Machinelearning – Telegram
384K subscribers
4.46K photos
863 videos
17 files
4.9K links
Погружаемся в машинное обучение и Data Science

Показываем как запускать любые LLm на пальцах.

По всем вопросам - @haarrp

@itchannels_telegram -🔥best channels

Реестр РКН: clck.ru/3Fmqri
Download Telegram
Крупнейшие игроки российского технологического рынка присоединяются к Кодексу этики в сфере искусственного интеллекта. Свод правил разработал Альянс в сфере ИИ и обнародовал в рамках международной конференции по искусственному интеллекту AI Journey.

На конференции к Кодексу присоединились Datanа, Factory 5, ГК «GlobalTruck», ГеомирАгро, Цифровая платформа КАМАЗ, ГК Медси, Самолет, Сибур, Северсталь Менеджмент, РЖД, Русагро Технологии, Уралхим. Всего Кодекс поддержали 113 российских компаний и организаций.

«В нашем понимании развитие технологий ИИ в России должно ориентироваться исключительно на интересы человека, качество его жизни и благополучие. Именно на основе доверия граждан мы вместе с участниками Альянса и Кодекса этики продолжим создавать новую цифровую экосистему для технологического развития нашей страны», — так прокомментировал Кодекс зампред Правительства РФ Дмитрий Чернышенко.
👍11👎52😁2🤨1
💨 SinDiffusion: Learning a Diffusion Model from a Single Natural Image

SinDiffusion значительно улучшает качество и разнообразие сгенерированных изображений по сравнению с существующими подходами на основе GAN.

🖥 Github: https://github.com/weilunwang/sindiffusion

➡️ Paper: https://arxiv.org/abs/2211.12445v1

📌 Project: https://github.com/WeilunWang/SinDiffusion/blob/main

➡️ Dataset: https://paperswithcode.com/dataset/places

@ai_machinelearning_big_data
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
❤‍🔥11👍9🔥2
Какие изменения произошли с библиотекой PyTorch-LifeStream за год?

Об этом рассказал Иван Киреев, исполнительный директор по исследованию данных в лаборатории по искусственному интеллекту Сбера во время международной конференции AI Journey.

Библиотека PyTorch-LifeStream нужна для построения нейронных сетей на событийных данных. В основном, изменилась структура библиотеки. Она была разбита на несколько модулей, благодаря чему в ней стало проще ориентироваться. Также изменилась система конфигурирования, появилось больше примеров использования библиотеки.

Всего в структуре библиотеки на текущий момент четыре блока:

1. Перепроцессинг данных
2. Загрузка
3. Набор слоёв
4. Набор фреймворков обучения

Что касается конфигурации, то была подключена Hydra. Все конфигурации хранятся в yaml-файлах, которые удобно редактировать.
👍131👏1🥴1
🖥 TorchScale - A Library for Transformers at (Any) Scale

TorchScale - набор инструментов с открытым исходным кодом, который позволяети разработчикам эффективно и действенно масштабировать Transformers.

pip install torchscale

🖥 Github: https://github.com/microsoft/torchscale

Paprer: https://arxiv.org/abs/2211.13184v1

⭐️ Pypi: https://pypi.org/project/torchscale/

@ai_machinelearning_big_data
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
👍153🔥2
Яндекс назвал лауреатов своей ежегодной научной премии

Ученые, которые занимаются исследованиями в области компьютерных наук, получат по миллиону рублей на развитие своих проектов. В 2022 году лауреатами стали шесть молодых ученых:

Максим Великанов — занимается теорией deep learning, изучает бесконечно широкие нейронные сети и статистическую физику;

Петр Мокров — исследует градиентные потоки Вассерштейна, нелинейную фильтрацию и байесовскую логистическую регрессию;

Максим Кодрян — занимается deep learning, а также оптимизацией и генерализацией нейросетевых моделей;

Руслан Рахимов — работает с нейронной визуализацией, CV и deep learning;

Сергей Самсонов — изучает алгоритмы Монте-Карло с марковскими цепями, стохастическую аппроксимацию и другие темы;

Тарас Хахулин — работает в области компьютерного зрения.

Круто, что отдельно выделяют и научных руководителей. В этом году гранты получили двое — Дмитрий Ветров, заведующий Центром глубинного обучения и байесовских методов ВШЭ, и Алексей Наумов, доцент факультета компьютерных наук ВШЭ, заведующий Международной лаборатории стохастических алгоритмов и анализа многомерных данных.

