Машиннное обучение | Наука о данных Библиотека

Applications to Automated Machine Learning and Data Mining 📚 Book @datascienceiot

Яндекс запустил Lite-версию генеративной текстовой модели YandexGPT 3 YandexGPT 3 Lite — это облегчённая версия генеративной модели Яндекса нового поколения. Особенность таких Lite-моделей заключается в более высокой скорости ответов, что позволяет решать простые задачи бизнеса буквально в режиме реального времени. Поэтому нейросеть хорошо показывает себя в сценариях, где важны время реакции и оптимизация затрат: например, бот-консультант на сайте, система подсказок для операторов колл-центров или суммаризатор результатов деловых встреч. ✈️ По данным замеров, YandexGPT 3 Lite стала ещё быстрее и точнее — и она уже доступна в режиме release candidate на облачной платформе Yandex Cloud. То есть клиенты могут протестировать её и плавно внедрить в свои продукты через API уже в ближайшее время. Одним из ключевых этапов обучения модели стало выравнивание (Alignment), включающее в том числе стадию обучения с подкреплением (RL). В статье на Хабре - детали реализации Alignment и RL.

Яндекс запустил Lite-версию генеративной текстовой модели YandexGPT 3 YandexGPT 3 Lite — это облегчённая версия генеративной модели Яндекса нового поколения. Особенность таких Lite-моделей заключается в более высокой скорости ответов, что позволяет решать простые задачи бизнеса буквально в режиме реального времени. Поэтому нейросеть хорошо показывает себя в сценариях, где важны время реакции и оптимизация затрат: например, бот-консультант на сайте, система подсказок для операторов колл-центров или суммаризатор результатов деловых встреч. ✈️ По данным замеров, YandexGPT 3 Lite стала ещё быстрее и точнее — и она уже доступна в режиме release candidate на облачной платформе Yandex Cloud. То есть клиенты могут протестировать её и плавно внедрить в свои продукты через API уже в ближайшее время. Одним из ключевых этапов обучения модели стало выравнивание (Alignment), включающее в том числе стадию обучения с подкреплением (RL). В статье на Хабре - детали реализации Alignment и RL.

📚 Алгебра, топология, дифференциальное исчисление и теория оптимизации для компьютерных наук и машинного обучения Бесплатная книга по Алгебре объемом 2196 страниц , выпущенная феврале 2024 года. ▪Книга @data_math

«Охота на электроовец: большая книга искусственного интеллекта» 📓 Книга @machinelearning_books

🌟 Отличная open-source книга про использование R в ML Здесь подробно описывается, как реализовывать разные алгоритмы Machine Learning с помощью R; от простой линейной/логистической регрессии до более сложных алгоритмов наподобие кластеризации методом k-means 🟡 Machine Learning с помощью R @machinelearning_interview

Deep Learning withPyTorch 📚 Book @datascienceiot

😑 Пользоваться нейронками 😎 Создавать нейронки Только вот где этому научиться — разрабатывать модели и обучать ИИ? Обсуждаем в новом выпуске подкаста команды Tinkoff AI «Желтый Club Talks» вместе с Варварой Смирновой, руководителем Тинькофф Образования, и Александром Дьяконовым, академическим руководителем направления искусственного интеллекта Центрального университета. 🔗 Кстати, в одном из выпусков инженеры обсуждали международные конференции для тех, кто делает ИИ. Анонсы шоу ребята публикуют в своем телеграм-канале Желтый AI. Также там они рассказывают про исследования, тренды индустрии, постят кастомные мемы и инсайды из поездок на топовые мероприятия. Подписывайтесь, чтобы не потерять! erid:2VtzqvsfX2D Реклама. АО "Тинькофф Банк", ИНН 7710140679, лицензия ЦБ РФ № 2673

Clever Algorithms Nature-Inspired Programming Recipes 📚 Книга @machinelearning_books

Как работает обучение с подкреплением: классические алгоритмы SARSA и Q-learning Почему 2 этих инструмента лежат в основе всех современных алгоритмов? Расскажет опытный эксперт на открытом уроке от OTUS, где вы: - познакомитесь с базовыми алгоритмами RL и поймете, чем оно отличается от остальных; - узнаете о трех парадигмах ML и разберетесь с основными понятиями; - определите, чем марковский процесс принятия решений отличается от случайного поиска. Спикер Игорь Стурейко — PhD Physical and Mathematical Sciences, опытный руководитель команд. Встречаемся 28 мая в 20:00 мск в рамках курса «Reinforcement Learning». Все участники вебинара получат спец. цену на обучение! Регистрируйтесь: https://otus.pw/I9wM/ Реклама. ООО "ОТУС ОНЛАЙН-ОБРАЗОВАНИЕ", ИНН: 9705100963