📶 Word Embeddings Transformers In SVM Classifier Using Python

https://www.nbshare.io/notebook/197284676/Word-Embeddings-Transformers-In-SVM-Classifier-Using-Python/

@ai_machinelearning_big_data

🧊 GANformer: Generative Adversarial Transformers

Github: https://github.com/pengzhiliang/MAE-pytorch

Paper: https://arxiv.org/abs/2111.08960

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

@ai_machinelearning_big_data

📱 Best it channels in telegram

https://news.1rj.ru/str/pythonl - python
https://news.1rj.ru/str/ArtificialIntelligencedl - ai

https://news.1rj.ru/str/pythonlbooks - python books
https://news.1rj.ru/str/javanoscriptv - javanoscript channel
https://news.1rj.ru/str/Golang_google - Go channel
https://news.1rj.ru/str/neural - neural nets
https://news.1rj.ru/str/hashdev - web development
https://news.1rj.ru/str/htmlcssjavas - web
https://news.1rj.ru/str/hr_itwork - jobs
https://news.1rj.ru/str/programming_books_it - it books
https://news.1rj.ru/str/tensorflowblog - tensorflow
https://news.1rj.ru/str/Django_pythonl- django
https://news.1rj.ru/str/linux_kal - kali linux
https://news.1rj.ru/str/machinee_learning - ml chat
https://news.1rj.ru/str/linuxkalii - linux chat
https://news.1rj.ru/str/pro_python_code - learn python
https://news.1rj.ru/str/machinelearning_ru - ml ru
https://news.1rj.ru/str/python_testit - python tests
https://news.1rj.ru/str/csharp_ci- c#
https://news.1rj.ru/str/Machinelearningtest - machine learning tests

DeBERTaV3: Improving DeBERTa using ELECTRA-Style Pre-Training with Gradient-Disentangled Embedding Sharing

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

Explanation: https://www.youtube.com/watch?v=_c6A33Fg5Ns&ab_channel=YannicKilcher

Paper: https://arxiv.org/abs/2111.09543v1

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

Documentation: https://deberta.readthedocs.io/en/latest/

@ai_machinelearning_big_data

🌍 TorchGeo is a PyTorch domain library, similar to torchvision, that provides datasets, transforms, samplers, and pre-trained models specific to geospatial data.

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

Paper: https://arxiv.org/abs/2111.08872v1

Dataset: https://paperswithcode.com/dataset/so2sat-lcz42

Documentation: https://github.com/microsoft/torchgeo#documentation

@ai_machinelearning_big_data

👀 PoolFormer: MetaFormer is Actually What You Need for Vision

Github: https://github.com/sail-sg/poolformer

Paper: https://arxiv.org/abs/2111.11418

Dataset: https://paperswithcode.com/dataset/ade20k

Colab: https://colab.research.google.com/github/sail-sg/poolformer/blob/main/misc/poolformer_demo.ipynb

@ai_machinelearning_big_data

🚀 Обсуждаем ML на YaTalks 2021

Уже 4 декабря Яндекс проведет YaTalks — главную конференцию для IT-сообщества. Обещают космическую программу. Среди заявленных тем ML-трека:

— Какие существуют подходы к созданию текстового и мультимедийного контента с помощью нейросетей?
— В чем сложности в обучении генеративных моделей?
— Почему оценить их качество сложнее, чем в случае с дискриминативными моделями?

Программа и регистрация на сайте.

🎼 Music Classification: Beyond Supervised Learning, Towards Real-world Application

📖 Book

💻Code

📜 Paper

📝Dataset

@ai_machinelearning_big_data

🔋 Density-aware Chamfer Distance

Github: density_aware_chamfer_distance

Paper: https://arxiv.org/abs/2111.12702

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

@ai_machinelearning_big_data

🛢 Unleashing Transformers: Parallel Token Prediction with Discrete Absorbing Diffusion for Fast High-Resolution Image Generation from Vector-Quantized Codes

Github: https://github.com/samb-t/unleashing-transformers

Paper: https://arxiv.org/abs/2111.12701v1

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

Project: https://samb-t.github.io/unleashing-transformers

@ai_machinelearning_big_data

📹 End-to-End Referring Video Object Segmentation with Multimodal Transformers

Github: https://github.com/mttr2021/MTTR

Paper: https://arxiv.org/abs/2111.14821v1

Dataset: https://kgavrilyuk.github.io/publication/actor_action/

@ai_machinelearning_big_data

🧬 Evolutionary Scale Modeling

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

Paper: https://openreview.net/pdf?id=uXc42E9ZPFs

@ai_machinelearning_big_data

Dual Spoof Disentanglement Generation for Face Anti-spoofing with Depth Uncertainty Learning

Github: https://github.com/JDAI-CV/faceX-Zoo

Paper: https://arxiv.org/abs/2112.00568v1

Dataset: https://paperswithcode.com/dataset/replay-attack

@ArtificialIntelligencedl

🔹 Dual Spoof Disentanglement Generation for Face Anti-spoofing with Depth Uncertainty Learning

Github: https://github.com/facebookresearch/Mask2Former

Installation: https://github.com/facebookresearch/Mask2Former/blob/main/INSTALL.md

Paper: https://arxiv.org/abs/2112.01527v1

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

@ai_machinelearning_big_data

🔗 DenseCLIP: Language-Guided Dense Prediction with Context-Aware Prompting

Github: https://github.com/raoyongming/denseclip

Paper: https://arxiv.org/abs/2112.01518v1

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

@ai_machinelearning_big_data

🦎 → 🐍 NL-Augmenter: A Framework for Task-Sensitive Natural Language Augmentation

Github: https://github.com/GEM-benchmark/NL-Augmenter

Paper: https://arxiv.org/abs/2112.02721v1

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

@ai_machinelearning_big_data

💉 Semi-supervised-learning-for-medical-image-segmentation.

Github: https://github.com/HiLab-git/SSL4MIS

Paper: https://arxiv.org/abs/2112.04894v1

@ai_machinelearning_big_data

🎓 GAN-Supervised Dense Visual Alignment

Github: https://github.com/wpeebles/gangealing

Project: https://www.wpeebles.com/gangealing

Paper: https://arxiv.org/abs/2112.04894v1

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

@ai_machinelearning_big_data

Бесплатный онлайн-учебник по ML и Data Science

Для начинающих ML-специалистов, аналитиков и разработчиков появилось отличное учебное онлайн-пособие, которое систематизирует актуальную базовую информацию о Machine Learning и Data Science и помогает погрузиться в тему.

Авторы учебника — специалисты Школы анализа данных Яндекса — проводят от основ машинного обучения и знакомства с ключевыми для ML разделами математики до примеров реального применения их на практике. Учебник выложен в свободный доступ, и сейчас в нем открыты две главы: «Классические методы обучения с учителем» и «Оценка качества моделей». В ближайшее время появятся и новые разделы — авторы обещают регулярно обновлять информацию вслед за развитием сферы ML. Добавляйте в закладки!

🕷 Bayesian Active Learning (BaaL)

Github: https://github.com/ElementAI/baal

Documentation: https://baal.readthedocs.io.

Paper: https://arxiv.org/abs/2112.06586v1

Blog: https://www.elementai.com/news/2019/element-ai-makes-its-bayesian-active-learning-library-open-source

@ai_machinelearning_big_data