Всем привет!
Эту неделю принимал участие в небольшом внутряковом хакатоне от канала ods_pet_projects.
В результате мы с командой сделали забавный “Генератор логотипов”. Под капотом WGAN-GP, StyleGAN2 и различные другие вещи.
Мы заняли с ним 3 место 🥳 (из 15 участников)
Можно попробовать бота тут (пока работает):
Бот: @LogoAfroBot
Так же вот список прикольных ботов других участников, попробуйте их тоже!
Платформа для оценки стоимости одежды, перед выставлением на авито
Бот: @PriceEvaluatorBot
Превратите себя в лягушку Пепе
Бот: @ods_sticker_pack_bot
Победители хакатона:
Создай открытку в стиле вайбера или одноклассников для своей бабушки.
Бот: @whatsup_card_bot
Чат-бот обученный на злачном чате из одс (осторожно может нагрубить в ответ)
Бот: @randomb_bot
Предскажите курс рубля в этом боте:
Бот: @RUB_OIL_bot
В учет итоговой оценки шел сам продукт, его презентация и репозиторий на гитхабе.
Эту неделю принимал участие в небольшом внутряковом хакатоне от канала ods_pet_projects.
В результате мы с командой сделали забавный “Генератор логотипов”. Под капотом WGAN-GP, StyleGAN2 и различные другие вещи.
Мы заняли с ним 3 место 🥳 (из 15 участников)
Можно попробовать бота тут (пока работает):
Бот: @LogoAfroBot
Так же вот список прикольных ботов других участников, попробуйте их тоже!
Платформа для оценки стоимости одежды, перед выставлением на авито
Бот: @PriceEvaluatorBot
Превратите себя в лягушку Пепе
Бот: @ods_sticker_pack_bot
Победители хакатона:
Создай открытку в стиле вайбера или одноклассников для своей бабушки.
Бот: @whatsup_card_bot
Чат-бот обученный на злачном чате из одс (осторожно может нагрубить в ответ)
Бот: @randomb_bot
Предскажите курс рубля в этом боте:
Бот: @RUB_OIL_bot
В учет итоговой оценки шел сам продукт, его презентация и репозиторий на гитхабе.
Пока ждете новое видео про математику, вот вам мой очередной эксперимент с лицами. Так выглядит по мнению нейросети мужик из мемa про "пюрешку с котлетками" если его пропустить через StyleGAN2. Мне особенно понравилось как шапка стала шевелюрой модной 💂🏻♀️
Обещанное видео про ресурсы по математике!, Гоу смотреть!
https://www.youtube.com/watch?v=6ajAbghWzrs&feature=youtu.be
https://www.youtube.com/watch?v=6ajAbghWzrs&feature=youtu.be
YouTube
Математика для Data Science || Где и как учить математику?
В этом видео обсудим бесплатные ресурсы для изучения математики необходимой для data science. Все ссылки будут в описании, список постоянно дополняется.
Школьная программа:
https://www.khanacademy.org/
https://interneturok.ru/subject/algebra (видеоуроки…
Школьная программа:
https://www.khanacademy.org/
https://interneturok.ru/subject/algebra (видеоуроки…
Forwarded from Brodetskyi. Tech, VC, Startups
Впечатляющая обработка фото нейросетями становится все более доступной широким массам. В Photoshop появятся нейронные фильтры — продвинутые инструменты для работы с отдельными частями и объектами на фото. Среди них — замена неба, замена фона, редактирование лиц (можно менять волосы, добавлять эмоции, делать лицо старше или младше). Также есть перенос стиля, раскраска черно-белых фото и сглаживание JPEG-артефактов. Целая фабрика нейросетей для улучшения фото в несколько кликов.
Новый ролик!
