Google только что выпустила MetNet-2, модель глубокого обучения, которая может предсказывать дождь за 12 часов. Опубликованная в журнале Nature, она превосходит современные модели прогноза погоды, основанные на физическом моделировании.

📄Paper: https://nature.com/articles/s41467-022-32483-x
🛠Code: https://colab.research.google.com/github/google/ai-weather-climate/blob/main/metnet2/colab.ipynb

20 функций Pandas для 80% ваших задач по науке о данных

Мы рассмотрим все, от базовых операций с данными до продвинутых методов анализа данных, и к концу этой статьи у вас будет четкое представление о том, как использовать Pandas, чтобы сделать ваш рабочий процесс обработки данных более эффективным.

https://levelup.gitconnected.com/20-pandas-functions-for-80-of-your-data-science-tasks-b610c8bfe63c

(если пост не открывается полностью, войдите в режиме инкогнито)

Google предлагает БЕСПЛАТНЫЕ сертификационные курсы в 2023 году.
Независимо от того, учитесь ли вы программировать или являетесь опытным специалистом по машинному обучению, вы найдете информацию и упражнения, которые помогут вам развить свои навыки и продвигать свои проекты.

https://ai.google/education/

Как работает ChatGPT: модель бота

Краткое введение в интуицию и методологию чат-бота, о котором вы не можете перестать слышать.
https://towardsdatascience.com/how-chatgpt-works-the-models-behind-the-bot-1ce5fca96286

(если пост открывается не полностью, войдите в режиме инкогнито )

Composer — это большая (5 миллиардов параметров) управляемая модель распространения, обученная на миллиардах пар (текст, изображение).

гитхаб: https://github.com/damo-vilab/composer

страница проекта: https://damo-vilab.github.io/composer-page/

10 лучших библиотек Python, которые необходимо знать специалисту по данным

Как аналитик данных / ученый или просто специалист по данным :), вы полагаетесь на ряд инструментов и методов для извлечения информации из данных. Python — один из самых популярных языков программирования для науки о данных, и на то есть веские причины. Он прост в освоении, имеет большое и активное сообщество и может похвастаться множеством библиотек и фреймворков, специально разработанных для обработки данных, визуализации и машинного обучения.

В этой статье мы познакомим вас с 10 наиболее важными библиотеками Python для обработки данных . Мы предоставим краткий обзор каждой библиотеки, а также примеры кода, которые помогут вам начать работу.

https://python.plainenglish.io/master-data-science-with-these-10-essential-python-libraries-fb01f0fdb108

Polars: сверхбыстрая библиотека данных для Python — до свидания, панды?

Polars — это библиотека, написанная на Rust и основанная на Arrow. Эта библиотека работает быстрее, чем панды, особенно когда речь идет о работе с большими наборами данных.

https://artificialcorner.com/polars-the-super-fast-dataframe-library-for-python-goodbye-pandas-85156e84337f

(если пост открывается не полностью, войдите в режиме инкогнито)

Новый Kosmos-1 от Microsoft невероятен. Это новая мультимодальная модель большого языка (MLLM). Их модель может понимать изображения, текст, изображения с текстом, распознавание текста, подписи к изображениям, визуальный контроль качества. Он может даже решать тесты IQ.

Paper: https://arxiv.org/abs/2302.14045
Code: https://github.com/microsoft/unilm

Существует ли дорожная карта для науки о данных?

Прежде чем мы начнем обсуждать путь к тому, чтобы стать Data Scientist, важно отметить, что это не простая область, которую можно освоить за короткий промежуток времени. Это требует значительного количества обучения, практического опыта и создания ценности для конечного продукта.

Несмотря на быстрый рост технологий, внедрение различных сред искусственного интеллекта и обилие вакансий, не существует четкого плана, как стать специалистом по данным. Тем не менее, я могу предоставить общий обзор того, что вы можете узнать, почему вы должны это изучить и как это можно применить в ваших будущих проектах по науке о данных. Давайте начнем.

https://sidddhesh.hashnode.dev/is-there-a-roadmap-for-data-science

Только 45 методов, которые вы должны освоить, чтобы стать профессионалом NumPy

NumPy (или Numeric Python) лежит в основе каждого проекта по науке о данных и машинному обучению.

