🦀 Rust для машинного обучения
Статья
Изучить язык Rust можно на канале: @rust_code
https://t.me/machinelearning_ru
Статья
Изучить язык Rust можно на канале: @rust_code
https://t.me/machinelearning_ru
Дзен | Статьи
🦀 Rust для машинного обучения.
Статья автора «Машинное обучение» в Дзене ✍: Эта статья содержит список библиотек машинного обучения, написанных на Rust. Это сборник репозиториев GitHub, блогов, книг, уроков, форумов, статей.
👍5🔥5❤2👏1
Forwarded from Golang
🧠 NNHelper – пакет на языке Go для создания и использования нейронной сети
Данная статья описывает работу пакета nnhelper, предназначенного для создания и использования нейронных сетей в программах на языке Go.
Если Вы уже знакомы с машинным обучением и используете его в своей работе, то эта статья и описанные в ней примеры могут показаться вам слишком простыми. Если Вы в начале пути и хотите познакомиться с этой темой или вам хотелось бы научиться использовать нейроматрицу в ваших программах на языке Go, то вы попали точно по адресу.
Go пакет nnhelper разработан для быстрого создания нейронной сети и использовании ее в приложениях, написанных на языке Go. Для использования nnhelper не потребуется ничего дополнительного, кроме Go. Пакет nnhelper является надстройкой над пакетом gonn. И это единственная внешняя зависимость.
Статья
Код
@Golang_google
Данная статья описывает работу пакета nnhelper, предназначенного для создания и использования нейронных сетей в программах на языке Go.
Если Вы уже знакомы с машинным обучением и используете его в своей работе, то эта статья и описанные в ней примеры могут показаться вам слишком простыми. Если Вы в начале пути и хотите познакомиться с этой темой или вам хотелось бы научиться использовать нейроматрицу в ваших программах на языке Go, то вы попали точно по адресу.
Go пакет nnhelper разработан для быстрого создания нейронной сети и использовании ее в приложениях, написанных на языке Go. Для использования nnhelper не потребуется ничего дополнительного, кроме Go. Пакет nnhelper является надстройкой над пакетом gonn. И это единственная внешняя зависимость.
Статья
Код
@Golang_google
👍5
GraphWorld: бенчмарк для графовых нейросетей
https://neurohive.io/ru/frameworki/graphworld-benchmark-dlya-grafovyh-nejrosetej/
@machinelearning_ru
https://neurohive.io/ru/frameworki/graphworld-benchmark-dlya-grafovyh-nejrosetej/
@machinelearning_ru
Neurohive - Нейронные сети
GraphWorld: бенчмарк для графовых нейросетей
Google AI представила бенчмарк для графовых нейросетей GraphWorld. Бенчмарк использует несколько миллионов синтетических датасетов, воспроизводящих широкий класс графов, и генерирует обобщенную оценку нейросети на основе ее тестирования на всех датасетах.…
👍8
🦩 Flamingo: мультимодальная модель от DeepMind
Flamingo – мультимодальная модель DeepMind, генерирующая текстовое описание фото, видео и звуков. Модель превосходит предыдущие state-of-the-art модели в 16 задачах, а ее особенностью является возможность обучаться на нескольких примерах.
https://uproger.com/flamingo-multimodalnaya-model-ot-deepmind/
Код: https://github.com/lucidrains/flamingo-pytorch
@machinelearning_ru
Flamingo – мультимодальная модель DeepMind, генерирующая текстовое описание фото, видео и звуков. Модель превосходит предыдущие state-of-the-art модели в 16 задачах, а ее особенностью является возможность обучаться на нескольких примерах.
https://uproger.com/flamingo-multimodalnaya-model-ot-deepmind/
Код: https://github.com/lucidrains/flamingo-pytorch
@machinelearning_ru
👍5
Как импортировать наборы данных Kaggle в Google Colab?
Kaggle используется практически всеми, кто занимается наукой о данных. Эта платформа содержит датасеты для всех областей знаний. Вы можете получить набор данных практически для любого случая использования, включая развлечения, медицину, электронную коммерцию и даже астрономию. Пользователи Kaggle могут попрактиковаться на различных наборах, чтобы проверить свои компетенции в науке о данных и машинном обучении.
