🎼New AI Listened To 20,000 Hours Of Music. What Did It Learn?

• Video

@machinelearning_ru

📌 Руководство для хакеров по языковым моделям

• Jupiter
• Github

@machinelearning_ru

🔥SeqDeepFake: Detecting and Recovering Sequential DeepFake Manipulation

Фреймворк для обнаружение дипфейков (Seq-DeepFake).

Проект содежит датасет включающий ~85 к. аннотированных изображений с лицами.

Github: https://github.com/rshaojimmy/seqdeepfake

Project: https://rshaojimmy.github.io/Projects/SeqDeepFake

Paper: https://arxiv.org/abs/2309.14991v1

Dataset: https://paperswithcode.com/dataset/imagenet

@machinelearning_ru

📃 Датасет с русскоязычными отзывами на организации от Яндекс

Содержит адрес и название организации, список рубрик (например, бар, кофейня), оценку пользователя и текст отзыва. Всего в датасете 500 тысяч отзывов, собранных с января по июнь 2023 года.

📌 GitHub
📌 Статья на Хабр

@machinelearning_ru

Яндекс открыл подачу заявок на научную премию в области машинного обучения

Стать претендентами на Yandex ML Prize могут студенты, молодые ученые и их научные руководители, которые занимаются исследованиями машинного обучения.

В этом году организаторы впервые отметят исследователей генеративных моделей. Также премию можно получить за успехи в сфере распознавания и синтеза речи, компьютерного зрения, информационного поиска и анализа данных и обработки естественного языка.

Лауреаты получат денежную премию до 1 млн рублей, грант от Yandex Cloud на использование сервиса для исследований и подписка на Яндекс 360.

🔥 Дайджест полезных материалов из мира Машинного обучения за неделю

Почитать:
— Как начать в DL: книги и курсы
— Визуализация распределений вероятностей в Python.
— Попросил нейросеть нарисовать биологические объекты: посмотрите, какая дичь получилась
— Галлюцинации нейросетей: что это такое, почему они возникают и что с ними делать
— Hadoop в любой непонятной ситуации. Как выжить кластеру в большой ML команде
— Как развернуть свой собственный ChatGPT, только лучше
— Всё идет по плану: как задавать роботу список действий с помощью языковых моделей и голосовых команд
— Когда стоит заменить A/B-тестирование сэмплированием Томпсона
— Яндекс Карты открывают крупнейший русскоязычный датасет отзывов на организации
— Распознавание по цвету. Как мы выбирали между классическими алгоритмами и нейросетями
— Исследования возможностей нейронных сетей глубокого обучения в распознавании маскируемого трафика
— Create a ChatGPT Chatbot from YouTube videos and Podcasts
— An Overview of the Path to Machine Learning Engineering
— Lo que necesitas para iniciar con Gen AI utilizando PaLM 2 y MakeSuite
— Pipeless vs Nvidia DeepStream
— BakaLLM, part 2
— Future Prospects and Growth of AI and ChatGPT
— Data Analysis with SQL
— Understanding SVM
— Mistral 7B Beats Llama 2 13B on All Benchmarks
— Predicting Poverty Reduction in Nigeria: A Machine Learning Approach

Посмотреть:
🌐 Large Language Models Are Not (Necessarily) Generative Ai - Karin Verspoor, PhD (⏱ 29:59)
🌐 Evolving Trends in Prompt Engineering for LLMs with Built-in Responsible AI Practices (⏱ 33:21)

Хорошего дня!

@machinelearning_ru

В начале сентября Яндекс провел Practical ML Conf, а сейчас опубликовали плейлист с записями всех докладов.

Что интересного:
- Доклад про обучение, продуктовое внедрение и обновление языковой модели YandexGPT;
- Доклад про обучение GigaChat от SberDevices (от предобучения до RLHF-пайплайна);
- Доклад о распределенном DL и способности системы продолжать корректно работать при падении одной или нескольких подсистем, от которых она зависит (zero-fault tolerance);
- Доклад про Kandinsky от Сбера (задача генерации изображений и видео по текстовому запросу, основные методы, архитектуры, данные для обучения, метрики оценки качества);
- Доклад про системы сканирования на базе компьютерного зрения в серии роботов Яндекс Маркета;
- Доклад про прогноз спроса в Яндекс Лавке (от бейзлайна до Time2Boost)

Записи всех докладов

@machinelearning_ru

📃 Как нейросети используются в беспилотном автомобиле для предсказания всех участников дорожного движения и для планирования движения самого транспорта

Разработчики Яндекса разобрали логику движения беспилотного автомобиля, показали примеры свёрточных и трансформерных архитектур моделей для предсказания движения.

Из статьи можно узнать:

👉 В чём преимущества машинного обучения перед эвристиками и чем может помочь Reinforcement Learning.

👉В чём проблемы Behavioral Cloning и как их решать.

👉 Почему в компании пока не применяют подход end-to-end для планирования движения.

📌 Статья на Хабр

@machinelearning_ru

👉 Введение в машинное обучение

Бесплатные курсы, которые служит введением в машинное обучение и охватывает основные понятия.

• Github

@machinelearning_ru