Machinelearning

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

🦎 → 🐍 NL-Augmenter: A Framework for Task-Sensitive Natural Language Augmentation Github: https://github.com/GEM-benchmark/NL-Augmenter Paper: https://arxiv.org/abs/2112.02721v1 Dataset: https://paperswithcode.com/dataset/sst @ai_machinelearning_big_data

🔗 DenseCLIP: Language-Guided Dense Prediction with Context-Aware Prompting Github: https://github.com/raoyongming/denseclip Paper: https://arxiv.org/abs/2112.01518v1 Dataset: https://paperswithcode.com/dataset/coco @ai_machinelearning_big_data

Intel организовал чемпионат по обработке и анализу данных. Главный приз – 1 000 000 рублей! c 1 по 17 декабря в рамках чемпионата вам предлагается обучить нейросети с помощью инструментов для анализа информации Intel oneAPI. Автор задачи СберМаркет - один из крупнейших онлайн-сервисов доставки продуктов. Вам предстоит - построить модель, которая предскажет, какие покупки совершит пользователь в следующем месяце. Исторические данные включают в себя информацию о покупках пользователей за последние 4 месяца. Для того чтобы принять участие нужно зарегистрироваться, скачать предложенные датасеты и получить условия задачи Участники соревнований получат доступ к набору программных инструментов для ускорения машинного обучения и анализа данных Intel® oneAPI на облачной платформе ML Space. Затем нужно обучить модель и готовую версию загрузить обратно на платформу для проверки. Победителем станет тот, кто наиболее точно предскажет категории товаров и получит приз – 1 000 000 рублей. Все подробности по ссылке #INTEL #SBERMARKET

🔹 Dual Spoof Disentanglement Generation for Face Anti-spoofing with Depth Uncertainty Learning Github: https://github.com/facebookresearch/Mask2Former Installation: https://github.com/facebookresearch/Mask2Former/blob/main/INSTALL.md Paper: https://arxiv.org/abs/2112.01527v1 Dataset: https://paperswithcode.com/dataset/cityscapes @ai_machinelearning_big_data

🎙 Продолжаем серию митапов GPB.Talks. В этот раз спикеры из Газпромбанка и КРОК Облачные Сервисы обсудят в онлайн-формате тренды финтех-индустрии и эффективные подходы к бизнесу, которые действительно работают в 2021-м году. Митап будет интересен архитекторам, фронтенд-разработчикам, devops-инженерам, заинтересованным в облачных решениях, а также сотрудникам fintech-направления. Спикерами выступят: 🔷 Владимир Григорьев, директор по архитектуре, и Александр Виноградов, начальник Управления архитектуры решений, расскажут, как устроена омниканальная платформа в Газпромбанке. 🔷 Максим Морарь, менеджер по развитию бизнеса КРОК Облачные Сервисы, объяснит, почему контейнеризация в связке с DevOps-подходами и облачными сервисами — это тренд, который следует учитывать любой динамично развивающейся компании с собственными цифровыми продуктами. Модерировать митап будет Александр Виноградов — начальник Управления архитектуры решений Газпромбанка. Чтобы принять участие, зарегистрируйтесь по ссылке > https://vk.cc/c8BNrf

Dual Spoof Disentanglement Generation for Face Anti-spoofing with Depth Uncertainty Learning Github: https://github.com/JDAI-CV/faceX-Zoo Paper: https://arxiv.org/abs/2112.00568v1 Dataset: https://paperswithcode.com/dataset/replay-attack @ArtificialIntelligencedl

Онлайн-хакатон по медицинскому искусственному интеллекту от «Наносемантики» и ФГАУ «РЦУД и РТ», на котором участникам предстоит разработать тренажёр в виде веб-сайта или мобильного приложения, который позволит пациентам с тяжёлым расстройством речи проходить реабилитацию – тренировать произношение слов и фраз. Призовой фонд – 500 тыс.рублей, участвовать можно с 16 лет, а все решения должны быть опубликованы в Open Source под свободной лицензией Apache 2.0 • Даты проведения: 7-9 декабря • Место проведения: online • Регистрация: до 7 декабря • Ссылка на регистрацию: https://nanosemantics.timepad.ru/event/1861440/ • Читать подробнее: https://habr.com/ru/company/ashmanov_net/blog/592667/

🚀 Revitalizing CNN Attention via Transformers in Self-Supervised Visual Representation Learning Github: https://github.com/chongjiange/care Paper: https://openreview.net/pdf?id=sRojdWhXJx Dataset: https://paperswithcode.com/dataset/coco @ai_machinelearning_big_data

🧬 Evolutionary Scale Modeling Github: https://github.com/facebookresearch/esm Paper: https://openreview.net/pdf?id=uXc42E9ZPFs @ai_machinelearning_big_data

