Ссылки для дрессировщиков нейронных сетей

Microsoft запустила бесплатный курс «Генеративный ИИ для начинающих» Microsoft опубликовала на GitHub бесплатный курс «Генеративный ИИ для начинающих». В нём содержится 18 текстовых уроков, которые расскажут про базовые принципы работы с большими языковыми моделями, ИИ-агентами и тем, как это всё использовать в разработке собственных проектов. ChatGPT | Нейро News

💡 A Guide to Production Level Deep Learning 🎬 📜 ⛴️ Руководство по созданию практических систем глубокого обучения производственного уровня для использования в реальных приложениях. ▪Github @data_analysis_ml

🧑‍💻 Code to Flow - бесплатная инновационная нейросеть для анализа, объяснения и визуализации кода. Это мощный инструмент для разбиения кода на шаги и его объяснения. Используя ИИ, Code to Flow работает с различными языками программирования и фреймворками. Он пригодится как при обучении, так и при реальной работе, помогая лучше понимать структуру и логику кода. ▪ Пробовать @data_analysis_ml

🔥 EfficientViT: Multi-Scale Linear Attention for High-Resolution Dense Prediction EfficientViT-SAM - это новое семейство ускоренных моделей Segment Anything Models для задач компьютерного зрения с высоким разрешением. Скорость до 69 раз выше, чем у SAM. 🖥 Github: https://github.com/mit-han-lab/efficientvit 📚 Paper: https://arxiv.org/abs/2205.14756 ⏩ Tutorial: https://www.jetson-ai-lab.com/vit/tutorial_efficientvit.html ai_machinelearning_big_data

📈 tfcausalimpact Библиотека для поиска причинно-следственных связей на Python, основанная на пакете R от Google. Построена с использованием TensorFlow Probability. Вы проводите маркетинговую кампанию и видите, что количество пользователей увеличивается. Но как узнать, связано ли это с вашей кампанией или это просто совпадение? Вот тут-то и пригодится tfcausalimpact. Бибилиотека помогает прогнозировать будущие тренды и тенденции в данных и сравнивает ваши показатели с фактическими данными для получения статистических выводов. pip install tfcausalimpact 📌Github @data_analysis_ml

ElevenLabs, подвинься — вышла нейросеть OpenVoice, которая клонирует любой голос, при этом бесплатно. Можно настраивать эмоции голоса, паузы, интонации и при этом доступен русский язык. Исходники тут, затестить демо можно тут. @exploitex

Meta* выпустила модель CodeLlama-70B для генерации кода Модель вышла в трех версиях: базовая, Instruct и Python. Если верить бенчмаркам, то это одна из самых мощных опенсорсных моделей для генерации кода на сегодняшний день. Доступ здесь: https://ai.meta.com/resources/models-and-libraries/llama-downloads *признана экстремистской в РФ и запрещена Мы стоим у истоков эры Промт Инжениринга ... Все в программировании процесс пошел.

⚡️ ExLlamaV2: самая быстрая библиотека для работы с LLM Квантизация больших языковых моделей (Large Language Models, LLM) — наиболее популярный подход для уменьшения размера этих моделей и ускорения вывода. GPTQ (Post-Training Quantization for GPT, пост-тренировочная квантизация GPT) — один из алгоритмов, обеспечивающих потрясающую производительность на графических процессорах. По сравнению с неквантированными моделями, он использует почти в 3 раза меньше VRAM (Video Random Access Memory, оперативная видеопамять), обеспечивая при этом аналогичный уровень точности и более высокую скорость генерации. GPTQ стал настолько популярным, что недавно был напрямую интегрирован в библиотеку Transformers. ExLlamaV2  — это библиотека, позволяющая выжать еще больше производительности из GPTQ. Благодаря новым ядрам, она оптимизирована для (молниеносно) быстрого вывода. Кроме того, в ней представлен новый формат квантизации EXL2, обеспечивающий большую гибкость при хранении весов. В этой статье рассмотрим, как квантировать базовые модели в формате EXL2 и как их запускать. Код доступен на GitHub и Google Colab. 📌 Читать @data_analysis_ml

