Data Science | Machinelearning [ru]

​​📑 DocXChain: A Powerful Open-Source Toolchain for Document Parsing and Beyond DocXChain - мощный инструментарий с открытым исходным кодом для синтаксического анализа документов, предназначенный для автоматического преобразования разнородной информации, содержащейся в неструктурированных документах, таких как текст, таблицы и диаграммы, схемы в структурированные представления, доступные для машинного чтения и манипулирования. Предоставляются базовые возможности, включая обнаружение текста, распознавание текста, распознавание структуры таблиц и анализ макета. 🖥Github: https://github.com/alibabaresearch/advancedliteratemachinery 📕Paper: https://arxiv.org/abs/2310.12430v1 🚀Damo: https://damo.alibaba.com/labs/language-technology @Devsp — Подписаться

🧠 Улучши ИИ на хакатоне X5 Tech AI Hack! У тебя будет 10 дней, чтобы избавить нейросеть от галлюцинаций и научить ее работать с конфиденциальными данными. Призовой фонд от X5 Tech – 2 000 000 рублей. Старт ML-соревнования – 17 мая. Не жди дедлайна, регистрируйся прямо сейчас: https://cnrlink.com/x5techaihackdsml На выбор – один из двух треков: 1️⃣ Маскирование. Предстоит разработать алгоритм, который будет заменять чувствительные данные в датасете без потери смысла. 2️⃣ Детекция галлюцинаций. Задача конкурсантов – создать систему, которая сможет эффективно выявлять аномалии в тексте, сгенерированном нейросетью. 28-29 мая 5 лучших команд в каждом треке получат приглашение на финал в Москве. Церемония награждения пройдет на X5 Future Night. Участвуй в X5 Tech AI Hack и внеси свой вклад в развитие ML-технологий: https://cnrlink.com/x5techaihackdsml Реклама. ООО «ИТ ИКС 5 Технологии». ИНН 1615014289. erid: LjN8KNVZC

​​🐾 Putting the Object Back into Video Object Segmentation (Cutie) Cutie - это фреймворк для сегментации видеообъектов, обладающий большей высокой производительностью, устойчивостью и скоростью. Cutie четко отделяет семантику объекта переднего плана от фона. На сложном наборе данных MOSE Cutie превосходит все предыдущие методы сегментации. Cutie выполняет чтение памяти на уровне объектов сверху вниз, адаптируя небольшой набор объектных запросов для реструктуризации и итеративного взаимодействия с восходящими пиксельными функциями с помощью преобразователя объектов на основе запросов. 🖥Github: https://github.com/hkchengrex/Cutie 🖥Colab: https://colab.research.google.com/drive/1yo43XTbjxuWA7XgCUO9qxAi7wBI6HzvP?usp=sharing 📕Paper: https://arxiv.org/abs/2310.12982v1 🚀Project: https://hkchengrex.github.io/Cutie/ @Devsp — Подписаться

​​🖥AutoGen AutoGen — это платформа, позволяющая разрабатывать приложения LLM с использованием нескольких агентов, которые могут взаимодействовать друг с другом для решения задач. Агенты AutoGen настраиваемы, доступны для общения и легко допускают участие человека. Они могут работать в различных режимах, в которых используются комбинации LLM, человеческого участия и инструментов. 🖥Github: https://github.com/microsoft/autogen 📕Project: https://microsoft.github.io/autogen/ 🤗 FLAML.: https://github.com/microsoft/FLAML @Devsp — Подписаться

​​🦩 Woodpecker: Hallucination Correction for Multimodal Large Language Models Большие языковые модели могут вызывать галлюцинации и генерировать ложную информацию, что приводит к потенциальной дезинформации и путанице. Для борьбы с галлюцинациями в современных исследованиях в основном используется метод настройки по инструкции, требующий переобучения моделей на конкретных данных. В данной работе предлагается иной подход, представляя метод не требующий переобучения модели, который называется Woodpecker. 🖥Github: https://github.com/bradyfu/woodpecker 📕Paper: https://arxiv.org/abs/2310.15110v1 ⏩Demo: https://21527a47f03813481c.gradio.live/ @Devsp — Подписаться

