🌐 Сервис GigaChat от Сбера имеет большие перспективы как в России, так и в других странах мира
Об этом заявил директор Российской ассоциации электронных коммуникаций (РАЭК) Сергей Гребенников.
По словам эксперта, сегодня с текстом и изображениями работают многие диджитал-специалисты — сервис позволит им повысить скорость работы и вдохновит новые идеи. При этом Гребенников отметил, что сервис, благодаря пользователям, и сам сможет быстрее развиваться.
«Здорово, что инновационные инструменты становятся доступны широкой аудитории: как показывает практика, пользователи помогают компаниям совершенствовать продукты и генерировать новые подходы к их развитию. Это крайне важно в современной гонке технологий. Уверен, что Сбер продолжит и дальше развивать функционал GigaChat, а также создавать новые продукты на основе технологий ИИ», — подчеркнул он.
📌 Источник
ai_machinelearning_big_data
✅️ Point-Bind & Point-LLM: Aligning 3D with Multi-modality
Point-Bind is a 3D multi-modality model with a joint embedding space among 3D point cloud, image, language, audio, and video.
Point-LLM - это первая мультимодальная большая языковая модель, которая не требует ввода трехмерных объектов и учитывает мультимодальный ввод для генерации🌟
🖥 Github: https://github.com/ziyuguo99/point-bind_point-llm
⏩ Demo: http://imagebind-llm.opengvlab.com/
📕 Paper: https://arxiv.org/abs/2309.00615v1
⭐️ Dataset: https://paperswithcode.com/dataset/esc-50
ai_machinelearning_big_data
Полезный подкаст о нейросетях в финтехе: применение в кредитном скоринге и других сегментах
Вы, конечно, наслышаны о применении нейросетей во многих сферах. А вот о том, как их используют в кредитном скоринге, знают немногие. В подкасте «Деньги любят техно» об этом подробно рассказали Артём Летин (управление моделирования КИБ и СМБ, ВТБ), Евгений Смирнов (лаборатория машинного обучения Альфа-Банка) и Никита Зелинский (центр компетенций Data Science МТС). Эксперты поделились интересными историями из своей практики, потравили байки, дали парочку полезных инсайтов. Давно не встречалось таких живых дискуссий о ML в финансах. Послушать подкаст можно где удобно.
SAM-Med2D ➕
SAM-Med2D, the most comprehensive studies on applying SAM to medical 2D images.
🏆 Самая большая на сегодняшний день база данных по сегментации медицинских изображений (4,6 млн. изображений и 19,7 млн. масок) для обучения моделей.
🏆 Модель файнтюнинга Segment Anything Model (SAM).
🏆 Бенчмарк SAM-Med2D на крупномасштабных наборах данных.
🖥 Github: https://github.com/uni-medical/sam-med2d
🖥 Colab: https://colab.research.google.com/github/uni-medical/SAM-Med2D/blob/main/predictor_example.ipynb
📕 Paper: https://arxiv.org/abs/2308.16184
⭐️ Dataset: https://paperswithcode.com/dataset/sa-1b
ai_machinelearning_big_data
Нейросети хороши в генерации контента и кода, а 3D-принтеры, как оказалось— в генерации зубов.
Делимся статьей о том, как хорошо 3D-печать обосновалась в, казалось бы, далекой от нее нише — стоматологии.
• На что способны 3D-технологии в современной стоматологической практике.
• Как с их помощью врачи тренируются перед операциями
• Как стоматологи проектируют коронки, новый прикус, стоматологические шаблоны и тп
Такие технологии используются не в каждой стоматологии, и уж тем более про такое на часто пишут, а тема интересная.
Статья на Хабре
5 дней практики в Data Science на реальных данных магазина из Великобритании.
1-2 часа в день и самостоятельно создадите модели машинного обучения.
Старт - 4 сентября. Обучаешься под руководством эксперта в своем темпе, в любое удобное время.
5500+ человек из разных стран мира уже приняли участие в данном интенсиве.
15 лет практического опыта у автора интенсива, поэтому полученные знания можно сразу применять в рабочих проектах.
Обучаем с 2017 года.
Предоставляем готовое окружение - ничего устанавливать и настраивать не нужно.
Количество БЕСПЛАТНЫХ мест ограничено.
Успевайте записаться по ЭТОЙ ссылке.
Подписывайтесь на их телеграм канал, чтобы не пропустить самое интересное из мира Data Science и не только.
