Анализ данных (Data analysis)

Что такое torch.nn на самом деле? Когда я начинал работать с PyTorch, мой самый большой вопрос был: "Что такое torch.nn?". Эта статья довольно хорошо объясняет это. 📌 Читать

Хакатон от МТС: 5 треков и 1 500 000 рублей. Для тех, кто готов воплотить идею в прототип Приглашаем на хакатон МТС True Tech Hack 2025. Протестируй свои идеи и разработай решение на базе одной из пяти ИТ-платформ МТС. Призовой фонд соревнования — 1 500 000 рублей. Участие могут принять системные аналитики, Data Scientists, Data Engineers, frontend и backend-разработчики, Android-разработчики, бизнес-аналитики, аналитики данных, MLOps-инженеры, DevOps-инженеры, Product-менеджеры, ИТ-архитекторы, UI/UX-дизайнеры. На хакатоне ты сможешь: — Выбрать свой трек и создать решение на базе ИТ-платформ МТС. — Побороться за призовой фонд — 1 500 000 рублей. — Расширить свои профессиональные связи через нетворкинг с участниками хакатона и экспертами МТС. — Повысить шансы на прохождение стажировки в МТС. — Узнать больше о продуктах и технологиях МТС от экспертов компании Регистрация до 16 апреля. Регистрируйся прямо сейчас: https://truetechhack.ru/

🔥 ​Hugging Face выпустила версию 0.30.0 библиотеки huggingface_hub - это самое крупное обновление за два года! Представлены значительные улучшения, особенно в области хранения и обработки больших моделей и датасетов.​ ✔️ Основные нововведения: Интеграция с Xet: Внедрена поддержка Xet — передового протокола для хранения крупных объектов в Git-репозиториях, призванного заменить Git LFS. В отличие от LFS, который выполняет дедупликацию на уровне файлов, Xet работает на уровне фрагментов данных, что особенно полезно для специалистов, работающих с массивными моделями и датасетами. Для интеграции с Python используется пакет xet-core, написанный на Rust, который обрабатывает все низкоуровневые детали.​ Чтобы начать использовать Xet, установите дополнительную зависимость:​ pip install -U huggingface_hub[hf_xet] После установки вы сможете загружать файлы из репозиториев, поддерживающих Xet.​ Доплнительно: 😶 Расширен InferenceClient: 😶 Добавлена поддержка новых провайдеров для инференса: Cerebras и Cohere. 😶 Внедрены асинхронные вызовы для задач инференса (например, text-to-video), что повышает стабильность и удобство работы. 😶 Улучшен CLI 😶 Команда huggingface-cli upload теперь поддерживает wildcards (шаблоны) прямо в пути к файлам (например, huggingface-cli upload my-model *.safetensors вместо опции --include). 😶 Команда huggingface-cli delete-cache получила опцию --sort для сортировки кэшированных репозиториев (например, по размеру: --sort=size). ✔️ Полный список обновлений ✔️Блог ✔️Документация по Xet @ai_machinelearning_big_data #huggingface #release #xet

❓ LLaMA 4 уже на подходе? На LMSYS Arena появились новые модели под названием “Spider” и “Cybele" Также появилась модель, которая, судя по всему, принадлежит Google и называется Moonhowler. @data_analysis_ml

📌Пройдите тест из 9 вопросов и проверьте, насколько вы готовы к обучению на  курсе «BI-аналитика» от OTUS. Вы научитесь на курсе: + Визуализировать данные с помощью Power BI, Tableau и Analytic Workspace. + Создавать интерактивные дашборды и аналитические панели на Python в Dash, Numpy, Pandas, Matplotlib, Seaborn и Plotly. + Работать с Big Data и использовать решения с открытым исходным кодом в BI-аналитике. + Работать с DAX-формулами. + Обрабатывать и трансформировать данные в Power Query, создавать модели данных в Power Pivot. 🦉В честь дня рождения Отус, скидка 10% до 01.04 🎁Так же промо-код на курс «BI-аналитика» со скидкой 5% (суммируется на сайте):  BI_04 до 18.05. Успейте купить выгодно! 👉ПРОЙТИ ТЕСТ: https://otus.pw/8QNY/?erid=2W5zFJGJRLU Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576 #реклама О рекламодателе

🔥 No Ghibli Chrome Extension Весь X/twitter завален конентом с генерациями в стиле Ghibli, если вам надоел такой контент, умельцы создали Chrome расширение с открытым исходным кодом для удаления таких твитов. 📌 Github @data_analysis_ml