В этой статье будет показано, как импортировать наборы данных из Kaggle непосредственно в блокноты Google Colab.
Читать дальше
@machinelearning_ru
Kaggle используется практически всеми, кто занимается наукой о данных. Эта платформа содержит датасеты для всех областей знаний. Вы можете получить набор данных практически для любого случая использования, включая развлечения, медицину, электронную коммерцию и даже астрономию. Пользователи Kaggle могут попрактиковаться на различных наборах, чтобы проверить свои компетенции в науке о данных и машинном обучении.
В этой статье будет показано, как импортировать наборы данных из Kaggle непосредственно в блокноты Google Colab.
Читать дальше
@machinelearning_ru
👍11❤1
https://t.me/itchannels_telegram - подборка каналов для мл специалистов
👍3
🦉 OWL-ViT: Обнаружение объектов в открытом мире с Vision Transformers
Описание: https://zen.yandex.ru/media/machinelearning/-owlvit-obnarujenie-obektov-v-otkrytom-mire-s-vision-transformers-627f5f8d5b0eb339ea12b4af
Код: https://github.com/google-research/scenic/tree/main/scenic/projects/owl_vit
Статья: https://arxiv.org/abs/2205.06230
Colab: https://colab.research.google.com/github/google-research/scenic/blob/main/scenic/projects/owl_vit/notebooks/OWL_ViT_minimal_example.ipynb
Датасет: https://paperswithcode.com/dataset/objects365
@machinelearning_ru
Описание: https://zen.yandex.ru/media/machinelearning/-owlvit-obnarujenie-obektov-v-otkrytom-mire-s-vision-transformers-627f5f8d5b0eb339ea12b4af
Код: https://github.com/google-research/scenic/tree/main/scenic/projects/owl_vit
Статья: https://arxiv.org/abs/2205.06230
Colab: https://colab.research.google.com/github/google-research/scenic/blob/main/scenic/projects/owl_vit/notebooks/OWL_ViT_minimal_example.ipynb
Датасет: https://paperswithcode.com/dataset/objects365
@machinelearning_ru
Дзен | Статьи
🦉 OWL-ViT: Обнаружение объектов в открытом мире с Vision Transformers
Статья автора «Машинное обучение» в Дзене ✍: OWL-ViT — детектор объектов с открытым датасетом.
👍6
Газпромбанк приглашает тебя на онлайн-лекцию о Data Science и NLP!
19 мая в 18:00 (по МСК) Мила Рванова, ведущий аналитик-исследователь Газпромбанка, поделится инсайтами о жизни NLP-специалиста и навыках для работы за рамками fit predict.
Что тебя ждет:
• лекция о Natural Language Processing, его использовании и построении карьеры в этой сфере;
• возможность задать вопросы лектору и завести полезные знакомства;
• мерч и сертификат об участии!
Лекция пройдет в Zoom – регистрируйся: https://vk.cc/cdvDeD
19 мая в 18:00 (по МСК) Мила Рванова, ведущий аналитик-исследователь Газпромбанка, поделится инсайтами о жизни NLP-специалиста и навыках для работы за рамками fit predict.
Что тебя ждет:
• лекция о Natural Language Processing, его использовании и построении карьеры в этой сфере;
• возможность задать вопросы лектору и завести полезные знакомства;
• мерч и сертификат об участии!
Лекция пройдет в Zoom – регистрируйся: https://vk.cc/cdvDeD
👍7👎2
🗾 Модель обнаружение ключевых точек на геолокациях
Описание
Код: https://github.com/AggMan96/RK-Net
Статья: https://zhunzhong.site/paper/RK_Net.pdf
Датасет: https://paperswithcode.com/dataset/university-1652
@machinelearning_ru
Описание
Код: https://github.com/AggMan96/RK-Net
Статья: https://zhunzhong.site/paper/RK_Net.pdf
Датасет: https://paperswithcode.com/dataset/university-1652
@machinelearning_ru
Дзен | Статьи
Модель обнаружение ключевых точек на геолокациях
Статья автора «Машинное обучение» в Дзене ✍: В этой статье мы изучаем проблему обнаружения объектов на геолокации для сопоставления изображений с разных точек зрения.