☄️Открытый урок по языковым моделям от OTUS
4 сентября в 18:00 мск встречаемся на открытом уроке «Языковые модели: от статистических до ChatGPT» в рамках курса «Natural Language Processing (NLP)» от OTUS.
📣 Кому подходит этот урок:
- Практикующим Data Scientist и IT-специалистам, которые хотят глубже погрузиться в область NLP
- Тем, кто хочет узнать, что делает ChatGPT таким умным
- Людям, освоившим основы машинного обучения, но желающими развиваться в области DS
💪 Результаты урока:
Вы узнаете, что такое языковые модели и как их использовать для решения NLP-задач, а также изучите подходы к обучению больших языковых моделей, таких как ChatGPT.
Это отличная возможность совершенно бесплатно протестировать формат обучения и задать преподавателю любые вопросы в режиме реального времени 😎!
Пройдите тестирование курса, чтобы зарегистрироваться на урок - https://otus.pw/pnyE/Нативная интеграция. Информация о продукте www.otus.ru
ИТ + научпоп + музыка = большой ИТ-пикник в Москве 💛
2 сентября Тинькофф, CodeFest и Мельница собирают большой благотворительный ИТ-фестиваль. Встречаемся в Коломенском на максимально летнем вайбе.
В программе: ИТ- и научпоп-лектории, выступления топовых спикеров, воркшопы, интерактивные зоны и вишенка на торте — музыкальные перформансы от Антохи MC, Zoloto, Therr Maitz, The Hatters, «Сироткина», а также секретного хедлайнера. Как думаете, кто им может быть?
Для участия нужно выбрать благотворительный фонд из списка и сделать донат от 1000 рублей. Подробности и регистрация — тут.
Реклама. АО "Тинькофф Банк"
VK проводит онлайн-семинар Adversarial Prompting and Jailbreaking of LLMs, чтобы рассказать о том, какие могут быть опасности при работе с LLM и как защитить решения, основанные на них.
Large Language Models в последнее время стали слишком популярны. И многие строят свои ML-решения поверх таких LLM, но не все знают, что злоумышленники могут делать инъекции через промты и нарушить работу модели или вообще сломать систему. Как этого избежать — узнайте на онлайн-семинаре.
Вы ещё успеваете поступить в онлайн-магистратуру МФТИ «Финансовые технологии и аналитика» 👩🎓Ближайшие даты экзаменов — 4 и 19 сентября.
➕Диплом очной магистратуры гособразца по направлению 38.03.05 «Бизнес-информатика».
➕Онлайн-обучение из любой точки мира.
➕Углубленная специализация в сфере финтех-разработки или аналитики.
➕Гранты на запуск своего стартапа в области Data Science/AI/ML до 3 млн ₽.
➕Более 5 проектов в портфолио: реальные задачи от Сбера, ВТБ, Ozon Fintech, Альфа-Банка и других финтех-компаний уже с первого семестра.
➕Возможность совмещать с работой и развивать корпоративный проект в качестве дипломного.
➕Рассрочка под 3% от Сбера и Минобразования. Платёж во время учебы — до 900 ₽ в месяц.
Бесплатный подготовительный курс и запись прошедших консультаций по экзаменам доступны после регистрации. Оставьте заявку, чтобы зарегистрироваться на день открытых дверей и начать готовиться к поступлению: https://netolo.gy/b3oh
Реклама ООО “Нетология” LatgBhfB7
💻 В Москве прошла конференция по кибербезопасности OFFZONE 2023
Как мы уже писали ранее, конференцию провела компания BI.ZONE, партнер Сбера. В мероприятии поучаствовали безопасники, разработчики, исследователи, преподаватели и студенты технических вузов. Всего на ней выступили 108 экспертов, а общее число участников превысило 2500 человек.
О чем говорили на двух треках:
🔸как изменилась отрасль кибербезопасности за последние 10 лет;
🔸основные тренды кибермошенничества в финансовой сфере;
🔸лайфхаки в области mobile DevSecOps;
🔸необычные атаки с применением широко распространенных программ для удаленного управления;
и другое.
Также на площадке работали тематические зоны от специалистов по безопасности финансовых систем и банковской инфраструктуры, экспертов по безопасной разработке и анализу защищенности приложений, CTF.Zone и т.д.