Поговорим про выгорание на работе и при самообучении
https://www.youtube.com/watch?v=A5bxHMAo7BU
Поговорим про выгорание на работе и при самообучении
https://www.youtube.com/watch?v=A5bxHMAo7BU
YouTube
Выгорание программиста || Что это и как избежать
В этом видео поговорим об одной важной проблеме, которая особенно часто затрагивает тех кто находится на самообучении чему то сложному, например data science или программирование - выгорание.
Расскажу что это, как понять, что оно надвигается и как избежать.…
Расскажу что это, как понять, что оно надвигается и как избежать.…
Всем привет. Уже посмотрели новый ролик?
Нашел тут интересный начинающий канал на Яндекс.Дзен с советами на все случаи жизни. Там есть статьи про собеседования, резюме и не только. Сделали небольшую коллаборацию с автором этого канала (видео про выгорание).
Например, недавно вышла статья про то, как обустроить комфортное место для работы или учебы у себя дома: https://zen.me/1Kp8KL
Может кому то пригодится )
Нашел тут интересный начинающий канал на Яндекс.Дзен с советами на все случаи жизни. Там есть статьи про собеседования, резюме и не только. Сделали небольшую коллаборацию с автором этого канала (видео про выгорание).
Например, недавно вышла статья про то, как обустроить комфортное место для работы или учебы у себя дома: https://zen.me/1Kp8KL
Может кому то пригодится )
Яндекс Дзен
Как организовать рабочее место дома?
Мозг - прекрасный орган. Он начинает работать в тот момент, когда вы просыпаетесь утром, и не останавливается, пока вы не приедете в офис" (Роберт Фрост) 2020 год внес множество изменений, в том числе сотрудников начали переводить на удаленную работу. Не…
This media is not supported in your browser
VIEW IN TELEGRAM
Увидел в @NeuralShit нейросеть зомбификатор
https://makemeazombie.com/
Можно к хэлоуину сделать себе аватарку)
Если еще потом скрестить с сервисом pantomime.it , то получается вообще неплохо))
https://makemeazombie.com/
Можно к хэлоуину сделать себе аватарку)
Если еще потом скрестить с сервисом pantomime.it , то получается вообще неплохо))
Прикольная штука, которая поможет вам разобраться со сверточными нейросетями. Там можно поиграться, позакидывать свои картинки и посмотреть как сеть их предсказывает, а так же почитать теорию:
https://poloclub.github.io/cnn-explainer/
Например, логотип моего канала распознало как - sport car 😎
https://poloclub.github.io/cnn-explainer/
Например, логотип моего канала распознало как - sport car 😎
poloclub.github.io
CNN Explainer
An interactive visualization system designed to help non-experts learn about Convolutional Neural Networks (CNNs).
Поговорим о зарплатах в data science в новом видео!
https://www.youtube.com/watch?v=Qq4hDvwjjYE
https://www.youtube.com/watch?v=Qq4hDvwjjYE
YouTube
Сколько платят в data science || Зарплаты дата саентистов
В этом видео покажу сколько зарабатывают junior, middle и senior дата саентисты. Посмотрим на график распределения зарплат, выясним сколько можно получать со старта карьеры и сколько же платят в data science в принципе. Приятного просмотра!
Наш телеграмм…
Наш телеграмм…
Наткнулся на неплохой сайт с подборкой бесплатных книг по программированию в общем и по Python в частности. Делюсь)
http://programming-motherfucker.com/become.html
http://programming-motherfucker.com/become.html
Намечается бесплатный онлайн курс «Введение в машинное обучение» от сообщества The Rolling Scopes. Начало занятий 18 января 2021.
https://rs.school/machine-learning
Возможно будет годный.
https://rs.school/machine-learning
Возможно будет годный.
Forwarded from Новое электричество
GPU Basics
#ai_hardware
Несмотря на обилие возможностей глубинного обучения в облаке, десятки тысяч людей продолжают делать это дома на своих компьютерах. И, наверное, уже все знают, что для обучения модели будет использоваться видеокарта – graphical processing unit (“GPU”), а не процессор (“CPU”).
