Habr<p>Как мы научились сохранять тембр и интонацию спикера при переводе видео в Яндекс Браузере</p><p>Осенью 2021 года мы впервые представили пользователям технологию перевода видео в Яндекс Браузере. Этот инструмент быстро стал популярен: с его помощью переведены уже миллионы часов видеоконтента. Напомним, что на старте для перевода использовались только два голоса — мужской и женский. Затем мы расширили набор заранее созданных голосов. Ну а сегодня мы делаем следующий большой шаг вперёд. Теперь наша технология сохраняет тембр и интонации оригинального голоса, создавая перевод, который звучит более естественно и близко к оригиналу. О том, как мы этого добились, расскажу в этой статье. Вы узнаете, как выглядит архитектура нашего нового решения, какие проблемы zero‑shot‑синтеза мы решали и как ускоряли инференс новой модели. Расскажу про эвристики для выбора аудиопромптов. Поговорим про замеры качества. Ну и, конечно же, покажу итоговый результат нашей работы в виде ролика в конце статьи.</p><p><a href="https://habr.com/ru/companies/yandex/articles/902086/" rel="nofollow noopener noreferrer" translate="no" target="_blank"><span class="invisible">https://</span><span class="ellipsis">habr.com/ru/companies/yandex/a</span><span class="invisible">rticles/902086/</span></a></p><p><a href="https://zhub.link/tags/%D1%81%D0%B8%D0%BD%D1%82%D0%B5%D0%B7_%D1%80%D0%B5%D1%87%D0%B8" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>синтез_речи</span></a> <a href="https://zhub.link/tags/%D0%B8%D1%81%D0%BA%D1%83%D1%81%D1%81%D1%82%D0%B2%D0%B5%D0%BD%D0%BD%D1%8B%D0%B9_%D0%B8%D0%BD%D1%82%D0%B5%D0%BB%D0%BB%D0%B5%D0%BA%D1%82" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>искусственный_интеллект</span></a> <a href="https://zhub.link/tags/%D0%BC%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D1%8B%D0%B9_%D0%BF%D0%B5%D1%80%D0%B5%D0%B2%D0%BE%D0%B4" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>машинный_перевод</span></a> <a href="https://zhub.link/tags/%D0%BF%D0%B5%D1%80%D0%B5%D0%B2%D0%BE%D0%B4_%D0%B2%D0%B8%D0%B4%D0%B5%D0%BE" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>перевод_видео</span></a> <a href="https://zhub.link/tags/%D1%8F%D0%BD%D0%B4%D0%B5%D0%BA%D1%81" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>яндекс</span></a> <a href="https://zhub.link/tags/machine_learning" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>machine_learning</span></a> <a href="https://zhub.link/tags/deep_learning" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>deep_learning</span></a></p>
Recent searches
No recent searches
Search options
Only available when logged in.
mastodon.world is one of the many independent Mastodon servers you can use to participate in the fediverse.
Generic Mastodon server for anyone to use.
Administered by:
Server stats:
9Kactive users
mastodon.world: About · Status · Profiles directory · Privacy policy
Mastodon: About · Get the app · Keyboard shortcuts · View source code · v4.3.7
#deep_learning
0 posts · 0 participants · 0 posts today
Habr<p>[Перевод] Обзор решений для создания AI-аватаров. История развития и практическое применение</p><p>Исследование эволюции AI аватаров — от примитивных говорящих голов до полноценных персонажей с естественной мимикой и движениями тела. Анализ возможностей технологии на основе практических тестов более 20 продуктов и их применение в трех ключевых сегментах: для потребителей (создание персонажей), малого бизнеса (лидогенерация) и предприятий (масштабирование контента)</p><p><a href="https://habr.com/ru/articles/900792/" rel="nofollow noopener noreferrer" translate="no" target="_blank"><span class="invisible">https://</span><span class="">habr.com/ru/articles/900792/</span><span class="invisible"></span></a></p><p><a href="https://zhub.link/tags/%D0%B8%D1%81%D0%BA%D1%83%D1%81%D1%81%D1%82%D0%B2%D0%B5%D0%BD%D0%BD%D1%8B%D0%B9_%D0%B8%D0%BD%D1%82%D0%B5%D0%BB%D0%BB%D0%B5%D0%BA%D1%82" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>искусственный_интеллект</span></a> <a href="https://zhub.link/tags/ai_%D0%B0%D0%B2%D0%B0%D1%82%D0%B0%D1%80%D1%8B" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>ai_аватары</span></a> <a href="https://zhub.link/tags/%D0%B3%D0%B5%D0%BD%D0%B5%D1%80%D0%B0%D1%86%D0%B8%D1%8F_%D0%B2%D0%B8%D0%B4%D0%B5%D0%BE" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>генерация_видео</span></a> <a href="https://zhub.link/tags/deep_learning" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>deep_learning</span></a> <a href="https://zhub.link/tags/ai_%D0%BF%D0%B5%D1%80%D1%81%D0%BE%D0%BD%D0%B0%D0%B6%D0%B8" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>ai_персонажи</span></a> <a href="https://zhub.link/tags/%D0%BA%D0%BE%D0%BD%D1%82%D0%B5%D0%BD%D1%82" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>контент</span></a> <a href="https://zhub.link/tags/%D0%B2%D0%B8%D1%80%D1%82%D1%83%D0%B0%D0%BB%D1%8C%D0%BD%D1%8B%D0%B5_%D0%BF%D0%B5%D1%80%D1%81%D0%BE%D0%BD%D0%B0%D0%B6%D0%B8" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>виртуальные_персонажи</span></a> <a href="https://zhub.link/tags/%D1%86%D0%B8%D1%84%D1%80%D0%BE%D0%B2%D1%8B%D0%B5_%D0%BC%D0%B5%D0%B4%D0%B8%D0%B0" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>цифровые_медиа</span></a> <a href="https://zhub.link/tags/ai" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>ai</span></a></p>