Кроме того, в рамках OFFZONE 2023 прошла презентация об итогах года работы платформы BI.ZONE Bug Bounty. Так, на платформе зарегистрировались 17 компаний и 51 программа по поиску уязвимостей.
ai_machinelearning_big_data
Освойте алгоритмы распознавания и генерации звука за 1,5 месяца
5 сентября стартует практический курс Нетологии — «Распознавание и генерация речи. Диалоговые системы» для тех, кто работает или хочет научиться работать с задачами по распознаванию и генерации звуков. Для обучения нужно знать классические методы машинного обучения, основы работы с нейросетями, NLP.
Курс поможет разобраться в работе со звуком, обработке звуковых сигналов, транскрибации речи в текст. В программе 5 воркшопов, на котором вы реализуете 5 кейсов, один из которых — проект на основе ваших собственных данных. По нему вы получите личную консультацию эксперта из Сбера или JustAI.
Курс ведут практикующие специалисты по ИИ и работе со звуком:
• Илья Шигабеев, основатель сервиса по переозвучке видео Langswap.app
• Артур Сапрыкин, NLP-разработчик, предприниматель, работал над созданием голосового робота, разрабатывал поиск аудио по фрагменту
• Сергей Меньшов, ведущий специалист Nexgn.com, разработчик проектов Whisper и VOSK по распознаванию речи собеседника
Изучить программу курса можно на сайте программы. Старт 5 сентября → https://netolo.gy/b3kh
Реклама. ООО «Нетология» LatgBuQj3
🦙Llama 2 learns to code
The models show state-of-the-art performance in Python, C++, Java, PHP, C#, TypeScript, and Bash.
Мощнейший ИИ-инструмент с открытым исходным кодом, для написания качественного кода Python и не только.
Примеры работы с codellama на скриншотах.#!pip install git+https://github.com/huggingface/transformers.git@main acceleratefrom transformers
•Hugging face
•Github
•Docs
•Post
ai_machinelearning_big_data
Как подобрать правильные инструменты, чтобы использовать возможности больших данных на полную?
📅 31 августа | 16:00
7-й выпуск онлайн-дискуссии серии «Откровенно об ИТ-инфраструктуре» посвящен большим данным и инфраструктуре для их эффективного хранения и обработки.
Гости дискуссии: представитель Arenadata по облачным партнерствам Антон Близгарев и технический менеджер КРОК Сергей Синагейкин.
Обсудим:
▪️ Ожидания от больших данных сегодня: тренды, кейсы
▪️ Какие типы данных анализируют компании
▪️ Как правильно выбирать инфраструктуру больших данных
▪️ Big data из облака: возможно ли?
▪️ От бизнес-запроса до реализации: проекты больших данных
Ведут дискуссию:
Сергей Зинкевич
Директор бизнес-юнита КРОК Облачные сервисы
Александр Фикс
Менеджер по развитию бизнеса КРОК Облачные сервисы
📍Подключайтесь! Регистрация тут>>
Реклама. Информация о рекламодателе на сайте cloud.croc.ru
Онлайн-конференция по большим данным от Х5 Tech
В программе:
🎯 Развитие команды аналитики в сервисе доставки из магазинов «Пятёрочка»: зарождение продукта, трудности, неудачные решения.
🎯 Как работает Data-спецназ X5 Tech, автоматизация А/Б тестирования в оффлайне и что делать математику в ритейле.
🎯 Необходимые инструменты мониторинга и управления, когда число IT-продуктов и ML-моделей исчисляется сотнями. Подходы к оптимизации распределения ресурсов и учет рисков.
🎯 Классический подход к проведению рекламы VS AdHoc-подход на основе эконометрической модели: ключевые факторы динамики трафика, влияние РК, оценка ROI и оптимизация затрат с помощью big data.
📅 31 августа, начало в 11:00
🌐 Формат - онлайн
Зарегистрироваться
🔥Master Data Science for free
Вторая большая подборка бесплатных курсов для получения степени в области Data Science.
