Это хранилище содержит все необходимое для того, чтобы стать экспертом в области ML/AI Research и Research Papers.
https://github.com/Coder-World04/ML-AI-Research-Papers---Solved
@machinelearning_interview
Please open Telegram to view this post
VIEW IN TELEGRAM
⚡️ Где искать работу Дата Саентисту в 2024 году
https://habr.com/ru/articles/789618/
@machinelearning_interview
https://habr.com/ru/articles/789618/
@machinelearning_interview
⚡️ Complete-Applied-Machine-Learning-with-Projects-Series
В этом репозитории собрано все, что нужно для того, чтобы стать экспертом в прикладном #MachineLearning 53+ готовых проектов с кодом.
https://github.com/Coder-World04/Complete-Applied-Machine-Learning-with-Projects-Series
@machinelearning_interview
В этом репозитории собрано все, что нужно для того, чтобы стать экспертом в прикладном #MachineLearning 53+ готовых проектов с кодом.
https://github.com/Coder-World04/Complete-Applied-Machine-Learning-with-Projects-Series
@machinelearning_interview
Please open Telegram to view this post
VIEW IN TELEGRAM
⚡️ Complete-Scikit-learn-with-projects
Этот репозиторий содержит все необходимое для освоения Scikit learn на продвинутом уровне с 25 реализованными проектами
▪Github
▪Шпаргалка scikit-learn
@machinelearning_interview
Этот репозиторий содержит все необходимое для освоения Scikit learn на продвинутом уровне с 25 реализованными проектами
▪Github
▪Шпаргалка scikit-learn
@machinelearning_interview
👉 Awesome NLP
Список исследований и инструментов, материалов для чтения, видео и курсов, книг, библиотек, датасетов и инструментов аннотации, посвященных обработке естественного языка (NLP).
▪Github
@machinelearning_interview
Список исследований и инструментов, материалов для чтения, видео и курсов, книг, библиотек, датасетов и инструментов аннотации, посвященных обработке естественного языка (NLP).
▪Github
@machinelearning_interview
⚡️ CNN Explainer
Интерактивная визуализация, созданная для того, чтобы помочь изучить и понять принцип работы конволюционных нейронных сетях (CNN).
Demo
@machinelearning_interview
Интерактивная визуализация, созданная для того, чтобы помочь изучить и понять принцип работы конволюционных нейронных сетях (CNN).
git clone [email protected]:poloclub/cnn-explainer.git
▪GithubDemo
@machinelearning_interview
Основы качественного анализа данных
Обычно, когда кто-то говорит о качестве применительно к исследованию данных, он подразумевает правильность проведения анализа данных и достоверность результатов. Я считаю такое определение слишком узким. Из моего более чем восьмилетнего опыта работы в аналитике я понял: чтобы анализ данных был проведен на достойном уровне, он должен сочетать в себе три фундаментальных элемента:
ответ на актуальную потребность со своевременной точностью;
надежная и проверенная методология, взятая за основу;
доступность для сотрудников организации.
Поговорим об этом всем более подробно.
📌 Читать
Обычно, когда кто-то говорит о качестве применительно к исследованию данных, он подразумевает правильность проведения анализа данных и достоверность результатов. Я считаю такое определение слишком узким. Из моего более чем восьмилетнего опыта работы в аналитике я понял: чтобы анализ данных был проведен на достойном уровне, он должен сочетать в себе три фундаментальных элемента:
ответ на актуальную потребность со своевременной точностью;
надежная и проверенная методология, взятая за основу;
доступность для сотрудников организации.
Поговорим об этом всем более подробно.
📌 Читать
📖 Книга по искусственному интеллекту с открытым исходным кодом от Hugging Face.
Open-Source AI Cookbook - это коллекция блокнотов, раскрывающих практические аспекты создания ИИ-приложений и решения различных задач машинного обучения с помощью инструментов и моделей с открытым исходным кодом.
https://huggingface.co/learn/cookbook/index
@machinelearning_interview
Open-Source AI Cookbook - это коллекция блокнотов, раскрывающих практические аспекты создания ИИ-приложений и решения различных задач машинного обучения с помощью инструментов и моделей с открытым исходным кодом.
https://huggingface.co/learn/cookbook/index
@machinelearning_interview
Какова вычислительная сложность механизма self-attention?
В оригинальной статье Attention Is All You Need есть таблица со сравнением Complexity per Layer (сложность на слой) нового механизма self-attention и других архитектур. Указано, что для self-attention это значение составляет O(n^2 * d), где d — это размерность векторного представления.
В статье есть один нюанс. Авторы не учитывали сложность вычисления матриц Q, V и K (query, value и key). Их значения были взяты из скрытых состояний RNN. Поэтому идёт «чистый» расчёт для слоя Attention.
#вопросы_с_собеседований
В оригинальной статье Attention Is All You Need есть таблица со сравнением Complexity per Layer (сложность на слой) нового механизма self-attention и других архитектур. Указано, что для self-attention это значение составляет O(n^2 * d), где d — это размерность векторного представления.
В статье есть один нюанс. Авторы не учитывали сложность вычисления матриц Q, V и K (query, value и key). Их значения были взяты из скрытых состояний RNN. Поэтому идёт «чистый» расчёт для слоя Attention.
#вопросы_с_собеседований
💫 Шпаргалка для алгособеса — алгоритмическая сложность, структуры данных, методы сортировки и Дейкстра
▪Читать
@machinelearning_interview
▪Читать
@machinelearning_interview
💡 A Guide to Production Level Deep Learning 🎬 📜 ⛴️
Руководство по созданию практических систем глубокого обучения производственного уровня для использования в реальных приложениях.
