Намери подобно съдържание

#MachineLearning 📚 Machine Learning for Advanced Functional Materials (2023) 🔗 Link ----- Main channel:@repo_science Coupons:@freecoupons_reposcience -----

#machinelearning A nice colloquium paper: The unreasonable effectiveness of deep learning in artificial intelligence | PNAS https://www.pnas.org/content/117/48/30033

#machinelearning

#machinelearning https://arxiv.org/abs/2007.04504 Learning Differential Equations that are Easy to Solve Jacob Kelly, Jesse Bettencourt, Matthew James Johnson, David Duvenaud Differential equations parameterized by neural networks become expensive to solve numerically as training progresses. We propose a remedy that encourages learned dynamics to be easier to solve. Specifically, we introduce a differentiable surrogate for the time cost of standard numerical solvers, using higher-order derivatives of solution trajectories. These derivatives are efficient to compute with Taylor-mode automatic differentiation. Optimizing this additional objective trades model performance against the time cost of solving the learned dynamics. We demonstrate our approach by training substantially faster, while nearly as accurate, models in supervised classification, density estimation, and time-series modelling tasks.

When Andrey Fillimonov started the research in the field of complex analytics of the mental and physiological state of drivers, potential customers were сonfused. His team was often looked at as people doing who knows what. Now, this technology based on machine learning is becoming the industry standard. Global CIO spoke to Andrey Fillimonov about the development of AI products and his expectations for this technology in the future. #AI#MachineLearning

Иногда появляется ощущение, что жизнь вокруг ИИ происходит в режиме быстрой перемотки. Меньше месяца назад Мета выпустила SAM для сегментации любых объектов на изображении, но такое ощущение, что это было всегда. Только за последние 2 дня я уже прочитал около десятка документов, описывающих прототипы использования SAM для изучения недр. Например, на первых двух картинках (из этого поста) - берем шлиф(срез породы) -> пропускаем через SAM -> выделяем все зерна пород -> автоматически получаем распределение размера зерен (гранулометрия). На последней картинке я просто кликнул мышкой и выделил все пыльцевые зерна на изображении полученном с помощью электронного микроскопа. Автоматически выделенные зерна можно классифицировать и использовать палеотнологами для определения геологического возраста породы. #machinelearning#Geo

Иногда появляется ощущение, что жизнь вокруг ИИ происходит в режиме быстрой перемотки. Меньше месяца назад Мета выпустила SAM для сегментации любых объектов на изображении, но такое ощущение, что это было всегда. Только за последние 2 дня я уже прочитал около десятка документов, описывающих прототипы использования SAM для изучения недр. Например, на первых двух картинках (из этого поста) - берем шлиф(срез породы) -> пропускаем через SAM -> выделяем все зерна пород -> автоматически получаем распределение размера зерен (гранулометрия). На последней картинке я просто кликнул мышкой и выделил все пыльцевые зерна на изображении полученном с помощью электронного микроскопа. Автоматически выделенные зерна можно классифицировать и использовать палеотнологами для определения геологического возраста породы. #machinelearning#Geo

https://github.com/volotat/DiffMorph #machinelearning#opensource Differentiable Morphing > Image morphing without reference points by applying warp maps and optimizing over them.

#machineLearning#intermediate Building a Machine Learning Model This course will demonstrate how to build and train your own custom machine learning model from scratch. We cover all steps, including how to set up the environment, how to import and prepare your ... ✍️Daniel Mease ⏰57m 👥139 ⭐️4.7 🔗LinK ----- Main channel: @repo_science Coupons: @freecoupons_reposcience -----

