Machinelearning

🪄IC|TC: Image Clustering Conditioned on Text Criteria New methodology for performing image clustering based on user-specified criteria in the form of text by leveraging modern Vision-Language Models and Large Language Models В данной работе представлена новая методика кластеризации изображений на основе заданных пользователем текстовых описаний с использованием современных моделей "зрение-язык" и больших языковых моделей. Метод Image Clustering Conditioned on Text Criteria (IC TC), представляет собой новую парадигму кластеризации изображений и требует минимального вмешательства человека и предоставляет пользователю полный контроль над результатами кластеризации. Эксперименты показали, что IC TC может эффективно кластеризовать изображения с различными критериями, такими как действия человека, его физическое местоположение или настроение, значительно превосходя при этом другие решения. 🖥 Github: https://github.com/sehyunkwon/ictc 📕 Paper: https://arxiv.org/pdf/2310.18297v2.pdf ⏩Tasks: https://paperswithcode.com/task/clustering https://t.me/ai_machinelearning_big_data

Руководитель ML-направления в Яндекс Учебник Москва / гибрид Team Lead Яндекс Учебник — это платформа, которая помогает проще и эффективнее осваивать школьную программу. Мы хотим изменить парадигмы образования, чтобы ускорить изучение тем и повысить качество их закрепления. Для этого мы разрабатываем GPT в Учебнике — инструмент, который упростит процесс обучения как для ребёнка, так и для учителя. Мы стремимся, чтобы машинное обучение и GPT в частности помогали выстраивать оптимальный образовательный маршрут, выполнять задания и прорабатывать ошибки. Какие задачи вас ждут - руководить процессом разработки нейросети, которая будет учить школьников информатике: анализировать успехи, составлять учебные планы, давать советы и искать проблемные области, и всё это — с индивидуальным подходом; - налаживать взаимодействие между продуктом и командой ML, которая обучает первые версии моделей, основанных на YaGPT; - совместно с командой ML разрабатывать методические инструменты, которые будут на основе больших данных о поведении пользователя оценивать, какие его навыки нуждаются в проработке, и помогать совершенствовать их. Мы ждем, что вы - знаете Python и SQL, работали с SciPy, Pandas, Torch, TensorFlow; - хорошо понимаете принципы ML и применяли их на практике; - можете с нуля построить пайплайн обучения модели: формулирование требований, выбор метрик, выбор алгоритма машинного обучения, сбор данных, обучение алгоритма, оценка качества, развёртка в продакшн; - понимаете, как модель будет работать в продакшне, с учётом ограничений; - руководили командой. Будет плюсом, если вы - проектировали и разрабатывали высоконагруженные ML-сервисы. Откликнуться Контакт в тг: @bachinina_ek

Работаешь на пределе → Выгораешь → Прокрастинируешь → Опять надо работать на пределе Этот порочный круг можно разорвать с тем самым Neiry Mind Tracker Наш софт обрабатывает электрическую активность твоего мозга и дает персональные рекомендации: когда мозг готов к работе, а когда пора отдохнуть... 😖 Иначе ты снова поймаешь ту самую прокрастинацию Это функцию мы называем «Нейропомодоро», потому что это похоже на тот самый таймер: ты работаешь 20-30 минут и потом софт говорит, что пора сделать паузу... ❗️ Только в нашем случае — это персональный таймер, основанный на твоей РЕАЛЬНОЙ усталости Под капотом — настоящая наука и длительные исследования нейрофизиологов Узнай подробнее о майнд-трекере Neiry: https://neiry.ru/mindtracker?utm_source=tg_in&utm_medium=3110mac&utm_term=adP3 Реклама. ООО "НЕЙРИ". ИНН 9701140612. erid: LjN8KXJnS

☑ PERF: Panoramic Neural Radiance Field from a Single Panorama PERF - новая систему синтеза 360-градусного обзора, которая генерирует Nerf я на основе одной панорамы. PERF позволяет осуществлять трехмерное перемещение по сложным сценам без затратного и утомительного сбора изображений. Многочисленные эксперименты на Replica и новом датасете PERF-in-the-wild демонстрируют превосходство PERF над другими современными методами. Модель подходит для задач преобразование панорамы в 3D, текста в 3D и стилизации 3D-сцен. 🖥 Github: https://github.com/perf-project/PeRF ⚡️Project: https://perf-project.github.io/ 📕 Paper: https://arxiv.org/abs/2310.16831v1 ⏩ Dataset: https://paperswithcode.com/dataset/replica https://t.me/ai_machinelearning_big_data

