Find similar content

【🚀 AI 人工智慧｜Marvell 與谷歌合作開發 MPU 人工智慧晶片，股價聞聲大漲 6.3 % 】 #Google#Marvell#PyTorch 📍 請見報導： https://abmedia.io/google-news-sends-marvell-stock-to-a-record-high 📍 訂閱鏈新聞頻道：https://linktr.ee/abmedia.io

#jupyter_notebook#deep_learning#pytorch You can learn PyTorch effectively in 20 days with a friendly, well-structured guide designed for those who already know some machine learning basics and have used Keras, TensorFlow, or PyTorch before. The book breaks down PyTorch concepts from easy to hard, with clear examples and practical code you can use right away. It includes a daily plan requiring 30 minutes to 2 hours, covering modeling, core concepts, APIs, and even advanced topics like GPU training and recommendation systems. This approach makes mastering PyTorch easier and faster, helping you build strong skills for deep learning projects and real applications. https://github.com/lyhue1991/eat_pytorch_in_20_days

#学术#PyTorch#终端#技术 📟 Console output overhead: why is writing to stdout so slow? Medium Publication | Spencer's Blog I published an article on why normal print() functions "block" the program's execution and what we can do to avoid it. I ran into this problem when I was trying to implement a progress bar to visualize my PyTorch training. A few of progress bar libraries I chose earlier (pkbar) caused such a huge overhead that I simply cannot ignore. After digging in a little deeper, I found the root of this problem and also a decent progress bar library with negligible overhead: tqdm. 💡另外：学术、技术相关文章我将优先以英文发布于 Medium，之后如果有机会我会将文章翻译为中文。笔芯 (´▽`ʃ♡ƪ) 📮 Via channel: @realSpencerWoo

🚀 SakanaAI представил Robust Agentic CUDA Kernel Optimization Это новый подход, где LLM помогает оптимизировать CUDA-ядра для PyTorch. • Слияние операций ускоряет forward/backward-проходы, результаты выше стандартных Torch-базлайнов • Полный пайплайн: PyTorch → генерация CUDA-кода → эволюционная оптимизация во время работы • Проверка через LLM: модели автоматически отмечают неправильные ядра (дает +30% к производительности) • robust-kbench — собственный бенчмарк, где измеряют не только скорость, но и корректность работы LLM Авторы пишут о 2.5x ускорении над PyTorch eager и даже 6x в линейных операциях❗️ Но большинство примеров — это тесты на слияние операций с неотюненной базой, так что цифры спорные. К тому же PyTorch 2.5 уже внедряет похожие оптимизации ), поэтому такие рекорды могут быстро обесцениться. Это интересный подход к самообучающимся AI-компиляторам, но заявленные ускорения стоит проверять на праактике. 🟢Github: https://github.com/SakanaAI/robust-kbench 🟢Статья: https://arxiv.org/abs/2509.14279 @ai_machinelearning_big_data #AI#CUDA#PyTorch#SakanaAI#LLM#Optimizatio

#вакансия#ml#engineer#ds#pytorch#tensorflow#python ⭐️Компания: Wisebits 🔥Позиция: ML Engineer / Data Scientist (Search & Recommendations) 🏢Формат работы: full time, удаленно/relocate 💰 Зарплата: от 4000 eur net Wisebits — международный IT-холдинг с сильной технической командой! Наш ключевой продукт — высоконагруженный видеохостинг, которым ежедневно пользуются миллионы людей по всему миру. Более чем за 15 лет на рынке мы сформировали профессиональную команду, где ценятся вовлечённость и инициативность. Если хочешь работать с high-load продуктом и иметь возможность влиять на его развитие — присоединяйся к нам! Чем предстоит заниматься: - Разработка алгоритмов и моделей для решения задач рекомендаций и поиска; - Анализ работы данных систем, поиск проблем и точек роста; - Подготовка отчётов с рассказом о работе систем для команды и руководства Что мы ожидаем от тебя: - Опыт построения рекомендательных систем; - Большим плюсом будет индустриальный опыт по разработке семантического поиска на базе различных transformer-based архитектур; - Опыт работы с базами данных (мы используем Clickhouse, MySQL, Mongo); - Опыт разработки на Python (знание numpy, pandas и проч.); - Опыт с инструментами и библиотеками для машинного обучения (PyTorch/TensorFlow, HuggingFace и проч.); - Актуальные знания ML state-of-art; - Опыт прикладного применения математической статистики. - Аналитический склад ума – способность критически оценивать гипотезы, анализировать и структурировать данные, делать выводы и устанавливать неочевидные взаимосвязи между разрозненными фактами. Что мы предлагаем: - Полностью белая стабильная заработная плата; - Отсутствие бюрократии — гибкие условия работы. - Расширенный пакет бенефитов, включающий медицинскую страховку, покрытие налогов, курсы иностранных языков, профессиональное обучение, а также необходимую для работы технику. - Поддержка при релокации: мы берем на себя расходы по переезду для тебя и твоей семьи, включая покупку билетов, визовую поддержку и оплату первого месяца жилья. - Дружная и интернациональную команду, которая ценит профессионализм и сотрудничество. 👉 По всем вопросам: @nastya_searchall