Habr<p>NoProp: Реальный опыт обучения без Backprop – от провала к 99% на MNIST</p><p>Всем привет! Обучение нейронных сетей с помощью обратного распространения ошибки (backpropagation) — это стандарт де‑факто. Но у него есть ограничения: память, последовательные вычисления, биологическая неправдоподобность. Недавно я наткнулся на интересную статью « NOPROP: TRAINING NEURAL NETWORKS WITHOUT BACK‑PROPAGATION OR FORWARD‑PROPAGATION » (Li, Teh, Pascanu, arXiv:2403.13 502), которая обещает обучение вообще без сквозного backprop и даже без полного прямого прохода во время обучения ! Идея показалась захватывающей, и мы (я и ИИ‑ассистент Gemini) решили попробовать ее реализовать на PyTorch для MNIST. В этой статье я хочу поделиться нашим путешествием: как мы пытались следовать описанию из статьи, с какими трудностями столкнулись, как анализ связанных работ помог найти решение (которое, правда, отличается от оригинала) и каких впечатляющих результатов удалось достичь в итоге. Спойлер: получилось интересно, совсем не так, как ожидалось, но результат превзошел ожидания от процесса отладки. Дисклеймер 1: Это рассказ об учебном эксперименте. Результаты и выводы основаны на нашем опыте и могут не полностью отражать возможности оригинального метода при наличии всех деталей реализации.)</p><p><a href="https://habr.com/ru/articles/900186/" rel="nofollow noopener noreferrer" translate="no" target="_blank"><span class="invisible">https://</span><span class="">habr.com/ru/articles/900186/</span><span class="invisible"></span></a></p><p><a href="https://zhub.link/tags/%D0%BD%D0%B5%D0%B9%D1%80%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5_%D1%81%D0%B5%D1%82%D0%B8" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>нейронные_сети</span></a> <a href="https://zhub.link/tags/%D0%BD%D0%B5%D0%B9%D1%80%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5_%D1%81%D0%B5%D1%82%D0%B8_%D0%B8_%D0%BC%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>нейронные_сети_и_машинное_обучение</span></a> <a href="https://zhub.link/tags/%D0%BC%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>машинное_обучение</span></a> <a href="https://zhub.link/tags/deep_learning" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>deep_learning</span></a> <a href="https://zhub.link/tags/noprop" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>noprop</span></a> <a href="https://zhub.link/tags/DDPM" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>DDPM</span></a> <a href="https://zhub.link/tags/backpropagation" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>backpropagation</span></a> <a href="https://zhub.link/tags/research" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>research</span></a> <a href="https://zhub.link/tags/%D0%B8%D1%81%D0%BA%D1%83%D1%81%D1%81%D1%82%D0%B2%D0%B5%D0%BD%D0%BD%D1%8B%D0%B9_%D0%B8%D0%BD%D1%82%D0%B5%D0%BB%D0%BB%D0%B5%D0%BA%D1%82" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>искусственный_интеллект</span></a></p>
Habr<p>Головоломка, кофе и охапка книг, или как я искал истоки термина «Deep Learning». Часть 2</p><p>Привет! Некоторое время назад я начал искать истоки термина «Deep Learning» . Тогда я изучал только зарубежные источники и обещал вернуться позже с обзором советской и российской литературы. Что ж, откладывать это больше нельзя. Посмотрим, на кого будут ссылаться отечественные авторы в том, что касается истории развития глубокого обучения. Без долгого вступления — берем в руку пальцы Ctrl/Cmd+F и начинаем раскопки!