🔥 Подборка каналов для Дата сайентиста

🖥 Machine learning

datasc - Data science в телеграм!
@bigdatai - Big Data

@machinelearning_ru – гайды по машинному обучению
@machinelearning_interview – подготовка к собеседованию мл.
@datascienceiot – бесплатные книги ds
@ArtificialIntelligencedl – ИИ

@machinee_learning – чат о машинном обучении
@datascienceml_jobs - вакансии ds, ml
@Machinelearning_Jobs - чат с вакансиями

#️⃣ c# c++
C# - погружение в C#
@csharp_cplus чат
С++ - обучающий канал по C++.
@csharp_1001_notes - инструменты C#

🖥 SQL базы данных

@sqlhub - Повышение эффективности кода с грамотным использованием бд.
@chat_sql - чат изучения бд.

👣 Golang
@Golang_google - восхитительный язык от Google, мощный и перспективный.
@golang_interview - вопросы и ответы с собеседований по Go. Для всех уровней разработчиков.
@golangtests - интересные тесты и задачи GO
@golangl - чат изучающих Go
@GolangJobsit - отборные вакансии и работа GO
@golang_jobsgo - чат для ищущих работу.
@golang_books - полезные книги Golang
@golang_speak - обсуждение языка Go
@golangnewss - новости go

🖥 Linux
linux - kali linux ос для хакинга
linux chat - чат linux для обучения и помощи.
@linux_read - бесплатные книги linux

🖥 Python

@pythonl - главный канал самого популярного языка программирования.
@pro_python_code – учим python с ментором.
@python_job_interview – подготовка к Python собеседованию.
@python_testit - проверочные тесты на python
@pythonlbooks - современные книги Python
@python_djangojobs - работа для Python программистов
@python_django_work - чат обсуждения вакансий

🖥 Javanoscript / front

@react_tg - - 40,14% разработчиков сайтов использовали React в 2022 году - это самая популярная библиотека для создания сайтов.
@javanoscript -канал для JS и FrontEnd разработчиков. Лучшие практики и примеры кода. Туториалы и фишки JS
@Js Tests - каверзные тесты JS
@hashdev - погружение в web разработку.
@javanoscriptjobjs - отборные вакансии и работа FrontEnd.
@jsspeak - чат поиска FrontEnd работы.

🖥 Java
@javatg - выучить Java с senior разработчиком на практике
@javachats - чат для ответов на вопросы по Java
@java_library - библиотека книг Java
@android_its - Android разработка
@java_quizes - тесты Java
@Java_workit - работа Java
@progersit - шпаргалки ит

👷‍♂️ IT работа

https://news.1rj.ru/str/addlist/_zyy_jQ_QUsyM2Vi -ит каналы по яп с вакансиями

🤡It memes
@memes_prog - ит-мемы

⚙️ Rust
@rust_code - Rust избавлен от болевых точек, которые есть во многих современных яп
@rust_chats - чат rust

📓 Книги

https://news.1rj.ru/str/addlist/HwywK4fErd8wYzQy - актуальные книги по всем яп

⭐️ Нейронные сети
@vistehno - chatgpt ведет блог, решает любые задачи и отвечает на любые ваши вопросы.
@aigen - сети для генерации картинок. видео, музыки и многого другого.
@neural – погружение в нейросети.

📢 English for coders

@english_forprogrammers - Английский для программистов

🖥 Devops
Devops - канал для DevOps специалистов.

🌐 WizMap: Scalable Interactive Visualization for Exploring Large Machine Learning Embeddings

WizMap - это масштабируемый интерактивный инструмент визуализации, который поможет вам легко исследовать эмбеддинги.

🖥 Github: https://github.com/poloclub/wizmap

⭐️ Colab: https://colab.research.google.com/drive/1GNdmBnc5UA7OYBZPtHu244eiAN-0IMZA?usp=sharing

📕 Paper: https://arxiv.org/abs/2306.09328v1

🔗 Web demo: https://poloclub.github.io/wizmap.

ai_machinelearning_big_data

📌 LOMO: LOw-Memory Optimization

New optimizer, LOw-Memory Optimization enables the full parameter fine-tuning of a 7B model on a single RTX 3090, or a 65B model on a single machine with 8×RTX 3090, each with 24GB memory.

Новый оптимизатор, LOw-Memory Optimization (LOMO), который объединяет вычисление градиента и обновление параметров в один шаг для уменьшения использования памяти. Интегрируя LOMO с существующими методами экономии памяти, можно сократить использование памяти до 10,8% по сравнению со стандартным подходом (решение DeepSpeed).

🖥 Github: https://github.com/OpenLMLab/LOMO/tree/main

📕 Paper: https://arxiv.org/pdf/2306.09782.pdf

🔗 Dataset: https://paperswithcode.com/dataset/superglue

ai_machinelearning_big_data

Jumanji: a Diverse Suite of Scalable Reinforcement Learning Environments in JAX

Jumanji is helping pioneer a new wave of hardware-accelerated research and development in the field of RL.

Jumanji, набор  моделей для задач RL, специально разработанных для быстрых, гибких и масштабируемого решения. Jumanji предоставляет набор моделей, ориентированных на комбинаторные проблемы, часто встречающиеся в промышленности, а также на сложные общие задачи принятия решений.

🖥 Github: https://github.com/instadeepai/jumanji

📕 Paper: https://arxiv.org/abs/2306.09884v1

🔗 Dataset: https://paperswithcode.com/dataset/mujoco

ai_machinelearning_big_data

REBEL: Relation Extraction By End-to-end Language generation

REBEL is a seq2seq model that simplifies Relation Extraction.

