Machinelearning

Что лучше: получить 500 000 ₽ или пропуск в одно из крупнейших сообществ web3-энтузиастов и блокчейн-разработчиков? 😏 Победители блокчейн-хакатона DeFi Hack 2025 получат и то и другое. Для этого нужно только решить реальную бизнес-задачу Сбера и предложить лучшее инновационное решение. 🏆 Призовой фонд хакатона в 1 000 000 ₽ разделят между собой 3 участника/команды: 500 000 ₽, 300 000 ₽ и 200 000 ₽. Приём заявок продлится до 12 мая — успейте собрать команду до 5 человек или принять участие соло! 👌

🌟 InstantCharacter — новый фреймворк от Hunyuan (Tencent) для стилизации любых персонажей. Традиционные методы файн‑тюнинга моделей под конкретный образ персонажа обычно либо: 💬 деградируют качество генерации при сохранении идентичности (UNet‑подходы), 💬 либо требуют отдельного, ресурсоёмкого обучения для каждого персонажа InstantCharacter решает обе проблемы сразу: Высокое качество - Построен на базе DiT-моделей, которые по качеству превосходят классические UNet‑архитектуры. 🔥 Гибкая персонализация. Китайцы настроили адаптер с каскадными энкодерами‑трансформерами, который модулирует признаки персонажа и взаимодействует с латентным пространством DiT. ✔️ Масштабируемость Фреймворк обучен и на огромном датасете - более 10 миллионов примеров, поделённых на парные и непарные (текст+изображение) подмножества. Трёхэтапное обучение: 🟢Предварительное обучение на низком разрешении без пар. 🟢Дообучениена парных примерах для консистентности. 🟢Финальная донастройка для текстового управления генерациями. Результаты: 🟢на демке выдает высокое качество, персонажи плавно меняют стили и позы. 🟢высокая консистентность и сохранение мелких деталей персонажа. 🟢легко управляется промптами без потери качества. В сравнении с предыдущими подходами InstantCharacter задает высокую планку качества в задачах character-driven image generation. 🔜Попробуйте демку 🔜Project 🔜Аrxiv 🔜Github @ai_machinelearning_big_data #Hunyuan #Tencent #InstantCharacter #OpenSource #AI #CharacterCustomization

🌟 Школа аналитиков данных от Big Data MWS признана лучшим образовательным проектом в области Data Science О победе в премии «Data Fusion Awards 2025» в номинации «Data Fusion в образовании» сообщает МТС. Награда досталась проекту «Школа аналитиков данных», который уже три года успешно готовит специалистов в сфере Data Science. Программа включает углубленное изучение Python, основы классического машинного обучения и методы создания ML-моделей для различных отраслей: геоаналитики, рекламы и финтеха. Обучение проходит через онлайн-вебинары, домашние задания и итоговые проекты под руководством экспертов центра Big Data MWS. Курс бесплатен и открыт для всех — от школьников до опытных IT-специалистов. За 10 месяцев обучения студенты получают практические навыки и теоретические знания уровня Junior, необходимые для успешного старта карьеры. На третий поток поступило почти 5 тысяч заявок, а многие выпускники уже работают в Big Data MWS. @ai_machinelearning_big_data

