Unsupervised Meta-learning via Few-shot Pseudo-supervised Contrastive Learning

🖥 Github: https://github.com/alinlab/psco

⏩ Paper: https://arxiv.org/abs/2303.00996v1

💨 Dataset: https://paperswithcode.com/dataset/eurosat

@ArtificialIntelligencedl

Preference Transformer: Modeling Human Preferences using Transformers for RL (ICLR 2023)

🖥 Github: https://github.com/csmile-1006/preferencetransformer

⏩ Paper: https://arxiv.org/abs/2303.00957v1

@ArtificialIntelligencedl

PAGE: A Position-Aware Graph-Based Model for Emotion Cause Entailment in Conversation

🖥 Github: https://github.com/xiaojiegu/page

⏩ Paper: https://arxiv.org/abs/2303.01795v1

💨 Dataset: https://paperswithcode.com/dataset/reccon

@ArtificialIntelligencedl

A Multi-Grained Self-Interpretable Symbolic-Neural Model For Single/Multi-Labeled Text Classification

🖥 Github: https://github.com/ant-research/structuredlm_rtdt

⏩ Paper: https://arxiv.org/abs/2303.02860v1

💨 Dataset: https://paperswithcode.com/dataset/glue

@ArtificialIntelligencedl

X-Avatar: Expressive Human Avatars

🖥 Github: https://github.com/Skype-line/X-Avatar

⏩ Paper: https://arxiv.org/abs/2303.04805

💨 Dataset: https://github.com/Skype-line/X-Avatar/blob/main/xxx

⏩ Project: https://skype-line.github.io/projects/X-Avatar/

@ArtificialIntelligencedl

[NeurIPS 2022] MCMAE: Masked Convolution Meets Masked Autoencoders

🖥 Github: https://github.com/alpha-vl/convmae

⏩ Paper: https://arxiv.org/abs/2303.05475v1

💨 Dataset: https://paperswithcode.com/dataset/coco

@ArtificialIntelligencedl

🔥 Top it channels

⭐️ Нейронные сети
@data_analysis_ml - data science
@vistehno - chatgpt ведет блог, решает любые задачи и отвечает на любые ваши вопросы.
@aigen - сети для генерации картинок. видео, музыки и многого другого.
@neural – погружение в нейросети.

🖥 SQL базы данных

@sqllib - библиотека баз данных
@sqlhub - повышение эффективности кода с грамотным использованием бд.
@chat_sql - чат изучения бд.

🖥 Machine learning
@ai_ml – погружение в нейросети, ai, Chatgpt, midjourney, машинное обучение.
@machinelearning_ru – машинное обучении на русском от новичка до профессионала.
@machinelearning_interview – подготовка к собеседованию.
@datascienceiot – бесплатные книги Machine learning
@ArtificialIntelligencedl – канал о искусственном интеллекте

@machinee_learning – чат о машинном обучении
@datascienceml_jobs - работа ds, ml
@Machinelearning_Jobs - чат работы мл

🖥 Python

@pythonl - главный канал самого популярного языка программирования.
@pro_python_code – учим python с ментором.
@python_job_interview – подготовка к Python собеседованию.
@python_testit - проверочные тесты на python
@pythonlbooks - современные книги Python
@python_djangojobs - работа для Python программистов
@python_django_work - чат обсуждения вакансий


🖥 Javascript / front

@react_tg - - 40,14% разработчиков сайтов использовали React в 2022 году - это самая популярная библиотека для создания сайтов.
@javascript -канал для JS и FrontEnd разработчиков. Лучшие практики и примеры кода. Туториалы и фишки JS
@Js Tests - каверзные тесты JS
@hashdev - погружение в web разработку.
@javascriptjobjs - отборные вакансии и работа FrontEnd.
@jsspeak - чат поиска FrontEnd работы.

🖥 Java
@javatg - выучить Java с senior разработчиком по профессиональной методике.
@javachats - чат для ответов на вопросы по Java
@java_library - библиотека книг Java
@android_its - Android разработка
@java_quizes - тесты Java
@Java_workit - работа Java
@progersit - шпаргалки ит

👣 Golang
@Golang_google - восхитительный язык от Google, мощный и перспективный.
@golang_interview - вопросы и ответы с собеседований по Go. Для всех уровней разработчиков.
@golangtests - интересные тесты и задачи GO
@golangl - чат изучающих Go
@GolangJobsit - отборные вакансии и работа GO
@golang_jobsgo - чат для ищущих работу.
@golang_books - полезные книги Golang
@golang_speak - обсуждение языка Go

🖥 Linux
@linux -топ фишки, гайды, уроки по работе  с Linux.
@linux chat - чат linux для обучения и помощи.
@linux_read - бесплатные книги linux

👷‍♂️ IT работа

@hr_itwork -кураторский список актуальных ит-ваканнсии

🤡It memes
@memes_prog - ит-мемы

⚙️ Rust
@rust_code - Rust избавлен от болевых точек, которые есть во многих современных яп
@rust_chats - чат rust

#️⃣ c# c++
C# - объединяет лучшие идеи современных языков программирования
@csharp_cplus чат
С++ - Универсальность. Возможно, этот главный плюс C++.

