8 неожиданных способов использования Jupyter Notebook
_______________
Jupyter Notebook — отличный инструмент для экспериментов с кодом. Он предоставляет REPL (цикл чтения-оценки-печати) с визуальным интерфейсом для графиков, таблиц и многого другого. Вы можете смешивать Markdown и выбранный язык программирования (обычно Python). Это стандартная среда разработки и экспериментов для специалистов по данным и специалистов по машинному обучению. Слышали ли вы о других способах использования Jupyter Notebook? Давайте рассмотрим 8 альтернативных способов использования Jupyter Notebook, которые могут вас удивить!...
https://shly.link/1XjLH

Взаимодействие JAX и TensorFlow
_______________

Этот пакет обеспечивает экспериментальную поддержку взаимодействия между JAX и TensorFlow.
https://shly.link/ghcyUN

Некоторые мысли о машинном обучении с небольшими данными
_______________

https://shly.link/3mRV7

Это набор простых реализаций PyTorch для нейронных сетей и связанных с ними алгоритмов. Эти реализации задокументированы с пояснениями, и веб- сайт отображает их в виде отформатированных заметок рядом друг с другом. Мы считаем, что это поможет вам лучше понять эти алгоритмы.

https://shly.link/2u2bJ

Рекуррентные нейронные сети, объясненные с помощью примера из реальной жизни и кода Python
_____________
Использование рекуррентных нейронных сетей в задаче анализа настроений.
https://shly.link/0oQxw

Дорожная карта для науки о данных 2022
_______________

Эта статья поможет вам укрепить ваш план, предоставив вам структуру обучения, ресурсы и проектные идеи, которые помогут в разработке надежного портфолио работ, демонстрирующих способности к науке о данных.
https://shly.link/mdmxh4f

Если вы хотите объяснить результаты своей модели #MachineLearning, используйте SHAP. В приведенном ниже коде я использую сводную диаграмму SHAP
https://shly.link/mzoE9

Использование Datasets, DataLoaders и новых DataPipes в PyTorch
___________________________________

Команда PyTorch недавно анонсировала TorchData, прототип библиотеки, предназначенный для реализации компонуемых и повторно используемых утилит загрузки данных для PyTorch. В частности, библиотека TorchData сосредоточена на DataPipes, которые должны быть совместимыми с DataLoader заменой существующего класса Dataset.

Честно говоря, мне не нравятся существующие утилиты PyTorch Dataset и DataLoader , но я также люблю пробовать новые вещи. Итак, в этой статье я попытаюсь предоставить несколько кратких примеров вместе с некоторыми мыслями после знакомства с новым API DataPipe.

https://shly.link/rwb5u

Пройдите бесплатный онлайн-интенсив Skillbox по программированию, изучите востребованный язык Java и создайте первый проект под руководством опытного специалиста.

Узнайте подробности: 👉https://clc.to/nVLJ7g.
Сразу после регистрации отправим вам на почту чек-лист по знаниям и навыкам, которые необходимы backend-разработчику для трудоустройства.

Почему изучать Java — это круто:

📌 Язык Java используют многие облачные и стриминговые сервисы.
📌 Некоторые крупные социальные сети написаны на Java.
📌 Java используют правительственные и научные организации.
📌 На Java пишут игры.

Интенсив ведёт Даниил Пилипенко — основатель и директор центра подбора IT-специалистов SymbioWay.
С 2004 года разрабатывает и руководит разработкой на Java, PHP и во фронтенде. Более 50 раз выступил на семинарах и конференциях.

Подключайтесь к онлайн-интенсиву с 23 по 25 июня в 19:00 по московскому времени.

🎁 Всех ждут подарки. Участвуйте, задавайте вопросы и получите сертификат на 10 000 рублей на любой курс Skillbox!

Наглядные пояснения основных концепций машинного обучения
_______________

Университет машинного обучения ( MLU ) — это образовательная инициатива Amazon, предназначенная для обучения теории и практическому применению машинного обучения.

В рамках этой цели существует MLU-Explain , чтобы обучать важным концепциям машинного обучения с помощью визуальных эссе в увлекательной, информативной и доступной форме.
https://shly.link/mcaCt

Графическое машинное обучение в Airbnb
______
Как Airbnb использует графовые нейронные сети для повышения уровня машинного обучения
https://shly.link/mdmKyiE

Лучший способ заставить ваши данные работать


Компании, которые относятся к данным как к продукту, могут сократить время, необходимое для их внедрения в новых сценариях использования, на целых 90%.
https://shly.link/JBeJL

Алгоритм Байеса: все, что вам нужно знать
__________________________

В этой статье мы разберемся с алгоритмом наивного Байеса и всеми основными понятиями, чтобы не было места сомнениям в понимании.

https://shly.link/D8x7C

Реалистичное лицо, созданное с помощью Maya и DeepFace Live
______
Замена лица в режиме реального времени для потоковой передачи на ПК или видеозвонков
https://shly.link/ghfB5c

VISTA — это управляемый данными фотореалистичный симулятор автономного вождения. Он может имитировать не только живое видео, но и данные LiDAR и камеры событий, а также включать другие моделируемые транспортные средства для моделирования сложных дорожных ситуаций. VISTA имеет открытый исходный код, и код можно найти здесь .

Аннотированная диффузионная модель

В этом посте мы более подробно рассмотрим вероятностные модели диффузионного шумоподавления (также известные как DDPM, диффузионные модели, генеративные модели на основе оценок или просто автоэнкодеры ), поскольку исследователи смогли добиться с их помощью замечательных результатов для (un) условная генерация изображения/аудио/видео. Популярные примеры (на момент написания статьи) включают GLIDE и DALL-E 2 от OpenAI, Latent Diffusion от Гейдельбергского университета и ImageGen от Google Brain.
https://shly.link/wj4Qg

Более 100 алгоритмов и моделей машинного обучения, объясняемых с помощью Python
______
Все алгоритмы и модели машинного обучения объясняются языком программирования Python.

https://shly.link/mdm8tRu

Яндекс публикует YaLM 100B. Это крупнейшая нейронная сеть, подобная GPT, с открытым исходным кодом.
______

В этой статье мы поделимся не только моделью, но и нашим опытом ее обучения. Вы можете подумать, что с суперкомпьютером обучение крупномасштабных моделей — это проще простого. К сожалению, это не так. Здесь мы расскажем вам, как нам удалось обучить такую огромную языковую модель и как мы вдвое сократили время обучения без ущерба для стабильности.

https://shly.link/ghWJHJ