"картина маслом - портрет красивой девушки" / "The painting with oil is a portrait of a beautiful girl."

боты с генерациями: https://discord.gg/xV7dNbT9NU

@shonenkovAI

🔥 Победили в хаке "Цифровой прорыв"

— За два дня нашли аномалии в базах вылова и переработки продуктов, было больно, но мы справились.

🤞 Что сделали? Статистики, руберт, катбуст и lstm + streamlit.

Что было наиболее неудобным? Время мск + 7(Хабаровск), при этом вся тима из разных городов.

В итоге заняли с командой 2 место и залутали 200к на 5-ых 😋. Через неделю собираемся еще в один хак залететь, теперь уже по NLP ⚡️

Ну а вот ещё пост сокомандника

А вот и awesome-parsing: набор полезных ссылок на тулы, сайты, best practices. #парсинг

🔗 https://github.com/reanalytics-databoutique/webscraping-open-project

"Художники смотрят на генерации в нейросетках, 2020, 2021, 2022"
@monkeyinlaw, DALL-E 2, 2022.

Посмотрите какая интереснейшая находка! Оказывается Dall-E 2 придумала свой собственный язык.

Мы можем сгенерировать картинку "Два кита разговаривают о еде, с субтитрами". получаем изображение с текстом "Wa ch zod rea". Используем полученный текст ("Wa ch zod rea") в качестве промпта и получаем изображения всякой морской еды. По-видимому, киты действительно говорят о еде на языке DALLE-2.

Ещё больше примеров тут. За наводку спасибо Just Links.

Coursera - всё

4 июня окончательно закрывается доступ к контенту от российских вузов, ведущих индустриальных компаний.

ВК и ВШЭ в скором времени представит платформу которая должна стать заменой. Естественно с плюшками (по их словам, это все не реклама и не призыв): возможность переноса специальностей и прогресса, возобновление обучения и 3К на обучение в 2022.

@gradientdip

В целом неплохо, подробнее тут

Мнение компаний о том, какие бизнес-задачи выполняет ИИ, и что в реальности сегодня он делает — сильно отличаются.
ИТ-компания Naumen опросила свыше 1,5 тыс. представителей российского бизнеса из различных отраслей и написала этот пост — ожидания от роботов 🤖 в бизнесе VS реальность.

1️⃣ Рутина и однообразие

Ожидание:
80% опрошенных компаний считают, что самые подходящие задачи для робота — простые и рутинные. Например, фиксация нарушений.

Реальность:
На самом деле искусственный интеллект не так часто используют для подобных процессов. Технологии компьютерного зрения фиксируют нарушения требований пожарной безопасности или охраны труда в 14% российских компаний. В 10% — эти технологии выполняют функцию контроля качества выпускаемой продукции. Ещё в 7% организаций ИИ помогает составлять и проверять документацию.

2️⃣ Опасный труд

Ожидание:
54% компаний считает, что роботы активно помогают людям на опасных или труднодоступных объектах.

Реальность:
Это мнение близко к истине. Свыше 20% организаций используют беспилотный транспорт для разведки новых месторождений и добычи полезных ископаемых. В 15% компаний беспилотники диагностируют поломку оборудования в труднодоступных местах. Например, отыскивают повреждения трубопровода. Ещё у 11% технология помогает контролировать состояние промышленных объектов.

3️⃣ Человеческий капитал

Ожидание:
24% компаний уверены — искусственный интеллект легко справится с отбором и предварительным собеседованием кандидатов на массовые вакансии. Ещё 22% считают, что роботы могут оценить эффективность персонала. Например, по анализу взаимодействия сотрудников на корпоративных порталах.

Реальность:
Мимо 🙈. Ни одна из опрошенных компаний не рассказала об использовании искусственного интеллекта в подборе персонала или управлении им. В этой области есть лишь единичные кейсы.

4️⃣ Клиентское обслуживание

Ожидание:
17% компаний думают, что роботы отлично справятся с консультированием клиентов.

Реальность:
Это действительно так. Если брать по всем отраслям в целом, голосовые и чат-боты есть у 8% компаний. Но если смотреть на отрасли, где, как правило, технологически продвинутые контакт-центры — ритейл, страховые и банки, ситуация меняется. В этих сегментах ИИ обслуживает клиентов каждой пятой компании.

На своём канале «Охотники за цифровизацией» эксперты Naumen продолжают рассуждения на тему использования технологий в бизнесе: читайте, какие цели российские компании ставят перед цифровой трансформацией и чего фактически добились.

Чтобы не пропустить новые исследования и кейсы по использованию ИИ в бизнесе, подписывайтесь на канал компании:
@naumen_channel

#промо

PIP - за ним история

Эта утилита сыгравшая одну из ключевых ролей в популяризации питона - представьте себе, когда-то для установки пакета необходимо было скачать zip (который находился не в PYPI), распаковать и запустить setup.. бр..

При этом были такие проблемы как глобальная установка пакета, т.е. если вы писали два разных приложения на одной машине, то явно испытывали неудобства.

С эволюцией питона как такого произошли изменения и в pip, появился удобный PYPI, pipenv, requirements.txt.

Хотя в целом остались некоторые проблемы: версионирование кода(1) и неоднозначность инсталла(2)

(1) Недостаточно сделать lib==2.0.1, за ним будут тянутся куча других либ с не всегда теме же версиями (lib2 >= 1.67.1)

(2) На первый взгляд может показаться, что либа весит пару мегабайт, но может внутри себя инсталлить что-то значительно большее (10мб, 100мб, etc)

Хотя и это частично решается - Pipfile/Pipfile.lock (json, учитывает зависимости и хеши), а pipenv гарантирует повторяемость сборок (под конкретную версию питона)

@gradientdip

Это было краткое содержание, полное видео тут