Machinelearning

Avito Analytics meetup #12 — онлайн-ивент для аналитиков 🔥 Эксперты из AvitoTech и других крупных компаний разберут кейсы аналитической поддержки при создании нового продукта, расскажут как и зачем анализируют обратную связь о товарах в ритейле, а также о роли аналитики в построении пути пользователя на маркет-приложениях. Темы докладов: 👉 Аналитика нового продукта «под ключ»; 👉 Обратная связь в «Пятёрочке»: как работают с оценками товаров; 👉 Как построить путь пользователя (User flow). Встречаемся онлайн 6 марта в 18:00 по Москве. Регистрируйтесь по ссылке, и до встречи!

🔥 NVIDIA AI Foundation Models Вы можете тестировать модели с открытым исходным кодом, используя NVIDIAAI. Взаимодействуйте с новейшими современными API моделей ИИ, оптимизированными на базе ускоренных вычислений NVIDIA, прямо из браузера. Gemma 7B, Llama 2 70B, Kosmos-2, Mixtral 8x7B Instruct, Stable Diffusion XL и многое другое 🥳 https://catalog.ngc.nvidia.com/ai-foundation-models ai_machinelearning_big_data

SOTA🚀 YOLOv9: Learning What You Want to Learn Using Programmable Gradient Information 🎉 Вышел YOLOv9 🎉 Новый SOTA для обнаружения объектов в реальном времени. • Github • Paper • Hugging face ai_machinelearning_big_data

💫 Gemini великолепно анализирует входные данные и работает с ними. Gemini скормили видео с записью экрана по поиску квартиры на сайте Zillow. ИИ смог сгенерировать Selenium-код для этой задачи и пошагово описал все, что делал. Вот промпт для создания скрипта: "This code will open a Chrome browser, navigate to Zillow, enter "Cupertino, CA" in the search bar, click on the "For Rent" tab, set the price range to "Up to $3K", set the number of bedrooms to "2+", select the "Apartments/Condos/Co-ops" checkbox, click on the "Apply" button, wait for the results to load, print the results, and close the browser." Посмотрите видео! •Gemini •Gemma opensource на основе Gemini. ai_machinelearning_big_data

🔝 ByteDance presents SDXL-Lightning: a lightning fast 1024px text-to-image generation model SDXL-Lightning - это молниеносная генеративная модель преобразования текста в изображение. Она позволяет генерировать высококачественные изображения размером 1024px за несколько шагов. ▪HF: https://huggingface.co/ByteDance/SDXL-Lightning ai_machinelearning_big_data

Начните карьеру в ИТ с гранта на обучение до 100% в Центральном университете! Грант можно получить на одно из направлений бакалавриата по искусственному интеллекту, разработке и бизнес-аналитике. Помимо диплома и практико-ориентированного образования студенты получат: - Персонализацию учебной траектории; - Стажировку в одной из лучших ИТ-компании страны; - Личного ментора на все время обучения; - Доступ к современному кампусу в центре Москвы. Получить полную информацию и оставить заявку можно здесь. erid:2VtzqxTMfd3 Реклама. АО "Тинькофф Банк", ИНН 7710140679, лицензия ЦБ РФ № 2673

🦾 Learning to Learn Faster from Human Feedback with Language Model Predictive Control Новый фреймворк от Google DeepMind для, управленияя роботомами, с помощью ествественного языка. ▪proj: https://robot-teaching.github.io ▪paper: https://arxiv.org/abs/2402.11450 ▪code: https://colab.research.google.com/drive/1YcRN_kklw3cVVJNvgK_IEV6nDce9EJWK ai_machinelearning_big_data

Узнайте больше о том, как корпорации внедряют генеративный ИИ. 27 февраля MTS AI проводит вебинар, на котором расскажет о кейсах российских и зарубежных компаний по использованию больших языковых моделей, сложностях по внедрению этой технологии и способах их преодоления. Также вы узнаете о разработках и кейсах компании по автоматизации бизнес-процессов с помощью LLM. Участие бесплатное, зарегистрироваться можно по ссылке. Реклама. Информация о рекламодателе

🧮 OpenMathInstruct-1: A 1.8 Million Math Instruction Tuning Dataset OpenMathInstruct-1 - это новый синтетический датасет от NVIDIA для настройки математических моделей, содержащий 1,8 млн пар "задача-решение". > Используются обучающие датасеты GSM8K и MATH. > Для создания ланных используется Mixtral 8x7B. > Модель использует текстовые рассуждения + интерпретатор кода при генерации. > Выпущены LLama, CodeLlama, Mistral, Mixtral fine-tunes. > Лицензия Apache 2.0! Блестящая работа команды Nvidia AI - 2024 год станет годом синтетических данных и еще более мощных моделей! 🔥 ▪Dataset: https://huggingface.co/datasets/nvidia/OpenMathInstruct-1 ▪Paper: https://huggingface.co/papers/2402.10176 ai_machinelearning_big_data

