Анализ данных (Data analysis)

🔥 Tabby — AI-ассистент для программирования, являющийся открытой альтернативой GitHub Copilot! 💡 Он разработан для локальной работы, исключая необходимость в облачных сервисах, что делает его подходящим для конфиденциальных или корпоративных сред. Tabby поддерживает пользовательские интерфейсы, такие как OpenAPI, и может интегрироваться с существующими инструментами, включая облачные IDE. 🔐 Лицензия: Apache-2.0 🖥 Github @data_analysis_ml

✅ Ускорение обработки запросов через миграцию парсера Выпускник Школы анализа данных Яндекса выкатил годноту — руководство по переносу парсера YQL (SQL-диалект для YDB и YTsaurus) с ANTLR3 на ANTLR4. Основные моменты: → ANTLR — генератор парсеров, который переводит грамматики в исполняемые парсеры для разбора и анализа текстовых данных. → Для нового парсера использовалась генерация Protobuf-схем, что позволило сохранить структуру AST и упростить интеграцию с парсером. → Были разработаны специализированные шаблоны (stg-файлы) для генерации кода, что позволило адаптировать логику парсинга под изменяющиеся требования. Ссылка на статью

🔥 Tabby — AI-ассистент для программирования, являющийся открытой альтернативой GitHub Copilot! 💡 Он разработан для локальной работы, исключая необходимость в облачных сервисах, что делает его подходящим для конфиденциальных или корпоративных сред. Tabby поддерживает пользовательские интерфейсы, такие как OpenAPI, и может интегрироваться с существующими инструментами, включая облачные IDE. 🔐 Лицензия: Apache-2.0 🖥 Github @data_analysis_ml

🔥Tencent выпустили новую генеративную модель для 3D - Hunyuan3D 2.0 Hunyuan3D 2.0, усовершенствованная система 3D-синтеза и генерации текстурированных 3D-объектов высокого разрешения. Эта система включает в себя два основных компонента: модель генерации формы - Hunyuan3D-DiT и модель синтеза текстуры - Hunyuan3D-Paint. Генеративная модель формы, построена на масштабируемом диффузионном трансформере, и необходима ​​для создания геометрии объекта и отвечает за согласование генерации. Модель синтеза текстур генерирует карты текстур высокого разрешения для сгенерированных или созданных вручную сеток. Hunyuan3D 2.0 превосходит предыдущие модели, как с открытым кодом, так и закрытые модели, по детализации геометрии, выравниванию генерации, качеству текстур и т. д. GitHub: https://github.com/tencent/Hunyuan3D-2

🧠 Supermemory Мощное поисковое ИИ-приложение с гибким и простым в работе API. Вы можете создать свой собственный второй мозг с помощью supermemory. По сути это ChatGPT для поиска в интернете . ▪Github: https://github.com/supermemoryai/supermemory ▪ Документация: https://docs.supermemory.ai/ ▪Расширение для хрома: https://api.supermemory.ai/

🔥 openai-realtime-agents от OpenAI — пример, демонстрирующий использование более сложных агентов, построенных на основе Realtime API! 💡 В нём представлены паттерны взаимодействия агентов, такие как последовательная передача задач между агентами, эскалация к более интеллектуальным моделям и подход с использованием машины состояний для пошагового взаимодействия с пользователем (например, для проверки данных). Это прототип для создания голосовых приложений в реальном времени, в которых несколько агентов могут взаимодействовать с пользователями. 🔐 Лицензия: MIT 🖥 Github @data_analysis_ml

Строим рекомендательную систему фильмов на Kaggle Вы когда-нибудь хотели сделать свою собственную систему рекомендаций фильмов? 🎬 Приходите на бесплатный вебинар, где Савелий Батурин, Senior ML-Engineer и преподаватель курса по ML школы Simulative в прямом эфире покажет как построить рекомендательную систему фильмов на Kaggle. Что будем делать на вебинаре: • Разберем имеющиеся данные фильмов с их оценками • Проведем предобработку данных • Построим рекомендательную систему на основе машинного обучения •Проведем расчет и анализ метрик на основе результатов работы модели 🕗Встречаемся 21 января 19:00 по мск Вебинар будет интересен как новичкам, так и уже опытным специалистам Зарегистрироваться на бесплатный вебинар

