Machinelearning

Яндекс вновь проводит сбор заявок на премию в области компьютерных наук. Принять участие могут студенты и их научные руководители, если они изучают распознавание и синтез речи, компьютерное зрение, информационный поиск, обработку естественного языка или машинное обучение. В этом году соискателями могут стать не только магистры и аспиранты, но и молодые ученые, которые обучаются на бакалавриате и специалитете. Победители получат миллион рублей, возможность поехать на международную научную конференцию по ИИ, а еще грант для использования сервисов платформы Yandex Cloud в своих исследованиях. Больше информации по ссылке.

Taming Diffusion Models for Audio-Driven Co-Speech Gesture Generation (CVPR 2023) Novel Diffusion Audio-Gesture Transformer is devised to better attend to the information from multiple modalities and model the long-term temporal dependency. M Новая система на основе диффузии для эффективного захвата кросс-модальных ассоциаций между аудио и жестами для высокоточной генерации жестов на основе аудио. 🖥 Github: https://github.com/advocate99/diffgesture ⏩ Paper: https://arxiv.org/abs/2303.09119v1 💨 Dataset: https://paperswithcode.com/dataset/beat ai_machinelearning_big_data

Математика дата саентиста - здесь мы публикуем математические задачи и гайды для машинного обучения с упором на практику. Проверяем ваши знания, а затем на основе ошибок предлагаем статьи и уроки. Если хочешь познать дзен и понимать как работают алгоритмы, а не просто импортировать их, подписывайся. Здесь реально учат. @ds_math

FateZero: Fusing Attentions for Zero-shot Text-based Video Editing Video Style Editing Using Stable Diffusion. Новый метод редактирования видео из текстовых промтов без предварительного обучения модели и без использования маски, специфичной для конкретного видео. 🖥 Github: https://github.com/chenyangqiqi/fatezero ⏩ Paper: https://arxiv.org/abs/2303.09535 💨 Project: https://fate-zero-edit.github.io/ ai_machinelearning_big_data

Tuned Lens 🔎 Simple interface training and evaluating tuned lenses. A tuned lens allows us to peak at the iterative computations a transformer uses to compute the next token. Инструменты для понимания того, как послойно работают прогнозы трансформаторов. pip install tuned-lens 🖥 Github: https://github.com/alignmentresearch/tuned-lens ⏩ Paper: https://arxiv.org/abs/2303.08112v1 ⭐️ Dataset: https://paperswithcode.com/dataset/the-pile 🖥 Colab: https://colab.research.google.com/github/AlignmentResearch/tuned-lens/blob/main/notebooks/interactive.ipynb ai_machinelearning_big_data

Ищем учеников на бесплатное обучение по созданию искусственного интеллекта с нуля. Опыт программирования не важен!🤖 Всего за 3 вечера под руководством Дмитрия Романова - основателя Университета Искусственного Интеллекта, лидера обучения AI-разработке в РФ, вы с легкостью напишете свой первый искусственный интеллект👨‍💻 Какие нейронные сети вы создадите? ▫️Классификация людей на входящих и выходящих из автобуса ▫️Обнаружение возгораний ▫️Оценка стоимости квартир ▫️Оценка резюме соискателей ▫️Прогнозирование стоимости полиметаллов ▫️Сегментация изображений самолетов ▫️Распознавание команд умного дома⠀ Лучше освоить навыки создания нейронных сетей вам помогут домашние задания с проверкой от кураторов.⠀ Приходите на бесплатное обучение и напишите искусственный интеллект за 3 вечера💪 Регистрация по ссылке

GraphGym Platform for designing and evaluating Graph Neural Networks (GNN). GraphGym - это платформа для проектирования и оценки графовых нейронных сетей . 🖥 Github: https://github.com/snap-stanford/graphgym ⏩ Paper: https://arxiv.org/abs/2303.07666v1 ⭐️ Dataset: https://paperswithcode.com/dataset/tieredimagenet ai_machinelearning_big_data

⚠️Пройдите тест на углубленные знания в сфере Machine Learning. Professional —https://otus.pw/ncBh/ 🔓 Ответьте на 10 вопросов и проверьте, насколько вы готовы к обучению на продвинутом курсе «Machine Learning. Professional» от OTUS и его партнера — Сбера ⏰ Время прохождения теста ограничено 30 минут 📌 РЕЗУЛЬТАТ ПРОХОЖДЕНИЯ КУРСА: Серьезное портфолио с проектами и возможность претендовать на Junior+ и Middle позиции Data Scientist Протестируйте обучение на открытом уроке: ✅ Один в поле не воин: методы ансамблирования в машинном обучении — https://otus.pw/ncBh/ 👉 ПРОЙТИ ТЕСТ: https://otus.pw/Hvdp/