</p><p><a href="https://habr.com/ru/companies/selectel/articles/899050/" rel="nofollow noopener noreferrer" translate="no" target="_blank"><span class="invisible">https://</span><span class="ellipsis">habr.com/ru/companies/selectel</span><span class="invisible">/articles/899050/</span></a></p><p><a href="https://zhub.link/tags/selectel" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>selectel</span></a> <a href="https://zhub.link/tags/%D0%B8%D0%B8" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>ии</span></a> <a href="https://zhub.link/tags/%D0%B8%D1%81%D0%BA%D1%83%D1%81%D1%81%D1%82%D0%B2%D0%B5%D0%BD%D0%BD%D1%8B%D0%B9_%D0%B8%D0%BD%D1%82%D0%B5%D0%BB%D0%BB%D0%B5%D0%BA%D1%82" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>искусственный_интеллект</span></a> <a href="https://zhub.link/tags/%D0%BC%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>машинное_обучение</span></a> <a href="https://zhub.link/tags/ml" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>ml</span></a> <a href="https://zhub.link/tags/dl" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>dl</span></a> <a href="https://zhub.link/tags/deep_learning" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>deep_learning</span></a> <a href="https://zhub.link/tags/%D0%B3%D0%BB%D1%83%D0%B1%D0%BE%D0%BA%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>глубокое_обучение</span></a> <a href="https://zhub.link/tags/%D0%BF%D0%BE%D0%B7%D0%BD%D0%B0%D0%B2%D0%B0%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D0%BE%D0%B5" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>познавательное</span></a></p>
Hacker News<p>Introduction to Deep Learning (CMU)</p><p><a href="https://deeplearning.cs.cmu.edu/./S25/index.html" rel="nofollow noopener noreferrer" translate="no" target="_blank"><span class="invisible">https://</span><span class="ellipsis">deeplearning.cs.cmu.edu/./S25/</span><span class="invisible">index.html</span></a></p><p><a href="https://mastodon.social/tags/HackerNews" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>HackerNews</span></a> <a href="https://mastodon.social/tags/Introduction" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>Introduction</span></a> <a href="https://mastodon.social/tags/to" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>to</span></a> <a href="https://mastodon.social/tags/Deep" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>Deep</span></a> <a href="https://mastodon.social/tags/Learning" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>Learning</span></a> <a href="https://mastodon.social/tags/CMU" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>CMU</span></a> <a href="https://mastodon.social/tags/deep_learning" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>deep_learning</span></a> <a href="https://mastodon.social/tags/machine_learning" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>machine_learning</span></a> <a href="https://mastodon.social/tags/AI" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>AI</span></a> <a href="https://mastodon.social/tags/education" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>education</span></a> <a href="https://mastodon.social/tags/Carnegie_Mellon" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>Carnegie_Mellon</span></a> <a href="https://mastodon.social/tags/University" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>University</span></a></p>
Habr<p>Десять уроков развития аппаратных ускорителей для ИИ: как эволюция TPU привела к созданию TPUv4i</p><p>В последние годы стало очевидно, что классические центральные процессоры (CPU) и видеокарты (GPU) уже не всегда поспевают за непрерывным ростом и усложнением нейронных сетей. Вместо бесконечного наращивания «универсального» железа, компании начали разрабатывать и внедрять в своих дата-центрах Domain-Specific Architecture (DSA) — аппаратные ускорители, заточенные под конкретные задачи. Google TPU (Tensor Processing Unit) — одно из первых крупных решений такого рода. Начиная с 2015 года (поколение TPUv1), Google успела вывести на рынок несколько поколений TPU для внутренних нужд: TPUv1 и TPUv2/v3, а в 2020 году — новое решение TPUv4i . Если первые версии TPU были ориентированы исключительно на ускорение инференса (выполнение уже обученных моделей), то TPUv2 и TPUv3 смогли взять на себя ещё и тренировку крупных нейросетей. Но в дальнейшем выяснилось, что для оптимальной работы дата-центров в масштабах Google рациональнее разделить решения для тренировки и инференса. TPUv4i — это результат учёта многих уроков и ограничений, проявившихся в предыдущих чипах. В этом материале разберём, какие «десять уроков» сформировали подход Google к созданию TPUv4i , что это за архитектура и какие проблемы дата-центров она решает.</p><p><a href="https://habr.com/ru/articles/892102/" rel="nofollow noopener noreferrer" translate="no" target="_blank"><span class="invisible">https://</span><span class="">habr.com/ru/articles/892102/</span><span class="invisible"></span></a></p><p><a href="https://zhub.link/tags/ml" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>ml</span></a> <a href="https://zhub.link/tags/pytorch" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>pytorch</span></a> <a href="https://zhub.link/tags/proceesors" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>proceesors</span></a> <a href="https://zhub.link/tags/deep_learning" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>deep_learning</span></a> <a href="https://zhub.link/tags/inference" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>inference</span></a></p>