15 бесплатных книг по Data Science (часть 1)* 1. *Veridical Data Science* 👩‍🔬 Авторы: Bin Yu & Rebecca L. Barter Описание: Фреймворк PCS для интерпретируемого анализа данных. 🔗 https://vdsbook.com/ 2. *Data Science: Theories, Models, Algorithms, and Analytics* 📘 Автор: Sanjiv Ranjan Das Описание: Учебник по DS с упором на алгоритмы и аналитику. 🔗 https://srdas.github.io/Papers/DSA_Book.pdf 3. *Think Python 3E* 🐍 Автор: Allen B. Downey Описание: Современное введение в Python с нуля. 🔗 https://greenteapress.com/wp/think-python-3rd-edition/ 4. *Python Data Science Handbook* 📊 Автор: Jake VanderPlas Описание: Практика работы с NumPy, pandas, sklearn и визуализациями. 🔗 https://jakevdp.github.io/PythonDataScienceHandbook/ 5. *R for Data Science* 📈 Авторы: Hadley Wickham и др. Описание: Современный подход к анализу данных в R. 🔗 https://r4ds.hadley.nz/ 6. *Think Stats 3E* 📐 Автор: Allen B. Downey Описание: Статистика через Python и практику. 🔗 https://allendowney.github.io/ThinkStats/ 7. *Statistics and Prediction Algorithms Through Case Studies* 📙 Автор: Rafael A. Irizarry Описание: Кейсы по статистике и прогнозированию с кодом на R. 🔗 https://rafalab.github.io/dsbook/ 8. *Bayesian Methods for Hackers* 🧠 Автор: Cameron Davidson-Pilon Описание: Визуальное введение в байесовский анализ с PyMC. 🔗 https://github.com/CamDavidsonPilon/Probabilistic-Programming-and-Bayesian-Methods-for-Hackers 9. *Think Bayes 2E* 🔢 Автор: Allen B. Downey Описание: Пошаговый байесовский подход на Python. 🔗 https://allendowney.github.io/ThinkBayes2/ 10. *Data Science at the Command Line* 💻 Автор: Jeroen Janssens Описание: Unix-инструменты как основа для анализа данных. 🔗 https://datascienceatthecommandline.com/ Математика и теория вероятностей: 11. Теория вероятностей 👩‍🔬 Автор: Чернова Н. И. Описание: Понятное введение в теорию вероятностей, основа для изучения математической статистики. 🔗 http://www.nsu.ru/mmf/tvims/chernova/tv/tv_nsu07.pdf 12. * Математическая статистика* 👩‍🔬 Автор: Чернова Н. И. Описание: Продолжение курса по теории вероятностей (НГУ), покрывающее основы математической статистики: оценки параметров, проверка гипотез, регрессионный анализ. 🔗 http://www.nsu.ru/mmf/tvims/chernova/ms/ms_nsu07.pdf 13. * Курс дифференциального и интегрального исчисления (Том 1)* 👩‍🔬 Автор: Фихтенгольц Г. М. Описание: Фундаментальный и классический учебник по основам математического анализа. 🔗 http://math.ru/lib/book/djvu/fichtengolz/f_1.djvu 14.*Векторные исчисления для инженеров* 👩‍🔬 Автор:Jeffrey R. Chasnov 🔗 http://math.ru/lib/book/djvu/fichtengolz/f_1.djvu 15 .*Theory—Theoretical & Mathematical Foundations ; 👩‍🔬Daniel A. Roberts, Sho Yaida, Boris Hanin 🔗https://arxiv.org/abs/2106.10165 📘 Еще больше книг здесь @ai_machinelearning_big_data #books #opensource #freebooks

✔️ Tesla показала суперкомпьютер Dojo. Tesla опубликовала изображения своего суперкомпьютера Dojo - системы, созданной на заказ для обучения ИИ-моделей проекта полного автономного вождения (FSD). Фото были опубликованы 17 апреля не случайно - это совпало с недавним заявлением Илона Маска о расширении крупного вычислительного кластера в Giga Texas. Dojo полностью работает на чипах, разработанных Tesla. TeslaAI в Х (ex-Twitter) ✔️ Chatbot Arena трансформируется в отдельную компанию Arena Intelligence Inc. Популярная платформа для оценки ИИ-моделей Chatbot Arena, которую используют ведущие лаборатории ИИ, официально становится компанией Arena Intelligence Inc. Это позволит команде расширить ресурсы для развития сервиса, сохранив нейтралитет тестирования. Проект, запущенный в 2023 году исследователями из UC Berkeley, давно стал ключевым инструментом для сравнения языковых моделей — его рейтинги влияют на маркетинг и развитие ИИ. До сих пор Chatbot Arena работала на грантах и спонсорской поддержке от Kaggle, Google, Andreessen Horowitz и Together AI. bloomberg.com ✔️ Anthropic инвестирует 1 млн. долларов в Goodfire. Anthropic впервые инвестировала в стартап, поддержав Goodfire. Инвестиционный раунд, возглавляемый Menlo Ventures, собрал в общей сложности 50 миллионов долларов, а Anthropic внесла 1 миллион долларов. Goodfire специализируется на механистической интерпретации - методе, который помогает разработчикам понять, как работают системы ИИ, причем методы Goodfire считается более продвинутым, чем существующие инструменты, используемые Anthropic. theinformation.com ✔️ Википедия выпустила датасет для обучения ИИ. Википедия представила структурированный датасет на платформе Kaggle, чтобы облегчить разработчикам ИИ доступ к данным и снизить нагрузку на свою инфраструктуру. Вместо парсинга сырого текста ботамы, теперь доступны JSON-файлы на английском и французском языках с разделами статей, краткими описаниями, инфобоксами и ссылками на изображения. Датасет оптимизирован для ML-задач: файнтюна моделей, анализа и тестирования. Это часть стратегии Викимедии, которая не только экономит ресурсы Википедии, но и упрощает работу с контентом — вместо борьбы с ботами разработчики получают готовый инструмент. enterprise.wikimedia.com ✔️ Количество полностью сгенерированной ИИ-музыки выросло в 2 раза на платформе Deezer. Deezer, французский музыкальный стриминговый сервис, сообщил, что около 18 % песен, загружаемых на его платформу, создаются ИИ. Этот показатель непрерывно растет: ежедневно на платформу загружается около 20 000 композиций, созданных искусственным интеллектом, что почти вдвое больше, чем 4 месяца назад. Deezer внедрил инструмент обнаружения ИИ для выявления музыки, созданной с помощью Suno и Udio в январе 2025 года, когда ежедневное количество загружаемых песен, созданных ИИ, составляло около 10 000. billboard.com @ai_machinelearning_big_data #news #ai #ml