Вся управляемая данными экосистема так или иначе зависит от NumPy и его основных функций. Это делает ее одной из самых важных и революционных библиотек, когда-либо созданных в Python.

В этом блоге я расскажу о своем более чем 3-летнем опыте использования NumPy и поделюсь теми 45 конкретными методами, которые я использовал почти все время.

https://medium.com/geekculture/the-only-45-methods-you-should-master-to-become-a-numpy-pro-6ea77a8638a6

15 лучших библиотек машинного обучения для использования в 2023 году

Искусственный интеллект — одна из самых быстрорастущих отраслей. Количество библиотек машинного обучения с открытым исходным кодом, в которые лучшие программисты вносят новые функции и функции, постоянно увеличивается.

Благодаря стремительному развитию машинного обучения некоторые платформы и библиотеки машинного обучения устаревают после определенного периода использования. Напротив, другие набирают обороты благодаря передовым инструментам, которые они предлагают инженерам машинного обучения.

В этом сообщении блога мы представляем 15 библиотек машинного обучения, на которые стоит обратить внимание в 2023 году.

https://serokell.io/blog/most-popular-ml-libraries

Visual ChatGPT: общение, рисование и редактирование с помощью Visual Foundation Models

Бумага - https://arxiv.org/abs/2303.04671

Код - https://github.com/microsoft/visual-chatgpt

Список ChatGPT: коллекция из более чем 3000 подсказок, примеров, вариантов использования, инструментов, API, расширений и других ресурсов.

https://medium.com/mlearning-ai/the-chatgpt-list-of-lists-a-collection-of-1500-useful-mind-blowing-and-strange-use-cases-8b14c35eb

✅ Друзья, мы начинаем набор на 4 поток курса по Data Science для начинающих. 92% выпускников из предыдущих потоков уже устроились на позиции Data Scientist / Analyst в крутые крупные компании на позиции с конкурсом до 500 человек на место (да, до пятисот человек на место 🤯) этот показатель однозначно показывает, знания какого уровня и глубины вы получаете на нашему курсе, мы гордимся этим показателем.



⏳Как и на всех предыдущих потоках, количество мест ограничено, мы не принимаем по 100 студентов на поток, так как стараемся проявлять индивидуальный подход. В следующих постах я отвечу на довольно популярные вопросы✨

Напомним, что в отличии от других курсов, мы осуществляем поддержку 24 часа 7 дней в неделю и подаем информацию простым языком

👉 Подробнее на сайте https://pymagic.ru/?utm_source=telegram&utm_medium=posev1&utm_campaign=camp_1_4flow&utm_content=text1_image1&utm_term=big_data_world

Memoji на стероидах: эта модель искусственного интеллекта может реконструировать 3D-аватары из видео

Краткое чтение: https://www.marktechpost.com/2023/03/12/memoji-on-steroids-this-ai-model-can-reconstruct-3d-avatars-from-videos/
Статья: https://ait .ethz.ch/projects/2023/vid2avatar/downloads/main.pdf
Проект: https://moygcc.github.io/vid2avatar/

Парадокс Симпсона и его значение в науке о данных

Специалисты по данным, инженеры данных и инженеры по машинному обучению тратят много времени на изучение данных и поиск статистических рисунков или выводов из них. Но важная вещь, которая является обязательным навыком для этих профессионалов и всех, кто смотрит на данные, — это хорошая интуиция для реального мира.

Данные имеют несколько переменных, которые вы можете принять во внимание, однако следует отметить, что они создают конечномерное представление. Здесь вам придется заглянуть за пределы данных и выяснить, что такое скрытая реальность и как ее можно применить к набору данных.