🖼Pyramid Flow — это метод авторегрессионной генерации видео на основе Flow Matching, оптимизированный для обучения и генерации видео с высоким разрешением и частотой кадров. 💡 Данный проект позволяет генерировать видеоролики длительностью до 10 секунд с разрешением 768p при 24 кадрах в секунду. Метод использует гибкость flow matching для интерполяции между латентными состояниями различных разрешений и уровней шума, что обеспечивает генерацию и декомпрессию визуального контента с меньшими вычислительными затратами. 🔍 Основные возможности Pyramid Flow включают: 🌟 Генерация текста-видео: можно создавать видео по текстовым описаниям, управляя визуальными параметрами 🌟 Преобразование изображений в видео: модель поддерживает генерацию видео на основе начального изображения, с возможностью добавления движения и динамики 🌟 Разрешение и производительность: поддерживается два варианта — 384p и 768p, для которых требуется примерно 26 и 40 ГБ видеопамяти соответственно 🌟 Модели и исходный код доступны на платформе Huggingface и могут быть использованы для дальнейших экспериментов и обучения 🔐 Лицензия: MIT 🔗 Huggingface: *клик* 📖 Arxiv: *клик* ▪️Github @data_analysis_ml

🤖 Awesome-robot-descriptions - тщательно подобранный список описаний роботов в форматах URDF, Xacro и MJCF. Эти описания охватывают широкий спектр роботов: от манипуляторов и гуманоидов до дронов и мобильных манипуляторов. Каждое описание включает информацию о производителе, формате файла, лицензии и наличии визуализаций, инерций и коллизий. ​ Форматы URDF (Unified Robot Description Format), Xacro и MJCF (MuJoCo XML) используются для описания кинематических и динамических характеристик роботов. Эти описания необходимы для симуляции, планирования движений и управления роботами в различных программных средах.​ ▪ GitHub

🖥 Как установить Deep Seek локально с помощью Ollama LLM в Ubuntu 24.04 Подробное руководство от TecMint, демонстрирующее, как установить и запустить модель DeepSeek локально на Linux (Ubuntu 24.04) с использованием Ollama. Гайд охватывает все этапы установки: обновление системы, инсталляцию Python и Git, настройку Ollama для управления DeepSeek, а также запуск модели через командную строку или с помощью удобного Web UI. ▪ Руководство также включает инструкции по автоматическому запуску Web UI при старте системы через systemd, что делает работу с моделью более комфортной и доступной. Подойдет для тех, кто хочет исследовать возможности работы с крупными языковыми моделями без привязки к облачным сервисам, обеспечивая полный контроль над моделью и её настройками. ▪ Читать

OpenAI’s New Image Generator: An AI Revolution! ⚡️ Видео

AI-агенты для девелоперской компании ГК ФСК, крупный российский девелопер, столкнулся с проблемой обработки массивов данных. Техническая документация часто обновляется, из-за чего сотрудникам и клиентам сложно получить доступ к актуальной информации. Чтобы решить проблему, red_mad_robot внедрили смарт-платформу с двумя AI-агентами на базе RAG: Для клиентов: AI-ассистент в чат-боте сайта обрабатывает запросы и выдаёт актуальные ответы на вопросы о квартирах (включая детали вроде панорамных окон), ипотеке и акциях. Для сотрудников: Внутренний AI-агент, интегрированный с корпоративными системами, позволяет команде поддержки и продаж находить нужные данные (регламенты, детали ЖК). Подробнее о технических деталях кейса можно почитать в статье на Хабр.

⚡️ Этот гайд демонстрирует, как использовать Florence 2 с Ultralytics YOLO для обнаружения объектов, сегментации изображений и создания визуализаций на основе текстовых промпов, например, для создания подписей к изображениям. Microsoft выпустила модель Florence-2 в прошлом году. Это мощная CV модель зрения, которая использует подход, на подсказках, для решения широкого спектра задач, связанных со зрением и языком зрения. Она может интерпретировать простые текстовые подсказки для выполнения таких задач, как создание надписей, обнаружение объектов и сегментация. Для обучения в гайде используется набор данных FLD-5B, содержащий 5,4 миллиарда аннотаций к 126 миллионам изображений. 📌 Гайд 📌 Colab @data_analysis_ml

🎉 Выпущен Техрепорт Wan! 🚀 📖 https://arxiv.org/abs/2503.20314 Wan 2.1 — это открытый инструмент для генерации видео от Alibaba. В отчете описана архитектура модели, конвейер обработки данных, обучение модели, повышение ее эффективности, алгоритм редактирования видео и т. д. 🟢Официальный сайт: https://wan.video 🟢Github: https://github.com/Wan-Video/Wan2.1 🟢HF: https://huggingface.co/Wan-AI 🟢Modelscope: https://modelscope.cn/organization/Wan-AI #WAN #OpenSource #VideoGeneration