🔥 Google только что выпустил Gemini 2.5 Flash Ключевые особенности: В 25 раз дешевле, чем Claude Sonnet 3.7 и Grok-3 и в 5–10 раз дешевле, чем Gemini‑2.5‑Pro Новая функция динамического «размышления» над сложными задачами. Настраиваемый «бюджет мышления» (вы сами решаете, сколько токенов выделить на этап «размышлений») Занимает #2, место на Арене, сравнявшись с GPT 4.5 Preview и Grok‑3. 🏆 Разделил первое место в задачах Hard Prompts, Coding и Longer Query 💠 Вошёл в топ‑4 по всем категориям @ai_machinelearning_big_data #Gemini

🔥 Wan2.1‑FLF2V 14B — это первая в серии модель, которая работает генерации видео по принципу «First‑Last‑Frame»: достаточно задать начальный и конечный кадры, чтобы сгенерировать полноценный плавный плавный ролик. ✔️ Главное 🟢 Открытые код и веса. 🟢Полный контроль над сюжетом и композицией видео. 🟢 Точное следование инструкциям: модель умеет очень чётко. «понимать» промпты и визуальные референсы. 🟢Плавные переходы с учётом физики: кадры переходят друг в друга без рывков, с реалистичной трактовкой законов движения и освещения. 🟢 Качество 720 p: готовый не требует дополнительной пост‑обработки. 🔜GitHub: https://github.com/Wan-Video/Wan2.1 🔜Hugging Face: https://huggingface.co/Wan-AI/Wan2.1-FLF2V-14B-720P 🔜Modelscope: https://modelscope.cn/models/Wan-AI/Wan2.1-FLF2V-14B-720P @ai_machinelearning_big_data #wan #AIGC #alart

Cloud․ru представил первый в России управляемый сервис для инференса больших языковых моделей в облаке с разделением GPU Главные преимущества:

1️⃣ Shared GPU — вы можете разделять GPU-ресурсы и потреблять то количество vRAM (видеопамяти), которое необходимо для эффективной работы самой модели без задержек. Можно динамически перераспределять ресурсы в зависимости от текущих потребностей. 2️⃣ Простота и гибкость управления сервисом дают возможность, как запускать модели как напрямую из Hugging Face, так и запускать собственные образы со своим окружением. 3️⃣ Высокая степень адаптации и рациональное использование доступных ресурсов: на одной видеокарте можно одновременно запускать несколько моделей. 4️⃣ Режим скайлирования — тарификация за использование модели начинается только в момент обращения к ней.

Evolution ML Inference подойдет для тех, кто разрабатывает AI- и ML-решения и хочет быстро и с минимальными затратами запустить собственную ML-модель. Это полностью управляемый сервис — пользователь только настраивает конфигурацию, модель и тип масштабирования. Cloud․ru предоставляет доступ к мощным графическим процессорам, а также выполняет полное администрирование и обслуживание инфраструктуры.