📓 Книги

@programming_books_it - большая библиотека. программиста
@datascienceiot -ds книги
@pythonlbooks - python библиотека.
@golang_books - книги Golang
@frontendbooksit - front книги
@progersit - ит-шпаргалки
@linux_read - Linux books
@java_library - Java books

🖥 Github
@github_code - лучшие проекты с github
@bigdatai - инструменты по работе с данными

🖥 Devops
Devops - специалист общего профиля, которому нужны обширные знания в области разработки.

📢 English for coders

@english_forprogrammers - Английский для программистов

🔍 Modelscope

ModelScope library offers unified experience to explore state-of-the-art models spanning across domains such as CV, NLP, Speech, Multi-Modality, and Scientific-computation.

ModelScope - репозиторий предоставляет удобнын интерфейсы, для запуска моделей, обучения и оценок работы моделей.

🖥 Github: https://github.com/modelscope/modelscope

⏩ Paper: https://arxiv.org/abs/2303.05125v1

@ArtificialIntelligencedl

Airway Tree Modeling (ATM'22) Related Work

🖥 Github: https://github.com/puzzled-hui/atm-22-related-work

⏩ Paper: https://arxiv.org/abs/2303.05745v1

💨 Docker:https://github.com/Puzzled-Hui/ATM-22-Related-Work/tree/main/baseline-and-docker-example

@ArtificialIntelligencedl

Complex-Question-Answering-Evaluation-of-ChatGPT

🖥 Github: https://github.com/tan92hl/complex-question-answering-evaluation-of-chatgpt

⏩ Paper: https://arxiv.org/abs/2303.07992v1

💨 Dataset: https://paperswithcode.com/dataset/webquestions

@ArtificialIntelligencedl

OpenSeeD

A Simple Framework for Open-Vocabulary Segmentation and Detection

🖥 Github: https://github.com/idea-research/openseed

⏩ Paper: https://arxiv.org/abs/2303.08131v2

💨 Dataset: https://paperswithcode.com/dataset/objects365

@ArtificialIntelligencedl

WebSHAP: Towards Explaining Any Machine Learning Models Anywhere

🖥 Github: https://github.com/poloclub/webshap

⏩ Paper: https://arxiv.org/abs/2303.09545v1

💨 Project: https://poloclub.github.io/webshap

@ArtificialIntelligencedl

Contrastive Semi-supervised Learning for Underwater Image Restoration via Reliable Bank

🖥 Github: https://github.com/huang-shirui/semi-uir

⏩ Paper: https://arxiv.org/abs/2303.09101v1

💨 Project: https://paperswithcode.com/dataset/uieb

@ArtificialIntelligencedl

Deep Metric Learning for Unsupervised CD

🖥 Github: https://github.com/wgcban/metric-cd

⏩ Paper: https://arxiv.org/abs/2303.09536v1

@ArtificialIntelligencedl

This repository is the official implementation of "Large Selective Kernel Network for Remote Sensing Object Detection".

🖥 Github: https://github.com/zcablii/Large-Selective-Kernel-Network

⏩ Paper: https://arxiv.org/abs/2303.09030v1

💨 Dataset: https://paperswithcode.com/dataset/hrsc2016

@ArtificialIntelligencedl

Imitating Graph-Based Planning with Goal-Conditioned Policies

🖥 Github: https://github.com/junsu-kim97/pig

⏩ Paper: https://arxiv.org/abs/2303.11166v1

💨 Dataset: https://paperswithcode.com/dataset/mujoco

@ArtificialIntelligencedl

Learning A Sparse Transformer Network for Effective Image Deraining (CVPR 2023)

🖥 Github: https://github.com/cschenxiang/drsformer

⏩ Paper: https://arxiv.org/abs/2303.11950v1

💨 Dataset: https://pan.baidu.com/s/1rTb4qU3fCEA4MRpQss__DA?pwd=s2yx

@ArtificialIntelligencedl

Causica

Causica is a deep learning library for end-to-end causal inference, including both causal discovery and inference.

🖥 Github: https://github.com/microsoft/causica

⏩ Paper: https://arxiv.org/abs/2303.12703v1

@ArtificialIntelligencedl

From Knowledge Distillation to Self-Knowledge Distillation: A Unified Approach with Normalized Loss and Customized Soft Labels

🖥 Github: https://github.com/yzd-v/cls_KD

⏩ Paper: https://arxiv.org/abs/2303.13005v1

💨 Dataset: https://paperswithcode.com/dataset/cifar-100

@ArtificialIntelligencedl

Human Guided Ground-truth Generation for Realistic Image Super-resolution

🖥 Github: https://github.com/chrisdud0257/hggt

⏩ Paper: https://arxiv.org/abs/2303.13069

💨 Dataset: https://paperswithcode.com/dataset/div2k

@ArtificialIntelligencedl