Сегодня как-то так 🤷 Зато серебрянную медальку зацепил 🦾

Друзья, вот охота вам нейронку обучать, то что нужно для этого?
Конечно, графический процессор, чтобы не перейти в вечное ожидание!

И это могли себе позволить все те, у кого компьютеры были с видеокарточками Nvidia. А это всё на операционках линукс и винда.

Мне и всем, кто на маке, приходилось пользоваться внешними серваками или колабом.
Честно говоря, мне это удобно, но не все со мной согласятся.

А вот для тех, кто купил себе мак с процессорами М(какой-то там) Apple обещала возможность обучения моделей с помощью ГПУ.
Так вот, если кто-то ещё не знает, каким же образом можно научить свой мак обучать с ГПУ, то практикуйте установку PyTorch. Это фреймворк очень крут для нейронок, поэтому вы кайфанёте 😉

PS: Проверил на себе. Всё работает, мануал годный. Благодарю своих студентов за запрос на эту тему 🙏

Всем привет друзья!

В эту среду 23.11.2022 в 19 часов мы соберёмся на нашу первую встречу 🙂

Я расскажу вам про свой опыт соревнования AI4Sea. Почему так получилось, как я приходил к своему решению, много забавных моментов и того, что может быть полезно с профессиональной точки зрения.

Приходите сами, и зовите друзей 🙂
Буду всем рад! ☀️🙏

Ссылка: https://events.webinar.ru/53841749/150610057

Шутки ради ☺️

Исследователь из США создал ИИ, который генерирует идеальный рецепт сэндвича с бананом и арахисовой пастой

Алгоритм определяет, как должен быть нарезан банан, чтобы расположить его на хлебе наилучшим образом. Затем модель вычисляет количество арахисовой пасты для конкретного банана и кусочка хлеба.

Для тех, кто хочет готовить идеальный сэндвич по утрам, но никак не получается, автор выложил алгоритм в открытый доступ на гитхаб:

https://github.com/EthanRosenthal/nannernest

А в отдельной статье он подробно расписал работу алгоритма:

https://tprg.ru/isMk

#ии #алгоритмы

Всем спасибо 🙏🏼
Было тепло и уютно с вами ❤️

Ссылка на видео встречи: https://events.webinar.ru/53841749/150610057/record-new/1952994568

К вопросу о том, а где соревнования в России проходят?

Очень много разных соревнований вы тут увидите - https://codenrock.com/competitions
Там не только DS, но и этого достаточно.

Конечно, как же без него, ODS - https://ods.ai/competitions

Редко, но бывают тут - https://dsworks.ru/ru

И ещё - https://хакатоны.рус

А так, поучаствуйте или зарегистируйтесь на 1-2 соревнованиях, а там вас рассылками задолбают 🙂

Полезности в ленту ☺️

​​30 самых крупных датасетов для машинного обучения в TensorFlow

TensorFlow — это одна из наиболее популярных открытых библиотек с датасетами для задач машинного обучения. Разработкой TensorFlow занимаются исследователи из Google Brain. Библиотека предоставляет доступ к датасетам с изображениями, видео, аудио и текстами.

Читать...

Подоспела годнота!!!

Статья про просодию (это когда интонация, тембр и тд) в синтезе речи.

Очень полезный материал, если интересуетесь речевыми технологиями. В частности, синтез речи 🎶

Друзья, предлагаю техническо-философское рассуждение!

Всем здесь известно, что для обучения моделей мы оптимизируем некую функцию потерь.

Другими словами, максимально уменьшить ошибку прогноза.
0 = цель функции потерь.

А что, если оптимизировать нечто другое?

Как вы думаете, мы сможем получить что-то «условно-разумное» для решения наших задач?

Выношу на обсуждение в комментариях. Мне интересны любые мнения.

У нас были и тексты, и аудио.

Немного разбавлю контент интересным способом уменьшать изображения.

Нет, вы не увидите там принципиально новой формулы, и подробнейшего разбора существующих методов. Хотя насчёт последнего, из статьи вы узнаете, как вообще, с точки зрения математики и структур данных, уменьшаются изображения с возможностью сохранить как можно больше информации.

В общем, будет полезно, кто только-только на CV направил свой взор 🙂

Хорошего чтения ☀️

Чудеса, да и только 😊

Полезно, изучайте 👍

​​FCOS- объяснение обнаружения объектов без привязки

FCOS: полностью сверточное одноступенчатое обнаружение объектов - это детектор объектов без привязки. Он решает проблемы обнаружения объектов с помощью метода прогнозирования по пикселям, аналогичного сегментации. Большинство последних детекторов объектов без привязки или без привязки на основе глубокого обучения используют FCOS в качестве основы.

Читать...

Заходите в гости 🙂