Data Science | Machinelearning [ru] – Telegram
Data Science | Machinelearning [ru]
20.1K subscribers
628 photos
39 videos
29 files
3.52K links
Все о Data Science, машинном обучении и искусственном интеллекте: от базовой теории до cutting-edge исследований и LLM.

По вопросам рекламы или разработки - @g_abashkin

РКН: https://vk.cc/cJPGXD
Download Telegram
​​🧐ML System Design: основные способы деплоя и тестирования моделей машинного обучения в продакшене

В этой статье автор разберет популярные паттерны проектирования ML-систем, а также вы узнаете какой способ выбрать для деплоя модели в production.

Читать...
​​🚀Почему Trino такой быстрый: динамические фильтры

В этой статье автор расскажет, почему аналитические запросы часто содержат операции Join и сканируют таблицы большого размера, и как наличие динамических фильтров позволяет существенно сократить объем обрабатываемой информации, а также вы узнаете как динамические фильтры могут быть использованы, чтобы уменьшить количество данных, доставляемых до оператора Join.

Читать...
​​😎Распознаем лючки бензобаков

В этой статье автор расскажет как сделать распознавании лючка горловины топливного бака.

Читать...
​​😵‍💫Interpretability versus explainability: Интерпретируемость или объяснимость?

В этой статье автор покажет разницу между explainable AI и interpreted AI, приведет примеры и небольшой монолог на тему: "что всё-таки важнее".

Читать...
​​🤓Как мы с помощью Kubeflow Pipelines оптимизировали обучение ML-моделей

В этой статье автор расскажет чем Kubeflow Pipelines может быть полезен ML-специалисту и как в нём без потери существующей кодовой базы можно запускать готовые пайплайны.

Читать...
​​😎Эволюция метрик качества машинного перевода — Часть 1

В этой статье автор расскажет об итогах своего погружения в тему: какие существуют метрики качества машинного перевода, как они эволюционировали и какие из них на сегодняшний день наиболее адекватны.

Читать...
​​🧐Sarsa: алгоритм, основные принципы и применение

В данной статье мы рассмотрим определение SARSA и обсудим его значимость в области искусственного интеллекта и машинного обучения.

Читать...
​​🤔Прогноз покупки страховки клиентами туроператора

В этой статье автор расскажет о своем проекте, в котором можно сделать прогноз покупки страховки клиентами туроператора методами ML.

Читать...
​​😵‍💫YandexGPT в Браузере: как мы учили модель суммаризировать статьи

В этой статье автор расскажет через что пришлось пройти команде, чтобы модель начала делать то, что от неё ожидают.

Читать...
​​👤Тестирование ML-моделей. От «пробирки» до мониторинга боевых данных

Из этой статьи вы узнаете, почему важно проводить «лабораторные испытания» ML-моделей, и зачем в тестировании наработок «ученых по данным» должны участвовать эксперты из предметной области, а также — как выглядят тесты после того, как модель покинула датасайнтистскую лабораторию.

Читать...
​​🤔Применение метода взаимной информации в медицинских задачах классификации многомерных временных рядов

В данной статье автор расскажет про часть задачи, касающуюся применения полной взаимной информации, как меры ассоциации между несколькими случайными величинами.

Читать...
​​🚀Фигуры Matplotlib и стиль Cyberpunk: несколько строк кода — и готова красивая фигура

В этой статье автор рассказывает, как загрузить Matplotlib, настроить, и где его можно применять.

Читать...
​​🤔Kaggle — практическое изучение Big Data. Что это за платформа, и как она работает

В этой статье автор расскажет о том, как всё это работает, в каких соревнованиях можно участвовать и какие вообще возможности предоставляет платформа участникам.

Читать...
​​👾Первые шаги в импульсных нейронных сетях

В этой статье автор напишет простую импульсную нейронную сеть, используя NumPy и Pandas, для классической задачи машинного обучения с использованием кодирования рецептивными полями.

Читать...
​​🧐Обнаружение границ с использованием градиентов

В этой статье мы рассмотрим, как найти границы между двумя объектами или двумя частями объекта на изображении с помощью OpenCV.

Читать...
​​🤔Разработка — всё? Действительно ли нас всех заменят роботы

В этой статье автор расскажет как инженер может применять No Code и нейросети в работе и жизни.

Читать...
👍1
​​🤖Почему ChatGPT нас (полностью) не заменит

В этой статье мы порассуждаем на тему того, почему труд человека останется актуальным.

Читать...
​​👾Семантическая сегментация на основе архитектуры U-Net и определение расстояния между объектами

В этой статье автор расскажет как сделать отдельную модель сематической сегментации, причем написать вручную нейросеть и обучить на своих данных.

Читать...
​​🚀Генерируй, дискриминируй. Как мы ускорили доменную адаптацию GAN для генерации лиц в пять тысяч раз

В этой статье автор расскажет как устроена архитектура генератора StyleGAN2, и как адаптировать предобученную StyleGAN2 на разные домены.

Читать...
​​🤔Как использовать метод Дэвида-Скина для агрегации разметки. Разбираем по шагам

В этой статье автор рассмотрит базовую модель, которую можно использовать для оценки классов независимых примеров.

Читать...