📂 Computer Science 101
https://online.stanford.edu/courses/soe-ycscs101-computer-science-101
📂 Machine Learning Specialization
https://coursera.org/specializations/machine-learning-introduction
📂 Artificial Intelligence for Robotics
https://udacity.com/course/artificial-intelligence-for-robotics--cs373
📂 Designing Your Career
https://online.stanford.edu/courses/tds-y0003-designing-your-career
📂 Stanford: Теория игр
https://online.stanford.edu/courses/soe-ycs0002-game-theory
📂 Machine Learning with Python
https://www.freecodecamp.org/learn/machine-learning-with-python/
📂 Probability and Statistics: To P or Not To P? (Coursera)
https://www.coursera.org/learn/probability-statistics
📂 Numpy полный бесплатный курс
https://www.youtube.com/playlist?list=PLysMDSbb9Hcz3Gdi9oV-btohZ9zhths-r
📂Углубленное машинное обучение
https://www.kaggle.com/learn/intro-to-machine-learning
📂 Stat 110: Harvard University (YouTube)
https://www.youtube.com/watch?v=KbB0FjPg0mw&list=PL2SOU6wwxB0uwwH80KTQ6ht66KWxbzTIo&index=1
📂 The Open Source Data Science Masters
https://github.com/datasciencemasters/go
📂 Google - искусственный интеллект для всех
https://edx.org/learn/artificial-intelligence/google-google-ai-for-anyone
📂Microsoft - ИИ для начинающих
https://microsoft.github.io/AI-For-Beginners
📂 IBM - AI for Everyone: Освоить основы
https://edx.org/learn/artificial-intelligence/ibm-ai-for-everyone-master-the-basics
📂 Гарвард - Введение в искусственный интеллект с помощью Python
https://cs50.harvard.edu/ai/2023
📂 Введение в генеративный ИИ
https://cloudskillsboost.google/journeys/118
📂 Deep Learning - Finetuning Large Language Models
https://deeplearning.ai/short-courses/finetuning-large-language-models/
📂Microsoft - Основы ИИ в Azure
https://learn.microsoft.com/en-us/training/paths/create-no-code-predictive-models-azure-machine-learning/
📂Linux Foundation - Основы работы с данными и искусственным интеллектом
https://edx.org/learn/computer-programming/the-linux-foundation-data-and-ai-fundamentals
📂12 linux курсов:
/channel/linuxkalii/538
📂 Alison - 13 бесплатных курсов по ИИ
https://alison.com/tag/artificial-intelligence
📂 Проекты по искусственному интеллекту
https://mygreatlearning.com/academy/learn-for-free/courses/artificial-intelligence-projects
📂 Introduction to Internet of Things:
https://online.stanford.edu/courses/xee100-introduction-internet-things
📂 Graph Search, Shortest Paths, and Data Structures
https://coursera.org/learn/algorithms-graphs-data-structures
📂 Python:
http://cs50.harvard.edu/python/2022/
📂 Machine Learning:
http://developers.google.com/machine-learning/crash-course
📂 Deep Learning
http://introtodeeplearning.com
📂 Data Analysis
http://pll.harvard.edu/course/data-analysis-life-sciences-4-high-dimensional-data-analysis
📂 Линейная Алгебра
http://pll.harvard.edu/course/data-analysis-life-sciences-2-introduction-linear-models-and-matrix-algebra
📂 Algebra basics
https://www.khanacademy.org/math/algebra-basics
📂 Excel и PowerBI
http://learn.microsoft.com/training/paths/modern-analytics/
📂 Визуализация данных:
http://pll.harvard.edu/course/data-science-visualization
📂 PowerBI
http://learn.microsoft.com/users/collinschedler-0717/collections/m14nt4rdwnwp04
📂 Tableau:
http://tableau.com/learn/training
📂 Statistics:
http://cognitiveclass.ai/courses/statistics-101…
📂 SQL:
http://online.stanford.edu/courses/soe-ydatabases0005-databases-relational-databases-and-sql
ai_machinelearning_big_data
👨🎓Data Science: Machine Learning
Build a movie recommendation system and learn the science behind one of the most popular and successful data science techniques.
Гарвардский университет предлагает курс "Машинное обучение" БЕСПЛАТНО!
В рамках этого курса вы создадите систему рекомендаций по фильмам и узнаете, что лежит в основе методов машинного обучения.
📌Course
ai_machinelearning_big_data
📷Improving Lens Flare Removal with General Purpose Pipeline and Multiple Light Sources Recovery
Новое решение по эффективному удаления бликов на изображениях и восстановления источников света.
🖥 Github: https://github.com/yuyanzhou1/improving-lens-flare-removal
🖥 Pre-trained Model: https://drive.google.com/drive/folders/1ngjUh6UzA99-XLi6esK9OdP7ORhU6i8R?usp=sharing
📕 Paper: https://arxiv.org/abs/2308.16460v1
⭐️ Dataset: https://paperswithcode.com/dataset/flare7k
ai_machinelearning_big_data
🔥 CRATE (Coding RAte reduction TransformEr)
CRATE (is a white-box transformer architecture, where each layer performs a single step of an alternating minimization algorithm to optimize the sparse rate reduction objective
Алгоритм оптимизации сегментации с помощью архитектуры white-box трансформеров.
