DeepSchool

Live stream finished (1 hour)

Live stream started

Live stream scheduled for May 7, 2023 at 09:00

🎙Подкаст с Мишей через 1 час! Подключайтесь онлайн, встречаемся здесь в 12:00 МСК🔔

​​🎙Онлайн-подкаст с Мишей Моисеевым В воскресенье, 7 мая, в 12:00 МСК Помимо постов с теорией мы также проводим подкасты. Или интервью🤔 на самом деле просто болтаем на интересные темы с людьми из ML. Ранее у нас в гостях были Влад Лялин и АндрейШадриков, теперь ждем Мишу Коротко о Мише: - работает Senior AI Engineer в AstraZeneca - занимал должность Head Of AI в movavi.ru - с нуля создавал CV-команду в Золотой Короне - последний год жил в Юго-Восточной Азии, а теперь в Мюнхене На подкасте мы обсудим: - как Миша проходил собеседования в зарубежные компании - какие задачи решает Head Of AI - зачем нейросети в видеоредакторе - найм и менеджмент в AI-командах - возможно ли эффективно работать среди пальм вблизь океана🌴 Приходите онлайн и задайте любой вопрос Мише лично во время открытого микрофона. Или пишите вопросы в комментарии к этому посту Запись будет! Выложим позднее в этом канале👍 Встречаемся здесь 7 мая в 12:00 МСК🔔

CLIP Модель CLIP (Contrastive Language-Image Pre-Training) - это нейросеть, разработанная OpenAI. Она способна обрабатывать как язык, так и изображения, и достигла State-of-the-Art результатов на различных датасетах. Эта модель часто используется на kaggle в качестве бекбона. А также она внесла существенный вклад в развитие text2image моделей. В статье мы расскажем: - Как собирали датасет для обучения CLIP - Как выглядит архитектура блоков модели - Какой лосс использовали для обучения - Как сделать классификатор из CLIP Читайте новую статью по ссылке: https://deepschool-pro.notion.site/CLIP-3f406560e5b145f9873f9b67dfeacca3

​​Илья Бакалец В прошлых постах мы рассказывали как пишем статьи и сколько людей работает над материалами. Мы уже успели познакомить вас с частью команды: Ксюша, Саша, Марк. В этот раз о себе расскажет Илья: ”Впервые с машинным обучением я познакомился в 2018 году, перед поступлением в магистратуру. Эта область меня заинтересовала и я начал обучение на курсе "Машинное обучение и анализ данных" от МФТИ и Яндекс. Погружаясь в машинное обучение, я попал в сообщество ODS. В сообществе я узнал об ODS Pet Projects - это митапы, где дата саентисты знакомятся, делятся идеями и совместно или по отдельности пытаются реализовать их. Я начал посещать митапы, объединился в команду с другими ребятами, и мы вместе разработали навык для Яндекс.Алисы, с которым позже выступили на секции ODS Pet Projects на DataFest 2019. В то время я познакомился с Владом Грозиным, который был организатором ODS Pet Projects. От него я получил приглашение в компанию, где он работал консультантом. Во время прохождения стажировки, я занимался верификацией почерка. Позднее я перешел в штат и работал над распознаванием текста на товарных знаках и их классификацией. Одновременно с первой работой я присоединился к стартапу PTF-Lab, где занимался сегментацией октагона, калибровкой камеры и менеджментом. Ездил на встречу с потенциальным инвестором, и в целом был сильно погружен в жизнь стартапа и занимался его развитием. В 2021 году я присоединился к компании Магнус Тех. В проектах в которых я принимал участие мне было интересно развивать процессы в команде и общаться с заказчиком. Поэтому на новой работе я начал постепенно брать на себя обязанности и ответственность руководителя, не без ошибок, конечно 🙂. В итоге в Магнус Тех я занял позицию Тимлида. В Магнус Тех мы работаем с видеоаналитикой дорожного движения и анализируем активность на строительных объектах. Классификация, обнаружение аномалий, трекинг и детекция объектов.” А еще Илья ведет подкаст «ИИ что?». Недавно там вышел выпуск с Владом Грозиным из ODS, в котором ребята обсудили разработку рекомендательных систем, получение PhD в Америке, системы, предсказывающие желания пользователя и другое. Подписывайтесь на канал, чтобы не пропустить интересного!:) В комментариях к посту можно пообщаться с Ильей и задать интересующие вопросы) Посты, над которыми Илья работал в нашем канале: - Как ускорить разметку при помощи CVAT и Fiftyone - Unet - Сегментация без нейросетей - CVAT SD-K PyTorch Adapter - Kaggle NFL - Player Contact Detection (Часть 1)

