Machinelearning

2023-05-10 13:07:36 ​VK Cloud Conf: как перенести лучшие практики разработки ИТ-компаний в классический бизнес

Каждая крупная российская компания, которая стремится к росту, вынуждена развивать собственную разработку. Для многих это новое направление. В то же время большинство вопросов современной разработки — инструментарий, ресурсы, процессы — общие для разных отраслей.

Когда: 8 июня, 12:00
Где: Москва и онлайн
Регистрация

На VK Cloud Conf эксперты VK и крупнейших российских компаний поделятся опытом организации процессов разработки, работы с данными и информационной безопасности в облаке.
Вы узнаете, какими инструментами и подходами можно сократить время вывода новых разработок на рынок. Спикеры обсудят архитектуру современных аналитических систем — от сбора и структурирования данных до визуализации и разработки моделей машинного обучения.

В программе:

Как повысить эффективность разработки ИТ-решений с помощью облачных сервисов
Подходы к работе с данными: примеры масштабных дата-решений, особенности и результаты проектов
Тренды и примеры миграции на российские базы данных
Лучшие практики облачной безопасности в условиях требований к конфиденциальности данных
Конференция будет полезна руководителям компаний и ИТ-специалистам разных направлений. Открыть/Комментировать

2023-05-09 10:57:30 Text-to-Video: The Task, Challenges and the Current State

In this post, we covered the constraints, unique challenges and the current state of text-to-video generation models

Текст в видео: Задачи, проблемы и текущее состояние. В этом посте мы обсудим прошлое, настоящее и будущее моделей "текст в видео".

Hugging face: https://huggingface.co/blog/text-to-video

Github: https://github.com/huggingface/blog/blob/main/text-to-video.md

Damo-vilab: https://huggingface.co/damo-vilab

Dataset: https://m-bain.github.io/webvid-dataset/

ai_machinelearning_big_data Открыть/Комментировать

2023-05-08 11:02:26 ZipIt! Merging Models from Different Tasks without Training

ZipIt allows to combine completely distinct models with different initializations, each solving a separate task, into one multi-task model without any additional training.

"ZipIt!", новый метод объединения двух произвольных моделей одной архитектуры.

Github: https://github.com/gstoica27/zipit

Paper: https://arxiv.org/abs/2305.03053v1

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

ai_machinelearning_big_data Открыть/Комментировать

2023-05-07 11:01:28 Caption Anything: Interactive Image Description with Diverse Multimodal Controls


Caption-Anything is a versatile tool combining image segmentation, visual captioning, and ChatGPT, generating tailored captions with diverse controls for user preferences.

Универсальный инструмент для работы с изображениями, сочетающий в себе возможности, Visual Captioning, SAM, ChatGPT. Модель генерирует описательные подписи для любого объекта на изображении.

Github: https://github.com/ttengwang/caption-anything

Paper: https://arxiv.org/abs/2305.02677v1

Dataset: https://paperswithcode.com/dataset/cityscapes-3d

Colab: https://colab.research.google.com/github/ttengwang/Caption-Anything/blob/main/notebooks/tutorial.ipynb

ai_machinelearning_big_data Открыть/Комментировать

2023-05-04 10:08:06 Awesome Chatgpt

Awesome list for ChatGPT — an artificial intelligence chatbot

Awesome список для ChatGPT.

Github: https://github.com/sindresorhus/awesome-chatgpt

Examples: https://github.com/xiaowuc2/ChatGPT-Python-Applications

QuickGPT: https://sindresorhus.gumroad.com/l/quickgpt

ai_machinelearning_big_data Открыть/Комментировать

2023-05-04 08:08:32 Имеете опыт в машинном обучении, но хотите двигаться ещё дальше?

Специально для вас Валерий Бабушкин, Vice President, Data Science в Blockchainꓸcom, вместе с командой опытных специалистов из Яндекса, AliExpress и X5 Retail Group подготовил продвинутый курс, на котором вам предстоит решать сложные и нестандартные задачи бизнеса.

Ранжирование и матчинг, динамическое ценообразование, uplift-моделирование, ускорение и повышение чувствительности A/B-тестов — выбирайте нужные блоки или проходите курс целиком.

Если вы уже сталкивались с чем-то из этого в своей работе, то познакомитесь с best practices индустрии. А если нет — дополните своё резюме новыми кейсами и станете более разносторонним ML-специалистом.

Ждём вас на курсе! Следующий поток стартует уже 10 мая, а по промокоду HARDMLAI26 будет скидка 5%
Записывайтесь по ссылке Открыть/Комментировать

2023-05-01 12:01:51 TaskPrompter: Spatial-Channel Multi-Task Prompting for Dense Scene Understanding

Novel spatial-channel multi-task prompting transformer framework to achieve this target.

Две мощные модели многозадачных трансформеров для пониманияк контекста на видео.

Github: https://github.com/prismformore/multi-task-transformer

Paper: https://openreview.net/forum?id=-CwPopPJda

Dataset: https://paperswithcode.com/dataset/cityscapes-3d

ai_machinelearning_big_data Открыть/Комментировать

2023-04-30 08:22:22 Running IF with diffusers on a Free Tier Google Colab

IF is better at generating images with high-frequency details (e.g., human faces and hands) and is the first open-source image generation model that can reliably generate images with text.

Инструкция, как запустить одну из самых мощных моделей преобразования текста в изображение с открытым исходным кодом IF на бесплатном Google Colab.

Hugging face: https://huggingface.co/blog/if

Github: https://github.com/deep-floyd/IF

Paper: https://arxiv.org/pdf/2205.11487.pdf

Demo:https://huggingface.co/spaces/DeepFloyd/IF

ai_machinelearning_big_data Открыть/Комментировать

2023-04-29 11:02:24 Edit Everything: A Text-Guided Generative System for Images Editing

A text-guided generative system without any finetuning (zero-shot).

Edit Everything позволяет пользователям редактировать изображения с помощью простых текстовых инструкций.

Github: https://github.com/defengxie/edit_everything

Paper: https://arxiv.org/abs/2304.14006v1

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

ai_machinelearning_big_data Открыть/Комментировать

2023-04-28 13:01:40 Unleashing Infinite-Length Input Capacity for Large-scale Language Models with Self-Controlled Memory System

Self-Controlled Memory (SCM) system to unleash infinite-length input capacity for large-scale language models.

SCM может быть интегрирована с любыми LLM для обработки сверхдлинных текстов без каких-либо изменений или тонкой настройки.

Github: https://github.com/toufunao/SCM4LLMs

Paper: https://arxiv.org/abs/2304.13343v1

Tasks: https://paperswithcode.com/task/language-modelling

ai_machinelearning_big_data Открыть/Комментировать