Математика Дата саентиста

Авито ищет опытных специалистов в Data Science Если вы готовы решать реальные задачи с помощью ML-моделей полного цикла,, то это точно ваш шанс. В команде Авито вы сможете строить точные прогнозы, оптимизировать процессы и создавать инструменты, которые влияют на миллионы пользователей. Присоединяйтесь к сильному комьюнити дата-сайентистов всего в три шага: 1. Подайте заявку до 1 октября 2. Решите тест 3. Пройдите интервью 5-6 октября Откликайтесь и забирайте оффер!

Новостной дайджест ✔️ Cloudflare позволит сайтам взимать плату с AI-ботов за скрапинг. В следующем году Cloudflare планирует запустить торговую площадку, на которой владельцы веб-сайтов смогут продавать разработчикам моделей ИИ доступ к своему контенту для обучения. Это решение является частью стратегии компании, направленной на предоставление владельцам сайтов большего контроля над ИИ-ботами. Новая торговая площадка предложит различные варианты оплаты: от фиксированной платы до модели, основанной на количестве запросов. Многие разработчики ИИ используют контент небольших веб-сайтов без соответствующей компенсации, что негативно отражается на бизнес-моделях этих сайтов, а также приводит к увеличению нагрузки на серверы и росту расходов. techcrunch.com ✔️ AnySkin - универсальный сменный тактильный датчик для роботов. AnySkin - это новый сенсорный датчик для роботов, который легко собирается, совместим с различными манипуляторами и может быть использован на разных типах поверхностей. Датчик работает за счет измерения искажений магнитного поля, создаваемого намагниченными железными частицами на сенсорной поверхности. Благодаря гибкой и легко заменяемой конструкции AnySkin решает проблему долговечности и универсальности, которая долгое время препятствовала развитию эффективных тактильных сенсоров для роботов. any-skin.github.io ✔️ В Китае открылась первая в мире больница с AI - врачами. «Agent Hospital» - детище Tsinghua University открылся в Пекине. В клинике "работают" 14 ИИ-врачей и 4 виртуальные медсестры. Agent Hospital может обслуживать 10 000 пациентов всего за несколько дней, в то время как у врачей-людей на это ушло бы до двух лет. Интеграция ИИ в медицинское обслуживание должна повысить доступность, скорость и оперативность реагирования на потребности пациентов. С ростом спроса на медицинские услуги и увеличением нагрузки на медицинских работников, решения по типу такой клиники может снизить нагрузку на врачей и медсестер, предоставляя при этом быстрый и точный уход за пациентами. thedailycpec.com ✔️ Intel Gaudi 3 выйдет на следующей неделе. Intel готовится выпустить на следующей неделе свой новый ИИ-ускоритель Gaudi 3, который, по заявлению компании, превосходит по энергоэффективности своего предшественника более чем в два раза и способен запускать ИИ-модели в 1,5 раза быстрее, чем GPU Nvidia H100. Ускоритель был протестирован на Llama от Meta и Falcon от TII, и продемонстрировал способность эффективно обучать и развертывать языковые и мультимодальные модели. В 2025 году Intel планирует выпустить Falcon Shores – преемника Gaudi 3, который объединит ИИ-возможности Gaudi с мощными GPU Intel в одном корпусе. analyticsindiamag.com ✔️ В Калифорнии принят закон, защищающий наследие умерших артистов. Сенат Калифорнии принял законопроект №1836, который запрещает использование "цифровых копий" умерших артистов без согласия их наследников. Закон распространяется на фильмы, телепередачи, видеоигры, аудиокниги, звукозаписи и другие медиа. Эта инициатива стала результатом протестов профсоюза актеров SAG-AFTRA против использования ИИ без контроля со стороны артистов. Закон определяет «цифровую копию» как созданное компьютером, очень реалистичное электронное медиа, которое легко идентифицируется как голос или образ человека. Новая правовая мера направлена на то, чтобы помочь наследникам умерших артистов контролировать использование их наследия. Ожидается, что закон в ближайшее время подпишет губернатор Гэвин Ньюсом. miamarket.it @ai_machinelearning_big_data #news #ai #ml

