Machinelearning

Хотите увидеть, как большие данные помогают врачам открывать революционные методы лечения? Узнать, как «простые айтишники» двигают медицину и фарминдустрию вперед? Нужен ли для этого диплом медвуза? А зарплаты высокие? Приходите на онлайн-интенсив по Data Science в медицине от GeekBrains! Вас ждут два часа живого общения с преподавателем и море практики. Узнаете, как работает наука о данных, что такое биометрия и какие знания нужны для начала карьеры аналитика в медицине. В финале получите видеозапись занятия и сертификат о прохождении обучения. 11 декабря, в среду, в 20:00 по Москве → переходите по ссылке, записывайтесь на интенсив и врывайтесь в одну из самых топовых профессий современности. И да, спойлер, зарплаты там — высокие.

River: machine learning for streaming data in Python https://github.com/online-ml/river Paper: https://arxiv.org/abs/2012.04740v1 Online machine learning: https://www.wikiwand.com/en/Online_machine_learning @ai_machinelearning_big_data

11-12 декабря заходите на виртуальный стенд EPAM на конференции SmartData и тренируйте навыки Data Science: https://epa.ms/smartdata-epam-virtual-stand 🔹 Train AI: потренируйтесь с AutoML сразу в трех облаках: GCP, AWS и Azure. 10 участников, разметивших наибольшее количество картинок, получат в подарок книгу "Глубокое обучение. Погружение в мир нейронных сетей". 🔹 Сreate AI: постройте сеть, которая максимально точно может распознавать рукописные цифры. Участники, занявшие первые 3 места в общем зачете, получат в подарок рюкзаки с LED-дисплеем. Завершение турниров 12 декабря в 12:00 (мск).г

Hello colleagues! Today I would like to share great news with you - we have opensourced our python framework LightAutoML (LAMA) aimed at Automated Machine Learning. It is designed to be lightweight and efficient for various tasks (binary/multiclass classifcation and regression) on tabular datasets which contains different types of features: numeric, categorical, dates, texts etc. LAMA provides not only presets suite for end-to-end ML tasks solving, but also the easy-to-use ML pipeline creation constructor including data preprocessing elements, advanced feature generation, CV schemes (including nested CVs), hyperparameters tuning, different models and composition building methods. It also gives the user an option to generate model training and profiling reports to check model results and find insights which are not obvious from initial dataset. Here are some examples of LAMA usage on binary classification task: ⁃ Blackbox pipeline = https://www.kaggle.com/simakov/lama-tabularautoml-preset-example ⁃ Interpretable model = https://www.kaggle.com/simakov/lama-whitebox-preset-example ⁃ Custom elements + existing ones = https://www.kaggle.com/simakov/lama-custom-automl-pipeline-example Official documentation is here: https://lightautoml.readthedocs.io Github: https://github.com/sberbank-ai-lab/LightAutoML Slack community: https://lightautoml-slack.herokuapp.com Please enjoy! :)

Learnable Tree Filter V2. Github: https://github.com/StevenGrove/LearnableTreeFilterV2 Paper: https://arxiv.org/abs/2012.03482v1 @ai_machinelearning_big_data

Хочешь научиться программировать на самом востребованном языке и зарабатывать от 100 000 руб? Записывайся на онлайн курс «Профессия Java-разработчик» от Skillbox. Шесть месяцев бесплатно — оплата с седьмого месяца! Переходи по ссылке и узнай подробности: https://clc.to/5orrBw В это время ты посещаешь лекции и воркшопы, прокачиваешь навыки, находишь себе работу и начинаешь зарабатывать. Что ты получишь? ✅ Интересную программу, состоящую из 22 тем. Без воды, только важная информация. ✅ Много часов практики. ✅ Своего личного тренера-наставника, которому можно будет задавать любые вопросы. ✅ Крутое резюме в конце. По окончании обучения Skillbox поможет тебе найти работу мечты! А еще, в декабре действуют скидки до 60%! Поторопись!

