tgoop.com »
United States »
Библиотека data scientist’а | Data Science, Machine learning, анализ данных, машинное обучение » Telegram Web
⚡️ Успехи Китая и DeepSeek-R1 в гонке за лидерство в ИИ
Релиз R1 и новости об инвестициях в отрасль вызвали падение акций американских ИТ-гигантов. NVIDIA за сутки потеряла 14%, что составило $465 млрд — антирекорд.
🔥 Сегодня появилась новость о том, что Китай выделяет 1 триллион юаней на развитие ИИ.
А вот и все новости за последние дни:
👉 DeepSeek вытесняет ChatGPT с поста топового приложения App Store
👉DeepSeek вызвал истерику у Американских ИИ корпораций
👉DeepSeek — очередной квантовый скачок в развитии AI
👉Как установить и использовать ИИ модель DeepSeek R-1 на вашем компьютере
👉 The Illustrated DeepSeek-R1 (отличный иллюстрированный DeepSeek-R1)
👉 Nvidia, OpenAI и Трамп прокомментировали DeepSeek
👀 Правда ли, что модель лучше и дешевле? Подробный обзор — завтра! Интересно? Пишите в комментариях «+».
Релиз R1 и новости об инвестициях в отрасль вызвали падение акций американских ИТ-гигантов. NVIDIA за сутки потеряла 14%, что составило $465 млрд — антирекорд.
🔥 Сегодня появилась новость о том, что Китай выделяет 1 триллион юаней на развитие ИИ.
А вот и все новости за последние дни:
👉 DeepSeek вытесняет ChatGPT с поста топового приложения App Store
👉DeepSeek вызвал истерику у Американских ИИ корпораций
👉DeepSeek — очередной квантовый скачок в развитии AI
👉Как установить и использовать ИИ модель DeepSeek R-1 на вашем компьютере
👉 The Illustrated DeepSeek-R1 (отличный иллюстрированный DeepSeek-R1)
👉 Nvidia, OpenAI и Трамп прокомментировали DeepSeek
👀 Правда ли, что модель лучше и дешевле? Подробный обзор — завтра! Интересно? Пишите в комментариях «+».
Forwarded from Библиотека задач по Data Science | тесты, код, задания
Что выведет код?
Anonymous Quiz
84%
[('a', 3), ('b', 3)]
11%
[('a', 2), ('b', 2)]
3%
[('a', 3), ('b', 2)]
2%
[('c', 3), ('a', 2)]
🧑💻 Статьи для IT: как объяснять и распространять значимые идеи
Напоминаем, что у нас есть бесплатный курс для всех, кто хочет научиться интересно писать — о программировании и в целом.
Что: семь модулей, посвященных написанию, редактированию, иллюстрированию и распространению публикаций.
Для кого: для авторов, копирайтеров и просто программистов, которые хотят научиться интересно рассказывать о своих проектах.
👉Материалы регулярно дополняются, обновляются и корректируются. А еще мы отвечаем на все учебные вопросы в комментариях курса.
Напоминаем, что у нас есть бесплатный курс для всех, кто хочет научиться интересно писать — о программировании и в целом.
Что: семь модулей, посвященных написанию, редактированию, иллюстрированию и распространению публикаций.
Для кого: для авторов, копирайтеров и просто программистов, которые хотят научиться интересно рассказывать о своих проектах.
👉Материалы регулярно дополняются, обновляются и корректируются. А еще мы отвечаем на все учебные вопросы в комментариях курса.
🤔 Что такое Data Valuation
В обучении моделей машинного обучения не все данные одинаково полезны. Например, шумные данные или данные с неправильным label могут снижать качество обучения. Процесс оценки значимости каждого элемента данных называется Data Valuation.
LossVal — это метод оценки Data Valuation, основанный на анализе функции потерь (loss function) модели машинного обучения.
Статья
Github
В обучении моделей машинного обучения не все данные одинаково полезны. Например, шумные данные или данные с неправильным label могут снижать качество обучения. Процесс оценки значимости каждого элемента данных называется Data Valuation.
LossVal — это метод оценки Data Valuation, основанный на анализе функции потерь (loss function) модели машинного обучения.
Статья
Github
👀 Построение масштабируемого геокодера на разные страны: опыт применения deep learning
Геокодирование — процесс преобразования текстовых адресов в точные координаты — долгое время опиралось на бустинг и линейные модели. Однако переход на deep learning открыл новые возможности: быструю адаптацию к разным странам, работу с опечатками и народными названиями. Команда API Яндекс Карт показала, как применила этот подход и сократила время запуска в новой стране до пары недель.