🎮Как использовать ИИ в игровой индустрии? Расскажет Артем Голубин, Senior Data Scientist, преподаватель курса Reinforcement Learning в OTUS на открытом уроке.  Вместе с опытным экспертом вы разберете: - историю развития интеллектуальных агентов для настольных и компьютерных игр;  - подходы к созданию игровых ботов с помощью обучения с подкреплением; - как обучить модель эффективно управлять группой юнитов в одной из популярных игр. ⚡Занятие пройдёт 22 февраля в 20:00 мск и будет приурочено к старту курса «Reinforcement Learning».   👉Регистрируйтесь прямо сейчас, чтобы занять место на открытом уроке и получить запись. При поступлении в группу обучения возможны разные способы оплаты и рассрочка платежа erid: LjN8K3dmV

💃 MagicDance: Realistic Human Dance Video Generation with Motions & Facial Expressions Transfer MagicDance - новый эффективный подход к созданию реалистичных видео с движением человека. Инструмент позволяет передавать движения и выражения лица без файнтюнинга, обеспечивая высокое качество генерации🕺. ▪page: https://boese0601.github.io/magicdance/ ▪paper: https://arxiv.org/abs/2311.12052 ▪code: https://github.com/Boese0601/MagicDance ▪jupyter: https://github.com/camenduru/MagicDance-jupyter ai_machinelearning_big_data

OpenAI только что выпустила технический отчет Sora! Вот что вам нужно знать о лучшей архитектуре модели преобразования текста в видео. 𝟭. 𝗗𝗮𝘁𝗮 𝗥𝗲𝗽𝗿𝗲𝘀𝗲𝗻𝘁𝗮𝘁𝗶𝗼𝗻: Sora преобразует визуальные данные в пространственно-временные патчи (spacetime patches), подобно токенизации в больших языковых моделях (LLM). Это позволяет масштабировать обучение на разнообразном визуальном контенте. 𝟮. 𝗖𝗼𝗺𝗽𝗿𝗲𝘀𝘀𝗶𝗼𝗻 𝗮𝗻𝗱 𝗣𝗮𝘁𝗰𝗵 𝗘𝘅𝘁𝗿𝗮𝗰𝘁𝗶𝗼𝗻: Видео компрессор уменьшает визуальные данные до сжатого латентного пространства, а затем разбивает его на пространственно-временные патчи. Эти патчи являются строительными блоками для обучения и создания контента. 𝟯. 𝗧𝗿𝗮𝗻𝘀𝗳𝗼𝗿𝗺𝗲𝗿-𝗯𝗮𝘀𝗲𝗱 𝗟𝗲𝗮𝗿𝗻𝗶𝗻𝗴: Sora использует трансформеры для обработки пространственно-временных патчей, эффективно улавливая сложные паттерны и динамику генераций. Этот метод использует способность трансформеров обрабатывать большие наборы данных и различные зависимости. 𝟰. 𝗗𝗶𝗳𝗳𝘂𝘀𝗶𝗼𝗻 𝗣𝗿𝗼𝗰𝗲𝘀𝘀: Диффузия используеся для уточнения зашумленных входных данных в детальные видео. Предсказывая лучшие версии патчей с каждой итерацией, Sora генерирует высококачественные видео, руководствуясь текстовыми промптами. 𝟱. 𝗙𝗹𝗲𝘅𝗶𝗯𝗹𝗲 𝗢𝘂𝘁𝗽𝘂𝘁 𝗚𝗲𝗻𝗲𝗿𝗮𝘁𝗶𝗼𝗻: Благодаря патч-ориентированному подходу Sora генерирует видео различных размеров и форм. Она может настраивать выходной сигнал под конкретные разрешения, соотношения сторон и продолжительность, что делает ее очень адаптируемой. 𝟲. 𝗘𝗺𝗲𝗿𝗴𝗲𝗻𝘁 𝗖𝗮𝗽𝗮𝗯𝗶𝗹𝗶𝘁𝗶𝗲𝘀: Масштабные тренировки Sora привели к появлению свойств, необходимых для генерации качетсвенного 3D-контента и симуляция взаимодействий. https://openai.com/research/video-generation-models-as-world-simulators ai_machinelearning_big_data

✉️ Вам приглашение! Кому: талантливому Python-разработчику От кого: от Сбера Куда: на праздничный митап в честь 33-летия Python! Во вторник, 20 февраля, в московском офисе Сбера пройдёт Python Birthday Meetup с интересными докладами, профессиональным нетворкингом и приятными праздничными подарками. О чём поговорим: 🎈 Погрузимся в мир быстродействия Python и возможности распараллеливания вычислений, оптимизации кода и внедрения компонентов для вычисления на GPU. 🎈 Изучим кейсы использования Python при создании HDMap в беспилотной технологии и узнаем, как автоматизируется большое количество задач по оцифровке локаций в SberAutoTech. 🎈 Узнаем, с какими задачами и проблемами сталкивается разработчик при работе с GigaСhat, и как Python SDK GigaChain помогает их преодолевать. Скорее регистрируйтесь по ссылке, чтобы забронировать свой праздничный колпачок и кусочек торта!

