Machinelearning

NUBIA (NeUral Based Interchangeability Assessor) is a new SoTA evaluation metric for text generation Methodology to build automatic evaluation metrics for text generation using only machine learning models as core components https://wl-research.github.io/blog/ Github: https://github.com/wl-research/nubia Paper: https://arxiv.org/abs/2004.14667v1 Colab: https://colab.research.google.com/drive/1_K8pOB8fRRnkBPwlcmvUNHgCr4ur8rFg

Как использовать новые возможности работы с данными для того, чтобы предлагать оптимальные решения для бизнеса? 6 мая в 19:00 (мск) в рамках шестимесячного онлайн-курса «Профессия: Аналитик», ребята из ProductStar проводят бесплатный вебинар «Быстрое погружение в ML». 👨‍🏫 Кто выступит? Алексей Григорьев, Lead Data Scientist в OLX Group 🎓 О чем пойдет речь? — Расскажем о процессе ведения проектов машинного обучения; — Разберём основные этапы проектов с ML; — Изучим метрики оценки результатов ML. 🔥 Два самых активных участника вебинара получат сертификат на бесплатное обучение в ProductStar. Участие бесплатное, но регистрация обязательна. Зарегистрироваться на вебинар 👉 @ProductStarAnalyticsBot

📈 Learning Convolutional Neural Networks with Interactive Visualization Interactive visualization tool designed for non-experts to learn and examine convolutional neural networks (CNNs), a foundational deep learning model architecture. Video: https://www.youtube.com/watch?v=HnWIHWFbuUQ&feature=youtu.be Demo: https://poloclub.github.io/cnn-explainer/ Github: https://github.com/poloclub/cnn-explainer Paper: https://arxiv.org/abs/2004.15004v1

Measuring Information Propagation in Literary Social Network Annotated dataset of 100 works of fiction to support tasks in natural language processing and the computational humanities. Code: https://github.com/dbamman/litbank Paper: https://arxiv.org/pdf/2004.13980v1.pdf

Jukebox: a new generative model for audio from OpenAI. Jukebox, a model that generates music with singing in the raw audio domain. openai.com/blog/jukebox Article: cdn.openai.com/papers/jukebox.pdf Examples: https://jukebox.openai.com/ Code: https://github.com/openai/jukebox

Facebook Research at ICLR 2020 https://ai.facebook.com/blog/facebook-research-at-iclr-2020/

🦑 Neuroevolution in squids The versatility and adaptivity of the demonstrated neuroevolution framework makes it an interesting tool for many other applications, especially those focusing on artificial life. https://jobtalle.com/neuroevolution_in_squids.html Habr ru: https://habr.com/ru/post/499046/ https://jobtalle.com/neuroevolution_in_squids.html

Google’s Optimizing Multiple Loss Functions with Loss-Conditional Training https://ai.googleblog.com/2020/04/optimizing-multiple-loss-functions-with.html Demo: https://sites.google.com/view/stochss/adjusting-parameters ADJUSTABLE REAL-TIME STYLE TRANSFER: https://sites.google.com/view/stochss/adjusting-parameters

NVIDIA Announce MONAI Open Source AI Framework for Healthcare Research MONAI is a PyTorch-based, open-source framework for deep learning in healthcare imaging. https://blogs.nvidia.com/blog/2020/04/21/monai-open-source-framework-ai-healthcare/?ncid=so-twit-79443#cid=ix11_so-twit_en-us Code: https://github.com/Project-MONAI/MONAI Docs: https://monai.readthedocs.io/en/latest/

Как понять ценность продукта для пользователей? Самый эффективный показатель — продуктовые метрики. ⏰ В среду, 29 апреля в 19:00 (мск) ребята из ProductStar проводят бесплатный интенсив для начинающих аналитиков: «Простыми словами о метриках». 👩‍🏫 Кто выступит? Михаил Морозов, Analytics Team Lead в Skyeng 👨‍🏫 О чем пойдет речь? — На вебинаре вместе с Мишей поговорим, какие бывают метрики у продукта. — Расскажем на пальцах, что такое распределение метрики и зачем его оценивать. — Разберём, как прогнозировать метрики, когда никто ни в чём не уверен. — На примере Skyeng покажем, как распределение метрик помогает аналитику сделать крутой прогноз и оценить влияние новых фич. 🔥 Два самых активных участника вебинара получат сертификат на бесплатное обучение в ProductStar. Участие бесплатное, но регистрация обязательна. Зарегистрироваться на вебинар 👉 @ProductStarAnalyticsBot