Запусти стартап и получи грант на его развитие Заполняй заявку в акселератор Сбера для студентов, аспирантов и научных сотрудников вузов. Регистрация открыта! За 6 месяцев ты: — узнаешь, какие этапы нужно пройти, чтобы создать стартап — соберешь команду или присоединишься к существующей — создашь бизнес-проект под руководством наставника — достигнешь первых бизнес-результатов: предзаказы, договоренности о пилотировании или MVP устройства Какие есть преимущества? — лучшие команды представят проекты на Демо-дне, где их оценят топ-менеджеры Сбера и других корпораций, бизнес-ангелы — победители получат призы от Сбера, смогут рассчитывать на гранты от Moscow Seed Fund и на специальный грант Президента РФ для магистров Выпускники программы создали более 1500 технологических стартап-проектов и привлекли больше 420 млн рублей на их развитие. Хочешь так же? Регистрируйся!

🔅 FreeNoise: Tuning-Free Longer Video Diffusion via Noise Rescheduling ✅ totally no tuning ✅less than 20% extra time ✅ support 512 frames LongerCrafter (FreeNoise) - это новый метод генерации длинных видео, не требующих настроек, на основе предварительно обученных моделей диффузии. Обширные эксперименты показывают превосходство данного метода по сравнению с предыдущими для расширения генеративных возможностей диффузионных моделей видео. Промт, который был использован для генерации видео: "Чихуахуа в костюме космонавта, парящая в космосе, кинематографическое освещение, эффект свечения"; Разрешение: 1024 x 576; Кадры: 64. 🖥 Github: https://github.com/arthur-qiu/LongerCrafter 📕 Paper: https://arxiv.org/abs/2310.15169 ⏩ Project: http://haonanqiu.com/projects/FreeNoise.html ai_machinelearning_big_data

❗️Как легко получить Spark кластер на 10 узлов? Современные облачные инфраструктуры позволяют сделать это всего за несколько шагов. ▶️ 9 ноября в 20:00 мск в рамках онлайн-курса MLOps от OTUS пройдёт открытый урок «Big Data в облаках». На открытом уроке: 🔹Рассмотрим как создать в Yandex Cloud Spark кластер. 🔹 Что лучше использовать в качестве хранилища: HDFS или S3. 🔹 Как можно экономить за счет динамического выделения ресурсов. ✅ Владение инструментами MLOps открывает новые карьерные горизонты специалистам ML, Data Scientist’ам и Software инженерам. 👉 РЕГИСТРАЦИЯ https://otus.ru/lessons/ml-bigdata/?utm_source=telegram&utm_medium=cpm&utm_campaign=ml-bigdata&utm_content=lesson-09-11-2023&utm_term=ai_machinelearning_big_data#event-3489 Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963. erid: LjN8KLt6S

Masked Space-Time Hash Encoding for Efficient Dynamic Scene Reconstruction Masked Space-Time Hash (MSTH) - новый метод эффективного восстановления динамических 3D-сцен из многоракурсного видео. 🖥 Github: https://github.com/masked-spacetime-hashing/msth 🤗 HH: https://huggingface.co/datasets/masked-spacetime-hashing/Campus 📕 Paper: https://arxiv.org/abs/2310.17527v1 ⏩ Dataset: https://paperswithcode.com/dataset/mip-nerf-360 ai_machinelearning_big_data

CS25: Transformers United V3 Новые лекции на курсе по Трансформерам от Стенфорда! На Stanford CS 25 "Transformers United" выступали такие звездные гости, как Андрей Карпаты, Ноам Браун, Лукас Бейер и сам Джефф Хинтон! Вышел новый доклад, посвящённый созданию и рецептам создания универсальных ИИ-агентов в открытых мирах: - MineDojo: открытый фреймворк и мультимодальная база данных для обучения агентов Minecraft. - Voyager: агент для пожизненного обучения в Minecraft на базе LLM. - Eureka: GPT-4 развивает функции вознаграждения, чтобы научить руку робота крутить ручку. - VIMA: один из самых ранних мультимодальных LLM с. - Взгляд в будущее: перспективные направления исследований. ☑️ Slides: https://drive.google.com/file/d/1lWIhijUaTZkkWOC_YwZHMoI0h7EAWVPL/view 📑 Lectures: https://web.stanford.edu/class/cs25 ai_machinelearning_big_data