Освойте аналитику данных, обучаясь на кейсах из реального бизнеса *️⃣ Вы будете не просто изучать аналитику — вы будете решать рабочие задачи, что равноценно прохождению стажировки начинающим аналитиком. 👆Подбираем персональный трек обучения под ваши задачи — устроиться в крупную IT-компанию или релоцироваться. А также помогаем с прохождением собеседований. 👆87% учеников за 2 месяца находят работу. Наши выпускники работают в Тинькофф, Авито, Яндекс, Skyeng, Магнит, Сбер, Ozon, Альфабанк и др. компаниях. По итогам курса вы сформируете собственное портфолио. Такого не будет ни у кого больше. Уникальное оформление, максимально прикладные задачи из разных сфер бизнеса. Их невозможно сгуглить или найти разбор на Хабре. Обучайтесь в комфортном темпе: доступ к материалам останется у вас навсегда. Вы еще успеваете начать обучение с текущим потоком🔥 Оставляйте заявку на сайте и получите 10% скидку по промокоду MATH

⚡️ internlm2-math-7b: Модель для решения математических задач, InternLM-Math, продемонстрировала гораздо большую эффективность по сравнению с ChatGPT при выполнении задач по математике. Эта нейросеть умеет находить решения самых сложных уравнений, подробно объясняя ход своих рассуждений, и даже может доказывать теоремы с обоснованием. Однако важно отметить, что она работает только на английском языке. Для получения дополнительной информации перейдите по ссылке. Ссылка.

Как применять нейросети в обучении с подкреплением? Расскажет Игорь Стурейко, преподаватель курса Reinforcement Learning в OTUS на открытом уроке.  ✅Вместе с опытным экспертом вы: - разберете ситуацию, в которой использование классических методов обучения с подкреплением не дают результатов;  - поймете почему необходимо использовать нейросети; - узнаете как адаптировать классический алгоритм Q-learning для использования нейросетей. ⚡Занятие пройдёт 26 сентября в 20:00 мск и будет приурочено к старту курса «Reinforcement Learning».  👉Регистрация https://otus.pw/v7CB/?erid=LjN8JvJ5V Обучение на курсе позволит применять алгоритмы RL для решения разнообразных задач в реальном мире, включая игровую индустрию, робототехнику, управление энергетическими системами и управление финансовым портфелем. При поступлении в группу возможны разные способы оплаты и рассрочка платежа.

