💨 SLOPER4D: A Scene-Aware Dataset for Global 4D Human Pose Estimation in Urban Environments

Новый датасет с различными позами людей в городской среде.

🖥 Github
🗒 Статья
⭐️ Dataset

@bigdatai

ChatGPT Paraphrases

Это набор данных парафраз, созданный ChatGPT. В этом наборе данных около 350 тысяч строк данных.

⭐️ Dataset

@bigdatai

🖥 Шпаргалка по командам Git на русском

echo "# название" >> README.md - создание файла README.md
git init - инициализация репозитория
git add README.md - добавления файла README.md в проект
git commit -m "first commit" - получает проиндексированный снимок состояния и выполняет его коммит в историю проекта
git remote add origin https://github.com/stanruss/название.git - команда, которой устанавливается подключение к удаленному серверу и git репозиторию, размещающемуся на нем.
git push -u origin master - кзменения отправляются на удаленный сервер

git log --oneline - посмотреть все коммиты.
git checkout . - восстановить все.
git checkout "код коммита" - вернуть до состояния этого коммита.
git checkout master - вернуться в ветку мастер.

Восстановить файлы на локальном компьютере:
```git fetch --all
git reset --hard origin/master или git reset --hard origin/<название_ветки>

```git add text.txt - Добавить файл в репозиторий
git rm text.txt - Удалить файл
git status - Текущее состояние репозитория (изменения, неразрешенные конфликты и тп)
git commit -a -m "Commit description" - Сделать коммит
git push origin - Замерджить все ветки локального репозитория на удаленный репозиторий
git push origin master - Аналогично предыдущему, но делается пуш только ветки master
git push origin HEAD - Запушить текущую ветку, не вводя целиком ее название
git pull origin - Замерджить все ветки с удаленного репозитория
git pull origin master - Аналогично предыдущему, но накатывается только ветка master
git pull origin HEAD - Накатить текущую ветку, не вводя ее длинное имя
git fetch origin - Скачать все ветки с origin, но не мерджить их в локальный репозиторий
git fetch origin master - Аналогично предыдущему, но только для одной заданной ветки
git checkout -b some_branch origin/some_branch - Начать работать с веткой some_branch (уже существующей)
git branch some_branch - Создать новый бранч (ответвится от текущего)
git checkout some_branch - Переключиться на другую ветку (из тех, с которыми уже работаем)
git branch # звездочкой отмечена текущая ветвь - Получаем список веток, с которыми работаем
git branch -a # | grep something - Просмотреть все существующие ветви
git merge some_branch - Замерджить some_branch в текущую ветку
git branch -d some_branch - Удалить бранч (после мерджа)
git branch -D some_branch - Просто удалить бранч (тупиковая ветвь)
git show d8578edf8458ce06fbc5bb76a58c5ca4a58c5ca4 - Изменения, сделанные в заданном коммите
git push origin :branch-name - Удалить бранч из репозитория на сервере
git reset --hard d8578edf8458ce06fbc5bb76a58c5ca4a58c5ca4 - Откатиться к конкретному коммиту и удалить последующие (хэш смотрим в «git log»)
git push -f - залить на сервер измененные коммиты
git clean -f - Удаление untracked files

#git #github #doc #cheatsheet


@bigdatai

Awesome Public Datasets

Это отличная коллекция наборов данных с открытым исходным кодом, разделенных по отраслям. Некоторые из библиотек, которые вы можете там найти будут упомянуты здесь позже.

🖥 Github

@bigdatai

🦙🛁 Cleaned Alpaca Dataset

Alpaca - это усовершенствованная версия LLAMA, которая была обучена на базе данных Instruct Dataset, созданных GPT-3.

🖥 Github

@bigdatai

💨 Что, где, откуда: извлекаем реляционный датасет из JSON

Когда вы сталкиваетесь с большим ненормализованным датасетом, да еще и в формате JSON, который нужно переложить в связанные SQL-таблицы, необходимо:

▪Читать датасет по чанкам;
▪Анализировать датасет на качество, смотреть на атрибуты;
▪Нормализовать датасет, раскрывать связи между сущностями и следить за их целостностью.

В целом, знание этих пунктов позволит сразу адаптировать датасет под реляционные СУБД и значительно сократить время, затраченное на его обработку, ведь со структурной точки зрения его не потребуется переделывать бессчётное количество раз. А для всего остального – есть функционал SQL.

📌 Читать

@bigdatai

3D Semantic Segmentation in the Wild: Learning Generalized Models for Adverse-Condition Point Clouds

Новый набор данных облаков в неблагоприятную погоду, который предоставляет плотные аннотации на уровне точек и позволяет изучать 3DSS при различных неблагоприятных погодных условиях.

🖥 Github: https://github.com/xiaoaoran/semanticstf

⏩ Paper: https://arxiv.org/abs/2304.00690v1

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

ai_machinelearning_big_data

📊 Руководство по эффективной визуализации данных: выбор правильного графика

Когда я впервые начал работать с визуализацией данных, я обнаружил, что мне трудно выбрать правильный тип диаграммы для точного представления данных.

Было неприятно тратить часы на создание визуализации только для того, чтобы понять, что она неэффективно передаёт задуманный смысл. Вскоре я понял, что был не одинок в своей проблеме. Многие новички сталкивались с подобным при работе с визуализацией данных, вот почему я пишу эту статью (чтобы сэкономить ваше время и лучше разобраться в графиках). Я также приведу вам примеры кода.

▪ Читать

@bigdatai

You are here! Finding position and orientation on a 2D map from a single image: The Flatlandia localization problem and dataset

Набор данных Flatlandia, предназначенный для визуальной локализации 3DoF в различных городских условиях и основанный на данных из пяти европейских городов.

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

⏩ Paper: https://arxiv.org/abs/2304.06364v1

⭐️ Dataset: https://paperswithcode.com/dataset/jec-qa

@bigdatai

The Generative AI Landscape - A Collection of Awesome Generative AI Applications

ai-collection (https://github.com/ai-collection/ai-collection) – коллекция классных и полезных проектов в области ИИ

Код, Игры, Изображение, Речь, текст Видео и многое другое.

🖥 Github

@bigdatai