Встречайте свежий выпуск дайджеста полезных материалов из мира Data Science & Machine Learning подготовленный командой Data Phoenix и не забывайте подписываться на наш Telegram-канал.
Статьи
Reducing the Computational Cost of Deep Reinforcement Learning Research - новый метод для экономного обучения с подкреплением.
High Fidelity Image Generation Using Diffusion Models - высокоточная генерация изображений с помощью диффузионных моделей.
Speeding Up Reinforcement Learning with a New Physics Simulation Engine - новый способ ускорить обучение с подкреплением.
Accurate Prediction of Protein Structures and Interactions Using a Three-Track Neural Network - статья о новом, точном методе изучения структуры белков.
How to Speed Up Python Data Pipelines Up to 91X? - cтатья о методах ускорения Python дата пайплайнов.
Underfitting and Overfitting in Deep Learning - проблемы и решения недо/переобучения в глубоком обучении.
In-depth Guide to ML Model Debugging and Tools You Need to Know - введение в дебаггинг моделей от Neptune AI.
ML from Research to Production – Challenges, Best Practices and Tools - введение в цикл ML разработки: от идеации до продакшена.
Experiment Tracking vs Machine Learning Model Management vs MLOps - статья про трекинг экспериментов, мониторинг моделей и MLOps.
Научные статьи
DiSECt: A Differentiable Simulation Enginefor Autonomous Robotic Cutting - работа о DiSECt - новом симуляторе разрезания мягких материалов.
Towards Real-World Blind Face Restoration with Generative Facial Prior - реставрация слепого лица с помощью GFP-GAN модели.
A Modular U-Net for Automated Segmentation of X-Ray Tomography Images in Composite Materials - новый метод автоматической обработки 3D сканов с помощью UNet.
Per-Pixel Classification Is Not All You Need for Semantic Segmentation - семантическая сегментация с помощью MaskFormer.
Deep Automatic Natural Image Matting - работа про автоматическое матирование изображений.
Датасеты
TextOCR - Датасет для распознования и анализа текста.
Курсы
PyTorch Fundamentals - курс по PyTorch от Microsoft
Machine Learning. Введение в регрессионный анализ - курс о применении регрессии, метода k-ближайших соседей и нейросетей для создания ML моделей прогнозирования.
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.
Интересные статьи
Интересные статьи