▪Github
@machinelearning_interview
Руководство по созданию практических систем глубокого обучения производственного уровня для использования в реальных приложениях.
▪Github
@machinelearning_interview
🔝 "Шесть способов отладки моделей машинного обучения" от weights_biases, статья в которой расматриваются методы отладки моделей.
• Читать
Погрузитесь глубже в эту тему с помощью бесплатного курса "Оценка и отладка генеративных моделей ИИ с помощью W&B".
@machinelearning_interview
• Читать
Погрузитесь глубже в эту тему с помощью бесплатного курса "Оценка и отладка генеративных моделей ИИ с помощью W&B".
@machinelearning_interview
This media is not supported in your browser
VIEW IN TELEGRAM
Введение в модель эмбединга "Матрешка" 🪆.
Узнайте, как эти модели способны создавать эмбедингы различной размерности, как они могут ускорить выполнение таких задач, как поиск информации, и как вы можете обучить свои собственные модели ! 👇
🔗 https://hf.co/blog/matryoshka
@machinelearning_interview
Узнайте, как эти модели способны создавать эмбедингы различной размерности, как они могут ускорить выполнение таких задач, как поиск информации, и как вы можете обучить свои собственные модели ! 👇
🔗 https://hf.co/blog/matryoshka
@machinelearning_interview
Forwarded from Machinelearning
This media is not supported in your browser
VIEW IN TELEGRAM
🔥 NVIDIA AI Foundation Models
Вы можете тестировать модели с открытым исходным кодом, используя NVIDIAAI.
Взаимодействуйте с новейшими современными API моделей ИИ, оптимизированными на базе ускоренных вычислений NVIDIA, прямо из браузера.
https://catalog.ngc.nvidia.com/ai-foundation-models
ai_machinelearning_big_data
Вы можете тестировать модели с открытым исходным кодом, используя NVIDIAAI.
Взаимодействуйте с новейшими современными API моделей ИИ, оптимизированными на базе ускоренных вычислений NVIDIA, прямо из браузера.
Gemma 7B, Llama 2 70B, Kosmos-2, Mixtral 8x7B Instruct, Stable Diffusion XL и многое другое 🥳 https://catalog.ngc.nvidia.com/ai-foundation-models
ai_machinelearning_big_data
📌 Tech-Interview : Important Topics and Techniques
В этом репозитории собрано все, что нужно, чтобы подготовиться к техническим собеседованиям, а также самые важные советы и методики подготовки к собесу.
▪Github
@machinelearning_interview
В этом репозитории собрано все, что нужно, чтобы подготовиться к техническим собеседованиям, а также самые важные советы и методики подготовки к собесу.
▪Github
@machinelearning_interview
⚡️ Новая архитектура без трансформеров DeepCN , превосходит все возможные трансформеры в анализе временных рядов.
Репозиторий, показывающий, почему трансформеры не работают в прогнозировании временных рядов, демонстрирующий лучшие модели SOTA без трансформеров '
▪Github
#прогнозирование
@machinelearning_interview
Репозиторий, показывающий, почему трансформеры не работают в прогнозировании временных рядов, демонстрирующий лучшие модели SOTA без трансформеров '
Transformers Are What You Don't Need' -> ▪Github
#прогнозирование
@machinelearning_interview
🎙Создание локально работающего голосового помощника
В этой статье я расскажу о том, как создать помощника, который позволит вокально взаимодействовать с LLM с открытым исходным кодом. Все компоненты будут работать локально на вашем компьютере.
Архитектура
Архитектура включает три отдельных компонента:
🔵 сервис обнаружения “пробуждающего” слова, активирующего голосового помощника (wake-word detection service);
🔵 сервис голосового помощника (voice assistant service);
🔵 чат-сервис (chat service).
📌 Продолжение
@machinelearning_interview
В этой статье я расскажу о том, как создать помощника, который позволит вокально взаимодействовать с LLM с открытым исходным кодом. Все компоненты будут работать локально на вашем компьютере.
Архитектура
Архитектура включает три отдельных компонента:
@machinelearning_interview
Please open Telegram to view this post
VIEW IN TELEGRAM
GitLab Duo Chat может:
.gitlab-ci.yml для тестирования и сборки приложения Ruby on Rails с конвейером CI/CD GitLab».🔗 Duo Chat
@machinelearning_interview
Please open Telegram to view this post
VIEW IN TELEGRAM
— Сигмоида
Нелинейна по своей природе, поэтому комбинация таких функций производит тоже нелинейную функцию. Так что она хорошо подходит для комбинации слоёв. Чаще всего применяется в задачах бинарной классификации, где нужно предсказать вероятность принадлежности к одному из 2 классов.
— Tanh
Гиперболический тангенс — это скорректированная сигмоидная функция. Стоит отметить, что градиент тангенциальной функции больше, чем у сигмоиды; она растёт быстрее. Активное используется в рекуррентных сетях, вероятностных моделях и т.д.
— ReLU
Имеет низкую вычислительную сложность, устойчива к переобучению. Область допустимых значений ReLu —
[0, inf), то есть активация может "взорваться" от больших значений. Широко применяется в глубоких нейронных сетях благодаря простоте и отсутствию затухающего градиента — Leaky ReLU
Модификация ReLU, призвана решить проблему "умирающей ReLU". Используется в нейронных сетях для введения нелинейности в выходные данные каждого нейрона.
#junior
@machinelearning_interview
Please open Telegram to view this post
VIEW IN TELEGRAM