#вакансия#ml#engineer#scikit#TensorFlow#PyTorch Machine Learning Engineer в сельскохозяйственной сфере При отклике на вакансию сразу присылайте резюме @echeveria_woman Отклики без резюме рассматриваться не будут! Основные задачи: - Создание и внедрение ML-моделей для анализа агроданных - Оптимизация и поддержка моделей для работы с большими объемами данных - Прогнозирование урожайности и мониторинг здоровья растений Ключевые требования: - 3+ лет опыта в ML - Глубокие знания алгоритмов ML и анализа данных - Владение Python и ML-библиотеками (scikit-learn, TensorFlow, PyTorch и т.д.) - Опыт работы с большими данными и CI/CD Преимуществом будет: - Опыт в агросфере - Знание анализа изображений и сенсорных данных - Работа с облачными платформами Мы предлагаем: - Вилку 3.5-5 тысяч долларов в месяц - Гибкий график - Работу в инновационной команде - Возможности для роста - Участие в значимых агропроектах

https://github.com/pytorch/pytorch #PyTorch doesn't only port #Torch to Python, but adds many other conveniences, such as #GPU acceleration and a library that allows multiprocessing to be done with shared memory (for partitioning jobs across multiple cores). Best of all, it can provide GPU-powered replacements for some of the unaccelerated functions in #NumPy. #machine_learning

#вакансия#удаленка#РФ#fulltime#DataScience#Python#PyTorch #middle#senior Вакансия: Data Scientist (проект “Синтез речи”) Локация: РФ Компания: VS Robotics Занятость: полная Зарплатная вилка: 200-300т ⠀ Условия: — Оформление по ТК РФ и полностью “белые" выплаты — ДМС и страхование от несчастных случаев — Скидки на изучение английского — Льготные ипотека и кредиты ⠀ Задачи: — Поддержка текущего решения TTS (text-to-speech) для голосовых ассистентов — RnD в области TTS — Организация оценки моделей с помощью crowd platforms Ожидаем: — Работа в Data Science от 3х лет — Владение Python от 3х лет — Опыт работы с PyTorch — Опыт извлечения / подготовки данных / ETL — Опыт создания TTS: Tacotron, FastSpeech, FastPitch, HiFiGAN, Lpcnet др. — Знание основ SQL Контакты для связи@victoriast_abc Не забудь уточнить, что ты из @datasciencejobs

#python#deep_learning#inference#llm#nlp#pytorch#transformer Nano-vLLM is a small, fast, and easy-to-understand tool for running large language models offline. It matches the speed of bigger systems like vLLM but uses only about 1,200 lines of clean Python code, making it simple to read and modify. It includes smart features like prefix caching and tensor parallelism to boost performance. You can install it easily and run models like Qwen3-0.6B on your own GPU. This tool is great if you want fast, efficient AI inference without complex setups, ideal for learning, research, or small deployments on limited hardware. https://github.com/GeeeekExplorer/nano-vllm

