Machinelearning

🖥 𝗧𝗵𝗲 𝘀𝘁𝗮𝘁𝗲 𝗼𝗳 𝗼𝗽𝗲𝗻 𝘀𝗼𝘂𝗿𝗰𝗲 𝗶𝗻 𝟮𝟬𝟮𝟯 by GitHub GitHub только что опубликовал свой последний отчет о состоянии открых проектов. Авторы отметили тренд на использование разработчиками технологий искусственного интеллекта и тренд на создание приложений на основе искусственного интеллекта. Они выделили основные тенденции: 🔹 Разработчики все чаще используют генеративный ИИ: Все больше разработчиков работают с моделями OpenAI ( 92% ) и с моделями других ИИ-компаний; в 2023 году проекты генеративного ИИ с открытым исходным кодом входят в десятку самых популярных проектов по количеству контрибьюторов. 🔹 Наблюдается тренд на работу с облачными приложениями: Развертывание облаков становится стандартом; резко возросло количество использования разработчиками Docker контейнеров, IaC и других облачных нативных технологий. 🔹 В 2023 году на GitHub было создано 98 млн новых проектов (за 2022 год - 85.7 млн, за 2021 - 61 млн, за 2020 - 60 млн). Общее число проектов достигло отметки в 420 млн (+27%), а число публично доступных репозиториев - 284 млн (+22%). 🔸 За год добавлено около 65 тысяч новых проектов, связанных с машинным обучением, это на 248% больше, чем в прошлом году. Число AI-проектов за год выросло на 148%. 🔸 Аудитория GitHub за год выросла на 20.2 млн пользователей (+26%) и теперь достигает 114 млн (в прошлом году было 20.5 млн, позапрошлом - 73 млн, три года назад - 56 млн). На первом месте по числу разработчиков находится США, на втором - Индия, на третьем - Китай, на четвёртом Бразилия, на пятом - Великобритания, на шестом - РФ, на седьмом Германия. К 2027 году Индия обгонит США как крупнейшее сообщество разработчиков на GitHub 🔸Javascript остается самым популярным язком. Второе место сохраняет за собой Python.Популярность TypeScript выросла на 37 %. и он вытеснил на четвёртое место язык Java. 5, 6 и 7 места удержали за собой языки С#, C++ и PHP. На восьмое место поднялся язык С, который вытеснил на девятое место Shell. Десятое место занял Go. 🔸 𝗥𝘂𝘀𝘁 растет быстрее всех остальных языков в этом году (рост на 40 % по сравнению с предыдущим годом). 🔸 𝟰.𝟯 миллиона открытых и приватных репозиториев используют 𝗗𝗼𝗰𝗸𝗲𝗿𝗳𝗶𝗹𝗲𝘀. Это является следcтвием роста использования Terraform и других облачных нативных технологий, который мы наблюдали в течение последних нескольких лет. 🔸 Сингапур занял первое место по количеству новых разработчиков на душу населения. 📌 Полный отчет ai_machinelearning_big_data

⚡️ Deep dive into 4 NeurIPS 2023 best paper award winners NeurIPS 2023 обзор лучших работ: https://youtu.be/LkED9wKI1TY - Является ли эмерджентность больших языковых моделей миражом? https://arxiv.org/abs/2304.15004 - Масштабирование языковых моделей с ограничениями по данным. https://arxiv.org/abs/2305.16264 - Прямая оптимизация предпочтений: Your Language Model is Secretly a Reward Model. https://arxiv.org/abs/2305.18290 - DecodingTrust: Всесторонняя оценка достоверности в GPT-моделях. https://arxiv.org/abs/2306.11698 ai_machinelearning_big_data

⚡️ UDiffText: A Unified Framework for High-quality Text Synthesis in Arbitrary Images via Character-aware Diffusion Models ✒ Colab 🥳 UDiffText: Единая платформа для высококачественной генерации текста на изображениях с помощью моделей диффузии. UDiffText способен синтезировать точный текст на синтетических или реальных изображениях, поэтому может применяться для решения таких задач, как редактирование текста на картинке (a), генерация произвольного текста и генерация точного текста. 🖥 code: https://github.com/ZYM-PKU/UDiffText ⚡️page: https://udifftext.github.io 📚 paper: https://arxiv.org/abs/2312.04884 🔥colab: https://github.com/camenduru/UDiffText-colab ai_machinelearning_big_data