Habr<p>Мир будущего: управление устройствами с помощью жестов</p><p>Видели в кино, как устройствами управляют с помощью жестов? Сделать такую систему очень просто, а ещё очень дорого. Но всё-таки есть способ сделать её достаточно лёгкой и простой — настолько, чтобы можно было интегрировать в любое устройство с любым процессором, потратив минимальное количество денег. Привет, Хабр! Это Александр Нагаев, техлид из SberDevices команды R&D компьютерного зрения. Расскажу, как создавать и использовать оптимизированные модели для управления устройствами с помощью жестов.</p><p><a href="https://habr.com/ru/companies/oleg-bunin/articles/891860/" rel="nofollow noopener noreferrer" translate="no" target="_blank"><span class="invisible">https://</span><span class="ellipsis">habr.com/ru/companies/oleg-bun</span><span class="invisible">in/articles/891860/</span></a></p><p><a href="https://zhub.link/tags/data_mining" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>data_mining</span></a> <a href="https://zhub.link/tags/computer_vision" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>computer_vision</span></a> <a href="https://zhub.link/tags/detection" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>detection</span></a> <a href="https://zhub.link/tags/neural_networks" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>neural_networks</span></a> <a href="https://zhub.link/tags/data_science" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>data_science</span></a> <a href="https://zhub.link/tags/deep_learning" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>deep_learning</span></a> <a href="https://zhub.link/tags/device_control" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>device_control</span></a> <a href="https://zhub.link/tags/gesture_recognition" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>gesture_recognition</span></a> <a href="https://zhub.link/tags/datasets" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>datasets</span></a> <a href="https://zhub.link/tags/humancomputerinteraction" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>humancomputerinteraction</span></a></p>
:rss: Hacker News<p>Arbitrary-Scale Super-Resolution with Neural Heat Fields<br><a href="https://therasr.github.io/" rel="nofollow noopener noreferrer" translate="no" target="_blank"><span class="invisible">https://</span><span class="">therasr.github.io/</span><span class="invisible"></span></a><br><a href="https://rss-mstdn.studiofreesia.com/tags/ycombinator" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>ycombinator</span></a> <a href="https://rss-mstdn.studiofreesia.com/tags/Thera" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>Thera</span></a> <a href="https://rss-mstdn.studiofreesia.com/tags/Super_Resolution" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>Super_Resolution</span></a> <a href="https://rss-mstdn.studiofreesia.com/tags/Neural_Heat_Fields" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>Neural_Heat_Fields</span></a> <a href="https://rss-mstdn.studiofreesia.com/tags/Arbitrary_Scale" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>Arbitrary_Scale</span></a> <a href="https://rss-mstdn.studiofreesia.com/tags/Anti_aliasing" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>Anti_aliasing</span></a> <a href="https://rss-mstdn.studiofreesia.com/tags/Deep_Learning" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>Deep_Learning</span></a> <a href="https://rss-mstdn.studiofreesia.com/tags/Neural_Radiance_Fields" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>Neural_Radiance_Fields</span></a></p>
Habr<p>Исследуем эволюцию архитектур в Computer Vision: Mind Map всех ключевых моделей</p><p>Компьютерное зрение (Computer Vision) пережило невероятную эволюцию за последние десятилетия. От простых свёрточных сетей до сложных архитектур, которые сегодня задают стандарты в распознавании изображений, обработке видео и других задачах. Но как разобраться во всём этом многообразии? Чтобы помочь себе (и вам!) лучше понять основные направления развития, я создал Mind Map , которая объединяет ключевые архитектуры Computer Vision — от классических моделей до современных прорывов.