Дорогие читатели! В Мариуполе сейчас все так же остаются люди. Там остались мои друзья, знакомые, а так же члены церкви 😭

Всем беженцам, которые выехали, нужна помощь для того, чтобы прожить первое время, после того как они потеряли все.

Если вы хотите помочь, то вот ссылка с реквизитами: https://help-step.org/center/supportfinance

Собранные деньги пойдут на помощь беженцам находящимся в Днепре, которые выехали из Мариуполя, и других пострадавших городов.

https://youtu.be/ooVSYV7run8 военные преступления и геноцид о которых невозможно молчать

https://www.nytimes.com/2022/04/04/world/europe/bucha-ukraine-bodies.html

I’m deeply sorry for this disturbing posts. But this is my homeland, a town near my hometown. I cannot remain silent. This tragedy needs to be discovered and learned. The tragedy in Kyiv region - Bucha is a worst tragedy in 21th century. This is how genocide really looks like

#genocide #war #warcrimes #tragedy #standwithukraine #saveukraine

The researchers introduce a novel slice discovery approach called Domino in their paper “DOMINO: DISCOVERING SYSTEMATIC ERRORS WITH CROSS-MODAL EMBEDDINGS.” The method uses a new family of cross-modal representation learning algorithms that produce semantically meaningful representations by combining images and text in the same latent space. Their experiment results show how cross-modal representations improve slice coherence while allowing Domino to produce plain language descriptions for recognized slices.

Slice discovery involves searching unstructured input material (such as photos, movies, and audio) for semantically significant subgroups where a model fails. Slice Discovery Methods (SDMs) compute a set of slicing functions that partition the dataset into slices given a labeled validation dataset and a trained classifier. An ideal SDM should identify slices, including cases when the model underperforms or has a high error rate. Furthermore, the slices should be identified by examples that are coherent or closely correlate with a human-understandable idea.

Domino follows a three-step process as follows:

Embed: It uses a cross-modal encoder to embed the validation images alongside the text in a shared embedding space.
Slice: It uses an error-aware mixture model to discover locations in the embedding space with a high concentration of mistakes.
Describe: Domino creates natural language descriptions of the slices to help practitioners understand the commonalities among the cases in each slice. It accomplishes this by surfacing the text closest to the slice in the embedding space using the cross-modal embeddings generated in Step 1.

https://www.marktechpost.com/2022/04/14/latest-research-from-stanford-introduces-domino-a-python-tool-for-identifying-and-describing-underperforming-slices-in-machine-learning-models/

#domino #evaluationcontrol

The latest Nassim Nicolas Taleb article is just brilliant. Take a look:

https://link.medium.com/eaayOfPUopb

GitHub's response to the war in Ukraine💙💛

https://github.blog/2022-03-02-our-response-to-the-war-in-ukraine/

Are you ready for the prompt engineering decade?

https://youtu.be/3EjtHs_lXnk

Народ, тут реально крута штука відбувається!
AI HOUSE запускає освітній проєкт AI for Ukraine!

AI for Ukraine – серія воркшопів та лекцій від топових міжнародних експертів та експерток зі штучного інтелекту на підтримку українського технологічного ком’юніті під час війни.

Серед спікерів – відомі в світі дослідники штучного інтелекту та машинного навчання: Йошуа Бенжіо (Mila/U. Montreal), Алекс Смола (Amazon Web), Себастьян Бубик (Microsoft), Гаель Вароко (INRIA), Александр Руш (Hugging Face) та ін.

AI for Ukraine – некомерційний проєкт, який прагне:

▪️ надати доступ українським талантам до якісної освіти зі штучного інтелекту

▪️ зібрати кошти, що підуть до фонду «Повернись живим»

▪️ залучити міжнародних AI-лідерів до розвитку української AI-екосистеми

▪️ закріпити зв’язки та розширити нетворк наших та міжнародних спеціалістів

Реєструйтеся на сайті вже зараз https://aiforukraine.aihouse.club/, адже перша лекція з Йошуа Бенжіо відбудеться зовсім скоро – 17 серпня о 16:00.

Йошуа Бенжіо – справжня зірка у світі AI, у 2018 разом з Джеффрі Гінтоном та Янн ЛеКуном отримав премію Тюрінга, яка також відома як «Нобелівська премія з обчислювальної техніки».

Отримати доступ до лекцій та воркшопів можна за вільний донат на будь-яку суму від від 1$ або 10 грн, а усі кошти підуть до фонду “Повернись живим”.

Це точно не варто пропустити 😉

Очікування: вирішив піти в мл, щоб не стати yml developer.
Реальність: you shall not pass!!!

https://arxiv.org/abs/2406.11045

Kolmogorov-Arnold Networks outperform convolutional neural networks on feature extraction task for human activity recognition.

“Initial Investigation of Kolmogorov-Arnold Networks (KANs) as Feature Extractors for IMU Based Human Activity Recognition explores the use of a novel neural network architecture, the Kolmogorov-Arnold Networks (KANs) as feature extractors for sensor-based (specifically IMU) Human Activity Recognition (HAR).

We present an initial performance investigation of the KAN feature extractor on four public HAR datasets. It shows that the KAN-based feature extractor outperforms CNN-based extractors on all datasets while being more parameter efficient.”

MLP vs KAN kernels

So true

The new LLM-LSTM model to achieve SOTA performance.
https://arxiv.org/abs/2406.14045

Коли виросту, хочу бути як він

When I'll mature - wanna be like him

Researchers at Flatiron Institute developed Simulation-Based Inference of Galaxies(SimBIG) with unprecedented precision to predict major cosmological parameters:

https://scitechdaily.com/rewriting-cosmic-calculations-new-ai-unlocks-the-universes-settings/