#Дайджест свежих статей повышенного уровня сложности по машинному обучению и нейросетям:
🤖 Тестирование ML-моделей. От «пробирки» до мониторинга боевых данных
🤖 Как подготовить PreLabeled-датасет при помощи CVAT, YOLO и FiftyOne
🤖 Обнаружение границ с использованием градиентов
🤖 Как шашки изменили мир и позволили зародиться искусственному интеллекту
🤖 Разработка — всё? Действительно ли нас всех заменят роботы
🤖 О развитии предсказательного обслуживания на примере диагностики трансформатора
🤖 Как определить причины достижений и неудач футбольного клуба с помощью цифр

Почему ChatGPT и Copilot вредны для разработчиков [видео]

Непопулярное мнение по поводу нашумевших нейросетей, с которым соглашаются многие зрители.

Смотреть видео

Повысьте свою эффективность с помощью базовых ковариат

Это первая статья из серии о причинно-следственных связях. Конечная цель — научиться анализировать данные реальных экспериментов, таких как RCT, с различной вероятностью из обобщенной линейной модели (GLM) и методами из современной литературы по причинно-следственным выводам.

Читать статью

Перечислите этапы построения дерева решений

Взять весь набор входных данных.

Вычислить энтропию целевой переменной, а также прогнозные атрибуты.

Рассчитать прирост информации по всем атрибутам (информацию о том, как отсортировать разные объекты друг от друга).

Выбрать атрибут с наибольшим объёмом информации в качестве корневого узла.

Повторить ту же процедуру для каждой ветви, пока узел решения каждой ветви не будет завершён.
#вопросы_с_собеседований

Автономные агенты на базе LLM

Создание агентов с LLM (большая языковая модель) в качестве основного контроллера — классная концепция. Несколько демонстраций для проверки концепции, таких как AutoGPT, GPT-Engineer и BabyAGI, служат вдохновляющими примерами. Возможности LLM не ограничиваются созданием хорошо написанных копий, рассказов, эссе и программ; его можно сделать средством для решения общих проблем.

Читать статью

Анимированный Трансформер

Трансформеры лежат в основе последних достижений в области больших языковых моделей. В этой статье автор объясняет некоторые из его внутренних механизмов и даёт общее представление о том, как эти модели функционируют.

Читать статью

Публикуем очередной #дайджест полезных статей по data science. Сохраняй себе и делись с другом:
🤖 Как я покорил ИТМО и поступил в магистратуру по ИИ без экзаменов
🤖 Нейронные сети не могут обобщать периодические зависимости. Как это исправить?
🤖 Эволюция метрик качества машинного перевода — Часть 1
🤖 Sarsa: алгоритм, основные принципы и применение
🤖 «Магия вне Хогвартса», или Как разделить аудиосигнал на источники, обогнав существующие решения
🤖 Кодеки новой эпохи: HEVC, AV1, VVC и нейросети
🤖 Распознаем лючки бензобаков

Нейросеть в 11 строчек на Python

В этом пособии автор учит алгоритму обратного распространения ошибок на примере небольшой нейронной сети, реализованной на Python.

Смотреть статью

Сколько курсов вы купили и не стали проходить?
Расскажите в комментариях ⬇️
#интерактив

Что с CPython, Pypy, MicroPython, Jython…?

Эта всеобъемлющая статья знакомит вас со всеми различными способами, которыми вы можете использовать Python. CPython — не единственный выбор, узнайте, что еще есть и почему вы можете выбрать альтернативу.

Читать статью

Как работает ROC-кривая?

ROC-кривая — это графическое изображение контраста между показателями истинно положительных и ложноположительных результатов при различных пороговых значениях.

Если считать TPR и FPR для фиксированного порога μ є [0,1], то их можно представить в виде функций от аргумента μ:

TPR = TPR(μ), FPR = FPR(μ). При этом обе функции монотонно возрастают от 0 до 1, а значит, определена функция:

ROC(x) = TPR(FPR-1(x)), x є [0,1]

ROC-кривая — это график функции. Как правило, у хорошего классификатора кривая лежит по большей части либо целиком выше прямой y=x. Это связано с тем что при хорошей классификации надо получать максимальный TPR при минимальном FPR.
#вопросы_с_собеседований

cv3 — делаем OpenCV питоничным

cv3 — это обёртка над opencv-python, которая ускоряет написание кода, не сужая функциональность. Автор статьи сам является создателем кода.

Смотреть статью

Какие сериалы/фильмы о программировании мотивируют вас продолжать обучение?
#интерактив

🐍 Комментарий особого типа: выполнение скриптов Python с помощью Shebang

Вы узнаете, что такое шебанг, когда включать его в скрипты Python, научитесь определять шебанг в разных системах, а также выполните скрипты через собственный интерпретатор, написанный на Python.

🔗 Основной сайт
🔗 Зеркало

Числа с плавающей точкой для гуманитариев. Что это такое и как они работают

На данную тему уже написано большое количество статей, однако многие из них используют пугающие математические формулы и нотации, что может быть сложно для понимания новичкам. В этой статье автор простым языком попытался раскрыть данную тему и помочь решить ряд вопросов.

Читать статью

Алгоритмы компрессии данных: принципы и эффективность

В современном информационном обществе объем данных стремительно растет, и с каждым годом все больше информации генерируется и обрабатывается. В связи с этим важным аспектом стало умение эффективно управлять данными, чтобы не только сохранить информацию, но и оптимизировать ее использование и передачу. Одним из основных инструментов для достижения этой цели является компрессия данных.

Читать статью

Нейронные сети

Небольшие ролики на тему того, как работают нейросети, что такое нейроные смещения, параметры, функции активации и как математика превращает изображения в скетчи.

1. Пытаюсь познакомиться
2. Рисунок из фотографии
3. Функция активации
4. Нейрон смещения
5. Простые эксперименты

Перейти к плейлисту

🔍 10 вопросов дата-сайентисту

Короткое интервью с дата-сайентистом Научно-Технического центра «Газпром нефти». В нём он делится всем, что знает про data science, big data, нейронные сети и даже немного затрагивает тему работы в «Газпроме».

Смотреть видео