Все датасаентисты сегодня P.S. Вышли новые модели DeepSeek если вы вдруг пропустили #DeepSeek #deepseekv3 #reasoning #ml

🔥 NautilusTrader — это высокопроизводительная, открытая платформа для алгоритмической торговли и тестирования стратегий, разработанная для количественных трейдеров! 🌟 Она позволяет создавать, тестировать и внедрять автоматизированные торговые стратегии, обеспечивая их прямой переход от бэктестинга к реальной торговле без необходимости изменения кода. 🌟 Платформа поддерживает различные классы активов и может интегрироваться с любыми API (REST, WebSocket или FIX) через модульные адаптеры. NautilusTrader разработана с акцентом на производительность и надежность, предоставляя Python-ориентированную среду для разработки и развертывания стратегий. Она также поддерживает современные языковые модели, такие как GPT-4 и Claude 3.5, для предоставления рекомендаций и анализа. 🔐 Лицензия: LGPL-3.0 🖥 Github @data_analysis_ml

Приглашаем на открытый урок «Инструменты обратного тестирования торговых стратегий» от Otus Рассмотрим базовую методику и рассмотрим основные библиотеки для проведения обратного тестирования торговых стратегий. ✅ Практика: тест простой торговой стратегии Оставляйте заявку на курс «ML для финансового анализа» и создайте торгового робота для автоматического проведения операций с оценкой уровня риска 👉 Регистрация на урок и подробности: https://otus.pw/8ofB/?erid=2W5zFJ68uje #реклама О рекламодателе

🔥Google представили стратегию эволюционного поиска для масштабирования времени инференса в больших языковых моделях. Предлагаемый подход, Mind Evolution, использует языковую модель для генерации, рекомбинации и уточнения ответов-модели. Контролируя инференс модели, разработчики обнаружили, что Mind Evolution значительно превосходит другие стратегии инференса, такие как Best-of-N и Sequential Revision, в задачах планирования на естественном языке. В бенчмарках TravelPlanner и Natural Plan Mind Evolution, модель решает успешно более 98 % задач с помощью Gemini 1.5 Pro без. https://huggingface.co/papers/2501.09891

✅Генерация бесконечных 4D городов CityDreamer4D - это новая генеративная модель создания городов в 4D, которая объединяет статические и динамические сцены. Заявлена высокая управляемость и реалистичность генераций. - Проект: https://infinitescript.com/project/city-dreamer-4d/ - Код (обещают залить в ближайшее время ): https://github.com/hzxie/CityDreamer4D - Датасет CityTopia: https://gateway.infinitescript.com/s/CityTopia

🔥 Umi-OCR — бесплатное оффлайн-приложение для OCR (распознавания текста)! 🌟 Оно поддерживает распознавание текста на скриншотах, пакетную обработку изображений, PDF-документов, а также функции работы с QR-кодами и формулами. Инструмент ориентирован на удобство использования, прост в настройке (работает без установки) и поддерживает командную строку и HTTP-интерфейсы для интеграции с другими приложениями. 🔐 Лицензия: MIT 🖥 Github @data_analysis_ml

