📊 Как стать дата-инженером в 2021 году?
Не будет преувеличением сказать, что данные – это новая нефть. Должность инженера по данным имеет решающее значение для использования всего их потенциала.
https://proglib.io/sh/LUkpni1bCt
Не будет преувеличением сказать, что данные – это новая нефть. Должность инженера по данным имеет решающее значение для использования всего их потенциала.
https://proglib.io/sh/LUkpni1bCt
Конференция о дата-инжиниринге SmartData ищет спикеров 🎙
Если вы хотите поделиться своими идеями и болями с сообществом неравнодушных, тогда вам нужно подать заявку на участие в конференции.
SmartData пройдет с 11 по 14 октября, онлайн
Список тем докладов не ограничен — вы можете подать заявку с любой темой из области дата-инжиниринга до 9 августа. Поторопитесь!
Почему стоит отправить заявку?
✔ 700+ зрителей live и тысячи просмотров в записи.
✔ Контент в 4К. Запись доклада останется с вами.
✔ Помощь с подготовкой от программного комитета.
✔ Обмен опытом в сообществе профессионалов.
✔ FullPass на все конференции сезона.
👉 узнать все подробности и отправить заявку можно на сайте.
А если вы знакомы с SmartData, то уже сейчас можно купить билет по самой низкой цене тут.
Если вы хотите поделиться своими идеями и болями с сообществом неравнодушных, тогда вам нужно подать заявку на участие в конференции.
SmartData пройдет с 11 по 14 октября, онлайн
Список тем докладов не ограничен — вы можете подать заявку с любой темой из области дата-инжиниринга до 9 августа. Поторопитесь!
Почему стоит отправить заявку?
✔ 700+ зрителей live и тысячи просмотров в записи.
✔ Контент в 4К. Запись доклада останется с вами.
✔ Помощь с подготовкой от программного комитета.
✔ Обмен опытом в сообществе профессионалов.
✔ FullPass на все конференции сезона.
👉 узнать все подробности и отправить заявку можно на сайте.
А если вы знакомы с SmartData, то уже сейчас можно купить билет по самой низкой цене тут.
👍1
dlib: набор инструментов C++ / Python для создания реальных приложений машинного обучения и анализа данных.
https://proglib.io/w/8c36468b
https://proglib.io/w/8c36468b
GitHub
GitHub - davisking/dlib: A toolkit for making real world machine learning and data analysis applications in C++
A toolkit for making real world machine learning and data analysis applications in C++ - GitHub - davisking/dlib: A toolkit for making real world machine learning and data analysis applications in C++
❤1
Triton: программирование на GPU с открытым исходным кодом для нейронных сетей.
https://proglib.io/w/bfefa28a
https://proglib.io/w/bfefa28a
Openai
Introducing Triton: Open-source GPU programming for neural networks
We’re releasing Triton 1.0, an open-source Python-like programming language which enables researchers with no CUDA experience to write highly efficient GPU code—most of the time on par with what an expert would be able to produce.
Efficient Processing of Deep Neural Networks (2020)
Авторы: Vivienne Sze, Yu-Hsin Chen, Tien-Ju Yang, Joel S. Emer
Количество страниц: 342
В этой книге содержится структурированное описание ключевых принципов и методов обеспечения эффективной обработки глубоких нейронных сетей. DNN (Deep Neural Networks) в настоящее время широко используются во многих приложениях искусственного интеллекта, включая компьютерное зрение, распознавание речи и робототехнику. Хотя DNN обеспечивают высочайшую точность при выполнении многих задач искусственного интеллекта, это достигается за счет высокой вычислительной сложности. Следовательно, методы, которые позволяют эффективно обрабатывать глубокие нейронные сети для улучшения ключевых показателей, таких как энергоэффективность, пропускная способность и задержка, без ущерба для точности или увеличения затрат на оборудование, имеют решающее значение для обеспечения широкого развертывания DNN в системах искусственного интеллекта.
Скачать книгу
Авторы: Vivienne Sze, Yu-Hsin Chen, Tien-Ju Yang, Joel S. Emer
Количество страниц: 342
В этой книге содержится структурированное описание ключевых принципов и методов обеспечения эффективной обработки глубоких нейронных сетей. DNN (Deep Neural Networks) в настоящее время широко используются во многих приложениях искусственного интеллекта, включая компьютерное зрение, распознавание речи и робототехнику. Хотя DNN обеспечивают высочайшую точность при выполнении многих задач искусственного интеллекта, это достигается за счет высокой вычислительной сложности. Следовательно, методы, которые позволяют эффективно обрабатывать глубокие нейронные сети для улучшения ключевых показателей, таких как энергоэффективность, пропускная способность и задержка, без ущерба для точности или увеличения затрат на оборудование, имеют решающее значение для обеспечения широкого развертывания DNN в системах искусственного интеллекта.
Скачать книгу
Telegram
Книги для программистов (reserved)
Efficient Processing of Deep Neural Networks (2020)
Авторы: Vivienne Sze, Yu-Hsin Chen, Tien-Ju Yang, Joel S. Emer
Авторы: Vivienne Sze, Yu-Hsin Chen, Tien-Ju Yang, Joel S. Emer
Как преобразовать статический график pandas с Matplotlib в интерактивный?
https://proglib.io/w/2df572cd
https://proglib.io/w/2df572cd