🌟 ChatTTS — генеративная text2speech модель с упором реалистичность

import ChatTTS
from IPython.display import Audio

chat = ChatTTS.Chat()
chat.load_models()

texts = ["<PUT YOUR TEXT HERE>",]

wavs = chat.infer(texts, use_decoder=True)
Audio(wavs[0], rate=24_000, autoplay=True)

ChatTTS — это модель преобразования текста в речь, разработанная специально для сценариев диалога, таких как LLM-ассистент. ChatTTS поддерживает как английский, так и китайский языки (если кому актуально). 🖥 GitHub 🤗 Погонять в Hugging Face 🟡 Страничка ChatTTS

Всем привет! Мы собираем команду для запуска AI-экспериментов в Екоме и Райдтехе Яндекса. Наша цель — создать пространство для инженеров и продактов, которые хотят запускать эксперименты и видеть быстрые бизнес-результаты. Откликайтесь, если вы хотите реализовать свои идеи в крупном бизнесе, и у вас есть успешный опыт в запуске проектов с искусственным интеллектом! Рассмотрим ваши идеи и найдем им лучшее применение в проектах. Присоединяйтесь к нам, чтобы вместе создавать будущее! 💡✨ Для отклика пишите Эльмире: @mirafedya

🌟 ChatTTS — генеративная text2speech модель с упором реалистичность

import ChatTTS
from IPython.display import Audio

chat = ChatTTS.Chat()
chat.load_models()

texts = ["<PUT YOUR TEXT HERE>",]

wavs = chat.infer(texts, use_decoder=True)
Audio(wavs[0], rate=24_000, autoplay=True)

ChatTTS — это модель преобразования текста в речь, разработанная специально для сценариев диалога, таких как LLM-ассистент. ChatTTS поддерживает как английский, так и китайский языки (если кому актуально). 📌 GitHub 📌 Погонять в Hugging Face 📌 Страничка ChatTTS @data_analysis_ml

Всем привет! Мы собираем команду для запуска AI-экспериментов в Екоме и Райдтехе Яндекса. Наша цель — создать пространство для инженеров и продактов, которые хотят запускать эксперименты и видеть быстрые бизнес-результаты. Откликайтесь, если вы хотите реализовать свои идеи в крупном бизнесе, и у вас есть успешный опыт в запуске проектов с искусственным интеллектом! Рассмотрим ваши идеи и найдем им лучшее применение в проектах. Присоединяйтесь к нам, чтобы вместе создавать будущее! 💡✨ Для отклика пишите Эльмире: @mirafedya

🔥 В chat.qwenlm.ai chat теперь доступны голосовой режим + режим видеочата Более того китайцы выложили код своей Qwen2.5-Omni-7B - единой omni-модели, которая может понимать текст, аудио, изображение и видео. Они разработали архитектуру "thinker-talker", которая обеспечивает одновременное размышление модели и ее разговор . Вскоре обещают выпустить в опенсорс модели на еще большее количество параметров. Просто топ, бегом тестить. 🟢Попробовать: https://chat.qwenlm.ai 🟢Paper: https://github.com/QwenLM/Qwen2.5-Omni/blob/main/assets/Qwen2.5_Omni.pdf 🟢Blog: https://qwenlm.github.io/blog/qwen2.5-omni 🟢GitHub: https://github.com/QwenLM/Qwen2.5-Omni 🟢Hugging Face: https://huggingface.co/Qwen/Qwen2.5-Omni-7B 🟢ModelScope: https://modelscope.cn/models/Qwen/Qwen2.5-Omni-7B @ai_machinelearning_big_data #qwen #release #Omni

🤖 Awesome Weekly Robotics Репозиторий Awesome Weekly Robotics на GitHub, представляет собой большую коллекцию проектов, инструментов и ресурсов по робототехнике с открытым исходным кодом. 🔗 Github

Капибарам нужна ваша помощь на T-CTF У них лапки, и они не могут защитить код от уязвимостей. Выручите их на ИТ-соревновании от Т-Банка с шансом выиграть приз до 420 000 ₽. Без навыков в ИТ тут не обойтись — задания рассчитаны на разработчиков, QA- и SRE-инженеров, аналитиков и других ИТ-специалистов уровня middle и senior. Вот что вас ждет: — Выберите Лигу Разработки или Лигу Безопасности по своим скиллам. Если участвуете впервые, можно потренироваться на демозаданиях. — Соревнуйтесь один или в команде до 3 человек. Организаторы помогут найти команду, если нет своей. — Подключайтесь онлайн или приходите офлайн — в ИТ-хаб Т-Банка в одном из 6 городов России. — Решайте задания по спортивному хакингу — для этого у вас будет 36 часов. Соревнование пройдет 19 и 20 апреля. Попробуйте свои силы — успейте зарегистрироваться до 18 апреля. Реклама. АО «ТБанк», лицензия ЦБ РФ № 2673, erid:2RanymxoPwF