Подробнее о премии и лауреатах 2022 года — на сайте.
👍36🔥54🤔1
👻 GhostNetV2: Enhance Cheap Operation with Long-Range Attention

Новая архитектура GhostNetV2 для мобильных приложений.

🖥 Github: https://github.com/leondgarse/keras_cv_attention_models

🖥 GhostNetV2: https://github.com/likyoo/GhostNetV2-PyTorch

Paprer: https://arxiv.org/abs/2211.12905v1

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

@ai_machinelearning_big_data
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
👍93🔥1😱1
🎨 Inversion-Based Creativity Transfer with Diffusion Models

Генеративная модель для создания выразительного арта.

git clone https://github.com/zyxElsa/creativity-transfer.git

🖥 Github: https://github.com/zyxelsa/creativity-transfer

Paprer: https://arxiv.org/abs/2211.13203v1

⭐️ Pretrained model: https://huggingface.co/CompVis/stable-diffusion-v-1-4-original/resolve/main/sd-v1-4.ckpt

@ai_machinelearning_big_data
Please open Telegram to view this post
VIEW IN TELEGRAM
👍152🔥1
✔️ Natural Language YouTube Searcher

Нейросеть, которая по заданной ссылку (на любом язык) не только покахывает кадр, который вы ищите, но и указывает на какой он секунде.

🖥 Colab
🖥 Github
Open Ai Clip

@ai_machinelearning_big_data
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
21👍9🔥4
ADGC: Awesome Deep Graph Clustering

ADGC представляет собой набор (SOTA) методов кластеризации глубоких графов статьи, код и наборы данных).

🖥 Github: https://github.com/yueliu1999/awesome-deep-graph-clustering

Paprer: https://arxiv.org/abs/2211.12875v1

⭐️ Datasets: https://drive.google.com/drive/folders/1thSxtAexbvOyjx-bJre8D4OyFKsBe1bK?usp=sharing

@ai_machinelearning_big_data
Please open Telegram to view this post
VIEW IN TELEGRAM
👍142💯2🔥1
Dense Interspecies Face Embedding

Face Embedding, который решает проблему крайних различий в форме между объектами на фото.

🖥 Github: https://github.com/kingsj0405/DIFE

👣 Project: https://yangspace.co.kr/dife/

Paprer: https://openreview.net/forum?id=m67FNFdgLO9

⭐️ Datasets: https://paperswithcode.com/dataset/lvis

@ai_machinelearning_big_data
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
👍133🔥2
⭐️ Cleanlab

cleanlab автоматически находит и исправляет ошибки в любом наборе данных машинного обучения. Этот пакет искусственного интеллекта, облегчает работу с беспорядочными данными.


🖥 Github: https://github.com/cleanlab/cleanlab

👣 Docs: https://docs.cleanlab.ai/

📌 Examples: https://github.com/cleanlab/examples

Paprer: https://arxiv.org/abs/2211.13895v1

⭐️ Datasets: https://paperswithcode.com/dataset/celeba

@ai_machinelearning_big_data
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥17👍61🤨1
✔️ Fast-SNARF: A Fast Deformer for Articulated Neural Fields

🖥 Github: https://github.com/xuchen-ethz/fast-snarf

🗒 Paper: https://arxiv.org/abs/2211.15601v1

➡️ Dataset: https://paperswithcode.com/dataset/amass

@ai_machinelearning_big_data
Please open Telegram to view this post
VIEW IN TELEGRAM
👍131🔥1
This media is not supported in your browser
VIEW IN TELEGRAM
Interactive Visual Feature Search

Interactive Visual Feature Search, новая интерактивную визуализацию, которую можно применнить для любой CNN. Инструмент позволяет выделять область изображения и искать изображения из данного набора данных с наиболее похожими формами.

🖥 Github: https://github.com/lookingglasslab/visualfeaturesearch

🗒 Paper: https://arxiv.org/abs/2211.15060v1

⭐️ Dataset: https://paperswithcode.com/dataset/imagenet-sketch

🔩 Demo: https://colab.research.google.com/github/lookingglasslab/VisualFeatureSearch/blob/main/notebooks/Interactive_Visual_Feature_Search_Basic_Demo.ipynb

@ai_machinelearning_big_data
Please open Telegram to view this post
VIEW IN TELEGRAM
👍92🔥1😢1