🌟 FramePack — этоFramePack — это надстройка над любым «next‑frame prediction» видеодиффузором, которая превращает работу с длинными роликами в задачу постоянной, а не растущей стоимости Модель поэтапно предсказывает следующий кадр или блок кадров, обеспечивая плавную и контролируемую генерацию. FramePack позволяет создавать видео длиной 60 секунд+ Вместо того чтобы хранить полный контекст, он выделяет каждому кадру разное число патч‑токенов и держит их общее количество фиксированным. Благодаря этому вычислительная нагрузка остаётся O(1) по длине ролика, а значит даже 13‑B модель может генерировать тысячи кадров на обычной GPU. Выбор, каким кадрам сколько «места» выделять, задаётся расписанием (FramePack Scheduling): линейное, экспоненциальное, равномерное или кастомное. Меняя его, можно, например, сделать первый кадр самым детальным для задач image‑to‑video или отдавать приоритет последним. Дополнительно двусторонняя sampling‑схема (способ генерации кадров, при котором модель смотрит не только «в прошлое», но и в будущее, чередуя прямой и обратный проходы по временной оси.) уменьшает накопление ошибок, поэтому качество не падает даже на минутных видео. 🔥Особенности: 🟢Заявленный минимальный объём GPU: всего 6 GB для генерации 1‑минутного видео @30 fps (1800 кадров) на 13 B модели, что позволяет запускать её даже на ноутбучных GPU  .🟢Скорость генерации (RTX 4090): ~2.5 с/кадр без оптимизаций ~1.5 с/кадр с TeaCache 🟢Контекст фиксированной длины: накладные расходы (память и время) не растут при увеличении числа кадров — сложность остаётся O(1) по длине видео. Эти метрики делают FramePack одним из самых практичных решений для генерации видео даже на слабом железе. 🔜Project Page：https://lllyasviel.github.io/frame_pack_gitpage/ 🔜Paper：https://lllyasviel.github.io/frame_pack_gitpage/pack.pdf 🔜Code：https://github.com/lllyasviel/FramePack @ai_machinelearning_big_data

🌟 FramePack — генерация видео по кадрам с моментальной визуализацией FramePack — это свежая реализация next-frame prediction, позволяющая создавать длинные видео (до 60 секунд и больше) с мгновенной обратной связью. Модель поэтапно предсказывает следующий кадр или блок кадров, обеспечивая плавную и контролируемую генерацию. 🧠 Особенности: • Видео как картинки — результат видно сразу • Большие модели работают даже на 6 GB GPU • Контекст фиксированной длины, скорость не падает • Поддержка Flash/xFormers/SageAttention 🚀 Поддержка GUI на Gradio. Можно быстро протестировать свои промпты или использовать встроенные пресеты. 🔜Project Page：https://lllyasviel.github.io/frame_pack_gitpage/ 🔜Paper：https://lllyasviel.github.io/frame_pack_gitpage/pack.pdf 🔜Code：https://github.com/lllyasviel/FramePack @ai_machinelearning_big_data

🔥 ArXiv MCP Server arxiv‑mcp‑server — это MCP‑сервер (открытый протокол Anthropic для обмена сообщениями и инструментами между LLM‑клиентом и сервером.), который «оборачивает» arXiv.org в набор инструментов, доступных ИИ‑ассистентам (Claude Desktop, ChatGPT‑плагины, собственные агентовые фреймворки). Благодаря этому ассистент может искать, скачивать и читать научные статьи, а также запускать готовые промпты для глубокого анализа работы, все в одном чате.  Ключевые возможности - Поиск статей search_papers — фильтры по запросу, диапазону дат, категориям. 🟢 Загрузка статьи download_paper — хранит PDF/метаданные локально, чтобы не дергать arXiv повторно. 🟢Список локальных статей list_papers. 🟢Чтение содержимого read_paper — отдаёт текст постранично. 🟢Готовые исследовательские промпты — например, deep-paper-analysis, который строит полное ревью (summary, методология, импликации, дальнейшая работа и т.д.).  🌟 Установка: Для установки и запуска сервера можно использовать следующие команды:​

git clone https://github.com/blazickjp/arxiv-mcp-server.git
cd arxiv-mcp-server
uv venv
source .venv/bin/activate
uv pip install -e ".[test]"
python -m arxiv_mcp_server