Искусственный интеллект - одна из самых обсуждаемых технологий 21 века. Число специалистов, работающих в сфере ИИ, увеличивается с каждым годом, поэтому потребность в качественных условиях труда и ИИ-инфраструктуре остается исключительно высокой. Чтобы оценить уровень удовлетворенности начинающих специалистов и профессионалов в сфере ИИ условиями работы в России, Аналитический центр при Правительстве РФ и ЦСП «Платформа» запустили масштабное исследование. Приглашаем Вас принять участие в исследовании, поделиться своими ожиданиями и опытом работы в сфере ИИ. Для этого необходимо пройти онлайн-опрос: http://ai-survey.ru/ (около 12 мин). Исследование носит конфиденциальный характер и продлится до 10 декабря 2021 года. Ваша оценка поможет разработать эффективные инструменты для создания благоприятных условий работы ИИ-сообщества в России. Для пожеланий и комментариев, а также получения результатов исследования писать на info@pltf.ru

📹 End-to-End Referring Video Object Segmentation with Multimodal Transformers Github: https://github.com/mttr2021/MTTR Paper: https://arxiv.org/abs/2111.14821v1 Dataset: https://kgavrilyuk.github.io/publication/actor_action/ @ai_machinelearning_big_data

МТС проведет онлайн-митап для дата-сайентистов, дата-инженеров и специалистов по машинному обучению 👨‍💻 Беседа начнется 2 декабря в 18.00, зарегистрироваться можно здесь. Речь, в том числе, пойдет о нюансах обучения бустингов на CPU против GPU и о том, как в МТС налажено взаимодействие между командами DS и MLOps. Также руководитель отдела аналитики в Яндекс.Еде поделится лайфхаками в ML-проектах.

🛢 Unleashing Transformers: Parallel Token Prediction with Discrete Absorbing Diffusion for Fast High-Resolution Image Generation from Vector-Quantized Codes Github: https://github.com/samb-t/unleashing-transformers Paper: https://arxiv.org/abs/2111.12701v1 Dataset: https://paperswithcode.com/dataset/lsun Project: https://samb-t.github.io/unleashing-transformers @ai_machinelearning_big_data

Участвуй в блокчейн-хакатоне от Сбера 😎 - Получи бесплатный доступ к блокчейн-платформе - Выведи свой проект в магазин приложений блокчейн-платформы Сбера - Получи консультацию по проекту от экспертов блокчейн-лаборатории Сбера - Победители получат денежные призы до 350 000 рублей Вот несколько примеров возможных проектов: 1. NFT Кошелёк для выпуска NFT Сервис для хранения контента NFT Аукцион NFT Интеграция приложения 2. DeFi Автоматический обменник токенов Сервис P2P-лендинга Платформа для сбора средств Создание и интеграция смарт-контракта Принять участие в хакатоне: http://sber.me/?p=rdDKF

Участвуй в блокчейн-хакатоне от Сбера 😎 - Получи бесплатный доступ к блокчейн-платформе - Выведи свой проект в магазин приложений блокчейн-платформы Сбера - Получи консультацию по проекту от экспертов блокчейн-лаборатории Сбера - Победители получат денежные призы до 350 000 рублей Вот несколько примеров возможных проектов: 1. NFT Кошелёк для выпуска NFT Сервис для хранения контента NFT Аукцион NFT Интеграция приложения 2. DeFi Автоматический обменник токенов Сервис P2P-лендинга Платформа для сбора средств Создание и интеграция смарт-контракта Принять участие в хакатоне: http://sber.me/?p=rdDKF

🔋 Density-aware Chamfer Distance Github: density_aware_chamfer_distance Paper: https://arxiv.org/abs/2111.12702 Dataset: https://paperswithcode.com/dataset/mvp @ai_machinelearning_big_data

🎼 Music Classification: Beyond Supervised Learning, Towards Real-world Application 📖 Book 💻Code 📜 Paper 📝Dataset @ai_machinelearning_big_data

🚀 Обсуждаем ML на YaTalks 2021 Уже 4 декабря Яндекс проведет YaTalks — главную конференцию для IT-сообщества. Обещают космическую программу. Среди заявленных тем ML-трека: — Какие существуют подходы к созданию текстового и мультимедийного контента с помощью нейросетей? — В чем сложности в обучении генеративных моделей? — Почему оценить их качество сложнее, чем в случае с дискриминативными моделями? Программа и регистрация на сайте.

👀 PoolFormer: MetaFormer is Actually What You Need for Vision Github: https://github.com/sail-sg/poolformer Paper: https://arxiv.org/abs/2111.11418 Dataset: https://paperswithcode.com/dataset/ade20k Colab: https://colab.research.google.com/github/sail-sg/poolformer/blob/main/misc/poolformer_demo.ipynb @ai_machinelearning_big_data