🎧 Image to Music

Небольшое, но приятное обновление.
Image-to-Music на Huggingface теперь может генерировать музыкальные треки продолжительностью до 2 МИНУТ!

Попробовать

@neural

⭐️ Машинное Обучение- курс, который читают студентам НИУ ВШЭ на Факультете Компьютерных Наук.

Записи лекций и семинаров выложены на Github

🖥 Githib

@neural

🖥 38 лучших библиотек для Data Science, Визуализации данных и Машинного Обучения.

Мы решили, что будем группировать все библиотеки по общим признакам, будь то библиотеки для машинного обучения или библиотеки для математики. Тем не менее, все 38 из них будут полезны для разработки в Data Science.

✔️ Читать дальше

@neural

Alda – это текстовый язык программирования для создания музыкальных композиций. Alda позволяет сочинять и воспроизводить музыку, используя только текстовый редактор и командную строку.

🖥 Github
✔️ Документация

@neural

ChatGPT-for-Google – расширение Chrome для отображения ответа ChatGPT в результатах поиска Google

🖥 Github

@neural

🖥 5 полезных библиотек на Python для анализа причинно-следственных связей

Сеть причинно-следственных связей – это графическое представление причинно-следственных связей между переменными в системе. Это тип направленного ациклического графа (DAG), который представляет причинную структуру системы. Узлы в сети причинно-следственных связей представляют переменные в системе, а рёбра между узлами представляют причинно-следственные связи между переменными. Направление рёбер указывает направление причинного влияния: если переменная A является причиной переменной B, в сети причинности будет направленное ребро от A к B. Сети причинно-следственных связей используются в различных областях, включая экономику, биологию, нейробиологию и машинное обучение, для представления и анализа сложных систем.

Это открывает множество дискуссий, особенно в области нейровизуализации, где люди заинтересованы в том, чтобы знать, какая активность мозга в определенных областях вызывает активность в другой. Часто в такого рода анализе трудно отделить корреляцию от причинно-следственной связи, поскольку то, что мы называем причинностью, также может быть “временной корреляцией”. Не утверждая, что мы нашли окончательное решение этой сложной проблемы, я перечисляю здесь некоторые относительно новые библиотеки в Python. Первые особенно подходит для неврологии. Другие больше связаны с распространением убеждений и байесовскими сетями.

➡️ Читать дальше

@neural

Deep Learning Tuning Playbook

Репозиторий от Google Research и Гарварда. Этот Репозиторий предназначен для инженеров и исследователей (как отдельных лиц, так и групп), заинтересованных в максимальном повышении производительности моделей глубокого обучения.

Советы и гайды:

- выбору алгоритмoв мо
- построение архитектуры модели мо
- настройка и выбор параметров маодели
- об оценке результатов работы другого
- построению пайплайн, выбора, метрик, чекпоинтов и многого
другого

🖥 Github

@neural

🖥 ML-задача на 30 минут: гадаем по cookie

Решаем задачу - можно ли составить хотя бы приблизительное представление о человеке, обладая информацией о сайтах, которые он посещает. Для этого мы сгенерировали полусинтетические данные, чтобы понять, насколько смелыми можно быть в этих ваших интернетах.

▪Читать

@neural