Открыта регистрация на отборочный этап Всероссийского хакатона по биометрии с призовым фондом 1 000 000 рублей! ⠀ Тебе предстоит решить интересные задачи, чтобы победить в отборочном туре и принять участие в финале Всероссийского хакатона по биометрии, который пройдет уже 24-25 ноября в Москве.  Кейсы: • Создание дипфейков для тестирования • Обнаружение дипфейков • Некооперативный фронтальный алгоритм защиты от атак предъявления • Решения для использования новых биометрических модальностей на пользовательских устройствах ⠀ ⠀ 🗓 Даты отборочного этапа в ОНЛАЙН-ФОРМАТЕ:  3-5 ноября 2023 года    ❗️Даты финала:  24-25 ноября 2023 года  📍 Место: Москва ❗️ Формат: смешанный (отборочный этап в онлайн-формате, а финал на площадке в Москве) 👉 Регистрация на отборочный тур открыта до 29 октября 2023 года: https://tglink.io/a695c6866d5b Реклама. ООО "АКСЕЛЕРАТОР ВОЗМОЖНОСТЕЙ". ИНН 9704005146. erid: LjN8KXChL

🕵️ Detecting Pretraining Data from Large Language Models Min-K% Prob, простой и эффективный метод, который позволяет определить, была ли LLM предварительно обучена на заданном тексте, а также для обнаружения защищенного авторским правом текста. Датасет WikiMIA служит бенчмарком, предназначенным для обнаружения данных предварительного обучения. 🖥 Github: https://github.com/swj0419/detect-pretrain-code 📕 Paper: https://arxiv.org/pdf/2310.16789.pdf 📘 WikiMIA Benchmark: ⏩ Project: https://swj0419.github.io/detect-pretrain.github.io/ ai_machinelearning_big_data

💥Прокачайтесь в машинном обучении на бесплатных Тренировках по ML от Яндекса ML — новое направление Тренировок от Яндекса, которое посвящено классическому машинному обучению. Курс разработан совместно со Школой анализа данных и подойдёт для выпускников технических вузов и начинающих ML-специалистов. Тренировки пройдут с 30 октября по 29 ноября. Тренировки по ML — это отличная возможность прокачаться в теме, закрепить знания и подготовиться к отбору в IT-компанию. Здесь вас ждут лекции от экспертов Яндекса, домашние задания и еженедельные онлайн-разборы. 🏆 Участники, которые проявят себя лучше других, получат фаст-трек в Яндекс, а те, кто пройдёт больше половины курса — сертификат о прохождении, который украсит портфолио. Как проходят Тренировки по ML 1️⃣ Регистрируетесь: участвовать могут все желающие бесплатно и без конкурсного отбора. Старт Тренировок 30 октября. 2️⃣ Смотрите лекции и самостоятельно решаете задачи, которые определяют ваше место в рейтинге участников 3️⃣ Проверяете себя на еженедельных онлайн-разборах 4️⃣ Получаете награды от Яндекса Я в деле! Если вы уже чувствуете себя уверенно в направлении ML, то скорее подавайте заявку на оплачиваемую стажировку.

🔇 Efficient Large-Scale Audio Tagging AudioSet pre-trained models ready for downstream training and extraction of audio embeddings. Трансформеры доминируют в области по работе с адуио и заменили CNN в качестве современной нейросетевой архитектуры. Трансформеры отлично справляются с огромными аудио датасетами и подходят для создания мощных предварительно обученных моделей. Однако трансформеры являются сложными моделями и масштабируются квадратично по отношению к длине данных, что делает их медленными. В данной модели используются динамические CNN, которые достигают лучшей производительности на задачах разметки аудио данных и хорошо масштабируются, достигая производительности трансформеров и даже превосходя их. 🖥 Github: https://github.com/fschmid56/efficientat 📕 Paper: https://arxiv.org/abs/2310.15648v1 ⏩ Demo: https://21527a47f03813481c.gradio.live/ ai_machinelearning_big_data