Making Monolingual Sentence Embeddings Multilingual using Knowledge Distillation Easy and efficient method to extend existing sentence embedding models to new languages. This allows to create multilingual versions from previously monolingual models. Code: https://github.com/UKPLab/sentence-transformers Paper: https://arxiv.org/abs/2004.09813v1

Занимайте последние места на онлайн-курсе «Компьютерное зрение»! Чтобы попасть на курс с скидкой -30% прямо сейчас, пройдите вступительный тест: https://otus.pw/HdMp/ Углубленный курс по Computer Vision для специалистов в машинном обучении, знакомых с нейронными сетями. На курсе вы освоите принципы машинного обучения в области компьютерного зрения и сможете решать индустриальные задачи, используя открытые датасеты. По ходу курса вы обучите нейросети для решения задач: - классификации и сегментации изображений - детекции объектов на изображениях - отслеживания объектов на видео - обработки трехмерных сцен - порождения изображений и атаки на обученные модели нейронных сетей Также вы научитесь пользоваться основными фреймворками для создания нейросетей: PyTorch, TensorFlow и Keras.

How I taught my computer to play Spot it! using OpenCV and Deep Learning https://towardsdatascience.com/how-i-learned-my-computer-to-play-spot-it-using-opencv-and-deep-learning-ad1f017a3ec3 Habr ru: https://habr.com/ru/company/otus/blog/498800/ Code: https://github.com/henniedeharder/spotit/tree/master/DeepLearningSpotIt

Building a Real Time Emotion Detection with Python https://morioh.com/p/801c509dda99 Code: https://github.com/Dhanush45/Realtime-emotion-detectionusing-python

Training with quantization noise for extreme model compression Quant-Noise is a new technique to enable extreme compression of models that still deliver high performance when deployed in practical applications. https://ai.facebook.com/blog/training-with-quantization-noise-for-extreme-model-compression/ Paper: https://arxiv.org/abs/2004.07320 GitHub: https://github.com/pytorch/fairseq/tree/master/examples/quant_noise

The Illustrated GPT-2 (Visualizing Transformer Language Models) Visual explaining the inner-workings of transformers, and how they’ve evolved since the original paper https://jalammar.github.io/illustrated-gpt2/ Habr ru: https://habr.com/ru/post/490842/ OpenAI Implementation: https://github.com/openai/gpt-2

How to Develop an Extra Trees Ensemble with Python https://machinelearningmastery.com/extra-trees-ensemble-with-python/

ResNeSt: Split-Attention Networks Split-Attention Network, A New ResNet Variant. It significantly boosts the performance of downstream models such as Mask R-CNN, Cascade R-CNN and DeepLabV3. Github: https://github.com/zhanghang1989/ResNeSt#pretrained-models Paper: https://arxiv.org/abs/2004.08955v1

Today, on April 22 is Earth day. It’s a right time to look at the climate issues in terms of data storage. * 90% of all data was created in the last two years * IoT, Big Data and AI are huge data creators * 70% of all data stored is copy data2 * 70-80% of data is typically unstructured * 2018 HDD shipments = 869Eb * 2023 HDD shipments = 2.6Zb * In a normal DC, 1 watt of HDD consumption = 1 watt of cooling What can everyone do for the ecology of our planet? * Migrate suitable workloads to the cloud * Collect, process and store less data; archive more to reduce carbon storage * Use backup/archive instead of big data * Leverage copy management tools * If you must keep data for longer, use tape or cloud tape Software solutions for backup, managing and recovering data help to move your data to the cloud and so you can take care of the environment. Commvault - leading experts in software-defined storage. Over 11 Exabytes of customer data are under Commvault management.

Transform and Tell: Entity-Aware News Image Captioning End-to-end model which generates captions for images embedded in news articles. Github: https://github.com/alasdairtran/transform-and-tell Demo: https://transform-and-tell.ml/ Paper: https://arxiv.org/abs/2004.08070