⚡️ Qwen2.5 Family: Релиз Qwen2.5, Qwen2.5-Coder и Qwen2.5-Math. Команда разработки Qwen (Alibaba Group) опубликовала большой релиз нового поколения моделей - Qwen2.5, специализированные модели: Qwen2.5-Coder, Qwen2.5-Math, их инструктивные и квантованные версии, анонсированы закрытые Qwen-Plus и Qwen-Turbo. Вместе с релизом нового поколения 2.5 в отрытый доступ опубликована Qwen2-VL-72B-Instruct предыдущего поколения. ▶️ Qwen2.5 В дополнение к традиционным вариантам с 0,5-1,5-7-72 млрд параметров, Qwen2.5 предлагает две новые модели среднего размера 14 млрд и 32 млрд параметров и компактную модель 3 млрд параметров. Qwen2.5 обучались на увеличенном и улучшенном наборе данных размером в 18 трлн токенов. Значительно расширены знания моделей: возможности в области программирования, усовершенствованы математические способности Qwen2.5, повышено соответствие ответов модели предпочтениям человека: следование инструкциям, генерация длинных текстов (до 8 тыс. токенов), понимание структурированных данных и генерация структурированных выводов (в частности, JSON). Список моделей: 🟢Qwen2.5: 0.5B, 1.5B, 3B, 7B, 14B, 32B, 72B; 🟢Qwen2.5-Instruct: 0.5B, 1.5B, 3B, 7B, 14B, 32B, 72B; 🟢Qwen2.5-Instruct: все варианты в форматах GPTQ, AWQ, GGUF. В дополнение к этим моделям открыт доступ по API для флагманских моделей: Qwen-Plus и Qwen-Turbo через Model Studio. ▶️ Qwen2.5 Coder Qwen2.5-Coder доступна в трех размерах: 1,5 млрд, 7 млрд и 32 млрд параметров (последняя появится в ближайшее время). Обновление состоит из двух основных улучшений: больше объем обучающих данных и расширение возможностей программирования в общих задачах и в математике. Модели обучались на массиве данных объемом 5,5 триллиона токенов, включающем исходный код, данные для сопоставления текста и кода и синтетические данные. Qwen2.5-Coder поддерживает до 128 тысяч токенов контекста, знает 92 языка программирования и выполняет операции по генерации кода, автодополнению и исправлению кода. Qwen2.5-Coder-Instruct имеет способность к обобщению, знает более 40 языков программирования, справляется с задачами, связанными с логическим мышлением в коде, и показывает высокие результаты в задачах, связанных с математическим мышлением. Список моделей: 🟠Qwen2.5-Coder: 1.5B, 7B; 🟠Qwen2.5-Coder-Instruct: 1.5B, 7B; 🟠Qwen2.5-Coder-Instruct в формате GGUF: 1.5B, 7B. ▶️ Qwen2.5 Math Qwen2.5-Math обучались на корпусе математических данных Qwen Math Corpus v2, который содержит более 1 трлн. токенов. Помимо базовых моделей, серия Qwen2.5-Math включает в себя инструктивные модели: Qwen2.5-Math-Instruct и модель математического вознаграждения, Qwen2.5-Math-RM-72B. Qwen2.5-Math-Instruct обучалась с использованием данных CoT и TIR на китайском и английском языках, а также данных SFT, созданных с использованием Qwen2.5-Math-RM-72B. Список моделей: 🟠Qwen2.5-Math: 1.5B, 7B, 72B, RM-72B; 🟠Qwen2.5-Math-Instruct: 1.5B, 7B, 72B. ▶️ Вместе с релизом Qwen2.5, опубликована Qwen2-VL-72B-Instruct и ее квантованные Int8 и Int4 версии в форматах GPTQ, AWQ. 📌Лицензирование: 🟢Apache 2.0 для всех base и instruct моделей, кроме 3B и 72B. 🟠Qwen2.5-3B - Qwen Research License. 🟠Qwen2.5-72B и Qwen2.5-Math-72B - Qwen License. 🟡Страница проекта 🟡Коллекция моделей на HF 🟡Demo Qwen2.5-Instruct-72B 🟡Demo Qwen2.5-Coder-Instruct-7B 🟡Demo Qwen2.5-Math 🟡Сообщество в Discord 🖥Github @ai_machinelearning_big_data #AI #ML #LLM #Qwen

Как быстро обработать большой объем данных и ничего не потерять? Расскажем на бесплатном вебинаре «Больше чем Pandas: библиотеки подготовки данных для ML-моделей». Разберём: ➡️ на что стоит обратить внимание для эффективной работы с данными; ➡️ форматы работы с данными и их особенности; ➡️ фреймворки: pandas, swifter, polars, dask и cudf. ⚡️Спикер: Владимир Бугаевский, Team Lead Поиска в Купере Бонус: демонстрационные jupyter-ноутбуки ⭐️ Когда вебинар: 24 сентября в 19:00 ⭐️ Занять место на вебинаре — через бота Реклама ООО «Слёрм» ИНН 3652901451

💡 Wolfram Alpha - крутой сервис для решения сложных задач по алгебре, физике, химии или математике. У сервиса внутри огромная база данных, за счет чего инструмент выполняет сложнейшие расчёты. Для получения ответа вам следует вписать в строку поиска нужное выражение или вопрос на английском. Попробовать можно здесь. @data_math

