✔️ The Intel Neuromorphic DNS Challenge

Intel Neuromorphic DNS Challenge

🖥 Github
📌Статья
💨Dataset

@machinelearning_ru

TemporalMaxer: Maximize Temporal Context with only Max Pooling for Temporal Action Localization

🖥 Github: https://github.com/tuantng/temporalmaxer

⏩ Paper: https://arxiv.org/abs/2303.09055v1

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

@machinelearning_ru

🖥 3 быстрых и простых способа визуализации ваших данных с помощью Pandas

В этой статье мы рассмотрим 3 простых и экономящих время способа визуализации ваших данных с помощью Pandas. Кроме того, я приложил Jupyter-Notebook со всеми примерами в конце этой статьи.

▪ Читать дальше

@machinelearning_ru

LLaMA-Adapter: Efficient Fine-tuning of LLaMA 🚀

Fine-tuning LLaMA to follow instructions within 1 Hour and 1.2M Parameters.

🖥 Github: https://github.com/zrrskywalker/llama-adapter

⏩ Paper: https://arxiv.org/abs/2303.16199v1

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

ai_machinelearning_big_data

🖥 Python В SQL — Теперь можно загружать данные в 20 раз быстрее

Работа с большими наборами данных – повседневное дело для большинства специалистов по обработке данных. Не было бы никаких проблем, если бы они сразу передавались потоком в базу данных.

Но, зачастую, случается так, что загрузка данных происходит очень долго. В таких случаях программистам приходится занимать себя другими делами, дожидаясь, пока процесс полностью завершится. Такой вариант подходит далеко не всем!

Если вы действительно хотите сократить это время, вам нужен наиболее оптимальный способ загрузки данных в БД.

▪ Читать

@machinelearning_ru

7 инструментов Python, который должен знать каждый специалист машинного обучения

🎞 Смотреть

@machinelearning_ru