🖥 Github: https://github.com/ma-lab-berkeley/crate
🖥 Colab: https://colab.research.google.com/drive/1rYn_NlepyW7Fu5LDliyBDmFZylHco7ss
📕 Paper: https://arxiv.org/abs/2308.16271v1
⭐️ Dataset: https://paperswithcode.com/dataset/coco
ai_machinelearning_big_data
🎧 AudioLDM 2, but faster ⚡️
Read to the end to find out how to generate a 10 second audio sample in just 1 second!
В этом посте показано, как использовать AudioLDM 2 c Hugging Face 🧨 Diffusers, исследуя ряд оптимизаций для сокращения времени генераций более чем в 10 раз при минимальном снижении качества выходного аудио.
🤗 HH: https://huggingface.co/blog/audioldm2
🖥 Github: https://github.com/huggingface/blog/blob/main/audioldm2.md
🖥 Colab: https://mingukkang.github.io/GigaGAN/
🎧 Paper: https://arxiv.org/abs/2308.05734
ai_machinelearning_big_data
🔥Scaling up GANs for Text-to-Image Synthesis
1B-parameter GigaGAN, achieving lower FID than Stable Diffusion v1.5, DALL·E 2, and Parti-750M.
GigaGAN - 1B модель генерации изображений из текста. Высокая скорость генерации изображений 0.13 сек в разрешении 512px, на порядки быстрее других моделей.
🖥 Github: https://github.com/mingukkang/GigaGAN/tree/main/evaluation
⏩ Project: https://mingukkang.github.io/GigaGAN/
🎞 Video: https://www.youtube.com/watch?v=UyoXmHS-KGc
📕 Paper: https://arxiv.org/abs/2303.05511
⭐️ Dataset:https://paperswithcode.com/dataset/svamp
ai_machinelearning_big_data
🖥 When Do Program-of-Thoughts Work for Reasoning?
An Easy-to-use Instruction Generation Framework for LLMs.
EasyInstruct - это пакет Python для обучения больших языковых моделей (LLM), таких как GPT-3, Llama, ChatGLM,
в ваших исследовательских экспериментах. Он прост в использовании и легко расширяемый.pip install easyinstruct -i https://pypi.org/simple
🖥 Github: https://github.com/zjunlp/easyinstruct
📕 Paper: https://arxiv.org/abs/2308.15452v1
⭐️ Dataset:https://paperswithcode.com/dataset/svamp
ai_machinelearning_big_data
📖 LongBench: A Bilingual, Multitask Benchmark for Long Context Understanding
LongBench includes 14 English tasks, 5 Chinese tasks, and 2 code tasks, with the average length of most tasks ranging from 5k to 15k, and a total of 4,750 test data.
LongBench - первый двуязычный, бенчмарк понимания длинных контекстов, позволяющий проводить тщательную оценку контекстов.
LongBench включает 21 датасет по 6 категориям задач на английском и китайском языках.
🖥 Github: https://github.com/thudm/longbench
📕 Paper: https://arxiv.org/abs/2308.14710v1
🤗 HF: https://huggingface.co/datasets/THUDM/LongBench
⭐️ Dataset: https://paperswithcode.com/dataset/youtube-vis-2021-validation
ai_machinelearning_big_data
🧑 FaceChain
Deep-learning toolchain for generating your Digital-Twin.
FaceChain — это набор инструментов машинного обучения для создания собственного цифрового двойника.
Всего из одной портретной фотографию, вы можете создать своего собственного цифрового двойника и начать генерировать персональные портреты с различными настройками.
🖥 Github: https://github.com/modelscope/facechain
📕 Paper: https://arxiv.org/abs/2308.14256v1
🖥 Colab: https://colab.research.google.com/drive/1cUhnVXseqD2EJiotZk3k7GsfQK9_yJu_?usp=sharing
⭐️ Dataset: https://paperswithcode.com/dataset/fairface
ai_machinelearning_big_data
📌 SNARE (a multimodal alignment probing benchmark)
Scale multimodal alignment probing benchmark, to detect the vital linguistic components, e.g., lexical, semantic, and syntax knowledge,
Новый крупномасштабный мультимодальный бенчмарк, позволяющий обнаружить важные лингвистические компоненты в предварительно обученных моделях "vision-language ".