Как строится работа полного цикла ML-разработки и как в ней использовать готовые платформенные решения Ведущий программист VK Cloud Станислав Кипрюшин показывает пример работы с Cloud ML Platform для создания сервиса распознавания лиц. В машинном обучении (Machine Learning, ML) можно использовать два подхода: задействовать различные технологии на каждом этапе или работать с готовыми инфраструктурными решениями, которые позволяют создать MLOps-конвейер на одной платформе. Какой путь принесет больше профита — узнайте в статье.

🖼 AnimateDiff: Animate Your Personalized Text-to-Image Diffusion Models without Specific Tuning Только что были выпущены Animate Diff v3 и Sparse Ctrl, модели которые позволяют качественно анимировать и стилизовать видео, генерировать переходы между кадрами. 🖥 Github: https://github.com/guoyww/animatediff/ 💻 Colab: https://colab.research.google.com/github/camenduru/AnimateDiff-colab/blob/main/AnimateDiff_colab.ipynb 📚 Paper: https://arxiv.org/abs/2307.04725 📁 Project: https://animatediff.github.io/ ai_machinelearning_big_data

Улучшение нейросетей, рекомендаций и медицинская диагностика — только часть решений, где могут пригодиться ML-исследования. Авторов самых перспективных из них отметил Яндекс на Yandex ML Prize. Yandex ML Prize — международная премия, которая уже пятый год поддерживает учёных-новичков и мотивирует их заниматься наукой. Участники изучают подходы и алгоритмы, которые позже могут лечь в основу разных технологий и продуктов. Например, поисковых сервисов или компьютерной графики. А ещё способны улучшить медицину: помогать изучать клетки живых организмов или находить редкие болезни на ранних этапах. В этом году 11 лауреатов получили от Яндекса премии от 500 тысяч до 1 миллиона рублей, грант на использование платформы Yandex Cloud для экспериментов и больших вычислений и другие призы. @ai_machinelearning_big_data

💡 TextDiffuser-2: Unleashing the Power of Language Models for Text Rendering Выпущен TextDiffuser-2 с кодом и демо. TextDiffuser-2 демонстрирует расширенные возможности, основанные языковых моделей. Кроме того, что TextDiffuser-2 генерирует текст с поразительной точностью, он обеспечивает правдоподобное расположение текста и демонстрирует разнообразные стили. 📚 Paper: https://arxiv.org/abs/2311.16465 🖥 Code: https://github.com/microsoft/unilm/tree/master/textdiffuser-2 ⚡️ Demo: https://huggingface.co/spaces/JingyeChen22/TextDiffuser-2 @ai_machinelearning_big_data

Яндекс вручил ученым премию Yandex ML Prize Лауреатами международной премии, которую присуждают за значимый вклад в развитие науки в области машинного обучения, стали в этом году 11 человек. Работы лауреатов расширяют возможности для прикладного применения ML-технологий: например, научный сотрудник AIRI и Центра глубинного обучения и байесовских методов НИУ ВШЭ Айбек Аланов исследует генеративные модели для компьютерного зрения и синтеза речи. @ai_machinelearning_big_data

🎨The Art of Prompt Engineering with Stable Diffusion Models! Искусство разработки подсказок с помощью моделей стабильной диффузии! От создания убедительных промптов до доработки результатов - это руководство обязательно к прочтению для всех, кто изучает потенциал искусственного интеллекта в создании изображений. 🔗Guide: https://wandb.ai/geekyrakshit/diffusers-prompt-engineering/reports/A-Guide-to-Prompt-Engineering-for-Diffusion-Models--Vmlldzo1NzY4NzQ3 @ai_machinelearning_big_data

