy/iKT

🔀 No Language Left Behind Meta's open-sources models capable of delivering high-quality translations directly between any pair of 200+ languages. Github: https://github.com/facebookresearch/fairseq/tree/nllb Paper: https://research.facebook.com/publications/no-language-left-behind/ Website: https://ai.facebook.com/research/no-language-left-behind/ Demo: https://nllb.metademolab.com/ @ai_machinelearning_big_data

🔥 SeqDeepFake: Detecting and Recovering Sequential DeepFake Manipulation First Seq-DeepFake dataset, where face images are manipulated sequentially with corresponding annotations of sequential facial manipulation vectors. Github: https://github.com/rshaojimmy/seqdeepfake Project: https://rshaojimmy.github.io/Projects/SeqDeepFake Paper: https://arxiv.org/pdf/2207.02204.pdf Dataset: https://paperswithcode.com/dataset/imagenet @ai_machinelearning_big_data

🔥 Хардкорный тест по MLOps 🔥 🚀 Ответьте на 10 вопросов и проверьте, насколько вы готовы к обучению на курсе - MLOps. 📊 Курс рассчитан на специалистов по Машинному обучению или Software инженеров, которые хотят научиться использовать современные инструменты MLOps для развертывания их решений в проде. 👉 ПРОЙТИ ТЕСТ - https://otus.pw/eL7y/ ⏰ Время прохождения теста ограниченно 30 минут 💣 Пройдете тест, получите доступ к 2 открытым урокам курса: ✔️ Оркерстрация пайплайнов в AirFlow ✔️ Мониторинг моделей машинного обучения в MLFlow

Вакансия: В PREDICTO открыта вакансия Machine learning engineer О компании: Predicto с 2018 г. занимается анализом и сегментацией данных для крупных российских и иностранных клиентов. В этом году мы поставили себе амбициозную задачу разработки CDP и рекомендательной системы. В нашей команде уже 10 сильных и классных ребят, но задач столько, что очень хотим еще! 📍Middle (важно) 📍 в классном офисе в Москве/гибрид; 📍250-400К руб., белая ЗП или ИП; 📍большой датасет, интересные задачи, возможность влиять на продукт. ✅Что нужно делать: • Разработка моделей машинного обучения, в частности, предиктивных моделей (например, прогнозирование оттока клиентов) и рекомендательной системы; • Самостоятельная постановка гипотез, анализ данных и дизайн фич, проведение и оценка экспериментов; • Участие в продукционализации ML моделей вместе с нашими cloud инженерами и data инженерами. ✅ Требования • Знание алгоритмов машинного обучения и статистического анализа; • Опыт программирования на Python и знание основных библиотек для работы с данными и ML моделями; знание хотя бы одного из фреймворков для deep learning; • Знание SQL и опыт работы с большими данными; • Понимание жизненного цикла и опыт продукционализации ML моделей. ✅ Опционально (плюс): • Опыт участия в соревнованиях по машинному обучению (Kaggle и др); • Понимание принципов распределенной обработки данных, опыт работы с Spark’ом и Spark MLlib; • Знание инструментов и методов MLOps. Присылайте CV @naikava @datascienceml_jobs - ML вакансии

🔌 Aug-NeRF: Training Stronger Neural Radiance Fields with Triple-Level Physically-Grounded Augmentations For the first time brings the power of robust data augmentations into regularizing the NeRF training. Github: https://github.com/vita-group/aug-nerf Paper: https://arxiv.org/abs/2207.01164v1 Cloud Drive: https://drive.google.com/drive/folders/128yBriW1IG_3NJ5Rp7APSTZsJqdJdfc1 @ai_machinelearning_big_data

Как быть в курсе цен конкурентов, и точно знать, что вы не упускаете прибыль из-за несвоевременной выкладки товара на полки? Инструмент Product Analyzer, разработанный Napoleon IT, распознает любые товары и цены из продуктовых ритейл-сетей, чем облегчает ведение мониторинга. Сейчас Product Analyzer доступен на маркетплейсе Cloud AI Services по модели freemium. Узнайте, как им пользоваться и какие возможности открывает сервис для ритейлеров на совместном вебинаре Cloud и Napoleon IT! Вебинар «Первая AI-модель для распознавания товаров и цен в розничных продуктовых сетях на платформе ML Space» будет полезен маркетинговым и коммерческим директорам розничных сетей, категорийным менеджерам, директорам по закупкам, руководителям отделов мерчендайзинга. Регистрируйтесь по ссылке: Вебинар от команды платформы ML Space

Как быть в курсе цен конкурентов, и точно знать, что вы не упускаете прибыль из-за несвоевременной выкладки товара на полки? Инструмент Product Analyzer, разработанный Napoleon IT, распознает любые товары и цены из продуктовых ритейл-сетей, чем облегчает ведение мониторинга. Сейчас Product Analyzer доступен на маркетплейсе Cloud AI Services по модели freemium. Узнайте, как им пользоваться и какие возможности открывает сервис для ритейлеров на совместном вебинаре Cloud и Napoleon IT! Вебинар «Первая AI-модель для распознавания товаров и цен в розничных продуктовых сетях на платформе ML Space» будет полезен маркетинговым и коммерческим директорам розничных сетей, категорийным менеджерам, директорам по закупкам, руководителям отделов мерчендайзинга. Регистрируйтесь по ссылке: Вебинар от команды платформы ML Space