Математика Дата саентиста

⚡️ Мл сообщество активно обсуждает успехи Китая и DeepSeek-R1, в частности, в гонке за доминирование на рынке ИИ. Релиз R1 и новости об инвестировании в развитие отрасли, вызвали падение акций американских ИТ-гигантов на бирже NASDAQ. Но помимо R1 в этом месяце разработчики из Китая выпустили еще очень много интересных моделей 🔥 Китай набирает очень серьезные обороты, Давайте посмотрим на список самых ярких релизов из Поднебесной за январь: LLM: ✨ InternLM3-8B-Instruct ✨ MiniMax-Text-01 ✨ RWKV-7 RNN + трансформер 👀 ✨ Собственно сам DeepSeek-R1 ✨ Baichuan-M1-14B медицинский LLM 🩺 ✨ Qwen2.5-Math-PRM от Alibaba ✨ Qwen2.5 -1M Модели кодинга: ✨ Tare от BytedanceTalk TTS модели синтеза и генерации речи: ✨ T2A-01-HD от MiniMax AI ✨ LLaSA МЛЛМ: ✨ Kimi k1.5 от Moonshot AI ✨ MiniCPM-o-2_6 от OpenBMB ✨ Sa2VA-4B от ByteDanceOSS ✨ VideoLLaMA 3 от Alibaba DAMO ✨ LLaVA-Mini от Китайской академии наук ✨Hunyuan-7B от TXhunyuan ✨ Hunyuan 3D 2.0 ИИ-агенты: ✨ UI-TARS от ByteDanceOSS ✨ GLM-PC Датасеты: ✨ Fineweb-Edu-Chinese-V2.1 ✨ Multimodal_textbook от Alibaba ✨ MME-Finance от Hithink AI ✨ GameFactory от KwaiVGI 📌 Полный список Релизов @ai_machinelearning_big_data #ai #ml #digest #china #deepseek #Alibaba

Ваши задачи требуют мощных вычислительных ресурсов? Локальные мощности не справляются с обучением нейросетей? immers.cloud предлагает решение: 💰 Экономия: тарифы от 23 рублей/час, оплата только за фактическое время использования ⚡️ Быстрый старт: видеокарты и серверы готовы к работе за пару минут. 📈 Гибкость и масштабируемость: 11 видеокарт на выбор, быстрый старт и масштабирование  🔧 Удобство: готовые образы для ML задач, чтобы не тратить время на настройку Платформа также предлагает образ Ubuntu 22.04 с предустановленными драйверами, библиотеками CUDA 12.3 и CudNN: с ним можно развернуть поверх него необходимые инструменты для обучения, разработки или работы с нейросетями. 🎁 Для наших подписчиков действует бонус: +20% бонус к пополнению баланса

Lots of math for CS & ML. Looks pretty interesting. 📚 Book

Как построить витрину данных, как в крупной IT-компании? Объединение данных из разных источников — то, с чем в какой-то момент сталкиватся каждый аналитик или дата-инженер. Представьте, что вы тренер футбольной команды. И у вас есть витрина данных, которая собирает информацию о каждом игроке, включая количество забитых голов, ассистов, время на поле и количество проведенных матчей. Такая витрина помогает выявить слабые места в команде и сфокусироваться на их улучшении. Как строить витрину данных разберём в прямом эфире нашего бесплатного вебинара в режиме решения реальной рабочей задачи📊. Спикер вебинара — Айгуль Сибгатуллина, Data Engineer в Сбер. Что будет на вебинаре: • Построим воркфлоу от этапа получения ТЗ до создания полноценной витрины; • Разберемся с методологией на разных диалектах; • Узучим Spark в работе дата-инженера: преобразования, оптимизации, планы запросов; • Используем AI для ускорения процессов. 🕗Встречаемся 28 января 19:00 по мск Зарегистрироваться на бесплатный вебинар

📕 Think Stats: Бесплатная книга по статистике. Think Stats - это введение в теорию вероятностей и статистику для Python программистов и датасаентистов. Каждая глава доступна в виде блокнота Jupyter ноутбука, в котором можно запускать код и решать упражнения ✔ ⭐️ Книга доступна по лицензии Creative Commons, что означает, что вы можете свободно читать, копировать и распространять при условии указания ссылки на источник и не использования в коммерческих целях. ▪ Книга ▪Github @ai_machinelearning_big_data #freebook #ml #probability #book #opensource #practice #книганедели

