Машинное обучение RU
17.7K subscribers
1.57K photos
207 videos
11 files
2.04K links
Все о машинном обучении

админ - @workakkk

@data_analysis_ml - анализ даннных

@ai_machinelearning_big_data - Machine learning

@itchannels_telegram -лучшие ит-каналы

@pythonl - Python

@pythonlbooks- python 📚

@datascienceiot - 📚

РКН: clck.ru/3FmrUw
Download Telegram
🖥 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
Please open Telegram to view this post
VIEW IN TELEGRAM
👍51🔥1
Ablating Concepts in Text-to-Image Diffusion Models

An efficient method of ablating concepts in the pretrained model, i.e., preventing the generation of a target concept.

🖥 Github: https://github.com/nupurkmr9/concept-ablation

Paper: https://arxiv.org/abs/2303.13516

💨 Project: https://www.cs.cmu.edu/~concept-ablation/

ai_machinelearning_big_data
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
👍51🔥1
15 лучших шпаргалок по машинному обучению.

1- Supervised Learning


https://github.com/afshinea/stanford-cs-229-machine-learning/blob/master/en/cheatsheet-supervised-learning.pdf

2- Unsupervised Learning

https://github.com/afshinea/stanford-cs-229-machine-learning/blob/master/en/cheatsheet-unsupervised-learning.pdf

3- Deep Learning

https://github.com/afshinea/stanford-cs-229-machine-learning/blob/master/en/cheatsheet-deep-learning.pdf

4- Machine Learning Tips and Tricks

https://github.com/afshinea/stanford-cs-229-machine-learning/blob/master/en/cheatsheet-machine-learning-tips-and-tricks.pdf

5- Probabilities and Statistics

https://github.com/afshinea/stanford-cs-229-machine-learning/blob/master/en/refresher-probabilities-statistics.pdf

6- Comprehensive Stanford Master Cheat Sheet

https://github.com/afshinea/stanford-cs-229-machine-learning/blob/master/en/super-cheatsheet-machine-learning.pdf

7- Linear Algebra and Calculus

https://github.com/afshinea/stanford-cs-229-machine-learning/blob/master/en/refresher-algebra-calculus.pdf

8- Data Science Cheat Sheet

https://s3.amazonaws.com/assets.datacamp.com/blog_assets/PythonForDataScience.pdf

9- Keras Cheat Sheet

https://s3.amazonaws.com/assets.datacamp.com/blog_assets/Keras_Cheat_Sheet_Python.pdf

10- Deep Learning with Keras Cheat Sheet

https://github.com/rstudio/cheatsheets/raw/master/keras.pdf

11- Visual Guide to Neural Network Infrastructures

https://www.asimovinstitute.org/wp-content/uploads/2016/09/neuralnetworks.png

12- Skicit-Learn Python Cheat Sheet

https://s3.amazonaws.com/assets.datacamp.com/blog_assets/Scikit_Learn_Cheat_Sheet_Python.pdf

13- Scikit-learn Cheat Sheet: Choosing the Right Estimator

https://scikit-learn.org/stable/tutorial/machine_learning_map/

14- Tensorflow Cheat Sheet

https://github.com/kailashahirwar/cheatsheets-ai/blob/master/PDFs/Tensorflow.pdf

15- Machine Learning Test Cheat Sheet

https://www.cheatography.com/lulu-0012/cheat-sheets/test-ml/pdf/

@machinelearning_ru
👍16🔥31
Media is too big
VIEW IN TELEGRAM
Хорошие новости: в GitHub Copilot теперь встроен хайповый GPT-4.

Теперь он называется Copilot X и может не только помогать с написанием кода, но и заменить кодеров вести диалог с пользователем, обсуждая проект, управляться голосовыми командами и даже иметь свою собственную командную строку.

@machinelearning_ru
🔥13👍42
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
Please open Telegram to view this post
VIEW IN TELEGRAM
👍31🔥1
🖥 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
Please open Telegram to view this post
VIEW IN TELEGRAM
👍7🔥32🤬1
7 инструментов Python, который должен знать каждый специалист машинного обучения

🎞 Смотреть

@machinelearning_ru
Please open Telegram to view this post
VIEW IN TELEGRAM
👍4🔥21
🦙 Интеграция плагинов ChatGPT с LLaMA

OpenAI только что выпустила поддержку плагинов для ChatGPT, позволяющих языковой модели выступать в качестве агентов и взаимодействовать с внешним миром с помощью API. Здесь мы рассмотрим варианты использования chatgpt-retrieval-plugin от OpenAI с языковой моделью LLaMA от Meta.