Статья
Геокодирование — процесс преобразования текстовых адресов в точные координаты — долгое время опиралось на бустинг и линейные модели. Однако переход на deep learning открыл новые возможности: быструю адаптацию к разным странам, работу с опечатками и народными названиями. Команда API Яндекс Карт показала, как применила этот подход и сократила время запуска в новой стране до пары недель.
Статья
Recognition and Localization — ключевые задачи компьютерного зрения
Segment Anything Model (SAM) отлично справляется с локализацией, но уступает в распознавании. В то же время Recognize Anything Model (RAM) демонстрирует выдающиеся способности в распознавании изображений как по точности, так и по охвату.
Преимущества RAM:
✅ Мощный и универсальный — превосходит другие модели в zero-shot разметке.
✅ Доступный и воспроизводимый — открытый код и отсутствие затрат на аннотации.
✅ Гибкий и многофункциональный — подходит для разных сценариев.
🚀 RAM распознаёт больше полезных тегов, чем другие модели, превосходя CLIP, BLIP и даже полностью обученные подходы (ML-Decoder), а также конкурируя с Google Tagging API!
Страница проекта
Публикация
Segment Anything Model (SAM) отлично справляется с локализацией, но уступает в распознавании. В то же время Recognize Anything Model (RAM) демонстрирует выдающиеся способности в распознавании изображений как по точности, так и по охвату.
Преимущества RAM:
✅ Мощный и универсальный — превосходит другие модели в zero-shot разметке.
✅ Доступный и воспроизводимый — открытый код и отсутствие затрат на аннотации.
✅ Гибкий и многофункциональный — подходит для разных сценариев.
🚀 RAM распознаёт больше полезных тегов, чем другие модели, превосходя CLIP, BLIP и даже полностью обученные подходы (ML-Decoder), а также конкурируя с Google Tagging API!
Страница проекта
Публикация
🗺️ Как стать ИИ-разработчиком в 2025 году: дорожная карта и ресурсы
В 2025 году профессия ИИ-разработчика остается одной из самых востребованных и перспективных.
👀 Как начать свой путь в этой увлекательной, но сложной области?
Мы собрали подробную дорожную карту и полезные ресурсы, которые помогут вам шаг за шагом освоить ключевые навыки и технологии.
В 2025 году профессия ИИ-разработчика остается одной из самых востребованных и перспективных.
👀 Как начать свой путь в этой увлекательной, но сложной области?
Мы собрали подробную дорожную карту и полезные ресурсы, которые помогут вам шаг за шагом освоить ключевые навыки и технологии.
⚡️ Если вы вдруг забыли: у нас можно купить рекламу
Библиотека программиста — медиа с миллионной аудиторией из IT-сферы. Что у нас есть:
• 60+ телеграм-каналов по разным IT-направлениям, от Python до DevOps
• 25 000 daily active users на сайте, который поможет усилить продвижение
• Возможность сделать нативную интеграцию, виральный пост и не только
За айтишной аудиторией — к нам 😏
По вопросам рекламы пишите сюда → @proglib_adv
Библиотека программиста — медиа с миллионной аудиторией из IT-сферы. Что у нас есть:
• 60+ телеграм-каналов по разным IT-направлениям, от Python до DevOps
• 25 000 daily active users на сайте, который поможет усилить продвижение
• Возможность сделать нативную интеграцию, виральный пост и не только
За айтишной аудиторией — к нам 😏
По вопросам рекламы пишите сюда → @proglib_adv
😳 Разработать свой проект с нуля и получить за него оффер
Если вас привлекает продуктовая аналитика и создание data-driven решений — приходите на конкурс «ИНТЕГРАФ», чтобы реализовать свой проект и поработать с реальными данными и кейсами.
💪 У вас будет возможность:
• провести полноценное продуктовое исследование
• разработать прототип нового цифрового решения
• продумать стратегию его развития
Это не просто учебный проект — вы будете работать над реальными задачами от VK, Avito и Юнилевер Русь.
Еще участники смогут получить предложение о стажировке или работе от компаний-партнеров. А для тех, кто планирует поступать в магистратуру — участие в конкурсе даёт дополнительные баллы при поступлении.
Для участия нужно собрать команду из 3-5 человек и подать заявку на сайте.
