Bayesian Optimization Book 2021
Book: https://bayesoptbook.com
Github: https://github.com/bayesoptbook/bayesoptbook.github.io
👉 @bigdata_1
Book: https://bayesoptbook.com
Github: https://github.com/bayesoptbook/bayesoptbook.github.io
👉 @bigdata_1
👍1
Digital Voicing of Silent Speech
Github: https://github.com/dgaddy/silent_speech
Paper: https://arxiv.org/abs/2106.01933v1
👉 @bigdata_1
Github: https://github.com/dgaddy/silent_speech
Paper: https://arxiv.org/abs/2106.01933v1
👉 @bigdata_1
ESPnet2-TTS: Extending the Edge of TTS Research
Github: https://github.com/espnet/espnet
Docs: https://espnet.github.io/espnet/
Paper: https://arxiv.org/abs/2110.07840v1
Dataset: https://paperswithcode.com/dataset/vctk
👉 @bigdata_1
Github: https://github.com/espnet/espnet
Docs: https://espnet.github.io/espnet/
Paper: https://arxiv.org/abs/2110.07840v1
Dataset: https://paperswithcode.com/dataset/vctk
👉 @bigdata_1
Рекомендуем к прочтению книгу Александра Бындю "Антихрупкость в IT"
Эта книга — результат многолетнего опыта построения IT-продуктов. И прежде всего она о том, как выстроить процессы разработки IT-систем таким образом, чтобы успевать вовремя подстроиться под любые изменения.
В её основе — описание работающих практик, примеры из реальных проектов, анализ ошибок и выводы. В книге собраны рекомендации для владельцев бизнеса и разработчиков. Первые приобретут систематизированные знания о том, как правильно взаимодействовать с IT, а вторые — как делать хорошо и не делать плохо.
Сайт издания
Ознакомиться с книгой
Эта книга — результат многолетнего опыта построения IT-продуктов. И прежде всего она о том, как выстроить процессы разработки IT-систем таким образом, чтобы успевать вовремя подстроиться под любые изменения.
В её основе — описание работающих практик, примеры из реальных проектов, анализ ошибок и выводы. В книге собраны рекомендации для владельцев бизнеса и разработчиков. Первые приобретут систематизированные знания о том, как правильно взаимодействовать с IT, а вторые — как делать хорошо и не делать плохо.
Сайт издания
Ознакомиться с книгой
👍1
Robust Reference-based Super-Resolution via C2-Matching
Github: https://github.com/yumingj/C2-Matching
Paper: https://arxiv.org/abs/2106.01863v1
👉 @bigdata_1
Github: https://github.com/yumingj/C2-Matching
Paper: https://arxiv.org/abs/2106.01863v1
👉 @bigdata_1
👍2
QRec is a Python framework for recommender systems
Github: https://github.com/Coder-Yu/QRec
Paper: https://arxiv.org/abs/2106.03569v1
👉 @bigdata_1
Github: https://github.com/Coder-Yu/QRec
Paper: https://arxiv.org/abs/2106.03569v1
👉 @bigdata_1
👍1
abess: Fast Best-Subset Selection in Python and R
Github: https://github.com/abess-team/abess
Docs: https://abess.readthedocs.io/en/latest/Tutorial/index.html
Paper: https://arxiv.org/abs/2110.09697v1
👉 @bigdata_1
Github: https://github.com/abess-team/abess
Docs: https://abess.readthedocs.io/en/latest/Tutorial/index.html
Paper: https://arxiv.org/abs/2110.09697v1
👉 @bigdata_1
Efficient Iterative Amortized Inference for Learning Symmetric and Disentangled Multi-object Representations
Github: https://github.com/pemami4911/EfficientMORL
Paper: https://arxiv.org/abs/2106.03630v1
👉 @bigdata_1
Github: https://github.com/pemami4911/EfficientMORL
Paper: https://arxiv.org/abs/2106.03630v1
👉 @bigdata_1
HRFormer: High-Resolution Transformer for Dense Prediction, NeurIPS 2021
Github: https://github.com/HRNet/HRFormer
Paper: https://arxiv.org/abs/2110.09408v1
Dataset: https://paperswithcode.com/dataset/coco
👉 @bigdata_1
Github: https://github.com/HRNet/HRFormer
Paper: https://arxiv.org/abs/2110.09408v1
Dataset: https://paperswithcode.com/dataset/coco
👉 @bigdata_1
Pretraining Representations for Data-Efficient Reinforcement Learning
Github: https://github.com/mila-iqia/spr
Paper: https://arxiv.org/abs/2106.04799v1
👉 @bigdata_1
Github: https://github.com/mila-iqia/spr
Paper: https://arxiv.org/abs/2106.04799v1
👉 @bigdata_1
SecureBoost+ : A High Performance Gradient Boosting Tree Framework for Large Scale Vertical Federated Learning
Github: https://github.com/FederatedAI/FATE
Paper: https://arxiv.org/abs/2110.10927v1
👉 @bigdata_1
Github: https://github.com/FederatedAI/FATE
Paper: https://arxiv.org/abs/2110.10927v1
👉 @bigdata_1
Score Matching Model for Unbounded Data Score
Github: https://github.com/Kim-Dongjun/UNCSN
Paper: https://arxiv.org/abs/2106.05527v1
👉 @bigdata_1
Github: https://github.com/Kim-Dongjun/UNCSN
Paper: https://arxiv.org/abs/2106.05527v1
👉 @bigdata_1
👍1
Bi-directional Image and Text Generation
Github: https://github.com/researchmm/generate-it
Paper: https://arxiv.org/abs/2110.09753v1
Dataset: https://paperswithcode.com/dataset/coco
👉 @bigdata_1
Github: https://github.com/researchmm/generate-it
Paper: https://arxiv.org/abs/2110.09753v1
Dataset: https://paperswithcode.com/dataset/coco
👉 @bigdata_1
GNNAutoScale: Scalable and Expressive Graph Neural Networks via Historical Embeddings
Github: https://github.com/rusty1s/pyg_autoscale
Paper: https://arxiv.org/abs/2106.05609v1
👉 @bigdata_1
Github: https://github.com/rusty1s/pyg_autoscale
Paper: https://arxiv.org/abs/2106.05609v1
👉 @bigdata_1
😁1
NAS-FCOS: Fast Neural Architecture Search for Object Detection
Github: https://github.com/Lausannen/NAS-FCOS
Paper: https://arxiv.org/abs/2110.12423v1
👉 @bigdata_1
Github: https://github.com/Lausannen/NAS-FCOS
Paper: https://arxiv.org/abs/2110.12423v1
👉 @bigdata_1
Pivotal Tuning for Latent-based Editing of Real Images
Github: https://github.com/Talegqz/unsupervised_co_part_segmentation
Paper: https://arxiv.org/abs/2106.05897v1
👉 @bigdata_1
Github: https://github.com/Talegqz/unsupervised_co_part_segmentation
Paper: https://arxiv.org/abs/2106.05897v1
👉 @bigdata_1
👍1
Revisiting randomized choices in isolation forests
Github: https://github.com/david-cortes/isotree
Paper: https://arxiv.org/abs/2110.13402v1
👉 @bigdata_1
Github: https://github.com/david-cortes/isotree
Paper: https://arxiv.org/abs/2110.13402v1
👉 @bigdata_1