Если вас давно интересовало, какими инструментами пользуются ML-специалисты при реальной разработке, то советуем прочитать этот блог и узнать широкий набор вариантов.
https://bit.ly/2THQ7K7
https://bit.ly/2THQ7K7
AutoSweep - фреймворк, который преобразует объекты с фотографий в 3Д модели, которые можно редактировать. Основная идея основана на том, что большинство объектов, сделанных людьми, представляют из себя комбинации примитивов, из которых и можно построить модели.
Страница проекта : https://bit.ly/2ZR257T
Страница проекта : https://bit.ly/2ZR257T
Исследователи обучили нейросеть восстанавливать изображение от перекрывающих объектов: стекло окна, ограда и капли дождя. Модель принимает на вход видеозапись сцены, которую снимали на движущуюся камеру. На выходе модель генерирует изображение сцены без препятствия.
https://bit.ly/3dplelx
https://bit.ly/3dplelx
В этой статье автор дает несколько советов и хитростей для улучшения производительности модели классификации текста.
https://bit.ly/2ZXb4EQ
https://bit.ly/2ZXb4EQ
Вторая часть рубрики "Читаем статьи за вас" от сообщества Open Data Science. В подборке вас ждет обзор 9 статей связанных с нейронными сетями.
https://bit.ly/306u2ci
https://bit.ly/306u2ci
Представляем вам познавательный курс по введению в Машинное Обучение и ИИ от DeepMind и Университетского колледжа Лондона. Полный курс будет содержать 12 лекций, на данный момент выпущена только половина. Курс рекомендуется к просмотру.
https://bit.ly/2BvmPrL
https://bit.ly/2BvmPrL
Группа исследователей из Китая представила свой подход к генерации реалистичных лиц из набросков. Главной их целью было позволить быть скетчами достаточно простыми, чтобы их легко мог нарисовать человек, далекий от искусства, и модель могла хорошо работать с его наброском.
Краткий обзор (ссылка на статью внутри):
https://bit.ly/2A16U40
Краткий обзор (ссылка на статью внутри):
https://bit.ly/2A16U40
На конференции ICLR 2020 в этом году проходило мероприятие, на котором исследователи, связанные с глубинным обучением, рассказывали о лучших библиотеках, с которыми они работают. В статье 8 рассказов о 8 инструментах соответственно:
https://bit.ly/3eO7d11
https://bit.ly/3eO7d11
The Relationship of Reinforcement Learning with Supervised and Unsupervised Learning.
https://bit.ly/30fgDyt
https://bit.ly/30fgDyt
#top@datamining.team
Команда Data Mining предлагает вам ознакомиться с ТОП-5 постами за май:
1) В открытый доступ были выложены лекции с известного курса по ML от Стэнфорда за 2018 год:
https://vk.com/wall-94208167_4558
2) Инференс в продакшене с использованием Rust (по сравнению с Python и scikit-learn) может ускорить производительность в 26 раз, а тренировка K-Means модели на датасете в 1 миллион точек будет быстрее на 30%:
https://vk.com/wall-94208167_4589
3) Хабр представляет PyCaret: открытую low-code библиотеку машинного обучения на Python:
https://vk.com/wall-94208167_4556
4) Интересный блог для начинающих, демонстрирующий простые для создания проекты, связанные с машинным обучением:
https://vk.com/wall-94208167_4563
5) 6 Python Projects to Improve Your Skills and Kill Some Time:
https://vk.com/wall-94208167_4560
Команда Data Mining предлагает вам ознакомиться с ТОП-5 постами за май:
1) В открытый доступ были выложены лекции с известного курса по ML от Стэнфорда за 2018 год:
https://vk.com/wall-94208167_4558
2) Инференс в продакшене с использованием Rust (по сравнению с Python и scikit-learn) может ускорить производительность в 26 раз, а тренировка K-Means модели на датасете в 1 миллион точек будет быстрее на 30%:
https://vk.com/wall-94208167_4589
3) Хабр представляет PyCaret: открытую low-code библиотеку машинного обучения на Python:
https://vk.com/wall-94208167_4556
4) Интересный блог для начинающих, демонстрирующий простые для создания проекты, связанные с машинным обучением:
https://vk.com/wall-94208167_4563
5) 6 Python Projects to Improve Your Skills and Kill Some Time:
https://vk.com/wall-94208167_4560
Исследователи из Samsung AI опубликовали схему обучения модели для интерактивной сегментации. Пользователь указывает курсором на объект, а модель выдает предсказания границ объекта. Исходный код и обученные модели доступны в открытом репозитории на GitHub.
Исследование: https://arxiv.org/pdf/2001.10331.pdf
Github: https://github.com/saic-vul/fbrs_interactive_segmentation
Исследование: https://arxiv.org/pdf/2001.10331.pdf
Github: https://github.com/saic-vul/fbrs_interactive_segmentation
В данной статье рассказывается почему все больше и больше программистов начинают изучать Julia. ( Julia — высокоуровневый высокопроизводительный свободный язык программирования с динамической типизацией, созданный для математических вычислений)
https://bit.ly/3hqbNVf
https://bit.ly/3hqbNVf
Вышла новая версия библиотеки для анализа временных рядов - STUMPY v1.4.0. Простая в использовании с большим количеством туториалов.
Ссылка: https://bit.ly/3ecJpns
Ссылка: https://bit.ly/3ecJpns
GPT для изображений? Звучит странно, но OpenAI считают иначе. По схожей методике, как с языковой моделью, они обучили GPT для изображений и получили достойный результат.
Блог : https://bit.ly/3dhq4jM
Блог : https://bit.ly/3dhq4jM
Полезный сайт для тех, кто изучает машинное обучение и нейронные сети. Большое количество наглядных ноутбуков на разные темы.
Ссылка: https://bit.ly/31ipsrI
Ссылка: https://bit.ly/31ipsrI
HiFiC - подход к сжатию изображений с помощью генеративных сетей, показывающий крайне хорошие результаты. Демонстрация работы по ссылке ниже.
Ссылка : https://bit.ly/2VravQB
Ссылка : https://bit.ly/2VravQB