Аналитик данных
https://t.me/+y_viT9uBdftkZDFi - ссылка на канал
Больше4 595
Подписчики
-324 часа
+87 дней
+23830 дней
- Подписчики
- Просмотры постов
- ER - коэффициент вовлеченности
Загрузка данных...
Прирост подписчиков
Загрузка данных...
👌 Deep Learning на пальцах
Это бесплатный курс по глубокому обучению, который читает исследователь MIT Семён Козлов. В том же объёме курс читается и для магистрантов Новосибирского Государственного Университета, а также студентов CS центра Новосибирска.
Хоть он проходил в мае, на сайте доступны видеолекции, слайды, а также задания по курсу. Вот темы, которые он охватывает:
▪️Python, numpy, notebooks
▪️Нейронные сети
▪️PyTorch и подробности
▪️Введение в NLP, компьютерное зрение, распознавание речи и обучение с подкреплением.
🔗 Ссылка на материалы
❤ 3👍 1⚡ 1
Фото недоступноПоказать в Telegram
🖥 Polars 1.0 — наконец-то
—
pip install polars
1 июля 2024 года состоялся релиз открытой библиотеки для быстрой обработки данных Python Polars 1.0 на Rust и Python.
Этим мажорным выпуском разработчики подтвердили, что компоненты in-memory engine и API проекта Polars готовы к стабильной работе. Они убеждены, что Polars находится в том состоянии, когда это уже один из лучших проектов с открытым исходным кодом для быстрого моделирования данных, ориентированного на вертикальное масштабирование.
Планы на будущее проекта Python Polars: улучшение функциональности, масштабируемости и производительности. Выпуск первой основной версии отмечает момент времени, когда разделение между API и фактической реализацией достаточно стабильное, чтобы разработчики могли продолжать улучшать проект и поддерживать необходимую обратную совместимость.
Также в планах разработчиков проекта: поддержка right join и non-equi join, расширенная поддержка метаданных, поддержка re-ordering optimization и расширенная поддержка SQL.
🖥 GitHub
@pythonl👍 5❤ 2
🔥 БЕСПЛАТНОЕ учебное пособие по диффузионным моделям и согласованию потоков для ML!
Это крутое учебное пособие, созданное Apple.
Аудитория: начинающие специалисты в области диффузии с техническим образованием, например, студенты старших курсов или аспиранты.
Учебное пособие состоит из пяти частей:
• Основы диффузии
• Создание стохастического диффузионного самплера
• Создание детерминированного диффузионного самплера
• Изучение согласования потоков к
• Пракстические прмиеры
Исследуйте диффузию шаг за шагом: https://arxiv.org/pdf/2406.08929
Аналитика данных
👍 2
Полезный и удобный каталог исследований по ML
Papers, Code, Datasets в удобной структуре и под лицензией CC-BY-SA. 134 тысячи исследований и проектов, есть подписка на newsletter, есть библиотека моделей. (More - Libraries)
https://paperswithcode.com/
Этот каталог является частью портала Papers With Code от Meta AI Research, помимо ML на портале представлены исследования и код по:
- Computer Science (14829 papers)
- Physics (9898 papers)
- Mathematics (5460 papers)
- Astronomy (5346 papers)
- Statistics (3948 papers)
https://portal.paperswithcode.com/
Papers with Code - The latest in Machine Learning
Papers With Code highlights trending Machine Learning research and the code to implement it.
❤ 3⚡ 1👍 1
🚀 Популярный учебник по машинному обучению ШАДа, то спешим сообщить —недавно там появились новые главы.
В частности:
▪Обучение представлений и Дистилляция знаний
▪Целый раздел про генеративные модели
▪Раздел про рекомендательные системы
▪Временные ряды
▪Теория глубокого обучения
▪Онлайн-обучение
▪Вероятностные распределения, параметрические оценки, энтропия
@data_math
👍 3⚡ 1❤ 1🔥 1
Фото недоступноПоказать в Telegram
🌟 Meta LLM Compiler — семейство LLM с дополнительными возможностями оптимизации кода
Буквально пару часов назад Meta выкатили LLM Compiler — семейство моделей на основе Code Llama с дополнительными возможностями оптимизации кода и компилятора.
Эти модели могут эмулировать компилятор и дизассемблировать код.
🤗 llm-compiler-7b
🤗 llm-compiler-13b
@ai_machinelearning_big_data
👍 2❤ 2
✍️ Learn Data Structures and Algorithms with Python
Это небольшие материалы на CodeAcademy по различным структурам данных и алгоритмам, реализованным на Python. Довольно просто объясняют суть и сопровождаются кодом.
▫️Node (узел)
▫️Linked List (связный список)
▫️Doubly Linked Lists (двусвязный список)
▫️Queues (очереди)
▫️Stacks (стек)
▫️Hash Maps (хеш-таблицы)
▫️Recursion (рекурсия)
▫️Sorting Algorithms (алгоритмы сортировки)
▫️Trees (деревья)
▫️Heaps (куча)
▫️Greedy Algorithms (жадные алгоритмы)
👍 4🔥 2❤ 1
🌟 DataComp-LM — комплексный фреймворк, предназначенный для построения и обучения LLM на различных наборах данных
DataComp-LM предлагает стандартизированный набор из более чем 300Т нефильтрованных лексем из CommonCrawl, эффективные рецепты предварительного обучения на основе фреймворка open_lm и большой набор из более чем 50 бенчмарков.
DCLM позволяет исследователям экспериментировать с различными стратегиями построения наборов данных в различных вычислительных масштабах, от 411M до 7B моделей с параметрами.
🖥 GitHub
🟡 Arxiv
@data_analysis_ml
❤ 3👍 2🔥 1
Больше не нужно искать тематические каналы и по отдельности на них подписываться — мы сделали это за вас 👍
Вам остается только перейти по ссылке, сохранить папку себе и регулярно получать полезные ресурсы и знания из сферы «Продакт, ИИ»
https://t.me/addlist/pr7M9cPgdo0zOGE6
Хочешь в подборку?
Продакт/ИИ
Кира 😉 invites you to add the folder “Продакт/ИИ”, which includes 11 chats.
🔥 3
Выберите другой тариф
Ваш текущий тарифный план позволяет посмотреть аналитику только 5 каналов. Чтобы получить больше, выберите другой план.