📈 PromptBench: A Unified Library for Evaluating and Understanding Large Language Models. PromptBench - это основанный на Pytorch пакет Python для оценки больших языковых моделей (LLM). Он предоставляет удобные API для исследователей, чтобы проводить оценку LLM. 🖥 Code: https://github.com/microsoft/promptbench 🌟 Docs: https://promptbench.readthedocs.io/en/latest/ 📚 Paper: https://arxiv.org/abs/2312.07910v1 ⚡️ Dataset: https://paperswithcode.com/dataset/mmlu @ai_machinelearning_big_data

Как обработать большое количество данных в несколько десятков петабайт? Как проанализировать и выявить полезные инструменты? Дмитрий, руководитель направления аналитики в команде mail.ru в VK в статье рассказывает о своём подходе к работе с большим количеством данных. В статье вы ознакомитесь с self-сервисом Metida и какие две крупные задачи решает данный сервис; - станет более понятен интерфейс Metida и из чего он состоит; - как данные из реестра попадают в колоночную базу данных; Об этом и других тонкостях работы с данными вы узнаете здесь. @ai_machinelearning_big_data

🧠 EasyVolcap: Accelerating Neural Volumetric Video Research EasyVolcap, библиотека на Pytorch для упрощения процесса захвата, реконструкции и рендеринга объемного видео, с целью унификации процесса обработки многоракурсных видео, реконструкции 4D-сцен и динамического рендеринга . 🖥 Code: https://github.com/zju3dv/easyvolcap 🖌Metrics: https://short.llm360.ai/amber-metrics 📚 Paper: https://arxiv.org/abs/2312.06575v1 ⚡️ Dataset: https://paperswithcode.com/dataset/nerf @ai_machinelearning_big_data

#ds #ml #ai #career #meetup  Митап для начинающих IT-специалистов Будет большой блок Data Science-лекций, а еще расскажут, как прокачать IT-карьеру и многое другое. Участников ждут: 🔹  лекции, мастер-классы и воркшопы по DS, ML, AI и др.; 🔹  лайфхаки быстрого роста от джуна до сеньора и прожарка резюме; 🔹  оживление цифрового аватара при помощи нейросети; 🔹  демонстрация квантового компьютера; 🔹  after-party и 🎁 мерч в подарок каждому участнику. Участие бесплатное, но нужно зарегистрироваться!  📅 16 декабря 📍 Москва, ЦДП  🔗 Зарегистрироваться Реклама. БАНК ГПБ (АО). ИНН 7744001497.

⚡️ LLM360 - framework for open-source LLMs to foster transparency, trust, and collaborative research Новый LLM360 фреймворк, который расширяет границы открытых LLM! Совершенно новые предварительно обученные LLM со обучающим полным кодом, данными и 360 контрольными точками модели. 🖥Code: https://short.llm360.ai/amber-code ⚡️ Model: https://short.llm360.ai/amber-model 🖌Metrics: https://short.llm360.ai/amber-metrics 📚Data: https://short.llm360.ai/amber-data @ai_machinelearning_big_data

19 декабря приглашаем на вебинар «BI в мессенджере с ИИ: Кейс застройщика ГК Самолет»📣 Руководители, менеджеры продаж, торговые представители часто не имеют времени и навыков для того, чтобы разбираться в сложных интерфейсах BI-систем. А данные нужны им здесь и сейчас: на совещании, по пути на встречу с клиентом, по дороге на объект и т.д.   Содержание вебинара: 1. Easy Report: BI в мессенджере. Обзор системы и кейсы применения. 2. Быстрый доступ к данным для коммерческого блока через BI в мессенджере: кейс ГК Самолет. 3. Демонстрация работы решения. На вебинаре поговорим о том, как сделать бизнес-аналитику доступной для сотрудников буквально в несколько касаний с Easy Report, российским BI-решением, присылающим отчеты в мессенджер. Расскажем, как с помощью AI сократить путь к данным до 15 секунд и уменьшить время на работу с отчетами на 1 час в день. Зарегистрироваться и узнать подробности ✅ Реклама. ООО "ТСР ТЕХ". ИНН 9729307967.