Как ML-инженеру пробиться из мидлов в сеньоры? Вы уже научились делать fit() и predict(), следующий шаг для роста - научиться чему-то большему, чем создание моделей. Как это сделать? Присоединяйтесь к курсу Hard ML от karpov.courses от Валерия Бабушкина, из British Petroleum и других топовых специалистов из Яндекса, X5 Retail Group и других крупных компаний. Вы получите максимально глубокое погружение в задачи, с которыми сталкивается современный бизнес. К концу каждого модуля у вас будет собственный ML-сервис под сложную и важную задачу. Курс охватывает абсолютно все этапы работы ML-инженера. Вы научитесь самостоятельно собирать и размечать данные, строить пайплайны их поставки, деплоить приложения, настраивать мониторинги и оценивать эффективность алгоритмов. Можно пройти курс целиком или выбрать наиболее интересные для вас блоки. Присоединяйтесь и получайте скидку 5% по промокоду DSDEVSP до 10.05.2024: https://clc.to/erid_LjN8K4inN Реклама. ООО "КАРПОВ КУРСЫ". ИНН 7811764627.

​​➕OpenBioLLM-Llama3-70B и 8B: Open-source Large Language Models in Medical Domain OpenBioLLM-Llama3-70B и 8B: самые эффективные и доступные на сегодняшний день Lms. Они превосходят таких гигантов индустрии, как GPT-4, Gemini, Meditron-70B, Med-PaLM-1 и Med-PaLM-2, в области биомедицины. - 70B : https://huggingface.co/aaditya/OpenBioLLM-Llama3-70B - 8B : https://huggingface.co/aaditya/OpenBioLLM-Llama3-8B - Таблица лидеров в области медицины: https://huggingface.co/spaces/openlifescienceai/open_medical_llm_leaderboard @Devsp — Подписаться

​​🔎 Moving Object Segmentation:All You Need Is SAM (and Flow) FlowSAM - новый инструмент для обнаружения и сегментации движущихся объектов на видео, который значительно превосходит все предыдущие модели, как для одного объекта, так и для множества объектов. ▪️ Project page: https://www.robots.ox.ac.uk/~vgg/research/flowsam/ ▪️ Code: https://github.com/Jyxarthur/flowsam ▪️Paper: https://arxiv.org/abs/2404.12389 ▪️ Data: https://drive.google.com/drive/folders/1tmDq_vG_BvY5po40Ux5OBds1avUM_CbR @Devsp — Подписаться

Для IT специалистов-фрилансеров: 🇫🇮 Переезд в Финляндию с помощью IT-инкубатора! ☑️ Если вы работаете в сфере IT на фрилансе с постоянными клиентами, у вас есть возможность получить вид на жительство в Финляндии через наш IT-инкубатор. Эта программа иммиграции открывает двери на 2 года для специалистов IT-сектора: дизайнеров, 💻 программистов, 🔍 экспертов по SEO и 🚀цифровому маркетингу, позволяя им получить вид на жительство в Финляндии и переехать с семьей. Преимущества нашей программы: - срок рассмотрения ВНЖ через бизнес-инкубатор в среднем занимает всего 1-2 недели - полный доступ к государственной медицине, бесплатному образованию, а также получение различных пособий от КЕЛА - можете претендовать на получение ПМЖ через 4 года, гражданства - через 5 лет Для успешного участия в программе получения вида на жительство на 2 года в Финляндии через IT-инкубатор необходимо соблюсти️ 3 условия ⬇️: ❗️ Необходимо работать как фрилансер с постоянными клиентами 🤝 ❗️ Стабильный ежемесячный доход должен составлять не менее 5 300€. Этот уровень дохода позволит обеспечить комфортный уровень жизни и финансовую уверенность. ❗У вас должно быть законченное высшее образование в IT и/или опыт работы в сфере не менее 3 лет ☑️ Мы поможем с оформлением в качестве специалиста в финской компании 📈🏢 Вам не придется беспокоиться о мелочах, вы официально будете оформлены на работу в течение года в финской компании ((с опцией продления) 📋 ☑️ На каждом этапе вашего пребывания в Финляндии вы получите необходимую поддержку, начиная с открытия банковских счетов, получения дотаций и пособий, а также регистрации в магистрате, налоговой и КЕЛА. Наша команда обеспечит вам надлежащую помощь на пути к успешной адаптации в новой стране и облегчит весь процесс 📋. 💬 Дополнительные подробности о наших услугах и процессе получения ВНЖ в Финляндии - на нашем сайте по ссылке: https://rebrand.ly/40y5bhr 🌟 Не упустите шанс улучшить свою жизнь с нашим надежным сопровождением!

