Data Science | Machinelearning [ru]

​​📊 Time Series Foundation Model by Google TimesFM — это предварительно обученная базовая модель временных рядов, разработанная Google Research для прогнозирования временных рядов. Модель демонстрирует впечатляющую производительность при zero-shot обучении на множестве бенчмарков. ▪️Github: https://github.com/google-research/timesfm ▪️Paper: https://arxiv.org/abs/2310.10688 ▪️Blog: https://research.google/blog/a-decoder-only-foundation-model-for-time-series-forecasting/ ▪️HF: https://huggingface.co/google/timesfm-1.0-200m @Devsp — Подписаться

Pytup в Нижнем Новгороде 1 июня Вас ждёт большая конференция по Python-разработке Pytup. В программе — выступления спикеров, новости языка, актуальные кейсы экспертов и, конечно, нетворкинг. Узнаете, как создать платформу для обработки данных в вашей IT-компании или микросервис обработки геометрических данных. А ещё послушаете крутые доклады, получите ответы на вопросы и пообщаетесь со спикерами и коллегами. Зарегистрироваться на Pytup! 💛

​​🔦 IC-Light: Imposing Consistent Light IC-Light — проект по управлению освещением изображений. Внутри два типа моделей: модель изменения освещения с из тектовых промптов и модель изменения подсветки фона изображений. ▪️Github: https://github.com/lllyasviel/IC-Light ▪️Jupyter: https://github.com/camenduru/IC-Light-jupyter ▪️Demo: https://huggingface.co/spaces/lllyasviel/IC-Light @Devsp — Подписаться

​​🔦 IC-Light: Imposing Consistent Light IC-Light — проект по управлению освещением изображений. Внутри два типа моделей: модель изменения освещения с из тектовых промптов и модель изменения подсветки фона изображений. ▪️Github: https://github.com/lllyasviel/IC-Light ▪️Jupyter: https://github.com/camenduru/IC-Light-jupyter ▪️Demo: https://huggingface.co/spaces/lllyasviel/IC-Light @Devsp — Подписаться

​​⚡️ Deblur-GS: 3D Gaussian Splatting from Camera Motion Blurred Images Новый метод Deblur-GS на основе Гауссовских сплатов для качественного восстановления размытой картинки. Deblur-GS неизменно обеспечивает превосходную производительность и качество рендеринга по сравнению с предыдущими методами, о чем свидетельствуют оценки, проведенные как на синтетических, так и на реальных наборах данных. ▪️Code: https://github.com/Chaphlagical/Deblur-GS ▪️Paper: https://chaphlagical.icu/Deblur-GS/static/paper/Deblur_GS_author_version.pdf ▪️Project: https://chaphlagical.icu/Deblur-GS/ @Devsp — Подписаться

​​⚡️ Deblur-GS: 3D Gaussian Splatting from Camera Motion Blurred Images Новый метод Deblur-GS на основе Гауссовских сплатов для качественного восстановления размытой картинки. Deblur-GS неизменно обеспечивает превосходную производительность и качество рендеринга по сравнению с предыдущими методами, о чем свидетельствуют оценки, проведенные как на синтетических, так и на реальных наборах данных. ▪️Code: https://github.com/Chaphlagical/Deblur-GS ▪️Paper: https://chaphlagical.icu/Deblur-GS/static/paper/Deblur_GS_author_version.pdf ▪️Project: https://chaphlagical.icu/Deblur-GS/ @Devsp — Подписаться

😂Бывает) @Devsp — Подписаться

​​🌟 Introduction to Granite Code Models IBM выпустили Granite Code Models: семейство моделей Open Foundation для интеллектуального анализа и генерации кода. Модели Granite Code Base обучаются на токенах 3–4T кодовых данных и наборах данных естественного языка, связанных с кодом. Данные токенизируются посредством кодирования пар байтов (BPE) с использованием того же токенизатора, что и StarCoder. Модели отлично справляются с задачами генерации кода, исправления багов объяснения кода, генерации документации к кода. ▪Github: https://github.com/ibm-granite/granite-code-models ▪Paper: https://arxiv.org/abs/2405.04324 ▪HF: https://huggingface.co/collections/ibm-granite/granite-code-models-6624c5cec322e4c148c8b330 @Devsp — Подписаться

🔥 Хотите эффективно обеспечивать версионирование данных и моделей? Освойте систему DVC на открытом практическом уроке от OTUS. Спикер Игорь Стурейко — PhD Physical and Mathematical Sciences и опытный руководитель команд. 💻 На вебинаре вы: - научитесь настраивать в git репозитории DVC и хранить артефакты на S3; - переключаться между версиями артефактов и загружать их во внешнее хранилище; - создавать воспроизводимые конвейеры обучения моделей с помощью DVC Pipelines. Встречаемся 14 мая в 20:00 мск в преддверии старта курса «MLOps». ⚡️ Пройдите короткий тест прямо сейчас, чтобы посетить бесплатный урок: https://otus.pw/Yn0U/ Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576, www.otus.ru

​​🔉 AudioSeal is the state of art audio watermarking model AudioSeal - метод локализации речевых водяных знаков, обладающий высочайшей надежностью и скоростью обнаружения. Он совместно обучает генератор, который встраивает водяной знак в аудио, и детектор, который обнаруживает фрагменты с водяными знаками в более длинных аудиофайлах, даже при наличии редактирования. Audioseal оснащен быстрым однопроходным детектором, который значительно превосходит по скорости существующие модели: обнаружение происходит на два порядка быстрее, что делает его идеальным для крупномасштабных приложений, работающих в режиме реального времени. ▪Github: https://github.com/facebookresearch/audioseal ▪Paper: https://arxiv.org/abs/2401.17264 ▪Colab: https://colab.research.google.com/github/facebookresearch/audioseal/blob/master/examples/colab.ipynb ▪HF: https://huggingface.co/facebook/audioseal @Devsp — Подписаться