Gpt4 realise ! https://openai.com/research/gpt-4 @ai_machinelearning_big_data

Erasing Concepts from Diffusion Models A fine-tuning method that can erase a visual concept from a pre-trained diffusion model, given only the name of the style and using negative guidance as a teacher. Метод тонкой настройки, который может убрать имитацию стиля конкретного художника или даже стереть целый класс объектов из вывода модели, сохранив при этом поведение и возможности модели по другим настройкам. 🖥 Github: https://github.com/rohitgandikota/erasing ⏩ Paper: https://arxiv.org/abs/2303.07345v1 ⭐️ Dataset: https://paperswithcode.com/dataset/imagenet ai_machinelearning_big_data

Alfa Cloud Day Meetup: облачные технологии в финтехе На митапе вы узнаете, как в Альфа-Банке внедряли новый облачный подход, что важно учесть при общении с бизнесом, как за счёт «облака» ускориться и извлечь выгоду Когда: 22 марта в 18:30 Где: офлайн в Москве, Андропова пр-т, 18, к. 3, Альфа-Банк, Конгресс-холл или онлайн Что вас ждет: 🌦 Максим Чернухин, Senior Software Architect, расскажет о положительных и отрицательных сторонах использования облака, а также о нюансах, которые стоит учесть 🌦 Дмитрий Кузнецов, Head of Application Security, расскажет о безопасной миграции в облако 🌦 Дмитрий Гадеев, Site Reliability Engineer, и Максим Малыгин, Head of IT Infrastructure Support Department, поделятся своим опытом внедрения «облачного» подхода в Альфе 🌦 Светлана Вагнер, Cloud Product Owner, расскажет, как бизнесу показать преимущества cloud-технологий, как использовать их для ускорения бизнес-процессов Все, кому интересен «облачный» подход, ждем вас на митапе, пообщаемся, хорошо проведем время и обсудим доклады спикеров Зарегистрироваться на Alfa Cloud Day Meetup

⏩ OpenOccupancy: A Large Scale Benchmark for Surrounding Semantic Occupancy Perception. OpenOccupancy first surrounding semantic occupancy perception benchmar. 🖥 Github: https://github.com/jeffwang987/openoccupancy ⏩ Paper: https://arxiv.org/abs/2303.03991v1 ⭐️ Dataset: https://paperswithcode.com/dataset/synthcity 💨 Project: https://www.mmlab-ntu.com/project/styleganex/ ai_machinelearning_big_data

✍️ Переписать нельзя сократить: обновленные AI-сервисы для работы с текстами AI-сервисы «Рерайтер» и «Cуммаризатор» переписывают и сокращают тексты. Это облегчает работу контент-маркетологов, SEO-специалистов и редакторов, увеличивает скорость обработки текстов и снижает стоимость создания контента. С выходом PRO-версий сервисов появилось еще больше возможностей. 16 марта в 11:00 МСК Алёна Феногенова и Альбина Ахметгареева из команды AGI NLP SberDevices расскажут: ✏️ о новых продвинутых возможностях создания текста; ✏️ как обучены и из каких модулей состоят сервисы; ✏️ о функциях для пользователей API. 🧑‍💻 Вебинар будет полезен не только тем, кто постоянно работает с текстами, но и разработчикам сайтов и приложений. Зарегистрируйтесь на вебинар, чтобы увидеть AI-сервисы в действии! Только 14 дней после вебинара PRO-версии будут доступны бесплатно.

StyleGANEX - Official PyTorch Implementation Encoder that provides the first-layer feature of the extended StyleGAN in addition to the latent style code. 🖥 Github: https://github.com/williamyang1991/styleganex ⏩ Paper: https://arxiv.org/abs/2303.06146v1 ⭐️ Colab: http://colab.research.google.com/github/williamyang1991/StyleGANEX/blob/master/inference_playground.ipynb 💨 Project: https://www.mmlab-ntu.com/project/styleganex/ ai_machinelearning_big_data

👀 Как создать прототип системы для распознавания лиц за 60 минут ⏰ Когда: 28 марта, 17:00 МСК 📍 Регистрация Эксперт VK Cloud проведет практическое занятие и покажет, как разработать прототип системы Face Recognition c помощью сервиса Vision. Для выполнения задания вы можете подключить Vision в личном кабинете на платформе VK Cloud. Новые пользователи платформы получат 3 000 бонусных рублей для работы с облачными сервисами. Что будет на воркшопе: 🔹 Обсудим, как работает Vision для идентификации и распознавания лиц, и разберем кейс компании Russia Running, которая создала сервис MY.PHOTO на базе Vision 🔹 Создадим прототип системы распознавания лиц 🔹 Ответим на вопросы на QA-сессии Спикер: 🔸 Димитрий Муштаков, Product Manager сервиса Vision, VK Cloud По итогам вебинара участники получат доступ к репозиторию с прототипом системы, чтобы быстро протестировать функциональность Face Recognition в собственных проектах. Зарегистрироваться бесплатно