#вакансия#ml#cv#nn#TensorFlow#PyTorch#Keras Возможность присоедениться к стартапу с инвестициями в самом начале! Описание вакансии Ищем ML / CV инженера для создания и обучений нейросетей. Мы создаем современную систему аналитики спортивных событий с использованием технологий AI и компьютерного зрения. У нас небольшая, но классная команда, нацеленная на прорывные результаты в нашей сфере деятельности. Обязанности - создание, обучение, тестирование и внедрение алгоритмов машинного обучения и компьютерного зрения; - работа с DL фреймворками, в частности YOLO; - построение пайплайнов от сбора данных до детекции событий; - оптимизация, файн-тюнинг для достижения требуемых метрик производительности; - исследование, изучение, применение новейших методик в области машинного обучения, компьютерного зрения и связанных с этим технологий детекции и трекинга. Требования - опыт в ML / CV с фокусом на DL моделях; - знание python / C++, знакомство с библиотеками TensorFlow / PyTorch / Keras и т.д.; - знание CI/CD (git, yaml, docker, terraform, ansible) - опыт работы с библиотеками OpenCV, YOLO, или похожими библиотеками определения объектов; - отличное знание математических принципов статистики, теории вероятностей, построения моделей и методов их обучения, контроль качества; - опыт работы с фото / видео источниками данных; - опыт применения моделей в условиях реального времени; - умение решать сложные задачи, возможность самостоятельно работать задачами; - будет отлично, если вам интересен спорт и спортивная тематика. Мы предлагаем: • Удаленный формат работы, при желании есть возможность работать из офиса • Официальное трудоустройство в штат компании по ТК РФ • Конкурентная и полностью белая заработная плата • Аккредитованная IT компания • Готовы предложить опцион Присылайте информацию о себе сюда

#python#deep_learning#intel#machine_learning#neural_network#pytorch#quantization Intel Extension for PyTorch boosts the speed of PyTorch on Intel hardware, including both CPUs and GPUs, by using special features like AVX-512, AMX, and XMX for faster calculations[5][2][4]. It supports many popular large language models (LLMs) such as Llama, Qwen, Phi, and DeepSeek, offering optimizations for different data types and easy GPU acceleration. This means you can run advanced AI models much faster and more efficiently on your Intel computer, with simple setup and support for both ready-made and custom models. https://github.com/intel/intel-extension-for-pytorch

#вакансия#datascience#middle#senior#ml#fintech#tensorflow#pytorch#SQL#офис Data-scientist (Middle / Senior), Research в ВТБ Корпоративно-инвестиционный бизнес Задачи • Построение и оптимизация моделей прогнозирования • Разработка ML инструментов, повышающих эффективность индустриальной аналитики (нефтегаз, металлургия, агро и прочее) • Разработка ML инструментов для автоматизации бизнес-процессов (генеративные модели) • Разработка парсинг-инструментов для получения данных из внешних источников • Взаимодействие с командами внедрения и секторальными аналитиками Примеры проектов: 1) Построение модели прогнозирования операционных и финансовых показателей нефтегазовых компаний США на базе заданных предпосылок. Включает в себя сбор и подготовку данных, операционное и финансовое моделирование, а также базовый интерфейс. 2) Автоматизированное построение типовых банковских отчетов для внутренних и внешних пользователей на базе генеративного трансформатора (без привлечения внешних сервисов). Включает в себя систематизацию, распознавание и обработку входящей информации, разработку и обучение генеративной модели. Требования • Опыт в Data Science и разработке на Python не менее 4х лет • Опыт построения ML моделей / разработки MVP • Опыт работы с многопоточностью, многопроцессностью • Знание алгоритмов машинного обучения • Знание основ построения генеративных моделей • Знание tensorflow, pytorch, CUDA • Знание SQL • Английский язык (желательно upper-intermediate) Условия • Формат работы: гибридный формат обсуждается , включая офис (Москва-Сити) • Конкурентная заработная плата; • Профессиональное обучение и развитие; • Добровольное медицинское страхование сотрудника и несовершеннолетних членов семьи, страхование жизни и здоровья Уровень з.п. обсуждается индивидуально с кандидатом. Контакты По всем вопросам и для отправки резюме обращайтесь: @polinak23