Машинное обучение RU
17.7K subscribers
1.58K photos
208 videos
11 files
2.04K links
Все о машинном обучении

админ - @workakkk

@data_analysis_ml - анализ даннных

@ai_machinelearning_big_data - Machine learning

@itchannels_telegram -лучшие ит-каналы

@pythonl - Python

@pythonlbooks- python 📚

@datascienceiot - 📚

РКН: clck.ru/3FmrUw
Download Telegram
💻 У нас на канале вышло свежее видео по Apache Kafka

Это 1 урок нашего из нашего Бесплатного курса.

Поддержите наше видео ЛАЙКОМ и комментом, больше продвинутых уроков на подходе!

https://www.youtube.com/watch?v=W7ZCXcxQxV8

@machinelearning_ru
Please open Telegram to view this post
VIEW IN TELEGRAM
👍143🔥1
BiomedParse: базовая биомедицинская модель для анализа любых медицинских изображений

abs: https://arxiv.org/abs/2405.12971
страница проекта: https://microsoft.github.io/BiomedParse/

Microsoft Research представили BiomedParse - базовую биомедицинскую модель для анализа изображений, которая позволяет выполнять сегментацию, обнаружение и распознавание 82 типов объектов в 9 режимах обработки изображений.

@machinelearning_ru
Please open Telegram to view this post
VIEW IN TELEGRAM
👍84
🎉 DeepSeek-VL, VIM с открытым исходным кодом, сегодня в тренде на GitHub! 🌐

🖼️ DeepSeek-VL расширяет границы мультимодальных моделей!

🔬 Модель может обрабатывать диаграммы, веб-страницы, формулы, научную литературу, изображения природы и многое другое.

Models are on Hub🤗: https://huggingface.co/deepseek-ai

🚀On Spaces: https://huggingface.co/spaces/deepseek-ai/DeepSeek-VL-7B
🧪Build Locally: https://github.com/deepseek-ai/DeepSeek-VL?tab=readme-ov-file#gradio-demo

@machinelearning_ru
👍51
Forwarded from Machinelearning
🔥🔥🔥 YOLOv10: Real-Time End-to-End Object Detection

⚡️ Вышла новая версия детектора объектов YOLOv10

Добавлена новая функция сквозного обнаружения объектов в реальном времени. Код выпущен под лицензией GNU GPL v3.0

По сравнению с YOLOv9-C, YOLOv10-B имеет на 46% меньшую задержку и использует на 25% меньше параметров при той же производительности.

Paper: arxiv.org/pdf/2405.14458
Github: https://github.com/THU-MIG/yolov10/
Demo :https://huggingface.co/spaces/kadirnar/Yolov10
Colab: https://colab.research.google.com/github/roboflow-ai/notebooks/blob/main/notebooks/train-yolov10-object-detection-on-custom-dataset.ipynb#scrollTo=SaKTSzSWnG7s

@ai_machinelearning_big_data
👍123
⭐️ LM-Studio. Запускаем у себя на ПК АНАЛОГ GPT. Генерируем Flask приложение с помощью ИИ.

https://www.youtube.com/watch?v=bsbW8UoA0zA

@machinelearning_ru
Please open Telegram to view this post
VIEW IN TELEGRAM
5🔥2👍1🤔1
🧠khoj

Сopilot, который будет получать ответы на ваши вопросы, будь то из ваших собственных заметок или из Интернета. Использует мощные онлайн-приложения (например, gpt4) или ваши локальные llm.

Это крутое приложение для поиска и общения с вашими заметками, документами и изображениями.

https://github.com/khoj-ai/khoj

@machinelearning_ru
👍42👎2🔥1
🌟 Подборка полезных ресурсов по Data Science и ML

Здесь собраны open-source книги, туториалы по работе с данными при помощи R и Python, гайды с объяснением ML-алгоритмов

▶️ Полезные ресурсы

@machinelearning_ru
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
5👍3🔥1
QuickVid - инструмент для получения текстового содержания видео YouTube за считанные секунды

▶️ Вставьте ссылку на YouTube.
Получайте молниеносные результаты.

https://github.com/metaloozee/quickvid

@machinelearning_ru
👍6🔥32
🔥 Хабр объявил итоги конкурса «Технотекст» в номинации ML, победили три статьи. Делимся списком:

▪️Мурат Апишев написал о проблеме обработки Transformer длинных последовательностей, прежде всего текстовых.

▪️Виктор Юрченко из Яндекса рассказал о том, как нейросети помогают беспилотным автомобилям планировать своё движение.

▪️Котенков Игорь из Open Data Science объяснил на простом русском эволюцию языковых моделей с T9 до чуда.

@machinelearning_ru
👍52
Python profiler - полезный инструмент для анализа производительности вашего кода.

Он собирает подробную статистику использования ресурсов во время работы вашей модели, что позволяет выявлять узкие места в коде и оптимизировать производительность.

https://lightning.ai/docs/pytorch/stable/common/trainer.html#profiler

@machinelearning_ru
🔥13👍43
🖥 Complete-Tensorflow-and-Keras-with-Projects-Series

Этот репозиторий содержит все необходимое для того, погрузиться в Tensorflow и Keras.

Здесь собрано более 100 реализованных проектов.

https://github.com/Coder-World04/Complete-Tensorflow-and-Keras-with-Projects-Series

@machinelearning_ru
Please open Telegram to view this post
VIEW IN TELEGRAM
👍11🔥21
⚡️ Распознавание объектов с faster-coco-eval. Разбираемся с библиотекой компьютерного зрения.

https://www.youtube.com/watch?v=5bVG2thY2tA

@machinelearning_ru
👍91🔥1
⚡️ Это классное руководство, показывающее, как вы можете превратить любой RAG конвейер llama_index в API всего за несколько строк кода.

В этом руководстве показано, как создать службу API RAG, упаковать ее в контейнер Docker и развернуть в рабочей среде - зацените это!

https://bentoml.com/blog/serving-a-llamaindex-rag-app-as-rest-apis

@machinelearning_ru
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥8👍31
This media is not supported in your browser
VIEW IN TELEGRAM
⭐️ Сравниваем DBSCAN и OPTICS

Поговорим сегодня о 2 популярных алгоритмах кластеризации — DBSCAN и OPTICS, посмотрим их особенности и сравним
Поехали!

https://habr.com/ru/articles/818889/

@machinelearning_ru
🔥81👍1