Изучите генеративный искусственный интеллект за 30 часов

https://www.freecodecamp.org/news/learn-generative-ai-in

Введение в DSPy: прощайте, подсказки, здравствуйте, программирование!
Как платформа DSPy решает проблему нестабильности в приложениях на основе LLM, заменяя подсказки программированием и компиляцией

https://towardsdatascience.com/intro-to-dspy-goodbye-prompting-hello-programming-4ca1c6ce3eb9

Настоящее предназначение OpenAI SORA: как и зачем симулировать «Матрицу» для ChatGPT

Ну что, уже успели прочитать восхищения небывалым качеством видео от нейросетки SORA у всех блогеров и новостных изданий? А теперь мы вам расскажем то, о чем не написал никто: чего на самом деле пытается добиться OpenAI с помощью этой модели, как связана генерация видео с самоездящими машинами и AGI, а также при чем здесь культовая «Матрица». https://habr.com/ru/articles/794566/

Изучите машинное обучение в 2024 году

https://www.freecodecamp.org/news/learn-machine-learning-in-2024

Полное руководство по написанию собственных трансформеров

https://towardsdatascience.com/a-complete-guide-to-write-your-own-transformers-29e23f371ddd

Код и модели PyTorch для самостоятельного обучения V-JEPA по видео.

V-JEPA — метод, позволяющий научить машины понимать и моделировать физический мир с помощью просмотра видео.

https://github.com/facebookresearch/jepa

Кластеризация в ML: от теоретических основ популярных алгоритмов к их реализации с нуля на Python.

Кластеризация — это набор методов без учителя для группировки данных по определённым критериям в так называемые кластеры, что позволяет выявлять сходства и различия между объектами, а также упрощать их анализ и визуализацию. Из-за частичного сходства в постановке задач с классификацией кластеризацию ещё называют unsupervised classification.

В данной статье описан не только принцип работы популярных алгоритмов кластеризации от простых к более продвинутым, но а также представлены их упрощённые реализации с нуля на Python, отражающие основную идею. Помимо этого, в конце каждого раздела указаны дополнительные источники для более глубокого ознакомления.

Читать далее https://habr.com/ru/articles/798331

Визуализируйте свои данные RAG — оцените свою систему генерации с расширенным поиском с помощью Ragas

https://towardsdatascience.com/visualize-your-rag-data-evaluate-your-retrieval-augmented-generation-system-with-ragas-fc2486308557

Чему я научился, просматривая 900 самых популярных инструментов искусственного интеллекта с открытым исходным кодом

https://huyenchip.com/2024/03/14/ai-oss.html

ScoreHMR представляет новый метод трехмерной реконструкции позы и формы человека, используя возможности диффузионных моделей

https://statho.github.io/ScoreHMR/

Неудивительно, что в этом году конференция разработчиков GTC, проводимая Nvidia в Сан-Хосе, почти полностью посвящена искусственному интеллекту. Но в перерывах между разработками в области искусственного интеллекта Nvidia также сделала несколько важных объявлений в области робототехники .

Во-первых, это Project GR00T (каждая буква и цифра произносятся индивидуально, чтобы не вызывать гнев Диснея), базовая модель гуманоидных роботов . И, во-вторых, Nvidia взяла на себя обязательство стать платиновым членом-основателем Альянса робототехники с открытым исходным кодом. https://nvidianews.nvidia.com/news/foundation-model-isaac-robotics-platform

7 бесплатных курсов Google, чтобы стать инженером по машинному обучению
Хотите стать инженером ML? Эти бесплатные курсы от Google помогут вам в этом.

https://www.kdnuggets.com/7-free-google-courses-to-become-a-machine-learning-engineer?

Самый лучший в мире курс по Машинному обучению — Алгоритмы Машинного обучения с нуля

https://habr.com/ru/articles/802459/

Is Fashion ML Profession?
 
Правильный ответ Lamoda Tech назовет на Data Science митапе 28 марта. Приходи обсудить ML-эксперименты и готовые решения «под капотом» крупнейшей модной платформы в России!
 
Раскроем все details: как адаптируем каталог под индивидуальный стиль пользователей, отвечаем на сложные запросы в поиске, подбираем образы на уровне стилистов и рекомендуем подходящие размеры.
 
Программа:
19:05 Data Science в Lamoda: особенности применения ML в Fashion E-commerce
Александр Желубенков, Head of Data Science
 
19:35 Рекомендация размера с помощью машинного обучения
Никита Чуркин, Teamlead of Personalisation
 
20:20 В поисках стиля: Deep Learning в fashion-индустрии
Илья Черников, Senior Data Scientist
Между выступлениями и после будем общаться за вкусными закусками и напитками, а еще поиграем в настольный теннис и кикер.
 
Ждем вас в нашем офисе или онлайн! Регистрация обязательна по ссылке

Комплексная структура для готовых к производству систем LLM путем создания вашего llm twin

https://medium.com/decodingml/an-end-to-end-framework-for-production-ready-llm-systems-by-building-your-llm-twin-2cc6bb01141f

Встраивание текста, классификация и семантический поиск

Введение с примером кода Python
https://medium.com/towards-data-science/text-embeddings-classification-and-semantic-search-8291746220be

Освоение Python для науки о данных: помимо основ
Эта статья служит подробным руководством о том, как освоить передовые методы Python для науки о данных. В нем рассматриваются такие темы, как эффективное манипулирование данными с помощью Pandas, параллельная обработка с помощью Python и способы превращения моделей в веб-сервисы.

https://www.kdnuggets.com/mastering-python-for-data-science-beyond-the-basics

Введение в агентов LLM с Langchain: когда RAG недостаточно

https://towardsdatascience.com/intro-to-llm-agents-with-langchain-when-rag-is-not-enough-7d8c08145834

Как использовать действия GitHub для автоматизации очистки данных.
В этом блоге мы рассмотрим, как автоматизировать процесс очистки данных в облаке с помощью действий GitHub.

https://medium.com/data-analytics-at-nesta/how-to-use-github-actions-to-automate-data-scraping-299690cd8bdb