👍9
numpy.meshgrid(): How Does It Work? When Do You Need It? Are There Better Alternatives?
https://thepythoncodingbook.com/2022/05/28/numpy-meshgrid/
https://thepythoncodingbook.com/2022/05/28/numpy-meshgrid/
👍7👎2
1️⃣5️⃣ наборов данных для датасайентистов
Без чего нельзя обойтись в датасайенс-проекте? Конечно, без данных!
Именно об этом пойдет речь в сегодняшней статье. Мы поделимся с вами 15 датасетами, которые можно использовать для анализа данных и их визуализации, классификации текстов/изображений, создания системы рекомендаций и многого другого.
https://uproger.com/15-naborov-dannyh-dlya-datasajentistov/
@machinelearning_ru
Без чего нельзя обойтись в датасайенс-проекте? Конечно, без данных!
Именно об этом пойдет речь в сегодняшней статье. Мы поделимся с вами 15 датасетами, которые можно использовать для анализа данных и их визуализации, классификации текстов/изображений, создания системы рекомендаций и многого другого.
https://uproger.com/15-naborov-dannyh-dlya-datasajentistov/
@machinelearning_ru
👍8
⚖️ Как в PyTorch случайным образом мутировать веса.
https://uproger.com/kak-v-pytorch-sluchajnym-obrazom-mutirovat-vesa/
@machinelearning_ru
https://uproger.com/kak-v-pytorch-sluchajnym-obrazom-mutirovat-vesa/
@machinelearning_ru
👍10
Уже не раз писал на канале об учебнике по машинному обучению от Школы анализа данных Яндекса. На этот раз эксперты ШАД опубликовали новые онлайн-материалы по вероятностным моделям ML. В них вошли 6 тем, среди которых есть разбор обобщённых линейных моделей, а также подробное описание подходов к классификации и оцениванию вероятностей.
К свежим главам авторы добавили часть о кластеризации, которую написал Виктор Кантор, директор по большим данным в МТС. Он дополнил теоретическую информацию ценными инсайтами из практики.
Тем, кто ещё не сохранил ссылку на учебник, предлагаю сделать это прямо сейчас, чтобы не пропустить выход свежих разделов.
К свежим главам авторы добавили часть о кластеризации, которую написал Виктор Кантор, директор по большим данным в МТС. Он дополнил теоретическую информацию ценными инсайтами из практики.
Тем, кто ещё не сохранил ссылку на учебник, предлагаю сделать это прямо сейчас, чтобы не пропустить выход свежих разделов.
👍21
i🦄 Imagen unprecedented photorealism × deep level of language understanding From Google
Home: https://gweb-research-imagen.appspot.com/
Paper: https://gweb-research-imagen.appspot.com/paper.pdf
Home: https://gweb-research-imagen.appspot.com/
Paper: https://gweb-research-imagen.appspot.com/paper.pdf
📝 Модель автоматического решения кроссвордов
Этот репозиторий содержит код для обучения и запуска нашей системы решения кроссвордов. Мы также выпускаем предварительно обученные модели, предварительно вычисленные FAISS и набор данных подсказок-ответов на кроссворды.
Описание
Github: https://github.com/albertkx/berkeley-crossword-solver
Paper: https://arxiv.org/abs/2205.09665v1
Dataset: https://www.xwordinfo.com/JSON/
@machinelearning_ru
Этот репозиторий содержит код для обучения и запуска нашей системы решения кроссвордов. Мы также выпускаем предварительно обученные модели, предварительно вычисленные FAISS и набор данных подсказок-ответов на кроссворды.
Описание
Github: https://github.com/albertkx/berkeley-crossword-solver
Paper: https://arxiv.org/abs/2205.09665v1
Dataset: https://www.xwordinfo.com/JSON/
@machinelearning_ru
👍7