Это больше, чем просто руководство. Это призыв к действию по созданию открытого протокола для моделей, позволяющих нам совместно использовать плагины между LLM и управлять ими.

Читать

@machinelearning_ru
👍53🔥2
🐼 Добро пожаловать в Pandas 2.0

16 марта, после 3 лет разработки, был выпущен второй релиз pandas 2.0. В pandas 2.0 появилось много новых функций, включая улучшенную поддержку массивов, поддержку pyarrow для фреймов данных и новые форматы даты и времени, отличных от наносекундного, а также множество исправлений и, следовательно, изменений API.

Читать

@machinelearning_ru
👍9🔥51
Как загружать данные в SQL в 20 раз быстрее на Python с Pandas

🎞 Видео

@machinelearning_ru
Please open Telegram to view this post
VIEW IN TELEGRAM
👍5🥰21
DoMore.ai

DoMore.ai — каталог ИИ-инструментов с семантическим поиском

Этот каталог работает как поисковик, просто нужно ввести свой запрос, и найдётся нужный инструмент.

Например, «я хочу написать статью в блог» или «нужно сгенерировать картинки для сайта».

Также есть удобно настраиваемые фильтры, которые можно сохранить и использовать позже, чтобы персонализировать сервис.
каталог ИИ-инструментов с семантическим поиском

Этот каталог работает как Гугл, просто нужно ввести свой запрос, и найдётся нужный инструмент.

Например, «я хочу написать статью в блог» или «нужно сгенерировать картинки для сайта».

Также есть удобно настраиваемые фильтры, которые можно сохранить и использовать позже, чтобы персонализировать сервис.

@machinelearning_ru
👍8🔥21
Самый лучший сборник нейросетей: Theresanaiforthat

Пишете ему вашу задачу, ии подберет целый список сервисов, которые помогут ее выполнить.

Кстати, сайт сделали с помощью данной нейросети.

@machinelearning_ru
👍93👎1🔥1
Как ChatGPT и GPT-4 можно использовать для создания 3D-контента

Спрос на 3D-миры и виртуальные среды растёт в геометрической прогрессии во всех отраслях промышленности. 3D-рабочие процессы являются основой промышленной цифровизации, разработки симуляций в реальном времени для тестирования и валидации автономных транспортных средств и роботов, эксплуатации цифровых двойников для оптимизации промышленного производства и прокладывания новых путей для научных открытий.

Сегодня 3D-дизайн и построение мира по-прежнему в значительной степени выполняются вручную. В то время как 2D-художники и дизайнеры получили в своё распоряжение вспомогательные инструменты, 3D-рабочие процессы по-прежнему заполнены повторяющимися, утомительными задачами.

Создание или поиск объектов – это трудоёмкий процесс, требующий специальных навыков 3D, оттачиваемых с течением времени, таких как моделирование и текстурирование. Правильное размещение объектов и доведение 3D-среды до совершенства требует нескольких часов тонкой настройки.

Чтобы сократить количество ручных, повторяющихся задач и помочь создателям и дизайнерам сосредоточиться на творческих, приятных аспектах своей работы, NVIDIA запустила множество проектов в области искусственного интеллекта, таких как generative AI tools для виртуальных миров.

Читать
@machinelearning_ru
5👍1🔥1
Free Dolly: Introducing the World's First Truly Open Instruction-Tuned LLM

Dolly 2.0 - это языковая модель с 12B параметрами, основанная на семействе моделей EleutherAI pythia и настроенная исключительно на новом высококачественном наборе данных по инструкциям, сгенерированным человеком, который был собран краудсорсингом среди сотрудников Databricks.

https://www.databricks.com/blog/2023/04/12/dolly-first-open-commercially-viable-instruction-tuned-llm
4🔥2🥰1
🤖 Создайте своего собственного чат-бота с искусственным интеллектом на Python

В этом пошаговом руководстве я покажу вам, как создать чат-бота с искусственным интеллектом с помощью Python.

Не волнуйтесь, если вы ничего не смыслите в программировании – я объясню всё на понятном языке, а примеры кода будут очень простыми.

Читать

@machinelearning_ru
Please open Telegram to view this post
VIEW IN TELEGRAM
5👍3🔥1