</p><p><a href="https://habr.com/ru/articles/890724/" rel="nofollow noopener noreferrer" translate="no" target="_blank"><span class="invisible">https://</span><span class="">habr.com/ru/articles/890724/</span><span class="invisible"></span></a></p><p><a href="https://zhub.link/tags/computer_vision" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>computer_vision</span></a> <a href="https://zhub.link/tags/mind_maps" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>mind_maps</span></a> <a href="https://zhub.link/tags/deep_learning" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>deep_learning</span></a> <a href="https://zhub.link/tags/machine_learning" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>machine_learning</span></a> <a href="https://zhub.link/tags/%D0%BC%D0%B0%D1%88%D0%B8%D0%BD%D0%BD%D0%BE%D0%B5_%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>машинное_обучение</span></a> <a href="https://zhub.link/tags/%D0%BD%D0%B5%D0%B9%D1%80%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5_%D1%81%D0%B5%D1%82%D0%B8" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>нейронные_сети</span></a> <a href="https://zhub.link/tags/neural_networks" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>neural_networks</span></a> <a href="https://zhub.link/tags/transformers" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>transformers</span></a> <a href="https://zhub.link/tags/resnet" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>resnet</span></a></p>
Habr<p>HaGRIDv2-1M: 1 миллион изображений для распознавания статичных и динамических жестов</p><p>Датасет HaGRID , о котором мы писали в одном из постов , — это самый полный набор данных для построения системы распознавания жестов. Он стал очень популярным внутри комьюнити и нашел применение в таких задачах, как обучение и оценка нейронных сетей для распознавания жестов (о чем писали, например, тут и тут ), а также в таких неочевидных приложениях, как генерация анатомически корректных рук с помощью диффузионных моделей (об этом можно почитать тут , тут и тут ). Данная статья посвящена расширенной версии датасета — HaGRIDv2-1M . Тут мы подробно расскажем о её отличиях от первой версии, поделимся результатами экспериментов и обсудим новые возможности. Кроме того, мы представляем новый real-time алгоритм для детекции динамических жестов, полностью обученный на HaGRIDv2-1M . Данные, код и предобученные модели можно найти в репозиториях HaGRID , dynamic gestures , а более подробно ознакомиться с работой можно в статьях HaGRIDv2-1M , HaGRID .</p><p><a href="https://habr.com/ru/companies/sberdevices/articles/888896/" rel="nofollow noopener noreferrer" translate="no" target="_blank"><span class="invisible">https://</span><span class="ellipsis">habr.com/ru/companies/sberdevi</span><span class="invisible">ces/articles/888896/</span></a></p><p><a href="https://zhub.link/tags/data_mining" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>data_mining</span></a> <a href="https://zhub.link/tags/computer_vision" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>computer_vision</span></a> <a href="https://zhub.link/tags/humancomputerinteraction" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>humancomputerinteraction</span></a> <a href="https://zhub.link/tags/gesture_recognition" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>gesture_recognition</span></a> <a href="https://zhub.link/tags/device_control" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>device_control</span></a> <a href="https://zhub.link/tags/datasets" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>datasets</span></a> <a href="https://zhub.link/tags/data_science" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>data_science</span></a> <a href="https://zhub.link/tags/deep_learning" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>deep_learning</span></a> <a href="https://zhub.link/tags/neural_networks" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>neural_networks</span></a> <a href="https://zhub.link/tags/detection" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>detection</span></a></p>
Habr<p>Автоматизированное 3D-сегментирование зубов: Современные методы, вызовы и перспективы</p><p>1. Обзор проблемы Трёхмерная стоматологическая визуализация, в особенности конусно-лучевая компьютерная томография (КБКТ), стала ключевым инструментом в современной стоматологии для диагностики и планирования лечения ( The Application of Artificial Intelligence for Tooth Segmentation in CBCT Images: A Systematic Review ). КБКТ обеспечивает получение высококачественной 3D-информации о зубах и окружающих костных структурах при меньшей дозе облучения по сравнению с медицинской КТ ( The Application of Artificial Intelligence for Tooth Segmentation in CBCT Images: A Systematic Review ). Это богатство информации позволяет проводить точное ортодонтическое планирование, моделировать ортогнатическую хирургию, планировать установку зубных имплантатов и выявлять патологические процессы ( The