Machine Learning | Нейронные сети, ИИ, Big Data

🧠 Решение крупномасштабных задач машинного обучения на Python В настоящее время xLearn поддерживает три алгоритма машинного обучения. Рассмотрим каждый из них в отдельности. Machine Learning

Обучишься Excel — станешь аналитиком 📌 Полезные приёмы, гайды, лайфхаки эксель и аналитики данных для начинающих на канале @ba_sa_analytics. Подписывайся и становись аналитиком: @ba_sa_analytics

⚡️ Что такое «Action Recognition» ? Среди всего многообразия задач Computer Vision есть одна, которая стоит особняком. К ней обычно стараются лишний раз не притрагиваться. И, если не дай бог работает, — не ворошить. У неё нет общего решения. Практически для каждого применения существующие алгоритмы надо тюнинговать, переобучать, или судорожно копаться в куче матриц и дебрях логики. В этой статье автор сделал обзор современных методов распознавания действий. От самых простых и удобных, до самых сложных. Расскажу в каких ситуациях, что использовать, и расскажу как это применяют в некоторых проектах. Machine Learning

YandexGPT 4: что умеет новая линейка нейросетей Яндекса? Более мощная YandexGPT 4 Pro и облегченная YandexGPT 4 Lite уже доступны на сайте Yandex Cloud. Модель Pro в 70% случаев лучше своей прошлой версии справляется с запросами. А благодаря увеличенной обработке до 32 тысяч токенов модели лучше работают с длинными запросами и внешними источниками в RAG-сценариях, а еще анализируют большие объемы данных. Про обучение YandexGPT 4 и ее отличия от предыдущих версий разработчики рассказали в статье на Хабре. Machine Learning

Приложения ИИ в здравоохранении В последнее время в области ИИ произошло множество изменений, и ситуация меняется каждый день. ИИ начал распространяться практически во всех отраслях, включая здравоохранение и продление жизни. Machine Learning

Яндекс продлевает Квалификацию на международный чемпионат по программированию Yandex Cup 2024 для ML-направления. Призовой фонд — 12,5 млн рублей! В этом году участники погрузятся в древние эпохи и попробуют решить задачи цивилизаций прошлого с помощью IT. На картинках — примеры таких ситуаций: настроить систему разгрузки драккаров в порту викингов, помочь композитору в создании алгоритма для написания музыки, придумать систему архивации табличек астрономов династии Хань или придумать систему регулировки в средневековой Венеции. Не упускай шанс показать свой скилл — подать заявку на направление по машинному обучению можно до 4 ноября на сайте чемпионата.

🤔 ML.NET: можно ли доверять машинному обучению Microsoft? В 2018 году Microsoft разработали ML NET – фреймворк машинного обучения для .NET разработчиков. За прошедшее время эта библиотека претерпела существенные изменения и обзавелась новыми функциями для выявления закономерностей в данных. Посмотрим, как это отразилось на качестве её исходного кода. Machine Learning

Хочешь разбираться в Linux? Для тебя уже всё сделали. 🐧 Канал Секреты Сисадмина делится полезными инструментами, приёмами и лайфхаками системного администрирования, DevOps и Linux. Подписывайтесь и прокачивайте свои навыки: @sysadmin_library

🍎 О точности вычислений: как не потерять данные в цифровом шуме По мере того, как сложность возрастает, точные утверждения теряют значимость, а значимые утверждения теряют точность. Machine Learning

🗣«Люди в RPA» — это не просто митап, а площадка для обсуждения актуальных проблем и возможностей в роботизации процессов. X5 Tech и Газпромбанк.Тех меняют парадигму конференций по роботизации — время отойти от обычного обсуждения преимуществ роботизации перед другими подходами и сосредоточить внимание на тех, кто сегодня задает вектор развития этого направления. Целевая аудитория — разработчики RPA, у которых в фокусе внимания реальные вопросы развития технологии: 🫥 Управление командами роботизации — чем отличается организация RPA-разработки от других продуктовых команд; 🫥 Citizen-разработка — разработка RPA-решений силами линейных сотрудников: коллеги поделятся опытом и успехами такого подхода, обсудят риски и перспективы развития; 🫥 Развитие отечественных платформ роботизации — представители ведущих платформ поделятся своим видением текущей ситуации и расскажут, как они адаптируют свои решения под требования разработчиков; 🫥 Квалификационный стандарт RPA — тимлиды RPA вместе обсудят, какими навыками должен обладать сотрудник в начале пути и к каким вершинам должен стремиться в профессиональном росте. 28 октября проведем дискуссию, которая станет началом детального обсуждения поднятых вопросов с пользой для сообщества разработчиков RPA. ⚡️ Увидимся в офисе Газпромбанк.Тех по адресу: Москва, ул. Коровий Вал, 5, БЦ «Оазис» 28 октября Сбор участников офлайн с 13:00 Начало трансляции онлайн в 14:00 ✅ Зарегистрироваться на митап «Люди в RPA» Реклама, Банк ГПБ (АО), ИНН: 7744001497, erid: 2Vtzqwov61Z

