📂 Нашел достойный курс по линейной алгебре для машинного обучения

Machine Learning

😝 Секреты генерирующего реферирования текстов

Эта статья посвящена основным современным моделям для генерирующего реферирования и генерации текста в целом: BertSumAbs, GPT, BART, T5 и PEGASUS, и их использованию для русского языка.

Machine Learning

💻 Тихая революция и новый дикий запад в ComputerVision

Казалось бы, революция с Computer Vision уже была. В 2012 году выстрелили алгоритмы, основанные на сверточных нейронных сетях. Года с 2014 они дошли до продакшна, а года с 2016 заполонили все. Но...

Machine Learning

🧘‍♂️ Реальные приложения SVM (машины опорных векторов)

Мы рассмотрим реальные приложения SVM, такие как распознавание лиц, распознавание рукописного ввода, классификация изображений, биоинформатика и т. д.

Machine Learning

🍷 Глубокие нейронные сети: 33 года назад и 33 года спустя

Читаем:
1) для развлечения, но 2) чтобы использовать упражнение в качестве тематического исследования природы прогресса в глубоком обучении.

Machine Learning

Обзор инструментов машинного обучения

Machine Learning

Полезнейший Чит-шит по Julia

Machine Learning

👇

😜 Temporally-Consistent Surface Reconstruction using Metrically-Consistent Atlases. 1 место на ANIM в категории «Реконструкция поверхности»

Реконструкция поверхностей на базе неконтролируемых временных согласованных атласов, с переводом точек на каноническом представлении формы в метрически согласованные трехмерные местоположения на реконструированных поверхностях. Метод позволяет стимулировать развитие трехмерной реконструкции на основе видео, заменив расстояние фаски потерями на основе изображения.

Machine Learning

😱 Few-Shot NER, или Как перестать размечать и начать жить

Современные методы, основанные на глубинном обучении, требуют от сотен до тысяч примеров для получения приемлемого качества в задачах NER. Сегодня мы разберем направление Few-Shot, которое позволяет решать данную задачу всего лишь на нескольких примерах, и поделимся результатами наших экспериментов.

Machine Learning

Вы, знали, что исследователи в FB также работают над способами сократить количество времени и денег, необходимых для развертывания высокоскоростного широкополосного доступа в интернет?

Они разработали робота, который ползет по линиям электропередач, обматывая их оптоволоконным кабелем. Больше не надо рыть траншеи!

Тут можно ещё почитать про другие инициативы Фейсбука по ускорению доступа людей к быстрому интернету по всему миру.

Machine Learning

🧠 Влияние искусственного интеллекта и машинного обучения на верификацию документов.

Как следует из названия, процесс проверки и аутентификации документов, выполняемый предприятиями для повышения своей безопасности и предотвращения несанкционированного доступа к их сети, называется верификацией документов. Процессы проверки документов вручную очень утомительны, устарели и подвержены человеческим ошибкам...

Machine Learning

🥶 Коллекция датасетов по саммаризации текстов

Приведено очень много информации, настоятельно всем рекомендую посмотреть.

Machine Learning

А вот как робот из предыдущих постов, который прокладывает оптоволокно, перелезает через столбы. Robotics + computer vision!

Machine Learning

🎰 Чистый AutoML для “грязных” данных: как и зачем автоматизировать предобработку таблиц в машинном обучении

Мы постараемся собрать как можно больше информации в одном ультимативном, если так угодно, гайде, и подадим его через призму автоматического машинного обучения

Machine Learning

🙂 10 лучших материалов за прошлый год: главное про релокейт, карьеру и жизнь инженеров в других странах

Собрали статьи о переезде инженеров за границу и карьере в IT-индустрии, которые больше всего понравились аудитории форумов, в одну подборку: читайте и вдохновляйтесь на релокейт.

Machine Learning

🐰 Теорема Байеса: просто о сложном

В статье продемонстрировано применение Теоремы Байеса на простом практическом примере с использованием языка программирования Python.

Machine Learning

Шпаргалка!

Несбалансированные данные в классификации

Machine Learning

👨‍🏫 Путеводитель по основным трендам прошлого года в области обработки естественного языка и не только

Число исследований в области машинного обучения с каждым годом растет. Конечно, приятно было бы прогуляться по каждой статье или ветке исследований отдельно, но времени на это просто может не хватить, а «посетить» прошлый год еще раз, увы, не удастся. Следовательно, необходимо также искать «путеводители» - статьи, подсвечивающие некоторые тренды, понимание которых важно для будущих направлений исследований. В начале года одна из таких статей «гуляла» по различным каналам и чатам. Приводим перевод этой статьи с комментариями автора.

Machine Learning

🌫 Google Tensor изменил ИИ к лучшему

Google разработала собственный чип искусственного интеллекта под названием Tensor для использования в своем новом смартфоне Pixel 6.

По словам одного из руководителей Google, Tensor более чем в четыре раза быстрее, чем Qualcomm Snapdragon 765G, который использовался в Pixel 5. Google хотел сделать Edge AI для своих пользователей лучше, чем раньше, и им нужен был более мощный ИИ-чип. Они хотели представить своим пользователям усовершенствованную вычислительную фотографию, такую как разрешение размытых лиц, помогая им с легкостью выполнять повседневные задачи.

Machine Learning

Немного курсов по МатСтатистике:

Ютуб:
*тык*
Основы статистики:
*тык*
Углубленные теоретические основы статистических методов:
*тык*

Machine Learning