🏆 DynamiCrafter: Animating Open-domain Images with Video Diffusion Priors DynamiCrafter новая, мощная модель, которая может анимировать неподвижные изображения с открытым доменом на основе промптов. 🌐page: https://doubiiu.github.io/projects/DynamiCrafter 📄paper: https://arxiv.org/abs/2310.12190 🧬code: https://github.com/Doubiiu/DynamiCrafter 🕸replicate: https://replicate.com/camenduru/dynami-crafter @ai_machinelearning_big_data

От идеи до коммерциализации всего один шаг — правильный CustDev! Как обеспечить уверенный рост проекта? Как адаптировать свой цифровой продукт под потребности будущих потребителей? 📆Обсудим это в четверг, 14 декабря, в 13:00 на вебинаре! Спикеры вебинара: София Болквадзе, руководитель бизнес-группы «Промышленный маркетинг» и эксперт по бизнес-моделированию и стратегии, а также Михаил Рудов, исполнительный директор ООО «ИТ-Лидер», компании-выпускника программы Tech Explorer. Мы разберем: ✅Как компания «ИТ-Лидер» прошла путь от диагностики проекта до пилота в рамках программы Развития; ✅Что является ключевым при разработке стратегии продвижения на рынке; ✅Как найти стратегически важные отрасли для роста проекта и его коммерциализации. Узнайте на реальном примере, как изменение концепции с продуктовой на пользовательскую может кардинально изменить вектор развития продукта и вывести компанию на пилотный запуск! 📌Регистрируйтесь на вебинар по ссылке и присоединяйтесь к нашему сообществу Tech Explorer Skolkovo! Реклама. Фонд «Сколково». ИНН 7701058410. Erid:LdtCKXmDC

🌍 BioCLIP: A Vision Foundation Model for the Tree of Life Фундаментальная модель, которая обобщает древо жизни (более 2 миллионов видов фауны и флоры), превосходя OpenAI CLIP на 18% в классификации с нулевым результатом и поддерживает открытую классификацию почти по всему живому на земле. Что внутри? > Данные: TreeOfLife-10M - самый большой и разнообразный набор данных изображений организмов на сегодняшний день. Он содержит 10,4 млн изображений для более чем 450 таксонов. тем, взятых из iNaturalist, BIOSCAN и Encyclopedia of Life. > Моделирование: Авторы применили мультимодальную модель контрастного обучения CLIP для иерархической классификации изображений. Основные результаты > Классификация животных/растений/грибов, включая редкие виды, с нулевым/малым числом снимков, превосходящая CLIP на 16-18 % в абсолютном выражении. > Визуализация T-sne показывает, что кодировщик зрения BioCLIP уловил тонкую иерархическую структуру древа жизни. > BioCLIP - это своего рода универсальный классификатор для древа жизни. Просто дайте ему изображение любого организма, и он, скорее всего, найдет правильный вид. - paper: https://arxiv.org/abs/2311.18803 - project: https://imageomics.github.io/bioclip/ - demo: https://huggingface.co/spaces/imageomics/bioclip-demo - model: https://huggingface.co/imageomics/bioclip @ai_machinelearning_big_data

📈 Анонс Mistral 8x7B-*Chat*! Очень мощнная модель, построенная на основе новой модели Mistral MoE и обученная на наборе данных SlimOrca. - Свободно используется по лицензии Apache 2.0 - превосходит Llama 2 70B и работает в 6 раз быстрее. - Превосходит GPT3.5 - seq_len = 32K Скачать можно здесь: https://huggingface.co/mattshumer/mistral-8x7b-chat Почитать: https://mistral.ai/news/mixtral-of-experts/ @ai_machinelearning_big_data

Всероссийские соревнования по спортивному программированию «Фонкод» Дисциплина - «Программирование алгоритмическое». Общий призовой фонд составит – 2 000 000 рублей! К участию приглашаются учащиеся средних образовательных учреждений и лицеев России в возрасте от 14 до 17 лет, а так же обучающиеся высших и средне-специальных учебных заведений, работники организаций сферы ИТ России и т.д. (18+) Соревнования предполагают индивидуальный зачет. Регистрация участников осуществляется на платформе проведения соревнований – https://foncode.ru/ Важно! Для допуска к участию в соревнованиях необходимо в личном кабинете указать достоверную и полную информацию. Соревнования пройдут в несколько этапов. Подробная информация и регистрация на сайте https://foncode.ru/