Неплохая демонстрация возможностей модели GPT-3 вести конструктивный человекоподобный диалог.

https://bit.ly/2PlepH6

Подборка основных исследований за июль 2020

https://bit.ly/39XfsGA

Исследователи из MIT и Microsoft разработали алгоритм, который позволяет находить похожие изображения по тематике и графике, даже если художники были из разных эпох и культур.

Новость : https://bit.ly/3guZ4zT

Посты для одного блога писала нейросеть GPT-3. За 2 недели его посетили более 26 тысяч человек.

Новость : https://bit.ly/31sW0O7

Почему разработчикам начинает нравится функциональное программирование?

https://bit.ly/3kpxrKE

Часто в Data Science требуются навыки работы с базами данных, чаще всего в этом помогает SQL (Structured Query Language). Представляем вам бесплатный курс от IBM по SQL специально для Data Science.

Ссылка на курс : https://bit.ly/33whhcC

Нейросеть переводит код с одного языка программирования на другой.

https://bit.ly/2Cbxqc6

Быстрое и занятное приложение MOJO CUT, основанная на исследовании AR Copy Paste. Приложение помогает выбрать в онлайн режиме с камеры какой-то существующий объект и попробовать его перенести в какое-то другое окружение. Демонстрационное видео и ссылки ниже.

https://bit.ly/2PFFDZd

#top@datamining.team

Команда Data Mining предлагает вам ознакомиться с ТОП-5 постами за июль:

1) Курс от Google AI по машинному обучению. Достаточно объемный, но доступный и хороший.

https://vk.com/wall-94208167_4660

2) Исследователи из OpenAI научили GPT-2 дополнять изображения. Исходя из обрезанной картинки, модель предлагает несколько вариантов полного фото.

https://vk.com/wall-94208167_4633

3) Подборка любимых книг про машинное обучение от экспертов и специалистов. Каждый совет идет вместе с краткой рекомендацией.

https://vk.com/wall-94208167_4676

4) 9 ключевых алгоритмов машинного обучения простым языком.

https://vk.com/wall-94208167_4648

5) Mail.ru Group и hh.ru составили портреты российских специалистов по анализу данных (Data Science) и машинному обучению (Machine Learning). Аналитики выяснили, где они живут и что умеют — а также чего ждут от них работодатели и как меняется спрос на таких профессионалов.

https://vk.com/wall-94208167_4661

Подробный блог о том, как устроены механизмы доставки свежего контента в сервисе Яндекс.Картинки

https://bit.ly/3kJQ5x8

Как стать успешным аналитиком данных?

https://bit.ly/3asSxmU

Исследователи из Google Brain предложили новый способ генерировать программы по набору входов и выходов. Основная идея — последовательно искать подпрограммы, приводящие к валидным промежуточным результатам. Способ превосходит предыдущие решения.

https://bit.ly/2PW4TuA

3 наиболее часто задаваемых вопроса про Python на собеседовании.

https://bit.ly/3kPVjaR

Системы баз данных, которые учатся быть лучше.

https://bit.ly/3iO4l6g

Новый инструмент от Google, который помогает разработчикам в сфере NLP. Он позволяет получить детальную информацию о модели, чтобы понимать принципы и возможности работы.

https://bit.ly/3hf0TkB

Почему Python не является языком программирования будущего.

https://bit.ly/32hDXLg

neuspo - специальный сайт, который, используя техники машинного обучения, агрегирует актуальную информацию о спортивных событиях. Ознакомиться с сайтом можно по ссылке ниже:

https://bit.ly/3j2TRQz

Сайт, который позволяет с помощью глубинного обучения автоматически удалять фон с изображений:

https://bit.ly/3lm0ijR

Подборка из 10 свежих книг про Machine Learning, которые стоит изучить, если вы собираетесь стать специалистом по этой теме.

https://bit.ly/3lkCoVy

8 навыков Python, которыми должен обладать каждый аналитик данных.

https://bit.ly/3llsXFt

Набор качественных открытых инструментов для обработки естественного русского языка.

https://bit.ly/2EIMGOM