​​🔎 Moving Object Segmentation:All You Need Is SAM (and Flow) FlowSAM - новый инструмент для обнаружения и сегментации движущихся объектов на видео, который значительно превосходит все предыдущие модели, как для одного объекта, так и для множества объектов. ▪️ Project page: https://www.robots.ox.ac.uk/~vgg/research/flowsam/ ▪️ Code: https://github.com/Jyxarthur/flowsam ▪️Paper: https://arxiv.org/abs/2404.12389 ▪️ Data: https://drive.google.com/drive/folders/1tmDq_vG_BvY5po40Ux5OBds1avUM_CbR @Devsp — Подписаться

ААА! Авторы Академии Аналитиков Авито выпустили бесплатный курс по прикладной статистике. В нём две части — первая по базе, которую важно знать для работы с данными, вторая по более сложным критериям. Пройти можно здесь. Курс научит собирать и валидировать кастомные критерии на реальных данных, а ещё решать задачи бизнеса с применением прикладной статистики.

Если хотите развиваться в аналитике и Data Science и чувствуете, что нужно освежить и дополнить знания по математике, — пройдите курс от Яндекс Практикума. На курсе: — дадим много практических кейсов; — расскажем, как подготовиться к собеседованиям: разберём типовые задачи от HR-менеджеров; — поможем с поиском работы. Начните учиться бесплатно, чтобы понять, ваше это или нет. Если понравится, платите за остальную часть как удобно: в рассрочку или целиком. → Начать бесплатно

​​⚡️ UniMERNet: A Universal Network for Real-World Mathematical Expression Recognition UniMERNet значительно превосходит основные модели в распознавании реальных математических выражений, демонстрируя превосходную производительность для простых печатных выражений (SPE), сложных печатных выражений (CPE), выражений, снятых с экрана (SCE) и рукописных выражений (HWE), о чем свидетельствуют сравнительная оценка BLEU Score. • Github: https://github.com/opendatalab/unimernet • Paper: https://arxiv.org/abs/2404.15254 • HF: https://huggingface.co/wanderkid/unimernet @Devsp — Подписаться

​​🔥 FlowMap: High-Quality Camera Poses, Intrinsics, and Depth via Gradient Descent Сквозной дифференцируемый метод, который определяет точные позы камеры, внутренние характеристики камеры и покадровую плотную глубину видеопоследовательности. Этот метод не только намного превосходит предшествующие методы корректировки пакетов на основе градиентного спуска, но и удивительно работает наравне с COLMAP, современным методом SfM, в последующей задаче синтеза новых представлений на 360 градусов. • Github: https://github.com/dcharatan/flowmap • Paper: https://arxiv.org/abs/2404.15259 • Dataset: https://drive.google.com/drive/folders/1PqByQSfzyLjfdZZDwn6RXIECso7WB9IY @Devsp — Подписаться