Трамплин в карьере для системных аналитиков 🚀 Есть опыт работы от года и желание развиваться в профессии? Приходи на онлайн-интенсив в Открытые школы Т1! 🎓Открытые школы — это карьерная программа для начинающих специалистов, которая объединяет месяц бесплатного онлайн-обучения и последующее трудоустройство в ИТ-Холдинг Т1. Без отрыва от основной деятельности ты прокачаешь скилы, познакомишься с командой крупнейшей ИТ-компании страны по версии RAEX и CNews Analytics 2023🔝и подготовишься к интервью вместе с HR. Зачем участвовать? 🔹Быстрый рост в ИТ при экспертной поддержке. Карьерные треки для выпускников Открытых школ позволяют быстрее вырасти в мидла в Т1. 🔹Работа в бигтехе, где есть ДМС, удалёнка и крутые офисы, спорт и обучение, митапы, программы развития и др. ⌛️ Быстрое обучение: 1 месяц. 💻 Гибкий формат: все этапы онлайн, занятия по вечерам. Перезапусти карьеру, подавай заявку до 13 сентября! Старт 16 сентября. Реклама. ООО "Т1". ИНН 7720484492.

🌟 VEnhancer: Генеративное улучшение синтезированного видео. VEnhancer - генеративная система апсемлинга пространственно-временных характеристик, которая улучшает результаты существующих методов преобразования текста в видео путем добавления большего количества деталей в пространственной области и синтетического детализированного движения во временной области. Он гибко адаптируется к различным коэффициентам апсемплинга в диапазоне 1x~8x. VEnhancer устраняет артефакты и коллизии движения сгенерированных видео, используя диффузионную модель и дообученные модели ControlNet. Несколько дней назад VEnhancer получил обновление: 🟢Поддержка длинных видео (путем разбиения видео на несколько фрагментов с перекрытиями); 🟢Быстрая выборка с 15 шагами без потери качества (путем установки --solver_mode 'fast' в команде скрипта); 🟢Использование временного VAE для уменьшения мерцания. Эксперименты, проведенные во время разработки показывают, что VEnhancer превосходит существующие методы апсемплинга видео и современные методы улучшения синтезированных видео. ⚠️ Для обработки видео в 2K разрешении при fps=>24 требуется около 80 GB VRAM. Использование VEnhancer возможно через CLI, с помощью GradioUI и в виде неофициальной ноды (WIP) для ComfyUI. ▶️Установка:

# Clone repo
git clone https://github.com/Vchitect/VEnhancer.git
cd VEnhancer

# Create environment
conda create -n venhancer python=3.10
conda activate venhancer

# Install requirments:
pip install torch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2
pip install -r requirements.txt

▶️Установка пакета ffmpeg:

sudo apt-get update && apt-get install ffmpeg libsm6 libxext6  -y

▶️Инференс с помощью CLI:

bash run_VEnhancer.sh

▶️Инференс с помощью GradioUI:

python gradio_app.py

🟡Страница проекта 🟡Arxiv 🟡Модель 🟡Demo Video 🖥Github [ Stars: 224 | Issues: 8 | Forks: 13] @ai_machinelearning_big_data #AI #Text2Video #VEnchancer #ML

Станьте AI-разработчиком на Python и зарабатывайте от 150.000₽ в месяц 🔥🔥🔥 Мы научим вас создавать и тренировать нейронные сети, и вы сможете: 1️⃣ Устроиться разработчиком в крупную компанию и зарабатывать от 150 тыс. ₽ в месяц 2️⃣ Разрабатывать такие проекты на заказ и зарабатывать от 500 тыс. ₽ за проект 3️⃣ Создать нейро-сотрудника в вашей компании и вырасти на +30-100% в зарплате На интенсиве будет много практики: создадим 9 нейросетей за 1 вечер: 🧬 Оценка выброса CO2 по параметрам машины 🧬 Сегментация изображения для робота доставщика 🧬 Трекинг людей на видео 🧬 Распознавание речи и другие Ведущий интенсива - Senior AI-разработчик и основатель Университета искусственного интеллекта 🔥 Регистрируйтесь на бесплатный интенсив! Встречаемся в ближайшую среду. Вы узнаете, как освоить самую востребованную профессию!