Application of Artificial Intelligence for Tooth Segmentation in CBCT Images: A Systematic Review ) ( The Application of Artificial Intelligence for Tooth Segmentation in CBCT Images: A Systematic Review ). Автоматизированная обработка 3D-сканов зубов (детекция, сегментация и классификация) имеет огромное значение – она может ускорить клинические процессы, повысить согласованность диагностики и облегчить создание 3D-печатных моделей или CAD/CAM-моделей для протезирования и хирургических навигационных систем. Например, точная сегментация зубов позволяет получить 3D-модели, которые помогают при навигации имплантатов и автотрансплантации зубов, повышая шансы на успех ( The Application of Artificial Intelligence for Tooth Segmentation in CBCT Images: A Systematic Review ). Кроме того, автоматизированный анализ может помочь в выявлении ретенированных или отсутствующих зубов и способствовать проведению виртуальных процедур (например, изготовлению кап, коррекции окклюзии), что подчеркивает практическую ценность цифровой стоматологии.</p><p><a href="https://habr.com/ru/articles/886778/" rel="nofollow noopener noreferrer" translate="no" target="_blank"><span class="invisible">https://</span><span class="">habr.com/ru/articles/886778/</span><span class="invisible"></span></a></p><p><a href="https://zhub.link/tags/data_sciense" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>data_sciense</span></a> <a href="https://zhub.link/tags/cnn" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>cnn</span></a> <a href="https://zhub.link/tags/computer_vision" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>computer_vision</span></a> <a href="https://zhub.link/tags/ai" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>ai</span></a> <a href="https://zhub.link/tags/3d_cnn" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>3d_cnn</span></a> <a href="https://zhub.link/tags/machine_learning" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>machine_learning</span></a> <a href="https://zhub.link/tags/deep_learning" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>deep_learning</span></a></p>
jobRxiv<p>Postdoctoral Fellowships in Computer Vision, Khalifa University, UAE </p><p>Computer Science Department, Khalifa University</p><p>See the full job description on jobRxiv: <a href="https://jobrxiv.org/job/khalifa-university-27778-postdoctoral-felloships/?feed_id=92579" rel="nofollow noopener noreferrer" translate="no" target="_blank"><span class="invisible">https://</span><span class="ellipsis">jobrxiv.org/job/khalifa-univer</span><span class="invisible">sity-27778-postdoctoral-felloships/?feed_id=92579</span></a></p><p><a href="https://mas.to/tags/computer_vision" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>computer_vision</span></a> <a href="https://mas.to/tags/deep_learning" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>deep_learning</span></a> <a href="https://mas.to/tags/ScienceJobs" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>ScienceJobs</span></a> <a href="https://mas.to/tags/hiring" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>hiring</span></a> <a href="https://mas.to/tags/research" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>research</span></a><br><a href="https://jobrxiv.org/job/khalifa-university-27778-postdoctoral-felloships/?feed_id=92579" rel="nofollow noopener noreferrer" translate="no" target="_blank"><span class="invisible">https://</span><span class="ellipsis">jobrxiv.org/job/khalifa-univer</span><span class="invisible">sity-27778-postdoctoral-felloships/?feed_id=92579</span></a></p>
Habr<p>Искусственный интеллект в ритейле: как он предсказывает вашу следующую покупку в приложении</p><p>Привет, Хабр! На связи подразделение ad-hoc аналитики X5 Tech. Сегодня мы расскажем о задаче Next Basket Recommendation (NBR) и о том, как она может быть полезна для онлайн-ритейла. В этой статье мы рассмотрим, как с помощью рекомендательных моделей можно предсказать, какие товары пользователь добавит в свою следующую корзину, и как это помогает улучшить взаимодействие с приложением. Вы узнаете о ключевых метриках, которые используются для оценки качества рекомендаций, а также познакомитесь с различными подходами — от простых частотных методов до современных моделей на основе глубокого обучения.