⚡️Легкий способ получать свежие обновления и следить за трендами в разработке на вашем языке. Находите свой стек и подписывайтесь: МАШИННОЕ ОБУЧЕНИЕ: t.me/ai_machinelearning_big_data C++ t.me/cpluspluc Python: t.me/pythonl Linux: t.me/linuxacademiya Хакинг: t.me/linuxkalii Devops: t.me/DevOPSitsec Data Science: t.me/data_analysis_ml Javascript: t.me/javascriptv C#: t.me/csharp_ci Java: t.me/javatg Базы данных: t.me/sqlhub Python собеседования: t.me/python_job_interview Мобильная разработка: t.me/mobdevelop Docker: t.me/DevopsDocker Golang: t.me/Golang_google React: t.me/react_tg Rust: t.me/rust_code ИИ: t.me/vistehno PHP: t.me/phpshka Android: t.me/android_its Frontend: t.me/front Big Data: t.me/bigdatai Собеседования МЛ: t.me/machinelearning_interview МАТЕМАТИКА: t.me/data_math Kubernets: t.me/kubernetc Разработка игр: https://t.me/gamedev Haskell: t.me/haskell_tg Физика: t.me/fizmat 💼 Папка с вакансиями: t.me/addlist/_zyy_jQ_QUsyM2Vi Папка Go разработчика: t.me/addlist/MUtJEeJSxeY2YTFi Папка Python разработчика: t.me/addlist/eEPya-HF6mkxMGIy Папка ML: https://t.me/addlist/2Ls-snqEeytkMDgy Папка FRONTEND: https://t.me/addlist/mzMMG3RPZhY2M2Iy 😆ИТ-Мемы: t.me/memes_prog 🇬🇧Английский: t.me/english_forprogrammers 🧠ИИ: t.me/vistehno 🎓954ГБ ОПЕНСОРС КУРСОВ: @courses 📕Ит-книги бесплатно: https://t.me/addlist/BkskQciUW_FhNjEy

🔥 Umi-OCR — бесплатное оффлайн-приложение для OCR (распознавания текста)! 🌟 Оно поддерживает распознавание текста на скриншотах, пакетную обработку изображений, PDF-документов, а также функции работы с QR-кодами и формулами. Инструмент ориентирован на удобство использования, прост в настройке (работает без установки) и поддерживает командную строку и HTTP-интерфейсы для интеграции с другими приложениями. 🔐 Лицензия: MIT 🖥 Github @data_analysis_ml

🖥 LeetGPU - бесплатная платформа для написания и запуска кода на CUDA. Вы можете практиковаться и изучать CUDA онлайн, без использования графического процессора! https://leetgpu.com/ #cuda #gpu #cpu #playground

🖥 Свежий гайд от OPENAI В нем рассказывается как правильно работать с функциями и вызывать их. Внутри много рекомендаций и рабочих примеров. https://platform.openai.com/docs/guides/function-calling. @data_analysis_ml

🔥 Awesome MCP Servers — это коллекция ресурсов, посвящённых серверам, использующим протокол Model Context Protocol (MCP)! 💡 MCP — это открытый протокол, который позволяет языковым моделям (LLMs) взаимодействовать с локальными и удалёнными ресурсами через стандартизированные серверные реализации. Репозиторий содержит список готовых к использованию и экспериментальных MCP-серверов, расширяющих возможности LLM за счёт доступа к файлам, базам данных, API, системам управления версиями и другим сервисам. 🖥 Github @machinelearning_ru

🌮 TACO: Learning Multi-modal Action Models with Synthetic Chains-of-Thought-and-Action TACO новое семейство мультимодальных моделей с открытым исходным кодом, которые хорошо справляются со сложными задачами визуального анализа, требующими нескольких шагов размышлений и использования внешних инструментов! Модели TACO превосходят базовые, настроенные на основе прометав модели, по 8 тестам, достигая улучшения в среднем на 3,6%, а в задачах MMVet, связанных с распознаванием текста, математическим мышлением и пространственным мышлением, прирост достигает 15%. ▪Github ▪Paper ▪Dataset ▪Demo @data_analysis_ml

🤖 FAST: Efficient Robot Action Tokenization Новый токенизатор, который позволяет обучать VLA в 5 раз быстрее по сравнению с предыдущей SoTA. Его очень легко использовать и это опенсорс. ▪Описание: http://pi.website/research/fast ▪HF: https://huggingface.co/physical-intelligence/fast ▪Статья: https://www.pi.website/download/fast.pdf @data_analysis_ml #robots #tokenization