Data Science | Machinelearning [ru] – Telegram
Data Science | Machinelearning [ru]
20.1K subscribers
629 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
​​🚀Распределённое обучение с PyTorch на кластере для тех, кто спешит

В этой статье автор покажет, как в PyTorch написать и запустить распределенные задачи с использованием параллелизма данных.

Читать...
​​😎ML-искусство переживать проблемы: как избегать разочарований и находить аналоги товаров в периоды out-of-stock

В этой статье автор рассмотрит одну из самых распространенных проблем в онлайн-ритейле – отсутствие товара (out-of-stock) в моменте и поделимся рекомендациями по ее устранению.

Читать...
​​📅Что такое Data Observability и с чем ее едят?

В данной статье мы расскажем о новом смежном тренде - Data Observability. 

Читать...
​​Обучение YOLOv8s на Google Colab: детектим дорожные знаки

В данной статье попробуем детектить дорожные знаки используя YOLOv8.

Читать...
​​👤Дропаем ранжирующие метрики в рекомендательной системе, часть 1: визуальный анализ и popularity bias

В этой статье автор расскажет что нужно для построения рекомендательной системы, которая будет полезна бизнесу.

Читать...
​​😶🌫14 типов атак, которые должны выявлять системы лицевой биометрии

В этой статье автор рассмотрит некоторые вопросы о мошеннических действиях в системе лицевой биометрии и о технологиях, способных защитить от них.

Читать...
​​📊FineBI-g brother is watching you: как мы начали анализировать действия пользователей в Fine

В этой статье мы рассмотрим решение задачи поиска и последующего анализа действий и полномочий наших пользователей, а также взяли под контроль обновление источников.

Читать...
​​👾Искусственный интеллект: сколько он стоит, куда идет и можно ли ему доверять

В этой статье автор расскажет о том, что на самом деле сейчас происходит с искусственным интеллектом: чего от него ждут, сколько он стоит и как будет развиваться в будущем.

Читать...
​​👨Нейро-сотрудники на основе chatGPT. Вы создаете работника и продаете его биржу труда

В этой статье автор расскажет как создать своего Нейро-сотрудника.

Читать...
​​🗓Apache Spark 3.4 для Databricks Runtime 13.0

В этой статье автор расскажет о нововведениях Apache Spark 3.4, который вошел в релиз Databricks Runtime 13.0.

Читать...
​​🗺ML для ускорения работы картографов

В этой статье автор поговорит о том, как он дополняет карту дорожными знаками, как работает с данными и формализует задачи.

Читать...
​​🔍Как найти задачу, которую можно решить с помощью машинного обучения

В этой статье мы расскажем немного об основах машинного обучения: покажем, как подобрать задачу для обучения и таким образом посмотреть на процесс через призму бизнеса.

Читать...
​​😎Дропаем ранжирующие метрики в рекомендательной системе, часть 2: двухэтапные модели

В этой статье автор расскажет о том, как мы дропаем ранжирующие метрики и улучшаем при этом качество рекомендаций.

Читать...
​​🤓Простые радости вертикального масштабирования

В этой статье мы подробно разберём, почему практика горизонтального масштабирования стала доминирующей, проверим, актуальны ли до сих пор эти обоснования, а затем исследуем некоторые преимущества архитектуры с вертикальным масштабированием.

Читать...
​​📊FineBI-g brother is watching you: как мы начали анализировать действия пользователей в Fine

В этой статье автор расскажет как он решит задачу поиска и последующего анализа действий и полномочий пользователей, а также возьмёт под контроль обновление источников.

Читать...
​​🤔Что такое CLTV и как мы в билайне с ним работаем

В этой статье мы расскажем, зачем и как внедряли CLTV в компании.

Читать...
​​🧐Генеративный ИИ — Будущее или просто Хайп?

В этой статье автор обсудит возможности генеративного ИИ, почему это не хайп и как AWS демократизирует доступ к большим языковым и базовым моделям.

Читать...
​​🎙Аугментация экспрессивных аудиоданных на основе TTS

В этой статье мы поговорим о системах клонирования голоса на основе TTS (Text-to-Speech), которые мы используем в корпоративной лаборатории человеко-машинного взаимодействия ИТМО для аугментации речевых баз данных в рамках задачи мультимодального распознавания доминантности дикторов в полилогах.

Читать...
​​🧑‍💻Model soups: альтернатива ансамблированию при файнтюнинге моделей

В этой статье мы разберемся с тем, что это такое, и кратко пробежимся по основным моментам оригинального папера.

Читать...
​​🎼Нейромузыка: может ли робот создавать треки?

В этой статье я расскажу о том, как задумывалась и создавалась Нейромузыка: как мы обучили модель писать музыкальные лупы, сочетать их между собой и подстраивать музыкальный поток под каждого пользователя.

Читать...
​​😶🌫«Квантовые облака»: как разработчики делают квантовые вычисления ближе к бизнесу

В этой статье расскажу, что такое квантовые компьютеры, как квантовый центр и сотрудники из организации, придумали эмуляторы квантового процессора, почему решили разворачивать их в облаке и что в итоге получили.

Читать...