5 бесплатных курсов по освоению математики для науки о данных
Хотите изучить математику для науки о данных? Ознакомьтесь с этими тремя курсами, чтобы изучить линейную алгебру, исчисление, статистику и многое другое.

https://www.kdnuggets.com/5-free-courses-to-master-math-for-data-science

Погрузитесь в концепцию «Проклятия размерности» и поймите математику всех удивительных явлений, возникающих в высоких измерениях.

https://towardsdatascience.com/the-math-behind-the-curse-of-dimensionality-cf8780307d74

SAM + Optical Flow = FlowSAM FlowSAM может обнаруживать и сегментировать движущиеся объекты на видео и значительно превосходит все предыдущие подходы как в тестах с одним, так и с несколькими объектами

https://www.robots.ox.ac.uk/~vgg/research/flowsam/

Изучите RAG с нуля — Учебное пособие по Python AI от инженера LangChain

https://www.freecodecamp.org/news/mastering-rag-from-scratch

Несколько часов назад Лама-3 8Б была самой мощной маленькой моделью ИИ. Microsoft только что выпустила Phi-3 Mini, который лучше почти во всех тестах. Вы можете использовать его локально бесплатно, поскольку он имеет открытый исходный код (подробности ниже): https://lmstudio.ai/

Как установить и развернуть LLaMA 3 в рабочей среде
Узнайте, как установить и развернуть LLaMA 3 в рабочей среде, с помощью этого пошагового руководства. Мы охватываем все, что вам нужно знать для беспрепятственного внедрения: от требований к оборудованию до развертывания и масштабирования

https://nlpcloud.com/how-to-install-and-deploy-llama-3-into-production.html

Торхтитан (репозиторий GitHub)
Фреймворк предварительной подготовки моделей Llama от Meta, полностью написанный на PyTorch.
https://github.com/pytorch/torchtitan

Платформа глубокого обучения Luminal (репозиторий GitHub)
Платформа для быстрого глубокого обучения, созданная с учетом скорости и простоты.
OpenLit (репозиторий GitHub)
https://github.com/jafioti/luminal?

OpenLIT — это встроенный в OpenTelemetry инструмент наблюдения за приложениями GenAI и LLM, предназначенный для того, чтобы сделать процесс интеграции наблюдения в проекты GenAI возможным с помощью всего лишь одной строки кода.
https://github.com/openlit

25 самых важных математических определений в науке о данных

https://blog.dailydoseofds.com/p/25-most-important-mathematical-definitions

О том, почему современные системы искусственного интеллекта выдают ложные результаты и что с этим делать

https://medium.com/@colin.fraser/hallucinations-errors-and-dreams-c281a66f3c35

10 лучших библиотек Python для науки о данных

https://earthly.dev/blog/python-libraries

Бесплатные курсы по искусственному интеллекту от NVIDIA: для всех уровней
Хотите создавать крутые приложения с искусственным интеллектом? Начните изучать искусственный интеллект сегодня с помощью этих бесплатных курсов от NVIDIA.

https://www.kdnuggets.com/free-ai-courses-from-nvidia-for-all-levels

101 фрагмент кода Python для повседневного использования для специалистов по данным

https://python.plainenglish.io/101-advanced-everyday-python-for-data-scientists-669c9b417707

Тензорный оптимизатор Mirage (репозиторий GitHub)

Mirage — это супероптимизатор тензорной алгебры, который автоматически находит высокооптимизированные тензорные программы для DNN. Mirage автоматически идентифицирует и проверяет сложные оптимизации, многие из которых требуют совместной оптимизации на уровне ядра, блока потоков и потоков иерархии вычислений графического процессора. https://github.com/mirage-project/mirage

4 продвинутых алгоритма RAG, которые вам необходимо знать

https://medium.com/decodingml/the-4-advanced-rag-algorithms-you-must-know-to-implement-5d0c7f1199d2

Книга по линейной алгебре с полностью интерактивными фигурами.

https://immersivemath.com/ila/index.html

Понимание математики, лежащей в основе глубокого обучения, важно, если вы хотите овладеть методами машинного обучения.

14-часовой курс глубокого обучения на YouTube-канале freeCodeCamp.org. Этот курс специально разработан для превращения новичков в опытных разработчиков в области глубокого обучения. Если вы хотите понять основные концепции или хотите применить глубокое обучение к реальным задачам, этот курс поможет вам. https://www.freecodecamp.org/news/deep-learning-course-math-and-applications

Фреймворк с открытым исходным кодом для голосового и мультимодального разговорного искусственного интеллекта

https://github.com/pipecat-ai/pipecat

Интерактивные инструменты для машинного обучения, глубокого обучения и математики

https://github.com/Machine-Learning-Tokyo/Interactive_Tools

⚡️ Как эффективно использовать явный и неявный фидбек в рекомендательных системах?

Расскажет опытный эксперт на открытом практическом уроке от OTUS, где вы:

— познакомитесь с двумя типами фидбека от пользователя: явным и неявным;

— обучите рекомендательные модели на разных типах фидбека;

— сравните их качество.

📌 Вебинар будет полезен дата-сайентистам и ML-спецам, которые хотят расширить область знаний и технологический стек.

Встречаемся 23 мая в 20:00 мск в преддверии старта курса «Machine Learning. Professional». Все участники вебинара получат специальную цену на обучение и персональную консультацию от менеджера OTUS!

💣 Пройдите короткий тест прямо сейчас, чтобы посетить бесплатный урок: https://otus.pw/Aixz/?erid=LjN8KJRiu

Алгоритмы машинного обучения

Минимальные и понятные примеры реализации алгоритмов машинного обучения
https://github.com/rushter/MLAlgorithms

llama3.np — это чистая реализация NumPy для модели Llama 3.
https://github.com/likejazz/llama3.np