Как достичь 2-кратного ускорения обучения на интеллектуальном процессоре Graphcore, обеспечивая более быстрые и эффективные вычисления? Что делает GroupBERT лучше BERT и других моделей с групповыми преобразованиями в Transformer? Отвечаем на эти и сопутствующие вопросы.

https://nsprg.ru/O7wojO

VK: https://nsprg.ru/v8pblv

Дзен: https://nsprg.ru/xPGl1m

@nuancesprog #GroupBERT #MachineLearning

Настало время восполнить пробелы в отношении алгоритмов и концепций машинного обучения. Разбираем интуитивные решения, которые стоят за построением прогностической модели в машинном обучении.

https://nsprg.ru/xPGEVm

VK: https://nsprg.ru/vgknbv

Дзен: https://nsprg.ru/v8pzJv

@nuancesprog #MachineLearning

Продолжаем цикл по заполнению пробелов в области алгоритмов и концепций машинного обучения. В этой статье мы узнаем, как настроить веса и смещение в модели линейной регрессии.

https://nsprg.ru/xAD8qm

VK: https://nsprg.ru/OQZLWm

Дзен: https://nsprg.ru/Oj68wO

@nuancesprog #MachineLearning

По меткому высказыванию Педро Домингоса, машинное обучение - это результат слияния необъяснимой эффективности математики с такой же необъяснимой эффективностью данных. Некоторые склонны впадать в панику при беглом знакомстве с МО, полагая, что оно требует сложнейших математических вычислений. В специальной серии статей мы поставили перед собой задачу развеять этот миф.

https://nsprg.ru/O7wRNO

VK: https://nsprg.ru/v8pljv

Дзен: https://nsprg.ru/xPGkKm

@nuancesprog #MachineLearning

Пришло время развеять миф о том, что машинное обучение - это сложно. Интуитивное МО позволяет пользоваться легкодоступными инструментами, не требующими специальных знаний.

https://nsprg.ru/myRYGx

VK: https://nsprg.ru/OBwZom

Дзен: https://nsprg.ru/m6BWem

@nuancesprog #MachineLearning

Проблемы с производством тренировочных данных для моделей МО? На помощь приходит мощный инструмент T0PP!

https://nsprg.ru/vdB0bm

VK: https://nsprg.ru/O7XwVm

Дзен: https://nsprg.ru/maJ7jx

@nuancesprog #MachineLearning #T0PP

Автор предлагает не промптить, а программировать нейросетевые модели, рассматривая их как устройства, работающие через глубокие нейронные сети. В статье — код, построение, выполнение и оптимизация конвейера, а также практический пример, разработанный при помощи новой библиотеки DSPy.

https://nsprg.ru/vLJJDm

VK: https://nsprg.ru/xR330v

@nuancesprog #DSPy #GPT #MachineLearning #LLM

Это руководство послужит отличной шпаргалкой на собеседовании по искусственному интеллекту (ИИ) и машинному обучению (МО). Углубите свои знания в этой области, систематизируйте информацию о ключевых концепциях и сферах применения ИИ, типах и стандартных алгоритмах МО.

https://nsprg.ru/v8RMgm

VK: https://nsprg.ru/vge0jm

@nuancesprog #ArtificialIntelligence #MachineLearning

Хотите поделиться проектом, но не знаете, как это лучше сделать? Рассмотрим простой способ представления моделей МО с использованием Streamlit, BentoML и DagsHub.

https://nsprg.ru/xAwRPO

VK: https://nsprg.ru/OQKlNx

Дзен: https://nsprg.ru/OjeE2v

@nuancesprog #MachineLearning #Streamlit #BentoML #DagsHub

Как заставить нейросеть галлюцинировать? Какие развлекательные и практические задачи при помощи этого можно решить? Знакомимся с разработанным Google алгоритмом - DeepDream.

https://nsprg.ru/xJlbnO

VK: https://nsprg.ru/OVa4qv

Дзен: https://nsprg.ru/mDJlrv

@nuancesprog #DeepDream #NeuralNetworks #MachineLearning

SMOTE - одна из распространенных стратегий сэмплинга, позволяющая решить проблему дисбаланса классов. Это пошаговое руководство по использованию алгоритма SMOTE в Python позволит избежать просчетов в МО.

https://nsprg.ru/mEGgyv

VK: https://nsprg.ru/m01nkx

Дзен: https://nsprg.ru/vXoJyx

@nuancesprog #MachineLearning #SMOTE

Ознакомьтесь с обзором 4 лучших сайтов машинного обучения: Scikit-learn, TensorFlow, Keras и PyTorch. Предлагаем также освоить эффективные способы применения каждого из этих ресурсов.

https://nsprg.ru/O7Xddm

VK: https://nsprg.ru/v8Ra1m

Дзен: https://nsprg.ru/xPRdyO

@nuancesprog #MachineLearning #Scikit-learn #TensorFlow #PyTorch #Keras

Обнаружение вредоносного ПО: вирусов, червей, троянов, программ-вымогателей, рекламного и шпионского софта - волнует многих пользователей и предпринимателей. Предлагаем рассмотреть методы идентификации вредоносных программ с помощью алгоритмов машинного обучения. Материалом для исследования стал массив данных от Майкрософт объемом в 200 ГБ.

https://nsprg.ru/Oo6BJv

VK: https://nsprg.ru/ObB7NO

Дзен: https://nsprg.ru/v3eEAm

@nuancesprog #GCP #InfoSec #MachineLearning