Machinelearning

2023-04-24 15:08:20 А вы уже успели приобрести жильё по программе льготной ипотеки для IT-специалистов? Нет? Тогда эта новость для вас!
Застройщик ЛСР предлагает в апреле скидки всем, кто оформит IT-ипотеку:
1% — на однокомнатную квартиру или студию;
2% — на двухкомнатную квартиру;
3% — на 3-5-комнатную квартиру.
Скидка предоставляется на покупку недвижимости во всех объектах застройщика. Еще один момент: важно быть сотрудником компании-партнёра ЛСР.
Что делать, если ваша компания не является партнёром застройщика? Подать заявку на её включение в список! Важно: требования к компании включают аккредитацию Минцифры России и использование налоговых льгот.
Подробнее об акции здесь.

Реклама. ООО "ЛСР. НЕДВИЖИМОСТЬ-СЗ" LjN8K2f4Y

  Открыть/Комментировать

2023-04-23 10:18:15 Learning to Program with Natural Language

This project introduces the Learning to Program (LP) method, which aims to learn the task program in text form from the training set using Large Language Models (LLMs) themselves.

Новый проект от Microsoft представляет метод Learning to Program (LP), который позволяет использовать естественный язык в качестве языка программирования для описания процедур задач, делая их легко понятными как для людей, так и для LLM.

Github: https://github.com/microsoft/naturallanguageprogram

Paper: https://arxiv.org/pdf/2304.10464v1.pdf

Dataset: https://paperswithcode.com/dataset/math

ai_machinelearning_big_data Открыть/Комментировать

2023-04-22 09:46:19 LLM Zoo: democratizing ChatGPT

Model "Phoenix", achieving competitive performance among open-source English and Chinese models while excelling in languages with limited resources

LLM Zoo - это проект, который предоставляет данные, модели и бенчмарки для больших языковых моделей.

Github: https://github.com/freedomintelligence/llmzoo

Paper: https://arxiv.org/abs/2304.10453v1

Parameters: https://huggingface.co/FreedomIntelligence/phoenix-chat-7b

ai_machinelearning_big_data Открыть/Комментировать

2023-04-20 18:03:06 Understanding INT4 Quantization for Transformer Models: Latency Speedup, Composability, and Failure Cases

В данной работе исследуется возможность использования квантования INT4 для языковых моделей и показываем.

Github: https://github.com/microsoft/DeepSpeed

Paper: https://arxiv.org/pdf/2301.12017v1.pdf

Dataset: https://paperswithcode.com/dataset/multinli

ai_machinelearning_big_data Открыть/Комментировать

2023-04-20 16:03:01 Практический вебинар VK Cloud: Погружение в MLflow API. Готовые рецепты и сценарии использования

Когда: 4 мая, 16:00 по Москве
Регистрация

На вебинаре спикеры покажут основные этапы работы с ML-моделями в MLflow. Вы узнаете, как оценивать и сравнивать модели и выводить их в production.

В программе:

Принципы работы с MLflow на Jupyter в облаке и решение основных задач: логирования метрик, моделей и параметров.
Сравнение различных ML-моделей и экспериментов с помощью извлеченных метрик.
Разбор большинства методов MLflow API.
Деплой ML-модели и демонстрация основных сценариев использования на практике.

Спикеры:

— Александр Волынский, технический менеджер продукта Cloud ML Platform, VK Cloud
— Сергей Артюхин, преподаватель курса «Симулятор ML», karpov.courses

Вебинар будет полезен дата-сайентистам, MLOps- и DevOps-инженерам и аналитикам данных.

Зарегистрироваться Открыть/Комментировать

2023-04-20 10:55:55 Stability AI запускает первый набор языковых моделей StableLM

This repository contains Stability AI's ongoing development of the StableLM series of language models and will be continuously updated with new checkpoints. The following provides an overview of all currently available models. More coming soon.

StableLM предназначена для генерации текста и кода и будет использоваться в различных приложениях. Модель обучена и полностью готова к использованию всеми желающими абсолютно бесплатно. В данный момент готовы к использованию языковые модели с 3B и 7B (3 и 7 млрд.) параметрами.


Github: https://github.com/Stability-AI/StableLM

Hugging face: https://huggingface.co/spaces/stabilityai/stablelm-tuned-alpha-chat

ai_machinelearning_big_data Открыть/Комментировать

2023-04-19 12:46:06 Inpaint Anything: Segment Anything Meets Image Inpainting

Inpaint Anything is able to remove the object smoothly.

"Inpaint Anything" - новый проект, который позваоляет удалить / заполнить / заменить что угодно на картинке (помощью промпта).

Github: https://github.com/geekyutao/Inpaint-Anything

Paper: https://arxiv.org/abs/2304.06790

Dataset: https://segment-anything.com/dataset/index.html

ai_machinelearning_big_data Открыть/Комментировать

2023-04-19 10:46:24 Навык работы с большими данными открывает путь в ведущие IT-корпорации. Обычно такие корпорации используют MLOps — способ повышения производительности и создания надежных моделей корпоративного уровня.

Занимаетесь дата-инжинирингом и хотите выйти на новый уровень? Эксперты топовых компаний обучат вас необходимым навыкам на практическом онлайн-курсе «MLOps» от OTUS.

Определите свой уровень подготовки с помощью теста — https://otus.pw/UB4x/

Пройдете тест, получите велкам-скидку и доступ к 2 предстоящим открытым урокам:

Построим свой конвейер обучения моделей на Airflow и k8s.
DataFrame API: от Dask к PySpark Открыть/Комментировать

2023-04-18 13:01:26 Graph classification with Transformers

This notebook shows how to fine-tune the Graphormer model for Graph Classification on a dataset available on the hub.

В этой статье мы рассмотрим, как можно выполнять классификацию графов с помощью библиотеки Transformers.

Hugging face blog: https://huggingface.co/blog/graphml-classification

Intro to Graphs: https://t.me/ai_machinelearning_big_data/3214

Github: https://github.com/huggingface/blog/blob/main/notebooks/graphml-classification.ipynb

Paper: https://arxiv.org/abs/2106.05234

Dataset: https://ogb.stanford.edu/

ai_machinelearning_big_data Открыть/Комментировать

2023-04-18 11:02:07 Разработчики, архитекторы, Data Science и R&D-специалисты Нижнего Новгорода, вы здесь? Сбер приглашает вас на инженерный митап RecSys Community, который пройдет 25 апреля в Сo-working Garage

О чем расскажут спикеры?

Рассмотрят подходы к применению трансформеров в рекомендательных системах и поделятся успешными кейсам.

Покажут, как используют AmazMe для обработки персонализированных и мультимодальных рекомендаций.

Раскроют все секреты, какие изменения помогли сделать рекомендательную систему поиска друзей такой точной.

Конечно же, на митапе будут Q&A-сессии, кофе-брейк, розыгрыш мерча и интересное общение. Встречаемся 25 апреля в Co-working Garage по адресу: ул. Октябрьская, д.35. Сбор гостей в 18:30.

Зарегистрироваться! Открыть/Комментировать