👉 Успевайте зарегистрироваться до 1 февраля
Если вас привлекает продуктовая аналитика и создание data-driven решений — приходите на конкурс «ИНТЕГРАФ», чтобы реализовать свой проект и поработать с реальными данными и кейсами.
💪 У вас будет возможность:
• провести полноценное продуктовое исследование
• разработать прототип нового цифрового решения
• продумать стратегию его развития
Это не просто учебный проект — вы будете работать над реальными задачами от VK, Avito и Юнилевер Русь.
Еще участники смогут получить предложение о стажировке или работе от компаний-партнеров. А для тех, кто планирует поступать в магистратуру — участие в конкурсе даёт дополнительные баллы при поступлении.
Для участия нужно собрать команду из 3-5 человек и подать заявку на сайте.
👉 Успевайте зарегистрироваться до 1 февраля
👀 DeepSeek R1: разбираемся с фактами
🔸 Ходят слухи, что обучение DeepSeek стоило ~$6M, но это маловероятно. Только базовая модель без RL обошлась в $5.5M, а ведь были ещё дополнительные прогоны обучения и полное обучение R1.
🔸 DeepSeek — не стартап на коленке. Их поддерживает High-Flyer, крупный китайский хедж-фонд, а команда состоит из олимпиадников по математике и физике. Они работают на 50,000+ GPU, что говорит о масштабе.
🔸 DeepSeek R1 — это 671B параметров, для работы требуется 16×H100. Это один из самых мощных опенсорсных ИИ.
🔸 Есть и «облегчённые» версии, например, 1.5B, но это не настоящий R1, а лишь дообученные Qwen/Llama.
📌 Если используете хостинговую версию DeepSeek, внимательно изучите ToS (условия предоставления услуг). Они могут использовать ваши данные для обучения будущих моделей.
🔸 Ходят слухи, что обучение DeepSeek стоило ~$6M, но это маловероятно. Только базовая модель без RL обошлась в $5.5M, а ведь были ещё дополнительные прогоны обучения и полное обучение R1.
🔸 DeepSeek — не стартап на коленке. Их поддерживает High-Flyer, крупный китайский хедж-фонд, а команда состоит из олимпиадников по математике и физике. Они работают на 50,000+ GPU, что говорит о масштабе.
🔸 DeepSeek R1 — это 671B параметров, для работы требуется 16×H100. Это один из самых мощных опенсорсных ИИ.
🔸 Есть и «облегчённые» версии, например, 1.5B, но это не настоящий R1, а лишь дообученные Qwen/Llama.
📌 Если используете хостинговую версию DeepSeek, внимательно изучите ToS (условия предоставления услуг). Они могут использовать ваши данные для обучения будущих моделей.
Forwarded from Библиотека собеса по Data Science | вопросы с собеседований
Ответ: Верно.
Метод bagging (Bootstrap Aggregating) предполагает случайный выбор K объектов из исходного обучающего набора с заменой, где K равно размеру исходного набора данных.
Это означает, что одни экземпляры могут встречаться несколько раз, а другие могут не попасть в выборку вовсе.
Такой подход позволяет создать несколько различных обучающих подмножеств, что снижает дисперсию модели и повышает её устойчивость.
Forwarded from Библиотека собеса по Data Science | вопросы с собеседований
🔥 Вышел PyTorch 2.6
🔷 Появился параметр
🔷 AOTInductor (компилятор для ускорения моделей) получил новые фичи. Теперь в нём есть «минификатор», который помогает находить ошибки в моделях, создавая минимальный код, воспроизводящий проблему.
🔷 Также добавили режим ABI — это значит, что при обновлениях PyTorch ничего гарантировано не сломается.
🔷 Теперь
Полный список изменений здесь 👉 https://clc.to/OcCJwA
🔷 Появился параметр
torch.compiler.set_stance — теперь можно управлять поведением torch.compile. Например, включить «жадный» режим, чтобы код выполнялся без лишней компиляции.🔷 AOTInductor (компилятор для ускорения моделей) получил новые фичи. Теперь в нём есть «минификатор», который помогает находить ошибки в моделях, создавая минимальный код, воспроизводящий проблему.
🔷 Также добавили режим ABI — это значит, что при обновлениях PyTorch ничего гарантировано не сломается.
🔷 Теперь
torch.compile совместим с Python 3.13.Полный список изменений здесь 👉 https://clc.to/OcCJwA