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
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
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
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
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
Speech and Language Processing An Introduction to Natural Language Processing, Computational Linguistics, and Speech Recognition
📔Book
@datascienceiot
📔Book
@datascienceiot