Neural Networks | Нейронные сети
1.45K subscribers
90 photos
19 videos
19 files
583 links
Нейронные сети в действии! Обучающие материалы и эксперименты. Также подписывайтесь на группу VK: https://vk.com/neurolearn

📨 Сотрудничество: @thelans
Download Telegram
​Stanza: A Python NLP Library for Many Human Languages.
Фреймворк содержит поддержку для запуска различных точных инструментов обработки естественного языка на более чем 60 языках и для доступа к программному обеспечению Java Stanford CoreNLP из Python.
🌐https://github.com/stanfordnlp/stanza

#machinelearning #ai #машинноеобучение #neuralnetworks #нейронныесети #python#буднипрограммиста #programming #stanza

🔗 stanfordnlp/stanza
Official Stanford NLP Python Library for Many Human Languages - stanfordnlp/stanza

Источник ВК
​Инструментарий Data Scientist'а: MLFlow

MLflow - это платформа с открытым исходным кодом для управления непрерывным жизненным циклом машинного обучения. Он выполняет четыре основные функции:
* Отслеживание экспериментов для записи и сравнения параметров и результатов (MLflow Tracking).
* Упаковка кода ML в повторно используемую, воспроизводимую форму для передачи другим специалистам по данным или передачи в продакшн (MLflow Projects).
* Управление и развёртывание моделей из множества библиотек машинного обучения на различных платформах обслуживания и вывода моделей (MLflow Models).
* Предоставление центрального хранилища моделей для совместного управления полным жизненным циклом модели MLflow, включая управление версиями модели, переходы между этапами и аннотации (MLflow Model Registry).

MLflow не зависит от библиотек. Вы можете использовать его с любой библиотекой машинного обучения и на любом языке программирования, поскольку все функции доступны через REST API и CLI. Для удобства в проект также включены Python API, R API и Java API.

🌐Документация по фреймворку: https://www.mlflow.org/docs/latest/quickstart.html

#machinelearning #ai #машинноеобучение #neuralnetworks #нейронныесети #python#буднипрограммиста #programming #MLflow

🔗 Quickstart — MLflow 1.18.0 documentation

Источник ВК
​Инструментарий Data Scientist'а: Airflow

Airflow - это платформа для программного создания, планирования и мониторинга рабочих процессов.
Используйте Airflow для создания рабочих процессов как направленных ациклических графов (DAG задач). Планировщик Airflow выполняет ваши задачи, следуя указанным зависимостям. Командная строка упрощает выполнение сложных операций на DAG. Богатый пользовательский интерфейс позволяет легко визуализировать конвейеры, работающие в производственной среде, отслеживать прогресс и при необходимости устранять неполадки.

Когда рабочие процессы определены как код, они становятся более удобными для сопровождения, версионирования, тестирования и совместной работы.

🌐 Статья » https://habr.com/ru/company/mailru/blog/339392/
🌐 Документация » https://airflow.apache.org/docs/apache-airflow/stable/index.html
🌐 Wiki » https://ru.bmstu.wiki/Apache_Airflow

#machinelearning #ai #машинноеобучение #neuralnetworks #нейронныесети #python#буднипрограммиста #programming #Airflow

🔗 Airflow — инструмент, чтобы удобно и быстро разрабатывать и поддерживать batch-процессы обработки да
Привет, Хабр! В этой статье я хочу рассказать об одном замечательном инструменте для разработки batch-процессов обработки данных, например, в инфраструктуре корпоративного DWH или вашего...

Источник ВК
​Инструментарий разработчика. На чём собрать мобильное приложение без кода — топ-3 конструктора с примерами приложений.
Интересная статья про альтернативный подход к программированию. Если пойти дальше, можно имплементировать собственные ML-модели в мобильные приложения.
🌐https://vc.ru/dev/216592-na-chem-sobrat-mobilnoe-prilozhenie-bez-koda-top-3-konstruktora-s-primerami-prilozheniy

#machinelearning #ai #машинноеобучение #neuralnetworks #нейронныесети #python#буднипрограммиста #programming

🔗 На чем собрать мобильное приложение без кода — топ-3 конструктора с примерами приложений
Самый популярный вопрос среди начинающих зерокодеров — можно ли собрать мобильное приложение без программирования. Расскажем, с помощью каких инструментов это можно сделать, чем они отличаются и сколько это стоит.

Источник ВК
​Инструментарий Data Scientist'а: Airflow + MLFlow.

