Data Science | Machinelearning [ru] – Telegram
Data Science | Machinelearning [ru]
20.1K subscribers
630 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
​​⚡️Сервис изучения русского жестового языка с применением модели распознавания жестов

В этой статье я хочу рассказать о нашем сервисе изучения и представить небольшой кусочек, который вы сможете сами "пощупать".

Читать...
​​🗣Не радиус важен, а плотность! Часть 1: Глубокий взгляд на precision и recall

В этой статье речь пойдет про всем нам уже привычные метрики классификации: accuracy, precision, recall и f1-score.

Читать...
​​Как маленькая нейроязыковая модель в Клавиатуре победила серверные подсказки

В этой статье автор расскажет, как мы создавали нейроязыковую модель для Клавиатуры, ушли от облачных подсказок и научили клавиатуру адаптироваться к приложениям. 

Читать...
​​🤖 Создание собственного ИИ-бота на Python за 33 строчки кода

В этой статье расскажем, как создать собственный чат-бот на Python с помощью следующей инструкциям языковой модели falcon-7b-instruct.

Читать...
​​🧑‍🔬DataCon: как научиться применять ИИ на химических данных

В этой статье расскажем о том, как это работает и какие результаты дает.

Читать...
​​📄Dedoc: как автоматически извлечь из текстового документа всё и даже немного больше

В этой статье мы рассмотрим open-source библиотеку dedoc, которая помогает разработчикам и дата-сайентистам в пару строк кода читать различные форматы текстовых документов и изображений с текстом, и далее приводить информацию к единой аккуратной структуре.

Читать...
#ds #ml #ai #career #meetup 
Митап для начинающих IT-специалистов

Будет большой блок Data Science-лекций, а еще расскажут, как прокачать IT-карьеру и многое другое.

Участников ждут:
🔹  лекции, мастер-классы и воркшопы по DS, ML, AI и др.;
🔹  лайфхаки быстрого роста от джуна до сеньора и прожарка резюме;
🔹  оживление цифрового аватара при помощи нейросети;
🔹  демонстрация квантового компьютера;
🔹  after-party и 🎁 мерч в подарок каждому участнику.

Участие бесплатное, но нужно зарегистрироваться! 

📅 16 декабря
📍 Москва, ЦДП 

🔗 Регистрация тут

Реклама. БАНК ГПБ (АО). ИНН 7744001497.
​​Создаём сортировщик деталей Lego Technic, распознающий объекты в реальном времени

В этой статье я расскажу о том, с какими сложностями столкнулся наш проект, и как мы довели его до успешного завершения.

Читать...
​​🍍Зачем мне пылесос с ананасом или как оценить корректность рекомендательной системы

В этой статье мы разберёмся с тем, как оцениваются рекомендательные системы, какие метрики качества используются, и как затем измеряется эффективность их работы для бизнеса.

Читать...
​​🏪Как мы нашли способ объяснять пользователям, почему рекомендуем именно эти магазины

В этой статье я расскажу, как мы с коллегами подошли к задаче оценки качества объяснения рекомендаций магазинов, в которых покупают наши клиенты.

Читать...
​​📋Как создать интерактивный дашборд с нуля через ChatGPT

В этой статье я расскажу, как использовать ChatGPT для визуализации данных и построении дашбордов при помощи Python и фреймворка Dash.

Читать...
Используем Cloud ML Platform для построения сервиса распознавания лиц

Станислав Кипрюшин, ведущий программист в VK Cloud, выкатил статью, в которой рассказывает, как машинное обучение (Machine Learning, ML) может быть реализовано для создания MLOps-конвейер на одной платформе. Один из способов предполагает использование различных технологий на каждом этапе, а другой — работу с готовым набором инфраструктурных решений. Какой путь будет проще и какие потребуются ресурсы — читайте на Хабре.
​​📩CodeBert для автогенерации комментариев к коду

В этой статье вы узнаете, как подготовить данные для обучения, настроить нейросеть и получить результат.

Читать...
​​✍️Пишем первый ML-пайплайн на Airflow: подробный туториал

В этом туториале мы пошагово разберем, как создать с нуля и запустить локально свой первый пайплайн на Airflow.

Читать...
​​🤖Переходим на личности: как создать не просто бота, а виртуального персонажа с характером и историей

В этой статье мы поделимся своим исследованием по созданию не просто ботов, а виртуальных личностей с проработанным характером.

Читать...
​​😶‍🌫️Поиск аномалий при запусках процессов Windows с помощью рекомендательных систем

В этой статье мы расскажем о том, как правильно использовать «магию» машинного обучения, какой алгоритм фактически самостоятельно «понимает» функциональные обязанности каждого пользователя и предназначение конкретной программы и при чем здесь рекомендации товаров в интернет-магазине.

Читать...
​​🔐Безопасность и контроль: Как GPT-агенты на основе узлов преодолевают ограничения AutoGPT

В этой статье мы  рассмотрим потенциальную альтернативу существующим GPT-агентам, которая позволить минимизировать риски, связанные с использованием GPT-агентов, и при этом потенциально более эффективно решать конкретные задачи.

Читать...
🔬 Яндекс в пятый раз наградил исследователей в области машинного обучения

Международную премию Yandex ML Prize получили 11 ученых, всего было получено более 200 заявок в шести номинациях. Так, лауреатами стали аспиранты Сколтеха Никита Гущин — за разработку новых генеративных моделей на основе решения задачи моста Шрёдингера —и Антон Разжигаев — за мультимодальные исследования. Исследования имеют прикладной характер и находят применение в реальных задачах в IT-сфере.
​​👀Обзор онтологического Low-code подхода к разработке решений класса ERP

В этой статье мы рассмотрим подход, который позволит кратно сокращать трудозатраты и сроки разработки сложных корпоративных и государственных информационных систем.

Читать...
​​👨‍💻RFM-сегментация в оптимизации CRM-стратегий

В этой стаите рассмотрим опыт применения RFM-сегментации для решения задачи в рамках сервиса доставки еды и продуктов притания.

Читать...
💪 Создание ML-модели: как выпустить ML-сервис в прод малыми силами

В этой статье Александр Кузьмичёв и Александр Казначеев, пилоты проекта «ML-сервис по оттоку», поделились своим опытом разработки модели и выкатки её в прод с помощью Cloud ML Platform. Они рассказали все: от подготовки модели до перспектив ее улучшения.

Читать…