Twitter бот, который публикует популярные на arxiv статьи.

Ссылка : https://bit.ly/3odTrdM

Предлагаем вам ознакомиться с интерактивной игрой: сможете ли вы угадать, какое название на самом деле реальное, а какое сгенерировано моделью GPT-2 обученной на 10 тысячах названий статей с Nature.

https://bit.ly/3hrIuny

Исследователи из Google выяснили, что, используя основанный на преобразовании Фурье FNet вместо слоев Self-Attention, можно добиться точности 92% от предыдущего решения, при этом ускорив работу в 7 раз.

Ссылка на блог : https://bit.ly/3fe57co

Ссылка на статью о FNet : https://bit.ly/3uT6CDz

#memes@datamining.team

Большой проект CodeNet от IBM: большой датасет из 14 миллионов примеров различных программ. Подробности в репозитории и в блоге:

Репозиторий: https://bit.ly/3wdEOKq

Блог: https://bit.ly/3bypyQA

Обзор техники для создания регрессионных моделей для работы с несбалансированными выборками Deep Imbalanced Regression.

https://bit.ly/3hyEi5I

DeepMind представляет новый способ обучения self-supervised моделей для некурируемых датасетов.

https://bit.ly/3u4AThD

Появилась реализация метода распознавания речи без размеченного датасета.

Статья от facebook (wav2vec-U) : https://bit.ly/3wpxkEh

Репозиторий с кодом : https://bit.ly/3hOlQGf

Статья о попытках DeepMind добиться высокого уровня автономности, о котором шла речь при присоединении к Google.

Статья Wall Street Journal : https://on.wsj.com/3oBKdbG

#memes@datamining.team

LinkedIn выпустил в открытый доступ Greykite - Python библиотека для прогнозирования временных рядов. В конце блога ссылки на оригинальную статью и репозиторий с кодом.

Блог - https://bit.ly/2Ss7H7e

Проект labml - аггрегация интересных статей в твиттере на основе лайков и ретвитов. Позволяет находить самые интересные статьи за день, неделю или месяц.

https://bit.ly/3uiCsbW

Видео-разбор статьи, где авторы задаются вопросом, будет ли предобучение сверточных сетей лучше, чем предобучение трансформеров.

Разбор: https://bit.ly/3hVEXhC
Статья: https://bit.ly/3wBkZNj

25 мая вышла библиотека KotlinDL 0.2 - многофункциональная библиотека для глубинного обучения на языке Kotlin. По ссылке в блоге JetBrains можно ознакомиться с основным функционалом библиотеки.

https://bit.ly/34lkZFf

Интересный гайд для чтения статей по Deep Learning от пользователя floodsung. Репозиторий представляет собой список статей в понятном для изучения порядке вплоть до 2016 года (соответственно, подойдет в основном для начинающих специалистов)

Репозиторий: https://bit.ly/34uBFtM

#memes@datamining.team

Сборник полезных ресурсов для любителей R.

Ссылка:  https://bit.ly/3i4MfzK

PapersWithCode запустили челлендж по воспроизводимости статей и результатов с топовых конференций. Проект DAGsHub поддержали челлендж и, если ваше решение соответствует условиям, готовы добавить приятный бонус в виде 500$. Подробности о челлендже и гайдлайны по ссылке:

https://bit.ly/2RSeFT3

Пекинская Академия Искусственного Интеллекта выпустила предобученную китайскую языковую модель, которая содержит 1.75 триллионов параметров.

Блог: https://bit.ly/34EgaHh

Поговорим о продвинутых навыках в Machine Learning?

9 июня ждем вас в OTUS на вебинаре с Дмитрием Сергеевым, Senior Data Scientist в Oura. Вы узнаете, какие инструменты и технологии позволяют специалисту Data Science решать задачи Middle+ уровня.

Также среди тех, кто зарегистрируется и пройдет вступительный тест до 9 июня, будут выбраны 2 участника, которые бесплатно зачислятся на онлайн-курс «Machine Learning. Advanced». Регистрация https://otus.pw/KFNpu/

Это промо пост

#memes@datamining.team