⚡️ V-JEPA: The next step toward Yann LeCun’s vision of advanced machine intelligence (AMI) V-JEPA сегодня выпущен новый метод обучения машин пониманию и моделированию физического мира с помощью просмотра видео. Эта работа - еще один важный шаг на пути к к видению моделей ИИ, которые используют изученное понимание мира для планирования, рассуждения и выполнения сложных задач. Модели способны понимать и предсказывать, что происходит в видео, даже при ограниченном объеме информации. Они обучаются, предсказывая недостающие или непонятные части видео в своем внутреннем пространстве признаков. В отличие от генеративных подходов, которые заполняют недостающие пиксели, этот гибкий подход позволяет до 6 раз повысить эффективность обучения и выборки. Модели были предварительно обучены на полностью немаркированных данных. Результаты показывают, что, лучшие модели V-JEPA достигают 82,0 % на Kinetics-400, 72,2 % на Something-Something-v2 и 77,9 % на ImageNet1K. Эта работа является важной вехой на пути развития машинного интеллекта. ▪Github: https://github.com/facebookresearch/jepa ▪Paper: https://ai.meta.com/research/publications/revisiting-feature-prediction-for-learning-visual-representations-from-video/ ▪Blog: https://ai.meta.com/blog/v-jepa-yann-lecun-ai-model-video-joint-embedding-predictive-architecture/ ai_machinelearning_big_data

Дорогие коллеги, Сейчас наши друзья проводят исследование рынка разметки данных, чтобы понять потребности и задачи, с которыми они чаще всего встречаются. Для этого планируется интервью с DS инженерами или тим-лидами, которые размечают данные в компании силами собственных инженеров или разметчиков. Интервью займет не больше 15 минут, а после компания поделится результатами исследования со всеми, кто принимал участие в опросе. В благодарность для всех участников наши друзья получат эксклюзивный гайд "Автоматизация разметки данных" с закрытой конференции по AI и 1000 рублей на карту. Если вы хотите готовы дать интервью напишите @odinaev_djurahon

👨‍🦱 Awesome Face Recognition Огромный кураторский список материалов: обнаружение лиц; распознавание; идентификация; верификация; реконструкция; отслеживание; сверхразрешение и размытие; генерация и синтез лиц; замена лиц; защита от подделки; поиск по лицу. ▪Github ai_machinelearning_big_data

Если вы увлекаетесь Computer Science настолько, что хотите перейти от типовых кейсов к задачам со звёздочкой, советуем обратить внимание на образовательные программы под руководством экспертов-практиков. Такие форматы, насыщенные живым общением и возможностью поработать над реальными проектами, - лучший способ выйти на новый уровень. Начать можно с интенсивов. Например, в апреле Яндекс Образование проведёт бесплатный двухнедельный студкемп по машинному обучению на базе НИУ ВШЭ. Среди преподавателей эксперты из Школы анализа данных, Яндекса и ВШЭ. Программа кемпа направлена на насыщенную практическую работу и обмен опытом - отличная возможность добавить новый проект и сертификат в портфолио. На программе ждут студентов профильных направлений. Чтобы подать заявку, заполните анкету участника до 29 февраля. Всем, кто успешно пройдёт отбор, Яндекс Образование оплатит дорогу и проживание. Поторопитесь - количество мест ограничено.

⚡️ Magic-Me: Identity-Specific Video Customized Diffusion Новый фреймворк для создания видео с конкретным человеком. С помощью предварительно обученного ID-токена вы можете генерировать любые видеоклипы с заданным персонажем. В работе представлены ряд управляемых методов генерации и редактирования видео. ▪Github: https://github.com/Zhen-Dong/Magic-Me ▪Colab: https://colab.research.google.com/drive/1gMialn4nkGeDZ72yx1Wob1E1QBgrqeGa ▪Project: https://magic-me-webpage.github.io ▪Paper: arxiv.org/abs/2402.09368 ai_machinelearning_big_data

🔥 World Model on Million-Length Video And Language With RingAttention Новая модель для обработки видео и текста длиной в миллион символов с помощью RingAttention. В опенсорс выложены 7B-модели, которые способны обрабатывать длинные текстовые документы и видео длиной более 1 млн лексем. ▪Github: https://github.com/LargeWorldModel/LWM ▪Project: https://largeworldmodel.github.io ▪Paper: https://arxiv.org/abs/2402.08268 ai_machinelearning_big_data

🚨 Осторожно, утечки! Как сообщает DLBI, в 2022 году в сеть утекли данные 75% россиян. И это несмотря на то, что компании все больше совершенствуют системы защиты информации (используя разные классы решений, такие как DLP, DAM, DCAP и другие), а ответственность за ее хищение становится все строже. Positive Technologies предлагает специалистам по защите информации пройти опрос и рассказать, чего не хватает в существующих системах защиты данных и что, по вашему мнению, можно улучшить. Меньше слов, больше дела, опрос — по ссылке.