#вакансия#remote#fulltime#ML#machinelearning Позиция: Senior ML Engineer Локация: remote Формат: full-time Проект: NDA Вилка: 6,000-12,000$ net Привет! Очень внимательно и тщательно ищем в наш проект SeniorMachine Learning Engineer. Мы динамично развивающийся стартап, решаем различные ML/DL задачи от внешних заказчиков: генерация текста, аудио и видео, распознавание объектов на видео, так же применяем AI-моделей в клинических прогнозах, проводим идентификацию контента, созданного LLM и т.д.. Мы сфокусированы на применении SOTA-решений для этих проектов, а также поддержке и мониторинге работающих решений. На данный момент наименование проекта находится под NDA, детали будут доступны на дальнейших этапах общения. Чем предстоит заниматься: • Разработка и внедрение моделей машинного обучения для решения задач NLP, LLM и генеративных моделей. • Tuning существующих решений: дообучение NN, улучшение используемых алгоритмов, оптимизация производительности; • Проводить анализ данных и оценку эффективности моделей машинного обучения. • Участвовать в обсуждении новых технологий и разработке новых решений совместно с project-менеджером. Стек проекта: Python, Tensorflow, PyTorch, Hugging Face, Github workflow, Docker, asyncio, multiprocessing, Tensorflow, FastAPI, pandas, CI/CD, Opensearch, Elasticsearch, MongoDB, PostgresQL. Так же, опишу портрет, кого мы ищем: • Высшее образование в области компьютерных технологий / прикладной математики и (или) прикладной информатики. • Опыт работы в сфере ML-инжиниринга от 3 лет, общий коммерческий опыт в области DS от 5 лет. • Опыт работы с моделями машинного обучения в области NLP, LLM, генеративных моделей, временных рядов, рекомендательных систем. • Опыт работы с классическими алгоритмами машинного обучения. • Опыт нахождения в проектах с нуля до продакшна. Что особенно нас интересует: • Опыт участия в хакатонах и соревнованиях (Kaggle, например). • Выпускники Yandex Data School. Самая приятная часть данного предложения: • Фиксированный оклад, выплачиваемый дважды в месяц (двумя равными частями). • Заработная плата по верхней границе рынка (от 6,000 до 12,000$) на старте. • При достижении результатов премии и бонусы. • Возможность работать над интересными проектами с применением современных технологий. • Все необходимое для профессионального развития и роста. • Оформление в партнерскую компанию. • Полностью удаленная работа, гибкий full-time. Контакты: Алина @tetrisgirl Готова ответить на ваши вопросы ☺️

#вакансия#remote#fulltime#ML#machinelearning Позиция: ML Engineer Локация: remote Формат: full-time Проект: NDA Вилка: 6,000-15,000$ net Друзья, дата-гении, добрый вечер! Мое предложение будет весьма нестандартным, я нахожусь в поиске Machine Learning Engineer. На данный момент наименование проекта находится под NDA, детали будут доступны на дальнейших этапах общения. Проект подразумевает собой платформу, построенную по принципу Kaggle, где размещаются научно-практические проекты с использованием ИИ. Ваша задача - создавать и оптимизировать решения для этих проектов, конкурируя за лидерство в рейтинге. Чем предстоит заниматься: • Разрабатывать и внедрение моделей машинного обучения для решения задач NLP, LLM и генеративных моделей. • Осуществлять оптимизацию и deploy рекомендательных систем, систем анализа временных рядов. • Проводить анализ данных и оценку эффективности моделей машинного обучения. • Участвовать в обсуждении новых технологий и разработке новых решений совместно с project-менеджером. Стек проекта: Python, Tensorflow, PyTorch, Hugging Face, Github workflow, Docker, asyncio, multiprocessing, Tensorflow, FastAPI, pandas, CI/CD, Opensearch, Elasticsearch, MongoDB, PostgresQL. Так же, опишу портрет, кого мы ищем: • Высшее образование в области компьютерных технологий / прикладной математики и (или) прикладной информатики. • Опыт работы в сфере ML-инжиниринга от 3 лет, общий коммерческий опыт от 5 лет. • Опыт работы с моделями машинного обучения в области NLP, LLM, генеративных моделей, временных рядов, рекомендательных систем. • Опыт работы с классическими алгоритмами машинного обучения. • Опыт нахождения в проектах с нуля до продакшна. Что особенно нас интересует: • Опыт участия в хакатонах и соревнованиях (Kaggle, например). • Диплом об окончании Yandex Data School. Самая приятная часть данного предложения: • Фиксированный оклад, выплачиваемый дважды в месяц (двумя равными частями). • Заработная плата по верхней границе рынка (от 6,000 до15,000$) на старте. • Возможность работать над интересными проектами с применением современных технологий. • Все необходимое для профессионального развития и роста. • Оформление в партнерскую компанию (ИП). • Полностью удаленная работа, гибкий full-time. Контакты: Алина @tetrisgirl Готова ответить на ваши вопросы ☺️

​​dvc 为机器学习实验设计的版本控制，可以兼容任何git存储库。用于管理实验数据和代码，可以重现实验过程和结果。（视频很有意思） Tags：#machinelearning#versioncontrol#tools Languages：#python