Рубрика «машинное обучение» - 3
Революция в математическом мышлении малых языковых моделей с rStar-Math
2025-01-27 в 12:06, admin, рубрики: алгоритмы машинного обучения, искусственный интеллект, машинное обучениеОптимизация Trellis: запускаем генерацию 3D моделей на GPU с 8ГБ памяти
2025-01-25 в 20:10, admin, рубрики: 3D генерация, AI, python, pytorch, Trellis, графика, ИИ, машинное обучение, оптимизацияПривет! Я оптимизировал Trellis — мощный AI-инструмент для генерации 3D моделей из изображений, и хочу поделиться тем, как удалось снизить требования к видеопамяти с 16GB до 8GB, сохранив качество генерации.
Что такое Trellis и почему это важно
Trellis — модель для генерации 3D-ассетов, разработанная Microsoft Research, способная создавать трёхмерные объекты из изображений. Её ключевая особенность — универсальный Structured LATent (SLAT) формат, за счет которого можно генерировать различные выходные форматы: от Radiance Fields и 3D Gaussians до полноценных мешей.
Анализ обработки признаков в YOLO NAS S при помощи CAM
2025-01-25 в 15:38, admin, рубрики: explainable ai, pytorch, машинное обучение, нейронные сетиМетоды объяснения моделей — практичный инструмент для понимания модели, оценки её точности и стабильности. Однако, часто можно столкнуться с ситуацией, когда фреймворк, в котором метод реализован, просто не "дружит" с реализацией модели. В этом туториале хочу подробно показать CAM (class activation map) для объяснения моделей зрения.
Почему CAM?
Class Activation Maps (CAM) — базовый инструмент для визуализации того, какие области изображения наиболее важны для модели при принятии решения. Он позволяет понять:
-
Какие признаки извлекает модель на разных слоях свертки;
50 исследований на тему нейросетей, которые помогут вам стать ИИ-инженером от бога
2025-01-24 в 13:53, admin, рубрики: дайджест для ИИ-инженера, ИИ-дайджест, ИИ-инжиниринг, искусственный интеллект, машинное обучение, научные публикации по ИИ, научные работы по нейросетям, подборка статей про ИИ, разработка нейросетей, что почитать ИИ-инжинеру
В этом дайджесте мы собрали 50 знаковых научных работ в области ИИ за последние годы. Подборка охватывает десять ключевых направлений разработки нейросетей: от промтинга и проектирования бенчмарков до файнтюнинга и компьютерного зрения.
Один год вместе с LLM в кибербезопасности: как ИИ менял индустрию
2025-01-24 в 7:00, admin, рубрики: ctf, CVE, llm, redteam, security review, информационная безопасность, искусственный интеллект, машинное обучениеВ 2024 году большие языковые модели (LLM) кардинально изменили многие сферы, включая кибербезопасность. LLM научились не только помогать в поиске уязвимостей, но и предлагать их исправления. От симуляции атак и анализа уязвимостей до создания правил детектирования — LLM постепенно становятся незаменимым инструментом для разработчиков и специалистов по безопасной разработке.
Меня зовут Денис Макрушин, и в Yandex Infrastructure в команде SourceCraftЧитать полностью »
ИИ на путях: как решить задачу перепланирования расписания движения поездов
2025-01-23 в 15:30, admin, рубрики: artificial intelligence, machine learning, reinforcement learning, жд, ИИ, искусственный интеллект, машинное обучение, обучение с подкреплениемПривет. Я Артур Саакян, главный специалист по анализу данных и машинному обучению в ПГК Диджитал. Мы разрабатываем уникальные цифровые продукты для железнодорожных перевозок, такие как оптимизация ЖД перевозок, навигатор, ЖД карты, цифровой вагон и так далее.
В этой статье опишу подход к оптимизации расписания поездов в реальном времени при помощи обучения с подкреплением (RL), который применим и к российским грузовым ж/д перевозкам, но пока не используется. Тезисы статьи:
-
Перепланирование расписания движения поездов (Train Timetable Rescheduling)
-
Коротко об RL и Q-learning
-
Моделирование железнодорожной средыЧитать полностью »
Данные для обучения моделей иссякли. Что будет дальше?
2025-01-23 в 11:01, admin, рубрики: AI, искусственный интеллект, машинное обучение, модели данных, нейросети, федеративное обучениеВ последнее время в медиаполе было много сообщений о том, что закончились данные для обучения новых больших языковых моделей. Не просто размеченные данные, а новые, с которыми можно работать, включая их разметку. Проще говоря: большие модели теперь знают все, что есть в интернете. И это серьезный вызов как для отрасли AI, так и для развития нашей цивилизации в целом.
С вами Павел Бузин из Cloud.ru, я каждый день работаю с данными для машинного обучения, и сегодня мы разберемся, что будем делать, когда у моделей закончится «еда».
О нейросетях и геометрии
2025-01-22 в 9:15, admin, рубрики: 3d-моделирование, Transformers, машинное обучениеЧасть 1. Введение: почему геометрия и нейросети — это не фантастика?
Вспомните, как мы в школе раз за разом рисовали треугольники, строили высоты, искали точки пересечения прямых и пытались доказать, что «углы равны». Тогда казалось, что геометрические задачи — дело либо для одарённых умов, либо для супертерпеливых людей с линейкой и транспортиром.
Гайд «как начать выступать на ML-конференциях и митапах»
2025-01-22 в 6:00, admin, рубрики: ml конференции, выступления, конференция, личный бренд, машинное обучение, митап, нетворкинг, подготовка к выступлению, публичные выступления, спикерВсем привет! Меня зовут Даниил Самойлов, я работаю в AI VK на позиции Senior ML Engineer и учусь на втором курсе магистратуры ИТМО по направлению Искусственный интеллект. В VK я работаю уже более 3 лет и время от времени выступаю на конференциях и митапах по ML. В этой статье я хотел бы поделиться своим опытом и лайфхаками по подготовке к выступлениям. Я ни в коем случае не претендую на звание эксперта по публичным выступлениям, мне определенно есть куда расти и совершенствоваться. Но мне кажется, что именно такой опыт может помочь ребятам, которые только хотят выступать, но не знают с чего начать.
Распознавание образов в мозге с помощью микроплееров
2025-01-18 в 9:15, admin, рубрики: машинное обучение, распознавание образовВведение
Во многих системах при обучении распознаванию образов загружается большое количество различных изображений этого образа. Однако человек запомнив, например, цифру 3 на примере одного из ее изображений, способен распознавать тройки самых разных форм, размеров и ориентаций. Причем распознавать быстро и безошибочно. Как такое возможно? Да что человек, возьмем более простые организмы, скажем насекомых. Неужели в нервную систему комара для того, чтобы он умел распознавать окружающие объекты нужно загружать сотни разных изображений этих объектов, как это делается в системах машинного обучения ?