Tensorflow TPU https://www.tensorflow.org/guide/tpu Code: https://github.com/tensorflow/docs/blob/master/site/en/guide/tpu.ipynb SavedModel Guide: https://www.tensorflow.org/guide/saved_model @ai_machinelearning_big_data

pixelNeRF: Neural Radiance Fields from One or Few Images. Github: https://github.com/sxyu/pixel-nerf Paper: http://arxiv.org/abs/2012.02190 @ai_machinelearning_big_data

Дата-сайентисты — этот пост к вам! 12 декабря Альфа-Групп запускает online-чемпионат по Data Science: Alfa-Battle 2.0 Задачи придумали team leaders Data Science в Альфа-Банке. Поэтому — будет сложно, но интересно. Призовой фонд — 1 000 000 рублей! Ключевые даты: 12 декабря — старт чемпионата. 12 декабря - 20 января — время на решение задач. Зарегистрироваться: https://link.alfabattle.ru/nGAq6 Дата-сайентисты, за вами — будущее. Если вам просто интересно послушать самых узнаваемых Data Scientists в РФ — смотрите онлайн-конференцию “Data Science. От моделей к продуктам” 12 декабря в 12:00 по ссылке - https://link.alfabattle.ru/ioDiU

A Photogrammetry-based Framework to Facilitate Image-based Modeling and Automatic Camera Tracking Github: https://github.com/SBCV/Blender-Addon-Photogrammetry-Importer Paper: https://arxiv.org/abs/2012.01044v1 @ai_machinelearning_big_data

Using AutoML for Time Series Forecasting http://ai.googleblog.com/2020/12/using-automl-for-time-series-forecasting.html @tensorflowblog

Learning to Summarize from Human Feedback Github: https://github.com/openai/summarize-from-feedback Dataset: https://openaipublic.blob.core.windows.net/summarize-from-feedback/website/index.html#/ Paper: https://proceedings.neurips.cc//paper/2020/file/1f89885d556929e98d3ef9b86448f951-Paper.pdf @ai_machinelearning_big_data

Deep & Cross Network (DCN). https://www.tensorflow.org/recommenders/examples/dcn Code: https://github.com/tensorflow/recommenders/blob/main/docs/examples/dcn.ipynb TensorFlow Recommenders: Scalable retrieval and feature interaction modelling: https://blog.tensorflow.org/2020/11/tensorflow-recommenders-scalable-retrieval-feature-interaction-modelling.html Paper: https://arxiv.org/pdf/2008.13535.pdf @ai_machinelearning_big_data

All Machine Learning Algorithms with Python https://thecleverprogrammer.com/2020/11/27/machine-learning-algorithms-with-python/ @ai_machinelearning_big_data

PyTorch Static Quantization. https://leimao.github.io/blog/PyTorch-Static-Quantization/ Code: https://github.com/leimao/PyTorch-Static-Quantization Quantization for Neural Networks: https://leimao.github.io/article/Neural-Networks-Quantization/ @ai_machinelearning_big_data

Sparse R-CNN: End-to-End Object Detection with Learnable Proposals Github: https://github.com/PeizeSun/SparseR-CNN Paper: https://arxiv.org/abs/2011.12450 @ai_machinelearning_big_data

Junior Objects is a new book recently written by Yegor Bugayenko, the author of Elegant Objects — a very provocative and very popular book about object-oriented programming. The book is not only for junior programmers. It covers the entire domain of software development, from choosing the right laptop to designing your architecture in UML. Everything you need to know in order to boost your career from a beginner to a senior engineer with six-figure salary. Join Yegor's telegram channel to learn more: @yegor256news

TFX Estimator Component Tutorial | TensorFlow https://www.tensorflow.org/tfx/tutorials/tfx/components @ai_machinelearning_big_data

Essential Math for Data Science: Integrals And Area Under The Curve https://hadrienj.github.io/posts/Essential-Math-Integrals/ @ai_machinelearning_big_data

Object Detection Using Mask R-CNN with TensorFlow 2.0 and Keras. https://blog.paperspace.com/mask-r-cnn-tensorflow-2-0-keras/ Mask_RCNN project: https://github.com/matterport/Mask_RCNN @ai_machinelearning_big_data