1

📚 Бесплатная электронная книга: The Fourier Transform, 2024. Погружение в преобразование Фурье. Приятный стиль изложения книги и множество наглядных диаграмм. Внутри практика в виде задач, написанных на Python и MATLAB. ▪Book @ai_machinelearning_big_data

Фракталы на python 1. Кривая Коха и снежинка Коха 2. Рисуем кривую Коха и снежинку Коха 3. Простая L-система на плоскости 4. L-система для дракона Хартера-Хайтвея, ковра Серпинского и кривой Гильберта 5. L-система с ветвлениями. Рисуем деревья и травы 6. Добавляем параметры в L-систему 7. Добавляем случайности в L-систему 8. Добавляем цвет в L-систему 9. Как вычисляется фрактальная размерность по Хаусдорфу #video #python https://www.youtube.com/watch?v=rUC-wPuRSOU&list=PLA0M1Bcd0w8ylFC3tve_AVXEttPBmKDqw @data_math

⚡12 сентября в 20.00 мск приглашаем на открытый урок курса Reinforcement Learning, где разберем продвинутые подходы к обучению нейросетей и узнаем как технологично разрабатываются чат-боты и контекстный поиск на примере кейсов open ai. 🎓Во время эфира рассмотрим: - ключевые подходы обучения с подкреплением для нейросетей;  - кейсы современных RL архитектур для контекстных поисковых приложений и чат- ботов; - практический пример решения задачи контекстного поиска. 👉Регистрация https://otus.pw/pZWZ/?erid=LjN8KSVpb Обучение на курсе позволит применять алгоритмы RL для решения разнообразных задач в реальном мире, включая игровую индустрию, робототехнику, управление энергетическими системами и управление финансовым портфелем. При поступлении в группу возможны разные способы оплаты и рассрочка платежа.

⚡️ Один из лучших сервисов для кодинга CursorAI — мощная платформа, насыщенная множеством нейронных сетей, разработанных специально для IT-специалистов. Здесь можно исправлять баги, генерировать код в один клик и наслаждаться упрощённым процессом работы: cursor.com. @data_math

⚡️Легкий способ получать свежие обновления и следить за трендами в разработке на вашем языке. Находите свой стек и подписывайтесь: МАШИННОЕ ОБУЧЕНИЕ: t.me/ai_machinelearning_big_data C++ t.me/cpluspluc Python: t.me/pro_python_code Хакинг: t.me/linuxkalii Devops: t.me/devOPSitsec АНАЛИЗ Данных: t.me/data_analysis_ml Javascript: t.me/javascriptv C#: t.me/csharp_ci Java: t.me/javatg Базы данных: t.me/sqlhub Linux: t.me/linuxacademiya Python собеседования: t.me/python_job_interview Мобильная разработка: t.me/mobdevelop Docker: t.me/DevopsDocker Golang: t.me/golang_interview React: t.me/react_tg Rust: t.me/rust_code PHP: t.me/phpshka Android: t.me/android_its Frontend: t.me/front Big Data: t.me/bigdatai Собеседования МЛ: t.me/machinelearning_interview МАТЕМАТИКА: t.me/data_math Kubernets: t.me/kubernetc 💼 Папка с вакансиями: t.me/addlist/_zyy_jQ_QUsyM2Vi Папка Go разработчика: t.me/addlist/MUtJEeJSxeY2YTFi Папка Python разработчика: t.me/addlist/eEPya-HF6mkxMGIy Папка ML: https://t.me/addlist/2Ls-snqEeytkMDgy Папка FRONTEND: https://t.me/addlist/mzMMG3RPZhY2M2Iy 😆ИТ-Мемы: t.me/memes_prog 🇬🇧Английский: t.me/english_forprogrammers 🧠ИИ: t.me/vistehno 🎓954ГБ ОПЕНСОРС КУРСОВ: @courses 📕Ит-книги бесплатно: https://t.me/addlist/BkskQciUW_FhNjEy