</p><p><a href="https://habr.com/ru/companies/X5Tech/articles/885376/" rel="nofollow noopener noreferrer" translate="no" target="_blank"><span class="invisible">https://</span><span class="ellipsis">habr.com/ru/companies/X5Tech/a</span><span class="invisible">rticles/885376/</span></a></p><p><a href="https://zhub.link/tags/nbr" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>nbr</span></a> <a href="https://zhub.link/tags/recsys" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>recsys</span></a> <a href="https://zhub.link/tags/%D1%80%D0%B5%D0%BA%D0%BE%D0%BC%D0%B5%D0%BD%D0%B4%D0%B0%D1%82%D0%B5%D0%BB%D1%8C%D0%BD%D1%8B%D0%B5_%D1%81%D0%B8%D1%81%D1%82%D0%B5%D0%BC%D1%8B" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>рекомендательные_системы</span></a> <a href="https://zhub.link/tags/%D0%B8%D1%81%D0%BA%D1%83%D1%81%D1%81%D1%82%D0%B2%D0%B5%D0%BD%D0%BD%D1%8B%D0%B9_%D0%B8%D0%BD%D1%82%D0%B5%D0%BB%D0%BB%D0%B5%D0%BA%D1%82" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>искусственный_интеллект</span></a> <a href="https://zhub.link/tags/%D0%B8%D0%B8" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>ии</span></a> <a href="https://zhub.link/tags/%D0%B8%D0%B8_%D0%B2_%D1%80%D0%B8%D1%82%D0%B5%D0%B9%D0%BB%D0%B5" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>ии_в_ритейле</span></a> <a href="https://zhub.link/tags/TAIWI" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>TAIWI</span></a> <a href="https://zhub.link/tags/TIFUKNN" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>TIFUKNN</span></a> <a href="https://zhub.link/tags/DNTSP" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>DNTSP</span></a> <a href="https://zhub.link/tags/deep_learning" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>deep_learning</span></a></p>
Habr<p>Русские тексты. Работа с текстами. Предварительная обработка русских текстовых данных</p><p>Предварительная обработка текстовых данных: ключевые этапы и методы Текстовые данные — один из самых сложных типов данных для анализа из-за их неструктурированной природы и высокой вариативности. Чтобы превратить "сырой" текст в информацию, пригодную для машинного обучения или лингвистического анализа, требуется предварительная обработка. Этот процесс включает стандартизацию, очистку и преобразование текста, что повышает качество моделей NLP (Natural Language Processing). Рассмотрим основные этапы и методы.</p><p><a href="https://habr.com/ru/articles/881998/" rel="nofollow noopener noreferrer" translate="no" target="_blank"><span class="invisible">https://</span><span class="">habr.com/ru/articles/881998/</span><span class="invisible"></span></a></p><p><a href="https://zhub.link/tags/nltk" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>nltk</span></a> <a href="https://zhub.link/tags/python3" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>python3</span></a> <a href="https://zhub.link/tags/pymorphy" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>pymorphy</span></a> <a href="https://zhub.link/tags/ml" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>ml</span></a> <a href="https://zhub.link/tags/deep_learning" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>deep_learning</span></a></p>
jobRxiv<p>Postdoctoral Fellowships in Computer Vision, Khalifa University, UAE </p><p>Computer Science Department, Khalifa University</p><p>See the full job description on jobRxiv: <a href="https://jobrxiv.org/job/khalifa-university-27778-postdoctoral-felloships/?feed_id=91858" rel="nofollow noopener noreferrer" translate="no" target="_blank"><span class="invisible">https://</span><span class="ellipsis">jobrxiv.org/job/khalifa-univer</span><span class="invisible">sity-27778-postdoctoral-felloships/?feed_id=91858</span></a></p><p><a href="https://mas.to/tags/computer_vision" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>computer_vision</span></a> <a href="https://mas.to/tags/deep_learning" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>deep_learning</span></a> <a href="https://mas.to/tags/ScienceJobs" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>ScienceJobs</span></a> <a href="https://mas.to/tags/hiring" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>hiring</span></a> <a href="https://mas.to/tags/research" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>research</span></a><br><a href="https://jobrxiv.org/job/khalifa-university-27778-postdoctoral-felloships/?feed_id=91858" rel="nofollow noopener noreferrer" translate="no" target="_blank"><span class="invisible">https://</span><span class="ellipsis">jobrxiv.org/job/khalifa-univer</span><span class="invisible">sity-27778-postdoctoral-felloships/?feed_id=91858</span></a></p>