🔜 Github #arXiv #llm #mcp

🤖 Ты Дата инженер? Мечтаешь, чтобы твоя работа по-настоящему влияла на будущее? 😎 В Navio мы делаем это возможным. В команде BigData мы разрабатываем уникальную технологию автономного вождения. Наши данные имеют реальный физический смысл — это километры пути и секунды времени. Наши задачи – вызов: как обработать 10⁹ строк за 15 минут, как оценить качество траектории и предотвратить возможную аварию? Каждый оптимизированный датасет – это шаг к будущему без ДТП. Хочешь к нам? Приходи на One Day Offer 26 апреля! На онлайн-мероприятии ты пройдёшь все этапы отбора, познакомишься с командой и, если всё сложится, получишь предложение о работе уже вечером. 📈 Оставляй заявку и резюме на сайте, и наш рекрутер свяжется с тобой. Построим будущее вместе!

✔️ OpenAI ведет переговоры о приобретении Windsurf. OpenAI ведет переговоры о приобретении компании Windsurf, ИИ-инструмента для программирования, ранее известного как Codeium, за 3 млрд. долларов. Если сделка будет завершена, это станет крупнейшей покупкой для OpenAI на сегодняшний день и укрепит ее позиции на конкурентном рынке ИИ-кодинга. bloomberg.com ✔️ Microsoft опубликовала веса крупнейшей 1-битной модели. Microsoft представила BitNet b1.58 2B4T — модель с квантованием весов до трех значений (-1, 0, 1). Она может работать на CPU и доступна на HuggingFace под MIT-лицензией. Это первая модель такого типа с 2 млрд. параметров, обученная на 4 трлн. токенов (примерно 33 млн книг). По заявлению разработчиков, BitNet превосходит модели Lllama, Google и Alibaba в тестах на решение математических задач (GSM8K) и проверку логики (PIQA). При этом скорость инференса вдвое выше, а память расходуется экономнее. Но есть нюанс: для работы требуется фреймворк bitnet.cpp, который пока не поддерживает GPU. techcrunch.com ✔️ Huawei презентовала серверную ИИ-систему CloudMatrix. Huawei представила новую стоечную систему AI CloudMatrix 384, которая должна конкурировать с GB200 NVL72 от Nvidia. Хотя CloudMatrix 384 менее энергоэффективна, а ее производительность в 2,6 раза ниже в показателе FLOP на ватт, это не считается ограничивающим фактором в Китае, поскольку страна располагает достаточными энергетическими ресурсами. Система использует ускоритель Huawei Ascend 910C AI и позиционируется как мощное внутреннее решение в китайском технологическом ландшафте. Появление CloudMatrix 384 - результат продолжающейся технологической войны между США и Китаем. scmp.com ✔️ Дрон, управляемый ИИ впервые победил чемпионов-людей в гоночных соревнованиях. Автономный дрон от Делфтского университета выиграл чемпионат A2RL, а затем в напряжённом турнире одолел 3 экс-чемпионов DCL, развив скорость до 95,8 км/ч на сложной трассе. Ключевым аспектом победы стала нейросеть, которая управляла моторами напрямую, минуя традиционные контроллеры. Технология, которая была разработана ESA для космических аппаратов, позволила дрону работать с ограниченными ресурсами — всего одна камера и минимум вычислений. Как и люди, ИИ учился методом проб и ошибок, что помогло приблизиться к физическим пределам системы. techxplore.com ✔️ MIT разработал метод машинного обучения для решения сложных логистических задач. Исследователи MIT разработали метод L-RHO, объединяющий машинное обучение с традиционными методами оптимизации в задачах планирования. Система учится «замораживать» повторяющиеся переменные в подзадачах, сокращая время решения на 54% и повышая качество результатов до 21%. Технология анализирует данные предыдущих решений, выделяя элементы, которые не требуют пересчёта. Оставшиеся переменные обрабатываются стандартным решателем, ускоряя процесс без потери точности. Метод уже проверен на реальных сценариях, включая сбои оборудования и перегрузки, показав стабильную эффективность. L-RHO адаптивен к изменяющимся условиям: от расписания поездов до планирования медперсонала. В планах — интеграция метода в задачи управления запасами и маршрутизацией транспорта. news.mit.edu @ai_machinelearning_big_data #news #ai #ml