⭐️ 10-страничный PDF-файл охватывает вводный курс теории вероятности Лучшая и единственная #шпаргалка по теории вероятности для изучающих тервер⭐️: https://github.com/wzchen/probability_cheatsheet

Вебинар «Как начать карьеру в Data Science и получить первый оффер?» от НИУ ВШЭ Начать карьеру в Data Science — задача не из легких, особенно если вы решили сменить направление деятельности. Обучение Data Science активно развивается, специалистов становится больше, и поиск первой работы может показаться сложной задачей. Вакансии закрываются, а требования работодателей продолжают расти. Центр непрерывного образования факультета компьютерных наук приглашает на бесплатный вебинар, посвященный старту карьеры в качестве специалиста по Data Science и получению первого оффера. Вы узнаете: ➖➖➖➖ ▫️Как начать карьеру в Data Science ▫️Какие ресурсы лучше использовать для поиска вакансий ▫️Какие этапы собеседований ждут кандидатов на DS-позиции ▫️Как организовать процесс подготовки к техническим интервью ▫️Как выстраивать свой карьерный трек ▫️Спикер: Элен Теванян — руководитель по машинному обучению в операциях Купера (ex-Сбермаркет), нанимающий менеджер и академический руководитель программы «Специалист по Data Science» Центра непрерывного образования. ▫️Когда: 3 сентября, 18:30 Регистрация на вебинар Реклама: Федеральное государственное автономное образовательное учреждение высшего образования «Национальный исследовательский университет «Высшая школа экономики». Erid:2SDnje3oozr

🌟 Автоматическое проектирование агентов LLM Развитие базовых языковых и иснтруктивных моделей , таких как GPT и Claude, дал возможность создания агентов общего назначения, способных к гибкому рассуждению и планированию. Но разработка этих агентов часто требует ручной настройки и значительных усилий со стороны инженеров и ресерчеров. Для упрощения процесса проектирования агентов появилось новое направление исследований — автоматизированное проектирование агентных систем (Automated Design of Agentic Systems, ADAS). Главное назначение методологии ADAS - автоматизация создания новых агентных блоков и их объединение в сложные системы. Используя возможности LLM и гибкость языков программирования, ADAS обещает более эффективный и действенный подход к созданию комплексных агентных систем. Поисковый алгоритм с помощью мета-агента является ярким примером ADAS в действии. Он использует мета-агента, который по сути является LLM, для итеративного проектирования новых агентов на основе постоянно растущего архива результатов предыдущих поисков. ADAS позволяет исследовать обширное пространство кода, теоретически позволяя обнаружить любую возможную агентную систему. Мета-агент должен исследовать интересные проекты: новые промпты, использование инструментов, потоки управления и их комбинации. Благодаря обширным экспериментам в областях программирования, науки и математики, алгоритм демонстрирует способность изобретать агентов с новыми проектами, которые превосходят современных агентов, разработанных вручную. Один из реализованных проектов ADAS в практической среде - использование алгоритма Meta Agent Search в связке с GPT:

# Create Conda venv:
conda create -n adas python=3.11

# Activate venv:
conda activate adas

#Install Dependencies:
pip install -r requirements.txt

# Set OpenAI API Key:
export OPENAI_API_KEY="YOUR KEY HERE"

Запуск Meta Agent Search на примере области поиска "arc":

# Navigate to _arc folder:
cd _arc

# Run Meta Agent Search
python search.py

📌Лицензирование : Apache 2.0 license 🟡Страница проекта 🟡Arxiv 🖥Github [ Stars: 484 | Issues: 4 | Forks: 53] @ai_machinelearning_big_data #AI #LLM #Agents #ML #ChatGPT