Деревья решений в pySpark: от семечка до параметрической оптимизации случайного леса В этом материале расскажем о простом для понимания, но в то же время достаточно эффективном алгоритме — дереве решений, а также его расширенной модификацией — случайных лесах решений, и их реализации с помощью PySpark MLib. Machine Learning

Java + QA + ML = IT Talk by Sber в Рязани!⚡️ 24 октября поговорим об особенностях работы с Apache Kafka, генерации Unit тестов с помощью AI ассистента и поделимся опытом использования LLM GigaChat при написании SQL-запросов. Спикеры и темы: ✅ Артем Симешин – «Проверяем генерацию Unit тестов с AI ассистентом через мутационное тестирование» ✅ Вадим Сурпин и Семён Горохов (RnD) – «Наш опыт использования LLM GigaChat для написания SQL-запросов к базам данных, которые отвечают на вопрос пользователя. Рассмотрим, как вопросы дообучения модели, так и prompt tuning» ✅ Виталий Куценко – «Рассмотрим неочевидные особенности применения Apache Kafka, погрузимся в архитектурную идеологию Kafka и поймем, почему не все привычные шаблоны работают как ожидается». А еще вас ждет много нетворкинга и «умные» призы, обязательно регистрируйтесь!💚

🌃 Платформа для анализа данных за вечер В статье рассказываем, как всего за час (или почти) подготовить облачное окружение, создать свою небольшую платформу для анализа данных и спарсить весь Hugging Face. Machine Learning

В IT, как и в жизни, не всегда получается с первого раза Но лучше учиться у профессионалов, чем смотреть кучу бесполезных видео на YouTube IT-минималист — место, где вы найдете все, что нужно для успешного старта в IT: — Бесплатная база знаний — Проверка домашних заданий — Преподаватели — действующие Senior Data Analyst и магистры ФизТеха По делу, без воды и для любого уровня. Подпишись: @it_minimal

Анализ и моделирование футбольных результатов английской Премьер-лиги с использованием методов машинного обучения Внедрение искусственного интеллекта дало нам возможность создавать системы прогнозирования с беспрецедентной точностью. Машинное обучение так или иначе используется практически во всех областях благодаря своей исключительной эффективности. Одной из таких областей, где прогностические системы приобрели большую популярность, является прогнозирование результатов футбольных матчей. Machine Learning

Какая ошибка при использовании метрик – самая опасная ? Когда мы «молимся» на одни показатели, но игнорируем другие: те, которые не укладываются в нашу картину успеха. Такой перекос опасен для компании: будут страдать и сотрудники, и результаты их работы. Хотите узнать, как пользоваться метриками, чтобы улучшать процессы, а не просто давить на команду? Приходите на открытый вебинар «Метрики для оценки работы и производительности команды» Будет интересно: менеджерам в IT, scrum-мастерам, agile-тренерам, руководителям и тимлидам в отделах разработки. Вы научитесь: - усовершенствовать оценку производительности команд - оптимизировать процессы разработки - внедрять и развивать метрики в agile и scrum-командах - соблюдать баланс метрик - повышать производительность не в ущерб качеству Спикер: Ирина Метансина – проект-менеджер, agile-практик, бизнес-аналитик с 10-летним опытом в проектном управлении. 17 октября, 19:00 МСК, Бесплатно Записаться на событие - https://otus.pw/uWUM/?erid=LjN8K5QX6 Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ". ИНН 9705100963.

Как создать свою первую модель машинного обучения на Python В этой статье вы узнаете, как создать свою первую модель машинного обучения на Python. В частности, вы будете строить регрессионные модели, используя традиционную линейную регрессию, а также другие алгоритмы машинного обучения. Machine Learning

🤔 Специалисты разобрали работу Self-Rewarding Language Models NLP-инженеры Яндекса опубликовали в своем канале обзор языковой модели, которая сама создает инструкции, генерирует ответы и оценивает их качество. Они рассказали, чем ее обучение отличается от традиционных подходов и какие результаты в тестах она показала. Machine Learning

Многоклассовая и многозадачная классификация Для того чтобы правильно понять их значимость, давайте разберемся, в чем заключается необходимость в этих двух подходах. Machine Learning

NLP Researchers, отметьте в календаре 26 октября🌟 Всего за один день вы сможете пройти все этапы отбора, познакомиться с командой GigaCode и получить оффер. Мы создаем AI ассистента разработчика – GigaCode. Наши модели помогают писать 80к строк кода ежедневно! Решаем задачи по различным подходам в NLP и PLP, проводим ресёрч-эксперименты и обучаем новые SOTA LLM. В работе используем: NLP, DL, ML, Python, Pytorch, Transformers, FSDP, Deepspeed. Чем предстоит заниматься? ✅ реализовывать дизайн экспериментов, формулировать гипотезы для улучшения NLP/PLP моделей и алгоритмов, планировать исследовательские эксперименты с выводами. ✅ проводить эксперименты, писать код, подготавливать датасеты и бенчмарки, проводить замеры и анализ результатов. ✅ обучать модели на кластере, включая обучение моделей с нуля и дообучение опенсорс моделей. Если вы амбициозны и готовы к новым вызовам в PLP и/или NLP направлениях, регистрируйтесь на One Day Offer! Будем делать важнейшие исследования вместе!💚