🧠 NEURAL NETWORKS A VISUAL INTRODUCTION

Интерактивная визуализация нейросетей, которая представляет интерактивное устройство нейросети, где все элементы описываются простым и последовательным образом, включая структуру, вычислительные элементы, нейроны и слои.

Анимация в проекте на очень высоком уровне, а объяснения основных терминов, понятны любому.

https://mlu-explain.github.io/neural-networks/

@machinelearning_ru

Пугающее противостояние: утечка данных в машинном обучении

Все знают общее значение утечки данных: ситуация, когда без разрешения или соблюдения мер безопасности передают конфиденциальную информацию третьим лицам. Попросту говоря, сливают. Но в машинном обучении при утечке информация из тестового датасета ошибочно попадает в обучающий.

Нашел на Хабре статью о том, какими могут быть подобные утечки и как с ними бороться. Спойлер – метода всего три: проверка вручную, пайплайны, перекрёстный контроль.

▪️ Читать

@machinelearning_ru

10 бесплатных курсов машинного обучения от лучших университетов

1. Introduction to Machine Learning - UC Berkeley

2. Introduction to Machine Learning - Carnegie Mellon University

3. Machine Learning - Stanford University

4. Machine Learning & Data Mining - Caltech

5. Learning from Data - Caltech

6. Machine Learning for Intelligent Systems - Cornell University

7. Large Scale Machine Learning - University of Toronto

8. Machine Learning with Large Datasets - Carnegie Mellon University

9. Foundations of Machine Learning and Statistical Inference - Caltech

10. Algorithmic Aspects of Machine Learning - MIT

@machinelearning_ru

Собрание бесплатных курсов по Python и машинному обучению.

1. Основы Python для анализа данных — программирование на Python.

2. Ускоренный курс по машинному обучению — видеолекции от исследователей Google содержат основы машинного обучения.

3. Основы R — как обрабатывать, анализировать и визуализировать данные.

4. Введение в Data Science и аналитику — все основы Data Science и Data Science Life Cycle.

5. Линейная регрессия — как применять R для осуществления линейной регрессии, одного из популярных методов статистического моделирования.

6. Визуализация — принципы визуализации данных и применение ggplot2 для них вкратце.

7. Введение CS50 в программирование на Python, май 2023 г.

8. Python для всех: Getting Started with Python - предлагаемый на Coursera, этот курс для начинающих знакомит с программированием на Python через пошаговые учебные пособия и практические упражнения. Курс ведет известный преподаватель доктор Чарльз Северанс.

@machinelearning_ru

13 Бесплатных курсов по изучению генеративного ИИ

▪ Список

@machinelearning_ru

🐍 Clickhouse DB в Python

Clickhouse – это высокопроизводительная, ориентированная на столбцы SQL СУБД для OLAP-процессов. Мечта инженера по обработке данных.

Что такое рабочий процесс OLAP?

Аббревиатура OLAP расшифровывается как online analytical processing. Рабочие процессы OLAP – это процессы, требующие ответов в реальном времени поверх больших наборов данных для аналитических целей.

• Clickhouse работает на macOS, FreeBSD и Linux, а также может поддерживаться на Windows с помощью WSL.

• Вы можете установить сервер clickhouse на свою систему локально, используя следующую команду в терминале:
curl https://clickhouse.com/ | sh

• Настройка клиентов:
Существует несколько способов настройки клиентов для выполнения запросов к БД clickhouse. Здесь мы рассмотрим три основных:

1. Сервер Clickhouse представляет собой http-клиент, позволяющий пользователям выполнять запросы с помощью удобного пользовательского интерфейса. Доступ к нему можно получить по адресу http://localhost:8123/play. Он выглядит следующим образом: *в изображении.
2. Мы также можем настроить собственный клиент на базе SQL, выполнив в терминале следующую команду:
./clickhouse client
3. Если вы являетесь поклонником VSCode, то для начала работы с clickhouse есть очень полезное расширение. С помощью SQLTools можно устанавливать соединения с сервером clickhouse и выполнять на нем SQL-запросы.
4. Для этих же целей можно использовать tabix, если вы являетесь поклонником докеризованных сервисов.
docker build -t tabix .
docker run -d -p 8080:80 tabix

Подключимся к Clickhouse с помощью python

@machinelearning_ru

Как создавать качественные ML-системы

Каждый проект надо начинать с плана, потому что ML-системы слишком сложны, чтобы внедрять их спонтанно. Команда VK Cloud перевела серию из двух статей о жизненном цикле ML-проекта. Из 1 части вы узнаете, каков жизненный цикл ML-проекта и ценность для бизнеса, как собирать требования, начинать с малого и отказываться от плохих идей.

Во второй части поговорили о Data-centric ИИ, данных для обучения, разметке и очистке, синтетических данных и еще немного о Data Engineering и ETL.

▪️ Читать 1 часть
▪️ Читать 2 часть

@machinelearning_ru

🟡 Дайджест полезных материалов из мира Machine Learning за неделю

Почитать:
— Рутина vs эмпатия: каким мы видим шаг в сторону автоматизации первичного приема пациентов
— Прогнозирование цен на акции с помощью моделирования методом Монте-Карло
— Запускаем Stable Diffusion на Raspberry PI Zero 2 (или на 260 МБ ОЗУ)
— Пишем модуль прогнозирования погоды на Python.
— Как использовать нейросети в финансах и аналитике
— Ликбез по LLM, новинки от Nvidia и видеокейс по внедрению MLOps
— Физически информированное машинное обучение, или Как я перестал бояться и полюбил искусственный интеллект
— Заходит утка в бар: понимает ли ИИ юмор?
— Наступает закат эпохи смартфонов
— Как сделать контекстное окно на 100K в большой языковой модели: обо всех фокусах в одном посте
— Генерация текстов, кластеризация и определение E-A-T и коммерческости запросов на нейросети OpenAI (GPT-3)
— Создаем конвейер машинного обучения с помощью DBT

— How can i start studying AI & ML
— Image Processing With NodeJS
— Building the Bedrock: Employing SOLID Principles in Data Science
— A quick introduction to language models
— 7 Best Advanced Data Science Online Courses
— Mi biblioteca de MLOps
— Machine monitoring
— Exploring the Diversity of Machine Learning: 10 Essential Branches Beyond NLP and Computer Vision
— Introduction to LLMFlows
— Academic research: How organisations keep records about their algorithmic systems

Посмотреть:
🌐 NVIDIA's New AI: Text To Image Supercharged! (⏱ 06:37)
🌐 NVIDIA’s New Video AI: Game Changer! (⏱ 07:01)
🌐 Даниил Бурлаков | Внедрение трансформеров в Яндекс Музыку (⏱ 42:41)
🌐 Демид Гаибов | Нейросетевые модели на последовательностях чеков ОФД - DL in finance (⏱ 12:04)

Хорошего дня!

@machinelearning_ru