Чтобы дать числовую оценку преимуществ GPU (будем использовать англоязычный термин, так как в нем присутствует «вычислительный» аспект, в отличие от слова «видеокарта») приведу недавний пример из практики. Решили посмотреть, за какое время центральный процессор справится с задачей, на которую у GPU уходит около часа. Оказалось – за 25 часов!
Конечно, данное значение будет отличаться для разных видов задач, CPU и GPU, архитектур систем и используемых для обучения библиотек, но вывод не изменится – GPU быстрее. Намного быстрее. До такой степени, что заниматься современным глубинным обучением на центральном процессоре сейчас вряд ли имеет смысл.
Сегодня немного поговорим о том, почему же GPU быстрей? Простой ответ – процесс глубинного обучения практически целиком состоит из перемножений очень больших матриц для оптимизации огромного количества параметров, а GPU с такой задачей справляется лучше.
Но возникает следующий вопрос – а почему именно GPU лучше перемножает матрицы?
Есть классическая аналогия, что CPU работает как гоночный автомобиль (чаще всего используется Феррари), а GPU как огромный трак. Если нужно доставить из пункта А в пункт Б небольшой груз, то Феррари это сделает намного быстрей.
Но если нужно перевести большое количество стройматериалов, то медленный трак сделает это намного быстрей, так как сможет это сделать за одну «ходку», в то время как Феррари потребуется десятки.
Самый простой способ продемонстрировать этот эффект, сравнить количество ядер. Для самых мощных современных процессоров это несколько десятков (32 – очень круто; 48 – фактически существующий предел). Это очень впечатляет, особенно тех, кто застал времена всего с одним единственным ядром. Но топовые GPU сейчас имеют более 10 тысяч ядер!
Да, ядра GPU другие, намного проще, чем сложные ядра CPU. Но против грубой силы приема нет, 10 тысяч ядер все равно позволяет производить намного больше параллельных вычислений, чем 32, а значит намного быстрей обучать модель.
С перевозкой грузов на траке есть одна большая проблема – его нужно долго нагружать и это может очень сильно удлинять общее время транспортировки.
И действительно, в базовом варианте необходимость перемещения больших объемов данных от процессора на GPU могла бы привести к большим потерям времени.
Но современные системы научились хорошо с этим справляться – они используют параллелизм, фактически, большое количество траков, работающих одновременно, и это позволяет решить проблему перемещения данных относительно быстро.
Таким образом, GPU имеют огромный выигрыш в скорости вычислений и теряют совсем немного из-за необходимости перемещения данных. Общий выигрыш в скорости очень велик.
Глубже в технические детали не пойдем – кто хочет легко может найти про них информацию в других источниках, да и для большинства задач обучения Искусственного интеллекта это не обязательно. Но время от время мы будем писать про практические аспекты «домашнего глубинного обучения».
#ai_hardware
Несмотря на обилие возможностей глубинного обучения в облаке, десятки тысяч людей продолжают делать это дома на своих компьютерах. И, наверное, уже все знают, что для обучения модели будет использоваться видеокарта – graphical processing unit (“GPU”), а не процессор (“CPU”).
Чтобы дать числовую оценку преимуществ GPU (будем использовать англоязычный термин, так как в нем присутствует «вычислительный» аспект, в отличие от слова «видеокарта») приведу недавний пример из практики. Решили посмотреть, за какое время центральный процессор справится с задачей, на которую у GPU уходит около часа. Оказалось – за 25 часов!
Конечно, данное значение будет отличаться для разных видов задач, CPU и GPU, архитектур систем и используемых для обучения библиотек, но вывод не изменится – GPU быстрее. Намного быстрее. До такой степени, что заниматься современным глубинным обучением на центральном процессоре сейчас вряд ли имеет смысл.
Сегодня немного поговорим о том, почему же GPU быстрей? Простой ответ – процесс глубинного обучения практически целиком состоит из перемножений очень больших матриц для оптимизации огромного количества параметров, а GPU с такой задачей справляется лучше.
