🧠 ИИ-агенты поняли, что разговаривают друг с другом и переключились на новый язык — #Gibberlink

Этот протокол придумали буквально на выходных, чтобы быстрее обмениваться данными — вместо обычных слов они теперь общаются с помощью звуковых волн, ведь это намного эффективнее, чем человеческая речь

Нас постепенно за борт.. 😈

#video #ai @datafeeling

🎚️ Спустя миллионы лет эволюции мы получили ванную комнату от Github.

Теперь официально: Skype закрывают в мае.

Помню, как первые деньги заработал за репетиторство по математике через Skype

🎚️ Прощай, легенда.

😎 Стартаперы из Talo выпустил ИИ-переводчик, который работает прямо во время созвона.

Их нейронку можно интегрировать с Zoom, Google Meets, Microsoft Teams и другими площадками, а поддерживает она более 30 языков (русский язык уже есть).

Работает сервис максимально просто: нейронке необходимо предоставить ссылку на звонок, выбирать необходимые языки и на этом все. Пробуем здесь.

🎚️ Скажите честно, сколько раз вам приходила в голову эта идея?)

🫡 Это опытный DS, когда увидел табличную сореву и уже заряжает Catboost 🐈🚀

👍 Как тебе совместить мощь ресурсов GPU кластера и свободу при обучение ML моделей

Достаточно популярный сценарий, когда у вас на работе есть вычислительный кластер с GPU, и вы хотите на нем погонять модельки для Kaggle. Или, например, у вашего друга есть такой кластер.

Как правило, на таком кластере обучать можно только запуском скрипта через консоль, но тогда теряется удобство экспериментов, как это бывает в IDE (Jupyter Notebook, VSCode).

А еще сложность, что друг ваш не может мониторить обучение или вовсе не готов ставить нужные зависимости, чтобы скрип заработал как у вас…

Чтобы избежать этих сложностей и не отказываться от удобства IDE для Data Science, можно использовать ClearML. Тогда у вас будет удобный UI, полная воспроизводимость эксперимента, сохраненная модель, которую можно параллельно запускать у себя без скачивания.

ClearML - это мощный и удобный инструмент. Очень хорош для чемпионатов по машинному обучению. Особенно для работы с жирными CV/NLP моделями, которые нереально обучить локально или на выделенных мощностях Kaggle и Colab.

Для работы с нейронками можно пойти дальше и использовать сразу связку ClearML + Pytorch Lightning. Тогда вы еще и получаете набор мощных фишек для работы с нейронками, которые не придется писать самому.

Собственно, именно по работе с такой связкой мы запустили недавно короткий курс по продвинутым ML-инструментам 🔥

В курсе 4 добротных мощных домашки на отработку. Курс не подойдет новичкам. Подходит только для тех, кто уже имел дело с ML моделями и хочет попрактиковаться в инструментах, которые не изучаются на классических курсах по машинному обучению.

Залетайте!

💡 Хотите мой предпринимательский инсайт за 9 лет в IT?

Я бы даже сказал, что это не инсайт, а осознание ограничивающей установки, которую мне пришлось разрушить в себе с первых дней создания проектов в IT.

Почему это ценно для вас?

Потому что она у вас с высокой вероятностью тоже есть. Вы это можете даже не осознавать. Или, того хуже, гордиться этой логикой. Я постоянно слышу это в речи у новичков и частенько у ребят с опытом.

А еще это убеждение часто приводит к синдрому самозванца. Ах, да, еще и грейд свой сложно поднять, будучи скованным этой установкой.

Готовы? Ловите!

Вам не обязательно быть способным создать что-то. Важно, чтобы это смогла сделать ваша команда, которую вы организуете.

Всем плевать, как вы это сделаете. Своими руками или соберете команду под это и убедите их, что они смогут - это сделать — вообще неважно. В реально создать сложные вещи даже проще, чем вы думаете.

Вбейте себе в голову другую мысль! Знаете какую?

Вы можете все, что угодно, просто надо будет собрать подходящую команду. Все! Теперь вас не остановить.

Только HR’ам на собесе такое говорить не обязательно. Лучше сказать, что вы можете и просто уточните, сколько человек в команду вы сможете нанять. Если ставки есть, смело говорите, что вы ток, кто им нужен. И вы способен это сделать.