См. подробную документацию и статьи в предыдущих статьях.
🌐 https://youtu.be/NfPf0Y770DA
🌐 Репозиторий с кодом из видео » https://github.com/miracl1e6/auto-pipeline-airflow-mlflow

#machinelearning #ai #машинноеобучение #neuralnetworks #нейронныесети #python#буднипрограммиста #programming #mlflow #airflow

🔗 miracl1e6/auto-pipeline-airflow-mlflow
Contribute to miracl1e6/auto-pipeline-airflow-mlflow development by creating an account on GitHub.


🎥 Airflow и MLFlow автоматизаций пайплайнов Machine Learning / MLOps
👁 1 раз 3164 сек.
Разверните облачный сервер для Data Science в Selectel: https://slc.tl/JSss5, получите 1000 бонусных рублей по промокоду miracl6

Курс Data Science для начинающих PyMagic
Подробная информация о курсе, программа обучения по ссылке - https://pymagic.ru

Репозиторий с кодом из видео:
https://github.com/miracl1e6/auto-pipeline-airflow-mlflow

Доументация Airflow https://airflow.apache.org
Инфа на русском https://ru.bmstu.wiki/Apache_Airflow

Доументация MLFlow https://www.mlflow.org/docs/latest/index.html

Instagram https://www.instagram.com/miracl6_
Facebook https://www.facebook.com/miracl1e6
Telegram channel https://t.me/miracle_of_science

#ityoutubersru #datascience #mlops #mlflow #airflow


Источник ВК
​DeepMind научила нейросетевых агентов командной игре в футбол.
Сначала агенты учились базовым движениям, имитируя движения людей, затем тренировались, отрабатывая более сложные движения, к примеру, дриблинг, а после этого играли в команде и учились взаимодействовать с партнером, повышая тем самым шансы команды на гол.

🌐https://nplus1.ru/news/2021/06/01/deepmind-football
🌐Статья с описанием разработки » https://arxiv.org/pdf/2105.12196.pdf
🌐Видео » https://youtu.be/KHMwq9pv7mg

#machinelearning #ai #машинноеобучение #neuralnetworks #нейронныесети #python#буднипрограммиста #programming #deepmind

🔗 DeepMind научила нейросетевых агентов командной игре в футбол
Они научились сложным взаимодействиям с партнерами по команде


🎥 From Motor Control to Team Play in Simulated Humanoid Football
👁 1 раз 463 сек.
Skip to 4:09 for highlights of gameplay.
Paper: https://arxiv.org/abs/2105.12196

0:00 Intro
0:20 Overview
1:00 Environment and Rules
1:51 Training
3:05 Imitation
3:20 Drills
4:09 Highlights
7:39 Outro


Источник ВК
​Сравнение OpenCL с CUDA, GLSL и OpenMP.
В этом топике приведено сравнение OpenCL с CUDA и шейдерами для GPU, а также с OpenMP для CPU.
Тестирование проводилось на задаче N-тел. Она хорошо ложится на параллельную архитектуру, сложность задачи растёт как O(N2), где N — число тел.

🌐Что такое OpenCL? » https://habr.com/ru/post/72247/
🌐https://habr.com/ru/post/96122/

#machinelearning #ai #машинноеобучение #neuralnetworks #нейронныесети #python#буднипрограммиста #programmin

🔗 Сравнение OpenCL с CUDA, GLSL и OpenMP
На хабре уже рассказали о том, что такое OpenCL и для чего он нужен, но этот стандарт сравнительно новый, поэтому интересно как соотносится производительность программ на нём с другими решениями....

Источник ВК
​Какие метрики используются в задачах машинного обучения?
👉🏻Метрики в задачах классификации
👉🏻Accuracy, precision, recall и F-мера
👉🏻AUC-ROC и AUC-PR
👉🏻Logistic Loss - логистическая функция потерь

🌐https://habr.com/ru/company/ods/blog/328372/
🌐Некоторые задачки по AUC-ROC » https://dyakonov.org/2015/10/09/%D0%B7%D0%B0%D0%B4%D0%B0%D1%87%D0%BA%D0%B8-%D0%BF%D1%80%D0%BE-auc-roc/

#machinelearning #ai #машинноеобучение #neuralnetworks #нейронныесети #python#буднипрограммиста #programming

🔗 Метрики в задачах машинного обучения
Привет, Хабр!

В задачах машинного обучения для оценки качества моделей и сравнения различных алгоритмов используются метрики, а их выбор и анализ — непременная часть работы датасатаниста.
В...

Источник ВК