некстати, не знаю прокатит в ссылки или нет https://github.com/owainlewis/awesome-artificial-intelligence

⚡️ Инструменты визуализации графов/сетей - Geph - VOSviewer - Cytoscape - Kumu - GraphInsight - NodeXL - Orange - Graphia - Graphistry - SocNetV - Tulip - Gephisto 🖥 Библиотеки Python - networkx - graphviz - pydot - python-igraph - pyvis - ipycytoscape - pygsp - graph-tool - nxviz - py2cytoscape - ipydagred3 - ipysigma - Py3Plex - net wulf @data_analysis_ml

Хорошие новости для всех, кто интересуется машинным обучением и генеративными нейросетями! Банк ВТБ и Финтех Хаб Банка России объявляет набор на вторую совместную образовательную программу "Машинное обучение PRO: обработка документов и генеративные нейросети". Программа состоит из двух модулей: Теоретический модуль: - с 12 февраля по 11 марта 2024 - Дистанционный формат - Включает в себя лекции по основам NLP, обработке изображений, языковым моделям и другим темам Практический модуль: - с 18 марта по 8 апреля 2024 года. - Дистанционный формат с несколькими очными днями в Москве Лучшим командам будет предложено презентовать разработанный прототип на международной конференции по анализу данных Data Fusion 18 апреля 2024 года (data-fusion.ru) Подать заявку можно на сайте программы

🖥 Ранний релиз: Skrub - новый инструмент для подготовки данных. ▪Подготовка таблиц для машинного обучения ▪Создан для работы со scikit-learn, Python ▪Устойчив к зашумленным данным ▪Работает с фреймами данных pandas pip install skrub -U https://skrub-data.org/stable/ @data_analysis_ml

https://wlm1ke.github.io/apimoex/build/html/api.html https://github.com/ArtMan-8/moex-iss-api/issues/4?ref=https://githubhelp.com Подписки Мосбиржи https://www.moex.com/

Курс Practical RL в ШАД-е: https://github.com/yandexdataschool/Practical_RL

🔥 Это мы смотрим: Андрей Карпаты опубликовал лекцию «Введение в большие языковые модели» Андрей Карпаты — один из ведущих специалистов OpenAI и экс-разработчик автопилота Tesla. Вчера на YouTube появилась его часовая лекция о том, как работают большие языковые модели (LLM), лежащие в основе нашумевших чат-ботов. Затрагиваются темы файн-тюнинга, улучшения моделей и их взлома. Всё должно быть понятно и новичку 👌 🕛 Некоторые тайм-коды: 00:11:22 Как работают LLM 00:25:43 Законы масштабирования LLM 00:33:32 Мультимодальность моделей 00:35:00 Про перспективы LLM 00:46:14 Про взломы Также Карпаты опубликовал слайды презентации

F-SO : Physical Symbolic Optimization - обучение физике на основе данных 🧠 Пакет Physical Symbolic Optimization использует глубокое обучение с подкреплением для обнаружения физических законов на основе данных. На гифке анимировано аналитическое выражение затухающего гармонического осциллятора. 🐱 Github: https://github.com/WassimTenachi/PhySO 👉 Paper: https://arxiv.org/abs/2303.03192 @data_math

LangChain + Streamlit + LlaMA: установка диалогового бота с ИИ на локальный компьютер LLM — это модели машинного обучения, способные создавать тексты на языке, близком к человеческому, и воспринимать промпты (запросы) естественным образом. Эти модели проходят обучение на обширных массивах данных, включающих книги, статьи, сайты и другие источники. Выявляя в предоставляемых данных статистические закономерности, LLM предсказывают наиболее вероятные слова и фразы, которые должны следовать за введенным текстом. LangChain — это фреймворк, находящийся в свободном доступе. Он помогает разработчикам создавать приложения на основе языковых моделей, в частности LLM. В данной статье мы рассмотрим пошаговый процесс создания с нуля личного помощника по работе с документами. Будем использовать LLaMA 7b и Langchain, библиотеку с открытым исходным кодом, специально разработанную для бесшовной интеграции с LLM. 📌 Читать @data_analysis_ml