🔥 Mistral только что представили Classifier Factory Classifier Factory — это интуитивно понятный конвейер для создания и обучения собственных моделей классификации на базе компактных LLM от Mistral AI. С его помощью — как через веб‑интерфейс La Plateforme, так и через API — можно быстро разворачивать решения для модерации контента, детекции намерений, анализа тональности, кластеризации данных, обнаружения мошенничества, фильтрации спама, рекомендательных систем и других задач Таким образом, Classifier Factory упрощает весь цикл работы с custom‑классификаторами: от подготовки данных до развёртывания готовой модели в продакшене. Еще они обнвоили доку. 🔜 Docs 🔜Colab @ai_machinelearning_big_data #Mistral #api

🖥 OpenAi представлют новые модели o3 и o3 mini Трансляция: https://www.youtube.com/watch?v=sq8GBPUb3rk @ai_machinelearning_big_data #openai

🔥 ReZero — маленькая модель, которая никогда не сдаётся 🧠 ReZero — это LLM на базе Llama 3.2B, обученная не просто находить ответы, а упорно искать лучший. 🔁 Вместо того чтобы оптимизировать на скорость или recall, ReZero обучается пробовать снова и снова, пока не найдёт правильный ответ. Модель намеренно поощряется за настойчивость — если она делает retry и улучшает результат, это считается успехом. Использует синтетические поисковые движки, которые заставляют модель перезапрашивать и улучшать свои ответы. Обучается с помощью усиленного обучения (RL) — формируя привычку "не сдаваться". 🔜Github 🔜 Модель @ai_machinelearning_big_data #LLM #Search #RL #AI #Meta #ReZero #NeverGiveUp #Llama3

🌟Демис Хассабис попал на обложку Times и вошел в TIME100 самых влиятельных людей 2025 года​ TIME включил Демиса Хассабиса, генерального директора Google DeepMind, в список 100 самых влиятельных людей мира в 2025 году. Это признание его выдающегося вклада в развитие искусственного интеллекта и науки.​ В 2024 году Хассабис был удостоен Нобелевской премии по химии за создание AlphaFold — ИИ-системы, способной предсказывать структуру белков, что значительно ускорило научные исследования в области медицины и биологии. ​ Однако Хассабис не останавливается на достигнутом. Он активно работает над созданием AGI, который сможет решать сложнейшие задачи, такие как борьба с болезнями, изменение климата и дефицит ресурсов. Хассабис считает, что AGI может быть разработан в течение ближайших 5–10 лет. ​ Time Тем не менее, он осознаёт риски, связанные с развитием AGI, включая возможные угрозы демократии и потенциальное использование технологий в военных целях. Хассабис призывает к международному сотрудничеству и созданию надёжных механизмов безопасности для обеспечения того, чтобы AGI служил на благо человечества. ​ Time 🔜 Подробнее об этом можно прочитать в статье TIME: Demis Hassabis Is Preparing for AI's Endgame​ @ai_machinelearning_big_data #AI #AGI #DeepMind #DemisHassabis #TIME100 #Наука #Технологии

🔥 FireEdit — новая методика редактирования изображений по инструкции 🌟 В основе FireEdit — усовершенствованная Vision Language Model (VLM), способная выполнять тонкое и точное редактирование изображений на основе текстовых промптов. 🌟 Что внутри: 🟢Region Tokens Позволяют VLM точно определять редактируемые объекты даже в сложных сценах, не затрагивая остальное изображение. 🟢Time-Aware Target Injection Динамически регулирует степень редактирования на разных этапах шумоподавления, интегрируя информацию о времени с текстовыми эмбеддингами. 🟢Hybrid Visual Cross-Attention Позволяет сохранить высокочастотные визуальные детали и семантическую согласованность изображения. ✔️Результаты FireEdit превосходит другие SOTA-методы на датасете Emu Edit — как по точности локализации, так и по качеству результата. ✔️ Визуальные сравнения показывают, что FireEdit: 🟢Лучше локализует редактируемые области 🟢Меньше искажает фон и окружающие детали 🟢Сохраняет высокую семантическую точность 🔜 Статья 🔜Проект @ai_machinelearning_big_data #AI #VLM #Diffusion #ImageEditing #FireEdit #ML