Data Science
41.8K subscribers
1.67K photos
3 videos
47 files
2.06K links
DS
По всем вопросам- @haarrp

@ai_machinelearning_big_data - machine learning

@pythonl - Python

@itchannels_telegram - 🔥 best it channels

@ArtificialIntelligencedl - AI

@pythonlbooks-📚

@programming_books_it -📚

Реестр РКН: https://clck.ru/3Fk3zS
Download Telegram
MySQL 8.0 Reference Manual Including MySQL NDB Cluster 8.0

📖 book

@datascienceiot
🖥 Fundamental Numerical Methods and Data Analysis

📓 Book

@datascienceiot
Please open Telegram to view this post
VIEW IN TELEGRAM
Python code for Artificial Intelligence: Foundations of Computational Agents

📖 Book

@datascienceiot
🖥 High Performance MySQL

📖 Book

@datascienceiot
Please open Telegram to view this post
VIEW IN TELEGRAM
Soccer Analytics Meets Artificial Intelligence: Learning Value and Style from Soccer Event Stream Data

📖 Book

@datascienceiot
Probability and Statistics for Data Science

📖 Book

@datascienceiot
Space and Time-Efficient Data Structures for Massive Datasets


📓 Book

@datascienceiot
Data Lake for Enterprises

📓 book

@datascienceiot
Forwarded from Киллер-фича
Сбер выпустил модель Kandinsky 2.0 — об этом рассказали на конференции AI Journey.

Kandinsky 2.0 — это первая российская мультиязычная диффузионная модель для генерации изображений по текстовому описанию. Работает она со 101 языком, в том числе, с русским и английским. Причем, отлично понимает описание, даже если его составить из слов на разных языках.

Главная особенность новой модели — это более сочная, глубокая и реалистичная картинка. Попробовать сгенерировать свое изображение можно на сайте FusionBrain.ai
Python for Control Engineering

📖 Book

@datascienceiot
Data Mining and Data Warehousing

📓 book

@datascienceiot
Старший продуктовый менеджер AI Cloud Алёна Дробышевская рассказала о платформе машинного обучения в контуре заказчика на международной конференции по ИИ AI Journey.

По ее словам, сейчас важно думать о таких платформах, так как наступила эпоха персонализации моделей. Количество проектов растёт, число датасайенс-команд — тоже.

Кроме того, идёт сокращение времени от эксперимента до внедрения — переход осуществляется за несколько дней, а иногда важны даже часы.

Вот почему при переходе к промышленному использованию моделей так важна их персонализация. Сегодня на рынке MLOPS более 300 разносных решений, в основном — оупенсорсные. Это их преимущество, но и недостаток, так как неясно, как долго они будут на рынке. Кроме того, в России проблема ещё и в уходе крупных игроков и облачных провайдеров. Сами же модели нуждаются в поддержке и развитии.

Вот почему Cloud сделали решение ML Space. Это платформа для ML-разработки полного цикла. Важно то, что она работает в облаке. Кроме того, это на 100% российская разработка.

Уже сейчас на ML Space более 2,5 тыс. пользователей и более 25 тыс. обученных и запущенных моделей.

Платформа позволяет сократить общее время ML-разработки, а также вывода решений заказчиков на рынок.

Такая платформа будет полезна банкам, компаниям из сферы финансов, промышленности, государственному сектору.

ML Private предоставляет дополнительные опции. Например, интеграцию со всеми бизнес-системами, встройку в существующий ландшафт компании во всех смыслах и так далее.

@datascienceiot
Data Science For Dummies

📓 book

@datascienceiot
Data Quality Fundamentals

📓 book

@datascienceiot
Hadoop The Definitive Guide

📓 book

@datascienceiot
Learning Spark Lightning-Fast Data Analytics

📓 book

@datascienceiot
Spark: The Definitive Guide
Big Data Processing Made Simple


📓 book

@datascienceiot
Fundamentals of Data Engineering

📓 book

@datascienceiot
🖥 Python for Data Analysis

📓 book

@datascienceiot
Please open Telegram to view this post
VIEW IN TELEGRAM
MySQL Performance Schema

📓 book

@datascienceiot
🖥 Python for Scientists

📓 book

@datascienceiot
Please open Telegram to view this post
VIEW IN TELEGRAM