🖥 Github: https://github.com/wangfei-2019/snare
📕 Paper: https://arxiv.org/abs/2308.12898v2
⭐️ Dataset: https://paperswithcode.com/dataset/aro
ai_machinelearning_big_data
🔦Relighting Neural Radiance Fields with Shadow and Highlight Hints
В данной работе представлен новый подход к изменении освещенности объекта на основе небольшого набора неструктурированных фотографий объекта, освещенного движущимся точечным источником света, отличным от позиции обзора.git clone https://github.com/iamNCJ/NRHints.git
cd NRHints
pip install -r requirements.txt
🖥 Github: https://github.com/iamNCJ/NRHints
🚀 Project: https://nrhints.github.io/
📕 Paper: https://nrhints.github.io/pdfs/nrhints-sig23.pdf
⭐️ Dataset: https://github.com/iamNCJ/NRHints#data-and-models
ai_machinelearning_big_data
👨🎓The Best Courses for AI from Universities with YouTube Playlists
Лучшие курсы по искусственному интеллекту от топовых университетов мира.
Stanford University Courses
•CS221 - Artificial Intelligence: Principles and Techniques
•CS224U: Natural Language Understanding
•CS224n - Natural Language Processing with Deep Learning
•CS224w - Machine Learning with Graphs
•CS229 - Machine Learning
•CS230 - Deep Learning
•CS231n - Convolutional Neural Networks for Visual Recognition
•CS234 - Reinforcement Learning
•CS330 - Deep Multi-task and Meta-Learning
•CS25 - Transformers United
Carnegie Mellon University Courses
•CS 10-708: Probabilistic Graphical Models
•CS/LTI 11-711: Advanced NLP
•CS/LTI 11-737: Multilingual NLP
•CS/LTI 11-747: Neural Networks for NLP
•CS/LTI 11-777: Multimodal Machine Learning
•CS/LTI 11-785: Introduction to Deep Learning
•CS/LTI 11-785: Neural Networks
•CS/LTI Low Resource NLP
Massachusetts Institute of Technology Courses
•6.006 - Introduction to Algorithms
•6.S191 - Introduction to Deep Learning
•6.S094 - Deep Learning
•6.S192 - Deep Learning for Art, Aesthetics, and Creativity
DeepMind x UCL
•COMP M050 - Introduction to Reinforcement Learning
•Deep Learning Series
ai_machinelearning_big_data
🔥Dense Text-to-Image Generation with Attention Modulation
DenseDiffusion, a training-free method that adapts a pre-trained text-to-image model to handle dense captions while offering control over the scene layout.
DenseDiffusion - новый метод, адаптирующий предварительно обученную модель "текст-изображение",
С DenseDiffusion способен генерировать изображения, учитывая подробное описание, конкретной области изображения.
🖥 Github: https://github.com/naver-ai/densediffusion
📕 Paper: https://arxiv.org/abs/2308.12964v1
⭐️ Dataset: https://paperswithcode.com/dataset/coco
ai_machinelearning_big_data
🌄Scenimefy: Learning to Craft Anime Scene via Semi-Supervised Image-to-Image Translation
Novel semi-supervised image-to-image translation framework
Новый фреймворк для Автоматического высококачественного рендеринга аниме-сцен из сложных реальных изображений.git clone https://github.com/Yuxinn-J/Scenimefy.git
🖥 Github: https://github.com/yuxinn-j/scenimefy
▶️ Project: https://yuxinn-j.github.io/projects/Scenimefy.html
📕 Paper: https://arxiv.org/abs/2308.12968v1
🚀 Demo: https://yuxinn-j.github.io/projects/Scenimefy.html
⭐️ Dataset: https://github.com/Yuxinn-J/Scenimefy#open_file_folder-anime-scene-dataset
ai_machinelearning_big_data
Онлайн-конференция по большим данным от Х5 Tech
В программе:
🎯 Развитие команды аналитики в сервисе доставки из магазинов «Пятёрочка»: зарождение продукта, трудности, неудачные решения.
🎯 Как работает Data-спецназ X5 Tech, автоматизация А/Б тестирования в оффлайне и что делать математику в ритейле.
🎯 Необходимые инструменты мониторинга и управления, когда число IT-продуктов и ML-моделей исчисляется сотнями. Подходы к оптимизации распределения ресурсов и учет рисков.
🎯 Классический подход к проведению рекламы VS AdHoc-подход на основе эконометрической модели: ключевые факторы динамики трафика, влияние РК, оценка ROI и оптимизация затрат с помощью big data.
📅 31 августа, начало в 11:00
🌐 Формат - онлайн
Зарегистрироваться