🔎 Depth Anything — это передовая технология оценки глубины, использующая монокуляр (одну камера). Однако у этой технологии есть проблема с временной несогласованности в видео, что значительно ограничивает её практическое применение. 😩Существующие методы могут улучшить согласованность видео, но они применимы к коротким видео (менее 10 секунд) и требуют компромисса между качеством и эффективностью съёмки. 🤗 Video Depth Anything — модель, которая обеспечивает высококачественную и последовательную оценку глубины видео без ущерба для их эффективности. Она построена на основе Depth Anything V2 и обладает мощным пространственно-временным управлением. 🍪 Разработанная на основе совместного набора данных о глубине видео и дешевых немаркированных изображений, эта модель представляет эффективную стратегию оценки длинного видео на основе ключевых кадров. Ограничения на градиенты глубины устраняют необходимость в дополнительных предварительных данных. 🖥 Эксперименты показали, что Video Depth Anything обрабатывает видео любой длины без потери качества, последовательности, что устанавливает новый уровень в оценке глубины видео с нулевой съемкой. Доступны модели различных масштабов, при этом самая маленькая из них обеспечивает производительность в реальном времени со скоростью 30 кадров в секунду 🔥👍 Начало работы: git clone https://github.com/DepthAnything/Video-Depth-Anything cd Video-Depth-Anything pip install -r requirements.txt ✅ Лицензирование: Apache 2.0 ▪GitHub ▪Paper ▪Model Small ▪Model Large ▪Demo @ai_machinelearning_big_data #DepthAnything #opensource #ml #depthestimation #videodepth

Чем занимаются дата-сайентисты в Авито? Узнайте изнутри! Статья от команды Data Science в Авито рассказывает о реальных кейсы, проектах и командах, которые развивают бизнес и обеспечивают безопасность платформы: ➡️ Как алгоритмы автомодерации проверяют миллионы объявлений. ➡️ Какие подходы используются для борьбы с мошенничеством. ➡️ Как работают персонализированные рекомендации и поиск. ➡️ Какие проекты ведет AI Lab в Авито. Все о мире DS в Авито и многое другое ➡️ по ссылке. Реклама. ООО «Авито Тех».

🔥 Обобщение и переобучение в машинном обучении. - Видео - Урок 1 / Урок2 / Урок3 / Урок4 / Урок5 / - Урок6/ Урок7/ Урок 8 - Colab -Полный курс #ml #math #mlmath #probability #машинноеобучение @data_math

🖥 Manim — это мощная библиотека на Python для создания анимаций математических и научных концепций! 💡 Она позволяет визуализировать сложные идеи с высокой точностью и гибкостью, используя код для определения сцен, объектов и их взаимодействия. Manim широко используется в образовательных целях и для создания объясняющих видео. Библиотека поддерживает анимацию графиков, формул, геометрических фигур и других визуальных элементов. 🔐 Лицензия: MIT 🖥 Github @data_math

Неопределённый интеграл Неопределённый интеграл. Свойства неопределённых интегралов. Замена переменной в неопределённом интеграле. Интегрирование по частям в неопределённом интеграле. Часть 1 Интегрирование по частям в неопределённом интеграле. Часть 2 Интегрирование простейших рациональных дробей Примеры интегрирования простейших рациональных дробей III и IV типов Сведения из алгебры, необходимые для интегрирования рациональных дробей Интегрирование правильных рациональных дробей (корни знаменателя действительные и простые) Интегрирование правильных рациональных дробей (корни знаменателя действительные и кратные) Интегрирование правильных рациональных дробей (корни знаменателя комплексные некратные) ⭐️ источник

⚡️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/pythonlbooks Linux: t.me/linuxacademiya Хакинг: t.me/linuxkalii Devops: t.me/DevOPSitsec Data Science: t.me/datascienceiot 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 💼 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

🎲 Вероятностные модели и функции потерь. Машинное обучение полный курс. Урок 8 - Видео - Урок 1 / Урок2 / Урок3 / Урок4 / Урок5 / - Урок6/ Урок7 - Colab -Полный курс #ml #math #mlmath #probability #машинноеобучение

🎓 Видеокурс Стэнфорда по обучению с подкреплением, состоящий из 16 лекция, является незаменимым ресурсом для всех, кто хочет освоить системы принятия решений - комплексный, практический и ориентированный на будущее. 🔗 Смотерть: https://youtube.com/playlist?list=PLoROMvodv4rN4wG6Nk6sNpTEbuOSosZdX @data_math

🎓 Введение в статистическую теорию машинного обучения 📌 Видео 📌 Урок 1 / Урок2 / Урок3 / Урок4 / Урок5 / Урок 6 📌 Colab 📌Полный курс @data_math

Суровая правда жизни 😂 @data_math

"Fundamentals of Linear Algebra" by James B. Carrell Link: personal.math.ubc.ca/~carrell/NB.pdf

📚 Новогодние праздники продолжаются и пришло время провести крутой розыгрыш. На этот раз мы разыграем целых 3 места на наших курсах и целую коллекцию актуальных книг для изучения и погружения в машинное обучение и python. Условия просты: • подписаться на Pythonl • подписаться на Поступашки Победители рандомно получат доступы к курсам или одну из книг, которые перечислены ниже: — System Design. Машинное обучение. Подготовка к сложному интервью | Сюй Алекс — Алгебра, топология, дифференциальное исчисление и теория оптимизации для компьютерных наук и машинного обучения — Глубокое обучение Курвилль Аарон, Гудфеллоу Ян — Как быть успешным в Data Science. — Все, что нужно, чтобы понимать математику в одном толстом конспекте Итоги подведем при помощи бота, который рандомно выберет победителя. Всем удачи ❤️ • подписаться на Pythonl • подписаться на Поступашки #Конкурс

- Почему ты так испугался, это всего лишь червь - Червь: @data_math