Залетай на «Технолето» и прокачайся в ML-сфере Приглашаем студентов и начинающих специалистов в области машинного обучения на стажировку «Технолето» от Яндекса. Участников ждет масштабная программа карьерных и развлекательных мероприятий. Стажеры смогут не только углубить свои навыки в IT, но и поближе познакомиться с культурой Яндекса: пообщаться с топовыми специалистами компании, пройтись с интерактивной экскурсией по офисам, посетить дата-центр, а также отдохнуть на диджей-сетах и Алгорейв-вечеринках. Студенты, желающие изучить сферу машинного обучения, освоят востребованные в индустрии навыки ML-сферы и погрузятся во все тонкости направления. На стажировке также можно освоить фронтенд, бэкенд, мобильную разработку, девопс и не только. Стажировка действует круглый год и длится три, четыре или шесть месяцев в зависимости от графика, который выбрал участник. Чтобы поучаствовать в программе, достаточно оставить заявку и решить тестовое задание. Удачи и ждем вас на «Технолето»!

​​🗣 OpenVoice V2 - a Text-to-Speech model that can clone any voice and speak in any language OpenVoice V2 - новая версия открытой модели преобразования текста в речь, которая позволяет клонировать любой голос и генерировать речь на различных языках. • Github: https://github.com/myshell-ai/OpenVoice/tree/main • Usage: https://github.com/myshell-ai/OpenVoice/blob/main/docs/USAGE.md @Devsp — Подписаться

​​🔇Efficient Large-Scale Audio Tagging Трансформеры доминируют в области по работе с адуио и заменили CNN в качестве современной нейросетевой архитектуры. Трансформеры отлично справляются с огромными аудио датасетами и подходят для создания мощных предварительно обученных моделей. В данной модели используются динамические CNN, которые достигают лучшей производительности на задачах разметки аудио данных и хорошо масштабируются, достигая производительности трансформеров и даже превосходя их. 🖥Github: https://github.com/fschmid56/efficientat 📕Paper: https://arxiv.org/abs/2310.15648v1 ⏩Demo: https://21527a47f03813481c.gradio.live/ @Devsp — Подписаться

Телеграм-канал для ML-специалистов от Яндекса Yandex for ML — канал для ML-инженеров от Яндекса. Рассказываем, как мы обучаем наши модели и интегрируем их в продукты, как делаем сервисы с архитектурой сразу из нескольких нейросетей, как обучаем модели для специфичных задач и многое другое. Подписывайтесь 👉 @Yandex4ML

​​🕵️ Detecting Pretraining Data from Large Language Models Min-K% Prob, простой и эффективный метод, который позволяет определить, была ли LLM предварительно обучена на заданном тексте, а также для обнаружения защищенного авторским правом текста. Метод основан на простой гипотезе: невидимый пример имеет тенденцию содержать несколько слов-выбросов с низкой вероятностью, тогда как видимый пример с меньшей вероятностью будет содержать слова с такой низкой вероятностью. Датасет WikiMIA служит бенчмарком, предназначенным для обнаружения данных предварительного обучения. 🖥Github: https://github.com/swj0419/detect-pretrain-code 📕Paper: https://arxiv.org/pdf/2310.16789.pdf 📘 WikiMIA Benchmark: ⏩Project: https://swj0419.github.io/detect-pretrain.github.io/ @Devsp — Подписаться

​​🖼 HiDiffusion: Unlocking High-Resolution Creativity and Efficiency in Low-Resolution Trained Diffusion Models Новый метод, не требующий обучения, который повышает о и скорость предварительно обученных моделей diffusion. • page: https://hidiffusion.github.io • paper: https://arxiv.org/abs/2311.17528 • code: https://github.com/megvii-research/HiDiffusion •colab: https://colab.research.google.com/drive/1EiBn9lSnPZTU4cikRRaBBexs429M-qty?usp=sharing @Devsp — Подписаться