Neural Networks | Нейронные сети

2022-05-20 11:35:54 ​​«Лаборатория Касперского» открывает набор на стажировку SafeBoard. Это отличная возможность для текущих студентов любых вузов и курсов прокачать скиллы и начать карьеру в IT еще до окончания вуза.

Коротко о главном:

Стажировка проходит в нашем московском офисе и длится год. Программа доступна для студентов вузов Москвы и Санкт-Петербурга.

Стажировка оплачивается
А также компенсируют расходы на питание, предоставляют бесплатный доступ к спортзалу и ко всем открытым мероприятиям Лаборатории.

Удобно совмещать с учебой
Гибкий график: от 20 часов в неделю. Можно и больше, если есть желание и возможность.

Набор открыт по направлениям:

● Разработка (Bazel, C++, C#, JS)
● Анализ защищенности
● Автоматизированное тестирование (Python, C++)
● Ручное тестирование
● Системное администрирование
● Системный анализ
● DevOps

По итогам стажировки лучшие получат приглашение на работу!

Узнать больше о стажировке и подать заявку на участие можно по ссылке. Открыть/Комментировать

2022-05-20 09:00:05 Классификация документов: 7 практических подходов для небольших наборов данных.
https://habr.com/ru/post/504744/

О чём прочитаете:
Введение в классификацию документов
Тестовый набор данных для классификации
Подготовка текстовых данных
Представление текста
Классификация текста
Сравнение моделей

Рассматриваемые модели:
CountVectorizer
TfidfVectorizer
Word2vec
FastText
GloVe
Elmo, BERT и другие Открыть/Комментировать

2022-05-18 09:00:06 Обзор четырёх популярных NLP-моделей:
Рекуррентная нейросетевая языковая модель (RNNLM)
Word2vec
GloVe (Global Vectors)
fastText
https://proglib.io/p/obzor-chetyreh-populyarnyh-nlp-modeley-2020-04-21 Открыть/Комментировать

2022-05-16 10:17:06 Manage All Your Model Building Metadata in a Single Place – Neptune.ai



https://docs.neptune.ai/getting-started/hello-world

Neptune — это хранилище метаданных для MLOps, созданное для команд, которые проводят много экспериментов.‌ Это даёт вам единое место для регистрации, хранения, отображения, организации, сравнения и запроса всех ваших метаданных построения модели. Открыть/Комментировать

2022-05-04 11:19:01 Стартовал отбор компаний и стартапов для участия в акселераторе "Архипелага 2022"!

Акселератор — один из треков проектно-образовательного интенсива "Архипелаг 2022". Он пройдет в онлайн формате с 1 июня по 20 июля.

В рамках акселератора участники смогут:

получить оценку перспективности своего проекта от экспертов, узнать и прокачать со специалистами по росту бизнеса слабые стороны своего продукта;
презентовать проект потенциальным инвесторам и заказчикам;
получить финансирование от институтов развития на доработку продукта;
подготовить к запуску свой проект и вывести его на рынок.

Проекты, которые получат наибольшее количество положительных оценок от экспертов на первом этапе, пригласят к участию в очных треках "Архипелага 2022" с 5 по 20 июля в Севастополе.

Подать заявку на участие в акселераторе можно до 25 мая. Открыть/Комментировать

2022-05-02 09:00:03 Как обработать датафрейм с миллиардами записей за считанные секунды? Экономия памяти. Это вам не Pandas DataFrame!
https://habr.com/ru/company/ruvds/blog/505624/
https://vaex.io/docs/tutorial.html Открыть/Комментировать

2022-04-30 09:00:04 Динамические и статические вычислительные графы в PyTorch и TensorFlow.
https://uproger.com/dinamicheskie-i-staticheskie-vychislitelnye-grafy-v-pytorch-i-tensorflow/ Открыть/Комментировать

2022-04-29 12:28:46 Neural Networks | Нейронные сети pinned a photo Открыть/Комментировать

2022-04-29 08:00:06 ​​@Finveritas - уникальный канал про
финансовые технологии,
финансовые услуги,
сервисы с использованием «больших данных» (Big Data),
искусственный интеллект и машинное обучение,
роботизация,
блокчейн,
облачные технологии,
биометрия и другие.

Самые актуальные новости о блокчейне и нейросетях! Открыть/Комментировать

2022-04-27 09:00:04 Опенсорс инструмент по конвертации моделей ONNX в PyTorch. Поддерживаются практически все архитектуры CV нейронок.
https://github.com/ENOT-AutoDL/onnx2torch

Основные сценарии использования:
1) Модификации обученной модели. Например есть обученная моделька на onnx, у неё на входе 3 канала, а надо 1. Берёшь onnx2torch, конвертишь в PyTorch, на первом слое меняешь каналы (заменяешь слой целиком), дотюниваешь.
2) Возможность доставать сетки из других фреймворков (например обученные бэкбоны). Открыть/Комментировать