​​Знакомство с 3D CV Все чаще в индустрии встречаются термины из мира 3D Computer Vision. Набирают популярность автономные роботы и автомобили, появляются новые VR/AR игры и приложения. Растет число компаний и стартапов, которые используют эти технологии, и появляются вакансии, требующие быть знакомым со SLAM, SfM, NeRF и другими аббревиатурами. Мы подготовили статью, в которой рассказали: - что объединяет большинство задач из области 3D CV, - как из 2D фотографий получают 3D слепки объектов, - чем отличаются между собой методы позиционирования роботов, - что такое NeRF и какие задачи он решает Это вводная статья, которая даст вам общее представление о происходящем в 3D CV. Если вам интересна эта тема, ставьте реакции и мы поймем, что стоит продолжать в нее углубляться Читайте по ссылке: https://deepschool-pro.notion.site/3D-CV-33ef6d8e5a7f4742b26f1081eaf74c84

Kaggle NFL - Player Contact Detection (Часть 1) Недавно на платформе Kaggle прошло соревнование по анализу игр американской футбольной лиги NFL. В этом обзоре мы посмотрим лучшие решения и методы, используемые для обнаружения столкновений между игроками на поле. Из статьи вы узнаете: - Как можно подготовить данные для обучения в задаче видеоклассификации - Какие архитектуры использовали участники для анализа трекинг-данных с последовательностью изображений - Что такое метрика корреляции Мэтьюса и Forward Selection OOF Ensemble - Какая библиотека читает картинки быстрее, чем OpenCV Читайте новую статью по ссылке: https://deepschool-pro.notion.site/Kaggle-NFL-Player-Contact-Detection-1-c88d8e50dc89408b8fe83fe776a65d2b

Мы расширяем команду авторов канала Мы расширяем команду и ищем ребят, которые хотят писать посты вместе с нами. Всего в команде авторов 9 DL-инженеров. С частью команды мы уже успели вас познакомить: Ксюша, Марк и Саша. А в этом посте рассказали, как проходит процесс подготовки статей Если вы тоже хотите разбирать статьи, систематизировать свои знания через туториалы и посты, получать ревью от коллег-инженеров и обмениваться опытом вместе с нами и тысячами подписчиков, заполните, пожалуйста гугл-форму Мы ожидаем, что у вас есть опыт работы в ML/DL или в научной деятельности в этой сфере. Подробнее про условия мы рассказали в самой форме. Оставляйте отклик по ссылке, мы свяжемся с вами по указанным контактам до 25 апреля :)

​​Оптимизаторы. Часть 1 Однажды Саша Гончаренко сходил на интервью, не смог написать формулу для SGD with momentum и не получил оффер. Поэтому Саша решил упорядочить знания и написать статью. Из нее вы вспомните: - какие существуют оптимизаторы и как они работают? - какие у них есть проблемы и как они решаются? На собеседованиях часто спрашивают про оптимизаторы, поэтому рекомендуем освежить знания, чтобы не повторить опыт Саши :) Читайте нашу новую статью по ссылке: https://deepschool-pro.notion.site/1-db393ba62f0e49cfa3c29a615006e796

​​SegmentAnything Model (SAM) В прошлом обзоре мы уже рассмотрели задачу интерактивной сегментации и общий подход к ней. Как знали, что грядет что-то грандиозное 🙂 Недавно вышла статья с описанием новой архитектуры и огромного датасета для interactive segmentation. Авторы собрали более миллиарда масок на 11 миллионах изображений и выложили данные c моделью в открытый доступ. В новой статье мы рассмотрим архитектуру, процесс тренировки и подход к разметке датасета. И подробнее разберем детали, которые еще не встретили в других обзорах статьи: как prompt encoder кодирует клики и рамки, как mask decoder создаёт маску. Читайте новую статью по ссылке: https://www.notion.so/deepschool-pro/Segment-Anything-50ce061b804a4d7e96cd0d6b084d396d?pvs=4