Buscar contenido similar

#books#Python#streamlit 📚 Streamlit for Data Science (2024) ----- Main channel: @repo_science Coupons: @freecoupons_reposcience -----

Вакансия: Java Developer (with AI/ML) в крупную международную компанию 🌟 Команда IDE международной телеком-компании ищет Middle/Senior Java-разработчика для создания легковесного, но насыщенного возможностями Python-расширения под платформу на базе VSCode. 🚀 Если у вас есть глубокое понимание Java Core, опыт со структурами данных и алгоритмами, реализовывали ML/AI-функционал и встраивали его в готовые решения, присоединяйтесь к нашей международной R&D команде в СПб! Также важны: разговорный английский, готовность к работе офисе (часы гибкие), законченное высшее образование. 🔍 Основные задачи: • разрабатывать возможности автодополнения, навигации, рефакторинга, диагностики, запуска и отладки для Python- и Jupyter-расширений; • поддерживать языковые конструкции Python; • оптимизировать потребление памяти и производительность Python-расширения; • проводить эксперименты, создавать бенчмарки и инфраструктуру для внедрения RAG-решений в AI-ассистенте. 👉 Вопросы и резюме в Telegram: @daria_hw1 #Java#AI#ML#LLM#Python#IDE#вакансия#работа#jobs#SPb

#python#ai#code#ingestion Gitingest helps you quickly turn any Git repository into a clear, easy-to-understand text summary optimized for large language models (LLMs). You can get a digest from a GitHub URL or local directory, with details on file structure, size, and token count. It works as a command-line tool, Python package, or browser extension, making it flexible for developers and researchers to analyze code efficiently. Installing is simple via pip or pipx, and it supports private repos with a GitHub token. This saves you time by providing smart, formatted code context ready for AI tools or your own projects. https://github.com/cyclotruc/gitingest

#python#chatbot#aporte 🤖 Curso de Desarrollo de Chatbots con OpenAI 🔗Link ----- Main channel: @repo_science Coupons: @freecoupons_reposcience -----

https://developer.mozilla.org/en-US/docs/Learn/Server-side/Django #Django is an extremely popular and fully featured server-side #web#framework, written in #Python. The module shows you why Django is one of the most popular web server frameworks, how to set up a development environment, and how to get started with using it to create your own web #applications. Prerequisites Before starting this module you don't need to have any knowledge of Django. You will need to understand what server-side web programming and web frameworks are, ideally by reading the topics in our Server-side website programming first steps module. A general knowledge of programming concepts and Python is recommended, but not essential to understanding the core concepts.

PhD AI/ML Researcher в крупную международную компанию Формат: офис (с гибкими часами) 🌟 Мы — команда крупной телеком-компании, объединяющая ML-инженеров, PhD-студентов и преподавателей ведущих вузов. Работаем на стыке науки и инженерии, создавая инновационные решения в области NLP и машинного обучения. 🚀 Если вы – PhD-студент или PhD, у вас есть опыт работы с LLM, трансформерами, NLP, умение тренировать и дообучать модели, знание Python и библиотек для ML, опыт парсинга и обработки текстов, готовность изучать новые статьи и внедрять передовые подходы, присоединяйтесь к нашей международной R&D команде в СПб! Также важны: разговорный английский, работа фулл-тайм офис (гибкое начало-окончание рабочего дня). 🔍Основные задачи: • Обучение и адаптация небольших LLM под конкретные задачи • Разработка и оптимизация semantic search на основе sentence transformers • Работа с бенчмарками и эксперименты для оценки качества моделей • Создание RAG-систем и AI-агентов • Разработка модулей автоматической суммаризации проектов (чтобы даже сложные задачи становились понятными) • Участие в научных публикациях • Работа над «проектом-мечтой» — вашей собственной амбициозной задачей в области ИИ! 👉 Вопросы и резюме в Telegram: @daria_hw1 #AI#ML#LLM#Python#RAG#PhD#вакансия#работа#jobs#SPb

编码规则（修订版） ・格式： 20240210_001#NE#RE#_t#VI#_f#_T1 静态编码 20231116001 静态编码 20240210_001 日期 20231116 日期 20240112 序号 001 动态编码 #NE#RE#_t#VI#_f 分类 #NE；#VI 状态 #_t；#_f ・分类： - 状态 #STstatus - 随笔 #ARarticle - 收集 #COcollect - 实用 #UTutility - 资源 #REresource - 报道 #NEnews - 事件 #EVevent - 见解 #VIview - 杂记 #OTother ・状态： - 定稿 #_ttrue - 弃稿 #_ffalse - 草稿 #_ddraft - 预稿 #_ppre - 动稿 #_aactive - 并稿 #_iimport - 共稿 #_sshare 🖇 档案：20231117001

#python#agents#graph#llms#rag Graphiti helps AI systems handle constantly changing information by building real-time knowledge graphs that track relationships and historical data, allowing them to integrate user interactions, business data, and external sources seamlessly. Unlike traditional methods, it updates information instantly without needing full recomputations, enabling precise historical queries and efficient hybrid searches. This helps AI applications stay context-aware, automate tasks effectively, and manage complex, evolving data with minimal delay. https://github.com/getzep/graphiti

http://pybee.org/ #BeeWare is a collection of #projects that can be used to help develop, debug and launch #Python software. Each tool follows the #Unix philosophy of doing one thing well. Each tool can be used in isolation, or they can be chained together to provide a rich set of programming tools.

https://github.com/damonkohler/sl4a #Scripting Layer for Android (SL4A) #SL4A brings scripting languages to #Android by allowing you to edit and execute scripts and interactive interpreters directly on the Android device. These scripts have access to many of the APIs available to full-fledged Android applications, but with a greatly simplified interface that makes it easy to get things done. Scripts can be run interactively in a terminal and in the background. #Python, Perl, JRuby, Lua, BeanShell, JavaScript, Tcl, and shell are currently supported, and we're planning to add more. See the SL4A Video Help playlist on YouTube for various demonstrations of SL4A's features.

#python#large_language_models#machine_learning_systems#natural_language_processing Flash Linear Attention (FLA) is a fast, memory-efficient library for advanced linear attention models used in transformers, written in PyTorch and Triton, and compatible with NVIDIA, AMD, and Intel GPUs. It offers many state-of-the-art linear attention models and fused modules that speed up training and reduce memory use. You can easily replace standard attention layers in your models with FLA’s efficient versions, improving training and inference speed, especially for long sequences. FLA supports hybrid models mixing linear and standard attention, and integrates with Hugging Face Transformers for easy use and evaluation. This helps you train and run large language models faster and with less memory, making your AI projects more efficient and scalable. https://github.com/fla-org/flash-linear-attention

#python#R#aporte#statistics 🧮 Curso avanzado de estadística no parametrica con R y Python ----- Main channel: @repo_science Coupons: @freecoupons_reposcience -----