⚡В OTUS стартует набор в группу курса Reinforcement Learning. Отправьте заявку, для того чтобы получить доступ к открытым урокам и получите скидку на обучение. 31.10 в 20.00 (мск) приглашаем на welcome-вебинар «Основные алгоритмы в обучении с подкреплением» 📌На занятии вы: - познакомитесь с основными алгоритмами обучения с подкреплением; - узнаете, как применять нейросети для обучения агентов, как обучить агента в среде с дискретным и непрерывным набором действий; - изучите многообразие алгоритмов обучения с подкреплением и выбор наиболее подходящих из них. 👉Регистрация https://otus.pw/SJiV/ После прохождения курса студенты поймут сильные и слабые стороны основных алгоритмов RL и научатся применять их для решения разнообразных задач в реальном мире, включая игровую индустрию, робототехнику, управление энергетическими системами и управление финансовым портфелем. При оплате курса возможны разные способы оплаты и рассрочка платежа Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963. erid: LjN8KbLVB

🦩 Woodpecker: Hallucination Correction for Multimodal Large Language Models Большие языковые модели могут вызывать галлюцинации и генерировать ложную информацию, что приводит к потенциальной дезинформации и путанице. Для борьбы с галлюцинациями в современных исследованиях в основном используется метод настройки по инструкции, требующий переобучения моделей на конкретных данных. В данной работе предлагается иной подход, представляя метод не требующий переобучения модели, который называется Woodpecker. Woodpecker работает в 5 этапов: извлечение ключевых понятий, формулировка вопроса, визуальная проверка знаний, формирование визуального утверждения и коррекция галлюцинаций. Реализованный по принципу постредактирования, Woodpecker может легко работать с различными МЛЛМ, оставаясь при этом эффективным за счет доступа к промежуточным результатам работы модели. 🖥 Github: https://github.com/bradyfu/woodpecker 📕 Paper: https://arxiv.org/abs/2310.15110v1 ⏩ Demo: https://21527a47f03813481c.gradio.live/ ai_machinelearning_big_data

Приглашаем на «Большую дату» — митап для аналитиков и дата-сайентистов в Москве Обсудим последние новости мира аналитики данных, поделимся реальными кейсами и их решениями. Будут спикеры из разных команд Яндекса: 🔸 Андрей Молотов, старший аналитик-разработчик. Расскажет, как предсказать отток сотрудников и уменьшить его с помощью ML-моделей и экспериментов. 🔸 Яна Кузнецова, руководитель группы платёжной аналитики. Объяснит, что такое FinOps и какую роль играет аналитика в C2B-платежах Яндекса. 🔸 Владислав Енин, менеджер проектов. Поделится историей о повышении конверсии платежей в Маркете. 🔸 Кирилл Черкашин, старший аналитик-разработчик. Объяснит, с какими сложностями столкнулись ребята при разработке NLP-пайплайна в модерации рекламы и как их решали. 🔸 Александр Самусенко, руководитель группы развития рекламных продуктов и стабильности. Расскажет, что такое аналитика ранжирования и зачем она нужна. После докладов сыграем в «Сто к одному», отдохнём, поболтаем о жизни и просто хорошо проведём время. Митап пройдёт 28 октября в Москве, для всех желающих мы проведём онлайн-трансляцию. Зарегистрироваться можно здесь. Реклама. ООО "Яндекс". erid: 2Vtzqx6YBjb

✅ Zero123++: a Single Image to Consistent Multi-view Diffusion Base Model Новая модель диффузии для генерации многоракурсных 3D изображений из одного изображения. Фреймворк позволяет получать высококачественные изображения, решая такие распространенные проблемы, как деградация текстуры и геометрическое несоответствие генерации. 🖥 Github: https://github.com/sudo-ai-3d/zero123plus 📕 Paper: https://arxiv.org/abs/2310.15110v1 ⭐️ Demo: https://huggingface.co/spaces/sudo-ai/zero123plus-demo-space 🚀Dataset: https://paperswithcode.com/dataset/shapenet ai_machinelearning_big_data