DataScience Digest — 12.08.21

Приветствую всех!

Встречайте свежий выпуск дайджеста полезных материалов из мира Data Science & Machine Learning подготовленный командой Data Phoenix и не забывайте подписываться на наш Telegram-канал.

Напоминаю, что 17 августа буду проводить вебинар «The A-Z of Data: Introduction to MLOps». В его рамках мы рассмотрим, что такое MLOps, основные принципы и практики, лучшие инструменты и возможные архитектуры. Мы начнем с простого жизненного цикла разработки ML решений и закончим сложным, максимально автоматизированным, циклом, который нам позволяет реализовать MLOps. Детали и обязательная предварительная регистрация здесь.

Статьи

Building Architectures that Can Handle the World’s Data — обзорная статья о Perceiver от команды DeepMind.

Make a Rock-Solid ML Model Using Sklearn Pipeline — статья о том, почему, как и когда использовать Sklearn Pipeline.

Continuous Integration and Continuous Deployment (CI/CD) Tools for Machine Learning — обзор CI/CD тулов для машинного обучения.

How to Detect Seasonality, Outliers, and Changepoints in Your Time Series — использование Kats для обнаружения аномалий в данных.

Open MLOps: Open Source Production Machine Learning — вводная статья об Open MLOps.

Creating a Modern, Open Source MLOps Stack at Home — Статья про MLOps и наборе тулов для него.

Data Monetization 101 — статья о том, как можно монетизировать данные.

Introducing Triton: Open-Source GPU Programming for Neural Networks — вводная статья о Triton, новом языке программирования от OpenAI, похожем на Python.

Pinot Real-Time Ingestion with Cloud Segment Storage — Uber о работе с данными в реальном времени.

Научные статьи

Alias-Free Generative Adversarial Networks — работа о архитектурных особенностях генеративных сетей без псевдонимов.

Image Super-Resolution via Iterative Refinement — сверхвысокое разрешение изображений с помощью итеративного уточнения.

Sketch Your Own GAN — работа про GAN, который позволяет создавать изображение из набросков.

MixLacune: Segmentation of Lacunes of Presumed Vascular Origin — работа о MixLacune — двухэтапном подходе к сегментированию лакун.

StyleGAN-NADA: CLIP-Guided Domain Adaptation of Image Generators — новый метод адаптации генераторов изображений.

NeX: Real-Time View Synthesis with Neural Basis Expansion — работа о NeX, новом методе синтеза эффектов в реальном времени.

AutoTinyBERT: Automatic Hyper-Parameter Optimization for Efficient Pre-Trained Language Models — автоматический поиск гиперпараметров архитектуры.

Droidlet: Modular, Heterogenous, Multi-Modal Agents — работа о платформе Droidlet — модульной, гетерогенной архитектуре интеллектуальных агентов и платформе для их создания, которая находится на пересечении обработки естественного языка, компьютерного зрения и робототехники.

Contextual Transformer Networks for Visual Recognition — новый модуль «трансформер» для обнаружения изображений.

Курсы

Designing, Visualizing and Understanding Deep Neural Networks — курс про Deep Neural Networks от UC Berkeley.

Инструменты

ZPY [by Zumo Labs] — тулза для генерации синтетических данных.

Спасибо, что дочитали этот выпуск. Надеюсь, каждый нашел для себя что-то полезное. Буду благодарен за любые предложения для следующего дайджеста.

Присоединяйтесь к Telegram-каналу дайджеста и его страницам в соцсетях: Twitter, Facebook, а также подписывайтесь на нашу еженедельную рассылку.

← Предыдущий выпуск