Но возникает следующий вопрос – а почему именно GPU лучше перемножает матрицы?
Есть классическая аналогия, что CPU работает как гоночный автомобиль (чаще всего используется Феррари), а GPU как огромный трак. Если нужно доставить из пункта А в пункт Б небольшой груз, то Феррари это сделает намного быстрей.
Но если нужно перевести большое количество стройматериалов, то медленный трак сделает это намного быстрей, так как сможет это сделать за одну «ходку», в то время как Феррари потребуется десятки.
Самый простой способ продемонстрировать этот эффект, сравнить количество ядер. Для самых мощных современных процессоров это несколько десятков (32 – очень круто; 48 – фактически существующий предел). Это очень впечатляет, особенно тех, кто застал времена всего с одним единственным ядром. Но топовые GPU сейчас имеют более 10 тысяч ядер!
Да, ядра GPU другие, намного проще, чем сложные ядра CPU. Но против грубой силы приема нет, 10 тысяч ядер все равно позволяет производить намного больше параллельных вычислений, чем 32, а значит намного быстрей обучать модель.
С перевозкой грузов на траке есть одна большая проблема – его нужно долго нагружать и это может очень сильно удлинять общее время транспортировки.
И действительно, в базовом варианте необходимость перемещения больших объемов данных от процессора на GPU могла бы привести к большим потерям времени.
Но современные системы научились хорошо с этим справляться – они используют параллелизм, фактически, большое количество траков, работающих одновременно, и это позволяет решить проблему перемещения данных относительно быстро.
Таким образом, GPU имеют огромный выигрыш в скорости вычислений и теряют совсем немного из-за необходимости перемещения данных. Общий выигрыш в скорости очень велик.
Глубже в технические детали не пойдем – кто хочет легко может найти про них информацию в других источниках, да и для большинства задач обучения Искусственного интеллекта это не обязательно. Но время от время мы будем писать про практические аспекты «домашнего глубинного обучения».
Новое видео!
Расскажу о 5 местах, где можно найти готовые датасеты или просто данные для ваших проектов в data science. Сам ими пользуюсь постоянно и делюсь с вами этой инфой.
https://youtu.be/dGjgTflGdps
Расскажу о 5 местах, где можно найти готовые датасеты или просто данные для ваших проектов в data science. Сам ими пользуюсь постоянно и делюсь с вами этой инфой.
https://youtu.be/dGjgTflGdps
YouTube
ТОП 5 мест с халявными данными для машинного обучения\нейросетей
Расскажу о 5 местах, где можно найти готовые датасеты или просто данные для ваших проектов в data science. Сам ими пользуюсь постоянно и делюсь с вами этой инфой. Как обычно все ссылки чуть ниже в описании.
Ccылки из видео:
Поиск датасетов в гугл - htt…
Ccылки из видео:
Поиск датасетов в гугл - htt…
Подборочка хакатонов и соревнований на ближайшие недели. Отличная возможность попрактиковаться и возможно даже заработать.
https://proglib.io/p/hakatony-i-sorevnovaniya-dlya-specialistov-po-data-science-2020-11-18
https://proglib.io/p/hakatony-i-sorevnovaniya-dlya-specialistov-po-data-science-2020-11-18
Библиотека программиста
🥇👨🎓️📈Хакатоны и соревнования для специалистов по Data Science
Мы собрали для вас все ближайшие соревнования в сфере Data Science, полезные для обучения и карьерного роста. На фоне пандемии коронавируса многие из них проходят в онлайн-формате.
Интересная статейка про собеседования на хабре.
https://habr.com/ru/post/529226/
https://habr.com/ru/post/529226/
Хабр
Интервью как продажи, часть 1 (из декретов в машинное обучение)
Проходить интервью — отдельный навык. И это навык продаж. Недавно я поменяла карьеру и искала работу, прошла немало интервью. Это был мой первый опыт интервью и на него отлично лег мой наработанный...