📚 Бесплатная книга по выпуклой оптимизации - 130 страниц
"Convex Optimization: Algorithms and Complexity" - хорошее введение в алгоритмы выпуклой оптимизации и их вычислительную сложность.
Внутри:
* градиентные методы
* ускоренные методы
* субградиентная оптимизация
* проксимальные алгоритмы
* first-order methods
* оценки скорости сходимости
* сложность оптимизационных алгоритмов
Полезно для ML, математики и тех, кто хочет глубже понять, что стоит за обучением моделей.
PDF:
https://arxiv.org/abs/1405.4980
"Convex Optimization: Algorithms and Complexity" - хорошее введение в алгоритмы выпуклой оптимизации и их вычислительную сложность.
Внутри:
* градиентные методы
* ускоренные методы
* субградиентная оптимизация
* проксимальные алгоритмы
* first-order methods
* оценки скорости сходимости
* сложность оптимизационных алгоритмов
Полезно для ML, математики и тех, кто хочет глубже понять, что стоит за обучением моделей.
PDF:
https://arxiv.org/abs/1405.4980
Инженеры AI VK отказались от бустинга в финальном ранжировании рекомендаций и перешла на многозадачный нейроранкер DCDN.
Что изменилось:
• вместо одного score модель отдельно предсказывает лайк, дизлайк и Watch Time
• Learning to Rank объединяет эти сигналы в финальную оценку
• CTR и другие отношения сеть учит напрямую из сырых счётчиков - деление встроено в архитектуру
• ручного Feature Engineering стало заметно меньше
Read
Что изменилось:
• вместо одного score модель отдельно предсказывает лайк, дизлайк и Watch Time
• Learning to Rank объединяет эти сигналы в финальную оценку
• CTR и другие отношения сеть учит напрямую из сырых счётчиков - деление встроено в архитектуру
• ручного Feature Engineering стало заметно меньше
Read
📘 Mathematics of Deep Learning: An Introduction
Authors: Leonid Berlyand & Pierre-Emmanuel Jabin
Edition: 2nd revised and extended edition (2026)
Pages: 333 pages
Publisher: De Gruyter
📓 Read
@datascienceiot
Authors: Leonid Berlyand & Pierre-Emmanuel Jabin
Edition: 2nd revised and extended edition (2026)
Pages: 333 pages
Publisher: De Gruyter
📓 Read
@datascienceiot
Получи подготовленные данные и разработай ИИ-ассистента для энергетики на соревновании от ПАО «Интер РАО» при поддержке «Яндекса». Лучшие проекты смогут стать частью экосистемы компании. Призовой фонд — 750 000 рублей.
Регистрация открыта до 27 сентября.
Можно участвовать одному или командой до 5 человек. Идеальный состав: разработчик, специалист по машинному обучению, аналитик и дизайнер.
Стартуем 28 сентября. Придумай концепт проекта: самые сильные идеи участники доработают под руководством экспертов с 9 по 23 октября. Финал в Москве — 3 ноября.
Задачи соревнования — за какую возьмешься?
1️⃣ ИИ-помощник для подготовки презентаций.
Создай инструмент генерации презентации в корпоративном стиле из текстового брифа.2️⃣ Помощник для анализа документов из судов.
Разработай систему, которая сможет распознавать, классифицировать и заносить судебные и исполнительные документы в базу данных.3️⃣ Ассистент для создания ИТ/ИБ-дайджестов.
Напиши ассистента, который будет регулярно анализировать релевантные новости из различных источников и формировать краткую сводку.4️⃣ Архитектор BPMN-диаграмм.
Создай генератор BPMN-диаграмм, который позволит из текстового описания процесса собрать валидную схему в формате BPMN 2.0.
Получи сильную строчку в портфолио и уникальный опыт работы под руководством экспертов Группы «Интер РАО».
Регистрируйся: https://cnrlink.com/interraohack26ds
Please open Telegram to view this post
VIEW IN TELEGRAM
Banger report from Microsoft.
They introduce a 4B coding agent trained on roughly 1,500 software engineering environments.
📘 Paper
@datascienceiot
They introduce a 4B coding agent trained on roughly 1,500 software engineering environments.
📘 Paper
@datascienceiot