TGINSIGHT SIMILAR POSTS
Source channel @MachineLearningResearch · Post #75 · Jun 3
Европейские эксперты выпустили белую книгу о текущем состоянии и перспективах квантового ML Это не просто новая технология, а потенциальная смена вычислительной парадигмы Страны/регионы, которые сейчас создадут правильную экосистему (таланты + инфраструктура + стандарты + применения), получат долгосрочное технологическое лидерство Стратегические выводы из отчета: 1. Мы на пороге технологической революции • Две вычислительные революции происходят одновременно - ML и квантовые вычисления, с разными уровнями зрелости • Их синергия создаст качественно новые возможности, недоступные каждой технологии по отдельности 2. Геополитическая гонка уже началась • ЕС зажат между доминированием США и растущей ролью Китая, особенно в ML • Патенты на применение ML в квантовых вычислениях уже активно регистрируются, в основном в США • Пример #DeepSeek показывает, что инновации и открытые модели могут кардинально изменить баланс сил 3. Критическое окно возможностей: 5-10 лет • Сейчас формируются стандарты и платформы, которые определят будущее • Лидерство в этих областях определяется научным превосходством и способностью создавать интегрированные программные платформы • Кто создаст экосистему первым, тот получит долгосрочное преимущество 4. Ключевые стратегические направления: То, что уже работает-ML для улучшения квантовых систем Это создает немедленную ценность и ускоряет развитие Среднесрочная перспектива (критично для лидерства): • Гибридные квантово-классические системы • Квантовые алгоритмы для конкретных промышленных задач Долгосрочная цель (определит будущее): • Полностью квантовые ML-системы • Принципиально новые вычислительные парадигмы 5. Стратегические рекомендации: - Инвестиции должны идти параллельно в: • Фундаментальные исследования • Прикладные разработки • Инфраструктуру (квантовые компьютеры + классические HPC) - Критически важно: • Создание открытых платформ и стандартов • Подготовка специалистов на стыке квантовых технологий и ML • Баланс между открытой наукой и коммерческой конкурентоспособностью - Энергетический аспект: Необходимо оценивать и оптимизировать энергопотребление как квантовых ML решений, так и классического ML для квантовых технологий Это может стать конкурентным преимуществом Риск для отстающих- зависимость в критических областях (медицина, безопасность, материалы, энергетика) на десятилетия вперед
Hashtags
Search: #ml
@repo_science · Post #3688 · 11/03/2023, 12:00 PM
#ML 😎 FREE RESOURCES TO LEARN MACHINE LEARNING Intro to ML by MIT Free Course Machine Learning for Everyone FREE BOOK ML Crash Course by Google Advanced Machine Learning with Python Github Practical Machine Learning Tools and Techniques Free Book Python Machine Learning for beginners ----- Main channel: @repo_science Coupons: @freecoupons_reposcience -----
Hashtags
@repo_science · Post #3447 · 07/17/2023, 03:14 PM
#ML 🧠 Machine Learning Expert El aprendizaje automático es un vasto campo con muchos conceptos clave que conocer. Nuestro curso intensivo cubre todos los componentes básicos que necesita para sumergirse en el aprendizaje automático del mundo real. ✍️Ryan Doan | Ex-Amazon ML Infrastructure Engineer 🌐En 📆2022 🔗Link ----- Main channel:@repo_science Coupons:@freecoupons_reposcience -----
Hashtags
@amneumarkt · Post #687 · 07/18/2025, 06:24 AM
#ml https://aryagxr.com/blogs/intro-to-nmc
Hashtags
@amneumarkt · Post #682 · 06/27/2025, 05:30 AM
#ml Machine Learning Visualized — Machine Learning Visualized https://ml-visualized.com/?utm_source=substack&utm_medium=email
Hashtags
@amneumarkt · Post #617 · 08/25/2024, 02:03 PM
#ml What’s Really Going On in Machine Learning? Some Minimal Models—Stephen Wolfram Writings https://writings.stephenwolfram.com/2024/08/whats-really-going-on-in-machine-learning-some-minimal-models/
Hashtags
@amneumarkt · Post #607 · 07/30/2024, 06:20 AM
#ml Meta's second version of segment anything. https://github.com/facebookresearch/segment-anything-2 They have a nice demo: https://sam2.metademolab.com/
Hashtags
@amneumarkt · Post #596 · 07/07/2024, 08:53 PM
#ml I was searching for a tool to visualize computational graphs and ran into this preprint. The hierarchical visualization idea is quite nice. https://arxiv.org/abs/2212.10774
Hashtags
@amneumarkt · Post #595 · 07/06/2024, 10:02 PM
#ml Schmidhuber J. Deep Learning: Our Miraculous Year 1990-1991. In: arXiv.org [Internet]. 12 May 2020 [cited 7 Jul 2024]. Available: https://arxiv.org/abs/2005.05744
Hashtags
@amneumarkt · Post #575 · 05/09/2024, 07:51 PM
#ml https://github.com/google-research/timesfm
Hashtags
@amneumarkt · Post #538 · 02/16/2024, 11:21 AM
#ml Like a dictionary Kunc, Vladim’ir, and Jivr’i Kl’ema. 2024. “Three Decades of Activations: A Comprehensive Survey of 400 Activation Functions for Neural Networks.” arXiv [Cs.LG], February. http://arxiv.org/abs/2402.09092.
Hashtags
@amneumarkt · Post #532 · 02/09/2024, 05:35 AM
#ml I got interested in satellite data last year and played with it a bit. It's fantastic. The spatiotemporal nature of it brings up a lot of interesting questions. Then I saw this paper today: Rolf, Esther, Konstantin Klemmer, Caleb Robinson, and Hannah Kerner. 2024. “Mission Critical -- Satellite Data Is a Distinct Modality in Machine Learning.” arXiv [Cs.LG], February. http://arxiv.org/abs/2402.01444.
Hashtags
@amneumarkt · Post #531 · 02/05/2024, 10:57 AM
#ml Jelassi S, Brandfonbrener D, Kakade SM, Malach E. Repeat after me: Transformers are better than state space models at copying. arXiv [cs.LG]. 2024. Available: http://arxiv.org/abs/2402.01032 Not surprising at all when you have direct access to a long context. But hey, look at this title.
Hashtags