Ссылки для дрессировщиков нейронных сетей

Короче... я тут пальцы веером, нашла-нашла на английском! А давно и на русском есть https://t.me/skladitshki/1034

🌟 Новая статья на Habr: разработчики из команды AllSee поделились опытом внедрения YandexGPT API в свои проекты Авторы пишут, что официального SDK пока нет, поэтому они создали свой. Здесь полное решение, включая создание класса YandexGPT Thread для хранения и управления отдельными чатами. Из интересного: в начале есть сравнение эффективности YandexGPT и ChatGPT в одной из задач. Две модели показали хорошие результаты, но стоимость нейросети от Яндекса вышла значительно меньше. https://habr.com/ru/articles/812979/ @data_analysis_ml

Алгоритмы обучения с подкреплением на Python Автор: Андреа Лонца Год издания: 2020 #ml #python #ru Скачать книгу

⚡️ Ликуем: в VSCode внедрили пять нейросетей. Из хайпового: Llama-3, Mistral, Gemma, Phi-3 и т.д. Они бесплатно фиксят, объясняют и пишут код. А если вдруг что-то не понравилось, выбираем другую LLM-ку. Гайд по подключению: 🟢 Создаем аккаунт в NVIDIA AI здесь. 🟢 Жмём на любую модель и кликаем «Get API key». 🟢 Скачиваем расширение CodeGPT в VSCode. 🟢 В нём выбираем провайдера NVIDIA и вставляем скопированный API-ключ. 🟢 Done 👍 @xor_journal

🖥 Обнаружение аномалий с помощью PyOD — pip install pyod PyOD — это универсальная масштабируемая библиотека Python для поиска аномалий в многомерных данных. Содержит ряд очень полезных алгоритмов: 🟡TODS — для обнаружения выбросов временных рядов 🟡PyGOD — для обнаружения выбросов на графиках Кстати, к PyOD прилагается 45-страничный подробный документ по эталонному обнаружению аномалий (если не открывается, вы знаете) И да, PyOD отлично скейлится — здесь инструкция по запуску PyOD на распределенных системах и на центрах обработки данных 🖥 GitHub @data_analysis_ml

🔥 Animation with text that highlights important events Анимация является выразительным средством, оживляющим ваши данные, и Matplotlib предлагает специализированные инструменты для этой цели. Это руководство представляет собой подробное пошаговое руководство с кодом, который вы можете воспроизвести для создания эффектных анимаций. • Читать @data_analysis_ml

🌟 О работе трансформеров с контекстом Отличная статья для глубокого понимания, как трансформеры работают с контекстом. Детально описаны механизмы, благодаря которым это вообще возможно, в том числе и механизм внимания. Выдвигается гипотеза, что обучение трансформеров в контексте возникает благодаря неявной реализации градиентного спуска по функции потерь, построенной на основе данных, взятых из контекста. 📎 Arxiv 🟡 Кстати, полезная статья об архитектуре трансформеров на Хабре 🟡 Визуализация механизма внимания от 3b1b @data_analysis_ml

⚡️Lightning Studio: Альтернатива Google Colab если хотите поиграться c модельками или заняться пет-проектом Я тут случайно набрел на такую штуку. Не знал, что Lightning, та контора, что делает фреймворк Pytorch Lightning, ещё и пилит свою студию. По сути это онлайн среда для разработки и прототипирования deep-learning моделек. Тут все что нужно есть: и терминал, и VS Code, и ноутбуки, и удобный доступ к файловой системе и persitent хранилище (а не грёбаный google drive). Фичи, которые есть тут, но нет в Google Colab: - free persistent storage, то есть локальные файлы не пропадают, когда вы закрыли ноутбук - free persistent environments - unlimited background execution - VSCode, PyCharm, (any IDE) integration Дают бесплатно 22 гпу-часов (T4) в месяц, плюс можно докупить еще, если нужно. Платишь только за время, когда GPU активирована. Можно отмасштабировать и арендовать 8xA100, если нужно натренировать что-то серьезное. https://lightning.ai/ @ai_newz

📈 Python Graph gallery: 38 высококачественных гайдов по визуализации! И этот список продолжает расти 📈 Кто сказал что matplotlib уродлив? 😀 http://python-graph-gallery.com/best-python-chart-examples/ @data_analysis_ml

🦾 Made With ML: Learn how to combine machine learning with software engineering to design, develop, deploy and iterate on production-grade ML applications. 100% бесплатный курс, который поможет вам научиться писать код производственного уровня MLOps. Курс научит вас всему, начиная с проектирования, моделирования, тестирования, работу с моделями обучения и многому другому бесплатно! Более 35 тысяч звезд на Github Узнайте, как проектировать, разрабатывать, развертывать и работать с ML приложеними производственного уровня. ▪Course ▪Overview ▪ Jupyter notebook ai_machinelearning_big_data