Парадокс Симпсона доказывает нам важность скептицизма при интерпретации ваших данных и гарантии того, что вы применяете реальный мир, не ограничивая себя в том, чтобы смотреть на него с точки зрения данных.

https://www.kdnuggets.com/2023/03/simpson-paradox-implications-data-science.html?utm_source=rss&utm_medium=rss&utm_campaign=simpsons-paradox-and-its-implications-in-data-science

GPT-4, последняя веха в усилиях OpenAI по расширению масштабов глубокого обучения. GPT-4 — это крупная мультимодальная модель (принимающая входные изображения и текст и выдающая текстовые выходные данные), которая, хотя и менее эффективна, чем люди, во многих реальных сценариях, демонстрирует производительность на уровне человека в различных профессиональных и академических тестах.

https://openai.com/research/gpt-4

GPT-4 - захватывающий и пугающий (2 минуты чтения)

В статье описывается опыт автора по тестированию GPT-4, когда он задавал ему различные вопросы - помочь с налоговой проблемой, придумать новое слово, спланировать вечеринку по случаю дня рождения. Автор обнаружил, что GPT-4 способен решать более широкий круг задач, более подвижен в своих ответах . GPT-4 также показал высокие результаты в различных тестах, включая Единый экзамен по адвокатуре и олимпиаду по биологии. Хотя в статье признается положительный потенциал GPT-4, в ней также обсуждается и негативная сторона - мысль о том, что ИИ может быть умнее человека, этические последствия такой технологии и возможность злоупотреблений.
https://archive.ph/UDPRi

Google Cloud предлагает генеративный ИИ разработчикам, предприятиям и правительствам (7 минут чтения)

Google Cloud запустил поддержку генеративного ИИ в Vertex AI и Generative AI App Builder, что позволяет предприятиям и правительствам получить доступ к технологии генеративного ИИ и настроить ее под себя. Эти инструменты позволяют разработчикам быстро и легко создавать генеративные приложения ИИ, используя готовые шаблоны и API-доступ к базовым моделям Google, с полным контролем над использованием данных. Этот шаг отражает стремление Google Cloud расширить возможности команд и преобразовать отрасли с помощью технологий ИИ.
https://cloud.google.com/blog/products/ai-machine-learning/generative-ai-for-businesses-and-governments

Pip install pytorch 2.0 (5 минут чтения)

Анонсированная в декабре, новая версия pytorch теперь стабильна и доступна для простой установки. Благодаря множеству новых функций, улучшению скорости и интерфейсов - сейчас самое интересное время для использования самого популярного фреймворка глубокого обучения.
https://pytorch.org/blog/pytorch-2.0-release/

Edit-A-Video: Подход к редактированию видео с помощью преобразования текста в видео (Github Repo)

В данной статье представлена Edit-A-Video, структура для редактирования видео, основанная на моделях "текст-видео" (TTV), адаптированных из моделей "текст-изображение" (TTI), основанных на диффузии.
https://edit-a-video.github.io/

#вакансия #удалённо #job #remote #parttime #преподаватель #spark #рекомендательныесистемы #recommendersystems

Компания: OTUS – образовательная платформа 🦉 5 лет специализируемся на авторских курсах для IT-специалистов разного уровня: от junior до senior. У нас есть вступительное тестирование для студентов и 600+ преподавателей-практиков из крупнейших компаний. Мы учимся друг у друга, советуемся, помогаем, делимся опытом и обсуждаем новости как в преподавании, так и в IT.

Вакансия: преподаватель онлайн-курсов:
▶️ Spark developer
▶️ Рекомендательные системы

Локация: удаленно; сами определяете нагрузку и выбираете темы занятий. Вебинары проходят в вечернее время.

Преподаватель использует презентацию с теорией и практические примеры, чтобы раскрыть тему урока. Наши методисты помогут вам освоить лучшие инструменты и практики преподавания.

✅ Это отличная возможность, чтобы:
- структурировать знания;
- публично выступать и работать с аудиторией;
- внести свой вклад в развитие IT.

Оплата💰
- от 4000 до 6000 руб. за одно занятие (полтора часа);
- 5000 за разработку материалов к одному занятию$
- от 300 до 400 руб за проверку одного ДЗ.

Бонусы 🎁
- наши курсы со скидкой/бесплатно;
- возможность приглашать в свою команду на работу лучших выпускников;
- воркшопы и конференции для наших преподавателей.

Обсудить подробнее @yu_grin