Модель, позволяющая извлекать триплеты из данных с аннотированной бд, охватывающуей 18 языков 40 миллионов экземпляров триплетов.

🖥 Github: https://github.com/Babelscape/rebel

⭐️Demo: https://huggingface.co/spaces/Babelscape/rebel-demo

⭐️ Hugging face: https://huggingface.co/Babelscape/rebel-large

📕 Paper: https://arxiv.org/abs/2306.09802v1

🔗Dataset: https://huggingface.co/Babelscape/rebel-large

ai_machinelearning_big_data

Fine-tuning MMS Adapter Models for Multi-Lingual ASR

MMS' Adapter training is both more memory efficient, more robust and yields better performance for low-resource languages.

Пример с кодом по настройке адаптера, при котором достигается поразительно низкий уровень ошибок в словах всего за 10-20 минут файнтюнинга.

Обучение адаптера MMS является более экономичным, более надежным и обеспечивает высокую производительность.

🤗 Post: https://huggingface.co/blog/mms_adapters

🖥 Colab: https://colab.research.google.com/github/patrickvonplaten/notebooks/blob/master/Fine_Tune_MMS_on_Common_Voice.ipynb

🖥 Github: https://github.com/facebookresearch/fairseq/tree/main/examples/mms/asr

⭐️ Demo: https://huggingface.co/spaces/facebook/MMS

📕 Paper: https://huggingface.co/papers/2305.13516

ai_machinelearning_big_data

⭐️ LMFlow: An Extensible Toolkit for Finetuning and Inference of Large Foundation Models

Extensible and lightweight toolkit, LMFlow, which aims to simplify the finetuning and inference of general large foundation models.

Расширяемый, удобный и эффективный инструментарий для тонкой настройки больших моделей машинного обучения, разработанный как удобный, быстрый, надежный инструент для работы с большими моделями.

🖥 Github: https://github.com/optimalscale/lmflow

⭐️ Demo: https://lmflow.com/

📕 Paper: https://arxiv.org/abs/2306.12420v1

🔗Dataset: https://paperswithcode.com/dataset/pubmedqa

ai_machinelearning_big_data

🔥 Awesome-Multimodal-Large-Language-Models

Latest Papers and Datasets on Multimodal Large Language Models, and Their Evaluation.

Огромный, упорядоченный список новейших статей, датасетов и кода по мультимодальным большим языковым моделям.

🖥 Github: https://github.com/bradyfu/awesome-multimodal-large-language-models

📕 Paper: https://arxiv.org/abs/2306.13394v1

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

ai_machinelearning_big_data

⚡ LightGlue. Local Feature Matching at Light Speed

LightGlue a lightweight feature matcher with high accuracy and adaptive pruning techniques, both in the width and depth of the network, for blazing fast inference.

LightGlue, глубокая нейронная сеть, которая учится сопоставлять локальные фичи на изображениях.

git clone https://github.com/cvg/LightGlue.git && cd LightGlue
python -m pip install -e .

🖥 Github: https://github.com/cvg/lightglue

📕 Paper: https://arxiv.org/abs/2306.13643v1

🔗Dataset: https://paperswithcode.com/dataset/hpatches

ai_machinelearning_big_data

🚶‍♂️ MotionGPT: Human Motion
as Foreign Language

MotionGPT consists of a motion tokenizer responsible for converting raw motion data into discrete motion tokens, as well as a motion-aware language model that learns to understand the motion tokens from large language pre-training models by corresponding textual denoscriptions.

MotionGPT, унифицированная, универсальная и удобная модель языка движения для решения множества задач, связанных с движением.

⏩ Project: https://motion-gpt.github.io/

🖥 Github: https://github.com/openmotionlab/motiongpt

📕 Paper: https://arxiv.org/pdf/2306.14795.pdf

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

ai_machinelearning_big_data

🖥 Free Courses on Large Language Models

Крутые бесплатные курсы по большим языковым моделям.

▪Generative AI with Large Language Models

▪ChatGPT Prompt Engineering for Developers

▪LangChain for LLM Application Development

▪Building Systems with the ChatGPT API

▪Google Cloud Generative AI Learning Path

▪Introduction to Large Language Models with Google Cloud

▪LLM University

▪Full Stack LLM Bootcamp

ai_machinelearning_big_data

💬 3D-Speaker: A Large-Scale Multi-Device, Multi-Distance, and Multi-Dialect Corpus for Speech Representation Disentanglement

A large-scale speech corpus to facilitate the research of speech representation disentanglement.

3D-Speaker - это набор инструментов с открытым исходным кодом и крупномасштабный корпус речи, для мультимодальной проверки дикторов, распознавания дикторов и разделение дикторов.

3D-Speaker содержит более 10 000 дикторов, каждый из которых одновременно записывается несколькими устройствами, расположенными на разных расстояниях, а некоторые дикторы говорят на нескольких диалектах.

🖥 Github: https://github.com/alibaba-damo-academy/3D-Speaker

📕 Paper: https://arxiv.org/abs/2306.15354v1

🔗Dataset: https://3dspeaker.github.io/

ai_machinelearning_big_data

📕 Constrained-Text-Generation-Studio

AI writing assistant for recreational linguists, poets, creative writers, and/or researchers to use and study the ability of large-scale language models.

Это как Photoshop, но для создания текстового контента!

Продвинутый ИИ-помощник по написанию текстов и генерированию текста.

🖥 Github: https://github.com/hellisotherpeople/constrained-text-generation-studio

📕 Paper: https://arxiv.org/abs/2306.15926v1

🔗Dataset: https://huggingface.co/datasets/Hellisotherpeople/Lipogram-e

ai_machinelearning_big_data