📐 Googl's Measuring and Improving Model-Moderator Collaboration using Uncertainty Estimation

Providing high-quality implementations of standard and state-of-the-art methods on standard tasks.

Github: https://github.com/google/uncertainty-baselines

Paper: https://arxiv.org/abs/2107.04212v1

Dataset: https://www.tensorflow.org/datasets

@ai_machinelearning_big_data

⚛ Highly accurate protein structure prediction with AlphaFold

https://deepmind.com/blog/article/putting-the-power-of-alphafold-into-the-worlds-hands

Github: https://github.com/deepmind/alphafold

Paper: https://doi.org/10.1038/s41586-021-03819-2

@ai_machinelearning_big_data

👨‍🎓 From economists to data scientists or how to become the leader of the Kaggle Notebooks rating

Habr: https://habr.com/ru/company/ru_mts/blog/567678/

Exploration of data step by step: https://www.kaggle.com/artgor/exploration-of-data-step-by-step

@ai_machinelearning_big_data

📖 GFP-GAN: Towards Real-World Blind Face Restoration with Generative Facial Prior

Github: https://github.com/TencentARC/GFPGAN

Paper: https://arxiv.org/abs/2101.04061v2

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

Colab Demo: https://colab.research.google.com/drive/1sVsoBd9AjckIXThgtZhGrHRfFI6UUYOo

@ai_machinelearning_big_data

🐍 PyTorch Fundamentals Free Microsoft Course

https://docs.microsoft.com/en-us/learn/paths/pytorch-fundamentals/

Ru: https://docs.microsoft.com/ru-ru/learn/paths/pytorch-fundamentals/

Github: https://github.com/pytorch/tutorials

@ai_machinelearning_big_data

🔝 Deepmind's WikiGraphs: A Wikipedia Text - Knowledge Graph Paired Dataset

This package provides tools to download the WikiGraphs dataset

Github: https://github.com/deepmind/deepmind-research/tree/master/wikigraphs

Paper: https://arxiv.org/abs/2107.09556v1

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

@ai_machinelearning_big_data

Best machine learning tutorials: https://news.1rj.ru/str/datascienceiot

Usufull python resourses: @pythonl

Artificial intelligence articles: @ArtificialIntelligencedl

Machine learning RU: https://news.1rj.ru/str/machinelearning_ru

ML chat: https://news.1rj.ru/str/machinee_learning

Free python books: https://news.1rj.ru/str/pythonlbooks

🌀 CycleMLP: A MLP-like Architecture for Dense Prediction

Github: https://github.com/ShoufaChen/CycleMLP

Paper: https://arxiv.org/abs/2107.10224

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

@ai_machinelearning_big_data

Тут у Яндекса интересная новость. Компания запускает соревнование для исследователей в области машинного обучения в рамках крупнейшей конференции MLщиков в мире - NeurIPS 2021. Вместе с учеными Оксфорда и Кембриджа предлагают участникам посоревноваться в разработке алгоритмов и их обучении для погоды, машинного перевода текстов и предсказания поведения участников автомобильного движения. Основной задачей будет проверить эффективность этих алгоритмов при сдвиге данных.

Для соревнования Яндекс открыл доступ к собственному датасету, который считается самым большим в мире по беспилотным автомобилям. Еще поделятся реальными данными Я.Погоды и Я.Переводчика. Это данные из сервисов, которые много лет работают в реальном мире, используются в различных сценариях, и уже проходили испытание сдвигом данных.

Полученные решения можно будет применять в разных отраслях, которые сталкиваются со сдвигом данных. Крутая инициатива!

https://research.yandex.com/shifts

🤗 The Best SOTA NLP Course is Free!

https://huggingface.co/course/chapter1

Dataset: https://github.com/huggingface/datasets

Colab: https://colab.research.google.com/github/huggingface/notebooks/blob/master/course/chapter1/section3.ipynb

@ai_machinelearning_big_data

https://news.1rj.ru/str/Golang_google - golang channel

https://news.1rj.ru/str/javanoscriptv - javanoscript tutorials

https://news.1rj.ru/str/memes_prog - it memes

https://news.1rj.ru/str/pro_python_code - python ru

https://news.1rj.ru/str/htmlcssjavas - web development

https://news.1rj.ru/str/csharp_ci - c sharp

https://news.1rj.ru/str/linuxkalii - kali linux

🔎 Real-ESRGAN: Training Real-World Blind Super-Resolution with Pure Synthetic Data

Github: https://github.com/xinntao/Real-ESRGAN

Paper: https://arxiv.org/abs/2107.10833v1

How to Train Real-ESRGAN: https://github.com/xinntao/Real-ESRGAN/blob/master/Training.md

Colab Demo: https://colab.research.google.com/drive/1sVsoBd9AjckIXThgtZhGrHRfFI6UUYOo

@ai_machinelearning_big_data

AAVAE: Augmentation-Augmented Variational Autoencoders

Github: https://github.com/gridai-labs/aavae

Paper: https://arxiv.org/abs/2107.12329v1

Dataset: https://paperswithcode.com/dataset/cifar-10

@ai_machinelearning_big_data

📂 RLQP: Accelerating Quadratic Optimization with RL

Github: https://github.com/berkeleyautomation/rlqp

Paper: https://arxiv.org/abs/2107.10833v1

@ai_machinelearning_big_data

🖊 Introducing Triton: Open-Source GPU Programming for Neural Networks

https://openai.com/blog/triton/

Github: https://github.com/openai/triton

Documents: https://triton-lang.org/

@ai_machinelearning_big_data

👁 Contextual Transformer Networks for Visual Recognition.


Github: https://github.com/JDAI-CV/CoTNet

Paper: https://arxiv.org/abs/2107.12292v1

Chalange: https://eval.ai/web/challenges/challenge-page/1041/leaderboard/2695

@ai_machinelearning_big_data

🌠 Deepmind's Generally capable agents emerge from open-ended play

Blog : https://deepmind.com/blog/article/generally-capable-agents-emerge-from-open-ended-play

Paper: https://deepmind.com/research/publications/open-ended-learning-leads-to-generally-capable-agents

DeepMind Research: https://github.com/deepmind/deepmind-research

Video: https://www.youtube.com/watch?v=lTmL7jwFfdw&ab_channel=DeepMind

@ai_machinelearning_big_data

🤖 Droidlet: modular, heterogenous, multi-modal agents

Github: https://github.com/facebookresearch/droidlet

Paper: https://arxiv.org/abs/2101.10384

Article: https://news.1rj.ru/str/machinelearning_ru/279

@ai_machinelearning_big_data

🗣 Pretrained Language Model

AutoTinyBERT: Automatic Hyper-parameter Optimization for Efficient Pre-trained Language Models

Github: https://github.com/huawei-noah/Pretrained-Language-Model

Paper: https://arxiv.org/abs/2107.13686v1

AutoTinyBERT: https://github.com/huawei-noah/Pretrained-Language-Model/tree/master/AutoTinyBERT

@ai_machinelearning_big_data

📡 StyleGAN-NADA: CLIP-Guided Domain Adaptation of Image Generators

Github: https://github.com/rinongal/StyleGAN-nada

Paper: https://arxiv.org/abs/2108.00946v1

Project: https://stylegan-nada.github.io/

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

@ai_machinelearning_big_data

🥑 DALL·E Mini

Generate images from a text prompt

Demo: https://huggingface.co/spaces/flax-community/dalle-mini

Github: https://github.com/borisdayma/dalle-mini

Paper: https://wandb.ai/dalle-mini/dalle-mini/reports/DALL-E-mini--Vmlldzo4NjIxODA

@ai_machinelearning_big_data