🖥 PyXAB - Python X-Armed Bandit A Python Library for X-Armed Bandit and Online Blackbox Optimization Algorithms PyXAB - это библиотека Python с открытым исходным кодом с реализацией алгоритмов X-Armed Bandit (многорукий бандит). 🖥 Github: https://github.com/williamlwj/pyxab ⏩ Paper: https://arxiv.org/abs/2303.04030v1 ⭐️ Docs: https://pyxab.readthedocs.io/ ai_machinelearning_big_data

Data Engineer (lead) Формат: классный офис в Москве/гибрид/удаленно; Доход: 300-400К+ руб.; Форма оформления: по ТК/ИП; О нас: Мы занимаемся разработкой data-платформы, в рамках которой развиваются различные data-продукты: • рекомендательные системы; • сервисы аналитики и визуализации данных; • ML-модели; • иные решения для решения бизнес-задач. Наша команда это 25 инженеров с сильнейшими компетенциями в ML, аналитике и работе с данными, и сейчас мы ищем классных ребят для дальнейшего роста. У нас нет долгих согласований и бюрократии. Мы стремимся к быстрому внедрению в production, с последующей работой над улучшениями. Что нужно будет делать: • Проектировать, разрабатывать и поддерживать пайплайны для сбора и обработки данных; • Обеспечивать SLA и качество данных; • Готовить данные для моделей машинного обучения и участвовать в их продукционализации совместно с data science командой; • Работать в команде и развивать отдел DE. Будет классно, если у тебя: • Хорошее знание технологий из стека: Python, SQL, Spark, Airflow; • Опыт работы на проектах с большими данными, понимание принципов распределенной обработки данных; • Опыт продуктовой разработки в технологических компаниях; • Опыт постановки задач; • Опыт наставничества; • Отличные коммуникативные навыки. Ты покоришь наши сердца и разум, если у тебя: • Опыт работы с облаками, особенно, с Яндекс.Облаком; • Опыт разработки высоконагруженных бэкенд сервисов на Java, Scala или Python; • Опыт работы с моделями машинного обучения в продакшене; • Опыт работы с базами данных для аналитики, особенно, с ClickHouse. Мы предлагаем: • Работу в аккредитованной IT компании с сильнейшей командой в разных масштабных проектах; • Гибридный график работы 5/2, с 10:00 - 19:00; • ДМС со стоматологией; • В современном офисе в стиле Лофт с капсулой медитации, спортзалом, большой современной библиотекой и кабинетом для записи подкастов и треков; • Комфортную кухню с холодильником, кофемашиной, тостером, микроволновкой и Magic Bullet; • Холодильник с напитками (соки, энергетики, вода и т.д.) и едой (сыры, колбасы, сырки и м.ч.); • Каждую пятницу совместные обеды с разными кухнями мира за счет компании. За подробностями пиши: tg @naikava @datascienceml_jobs - вакансии Data Science, Devops

Multivariate Probabilistic Time Series Forecasting with Informer Efficient transformer-based model for LSTF. Применение модели Informer от Hugging Face для задач многомерного вероятностного прогнозирования. 🤗Hugging face: https://huggingface.co/blog/informer ⏩ Paper: https://huggingface.co/docs/transformers/main/en/model_doc/informer ⭐️ Colab: https://colab.research.google.com/github/huggingface/notebooks/blob/main/examples/multivariate_informer.ipynb 💨 Dataset: https://huggingface.co/docs/datasets/v2.7.0/en/package_reference/main_classes#datasets.Dataset.set_transform ai_machinelearning_big_data

🖥 MIT Introduction to Deep Learning 2023 Lecture 1 *New 2023 Edition* Foundations of Deep Learning Премьера новых лекции курса Introduction to Deep Learning от MiT 🎞 Video: https://www.youtube.com/watch?v=N4AcIfaROEQ 📝 Lectures: http://introtodeeplearning.com/ ai_machinelearning_big_data

Openicl New open-source toolkit for ICL and LLM evaluation. OpenICL - новый фреймворк для исследования, разработки и созданию прототипов для задач in-context learning. pip install openicl 🖥 Github: https://github.com/shark-nlp/openicl ⏩ Paper: https://arxiv.org/abs/2303.02913 ⭐️ Dataset: https://paperswithcode.com/dataset/gsm8k 💨 Docs: https://github.com/shark-nlp/openicl#docs ⏩ Examples: https://github.com/Shark-NLP/OpenICL/tree/main/examples ai_machinelearning_big_data