:rss: Hacker News<p>Andrej Karpathy: Deep Dive into LLMs Like ChatGPT [video]<br><a href="https://www.youtube.com/watch?v=7xTGNNLPyMI" rel="nofollow noopener noreferrer" translate="no" target="_blank"><span class="invisible">https://www.</span><span class="ellipsis">youtube.com/watch?v=7xTGNNLPyM</span><span class="invisible">I</span></a><br><a href="https://rss-mstdn.studiofreesia.com/tags/ycombinator" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>ycombinator</span></a> <a href="https://rss-mstdn.studiofreesia.com/tags/llm" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>llm</span></a> <a href="https://rss-mstdn.studiofreesia.com/tags/chatgpt" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>chatgpt</span></a> <a href="https://rss-mstdn.studiofreesia.com/tags/deep_dive" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>deep_dive</span></a> <a href="https://rss-mstdn.studiofreesia.com/tags/deep_learning" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>deep_learning</span></a> <a href="https://rss-mstdn.studiofreesia.com/tags/introduction" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>introduction</span></a> <a href="https://rss-mstdn.studiofreesia.com/tags/large_language_model" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>large_language_model</span></a></p>
Habr<p>Как с помощью deep learning мы построили Геокодер, масштабируемый для разных стран</p><p>Давным‑давно, когда мир ML состоял из бустингов, линейных моделей и статистических подходов, перед нашей командой API Яндекс Карт стояла задача сделать качественный Геокодер. Это алгоритм, который конвертирует текстовые запросы пользователей в поисковой строке карт в координаты и обратно. Он нужен, когда люди вводят адреса с ошибками, опечатками или народными наименованиями, например «Мяснитская 8». Геокодер должен понять, что имелось в виду «улица Мясницкая, дом 8/2», и вернуть на карте отметку с точной локацией и координатами. Разработанный для России Геокодер отлично справлялся, но мы хотели найти способ быстро адаптировать это решение к адресным системам других стран. Технологические ограничения не позволяли быстро адаптировать решение, поскольку для каждой страны требовалась разработка собственных правил геокодирования, которые бы учитывали различия и языковые особенности. Однако появление и развитие алгоритмов deep learning открыло новые горизонты: методы active learning, аугментации данных и contrastive learning позволяют значительно улучшить итоговое качество геокодирования и учитывать нюансы различных адресных систем. В этой статье мы рассмотрим основные этапы и методы построения нового Геокодера, который быстро масштабируется на адресные системы разных стран. Расскажем, что у него под капотом, как именно использовались механизмы deep learning при его создании, с какими проблемами мы столкнулись и как научили его понимать адреса с ошибками и опечатками.</p><p><a href="https://habr.com/ru/companies/yandex/articles/877086/" rel="nofollow noopener noreferrer" translate="no" target="_blank"><span class="invisible">https://</span><span class="ellipsis">habr.com/ru/companies/yandex/a</span><span class="invisible">rticles/877086/</span></a></p><p><a href="https://zhub.link/tags/machine_learning" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>machine_learning</span></a> <a href="https://zhub.link/tags/deep_learning" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>deep_learning</span></a> <a href="https://zhub.link/tags/geo" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>geo</span></a></p>
jobRxiv<p>Postdoctoral researcher, IGDR, France (deep learning, image analysis) </p><p>Institute of Genetics and Devlopment of Rennes</p><p>See the full job description on jobRxiv: <a href="https://jobrxiv.org/job/institute-of-genetics-and-devlopment-of-rennes-27778-postdoctoral-researcher-igdr-france-deep-learning-image-analysis/?feed_id=90892" rel="nofollow noopener noreferrer" translate="no" target="_blank"><span class="invisible">https://</span><span class="ellipsis">jobrxiv.org/job/institute-of-g</span><span class="invisible">enetics-and-devlopment-of-rennes-27778-postdoctoral-researcher-igdr-france-deep-learning-image-analysis/?feed_id=90892</span></a></p><p><a href="https://mas.to/tags/deep_learning" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>deep_learning</span></a> <a href="https://mas.to/tags/image" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>image</span></a>...<br><a href="https://jobrxiv.org/job/institute-of-genetics-and-devlopment-of-rennes-27778-postdoctoral-researcher-igdr-france-deep-learning-image-analysis/?feed_id=90892" rel="nofollow noopener noreferrer" translate="no" target="_blank"><span class="invisible">https://</span><span class="ellipsis">jobrxiv.org/job/institute-of-g</span><span class="invisible">enetics-and-devlopment-of-rennes-27778-postdoctoral-researcher-igdr-france-deep-learning-image-analysis/?feed_id=90892</span></a></p>
jobRxiv<p>Postdoctoral Fellowships in Computer Vision, Khalifa University, UAE </p><p>Computer Science Department, Khalifa University</p><p>See the full job description on jobRxiv: <a href="https://jobrxiv.org/job/khalifa-university-27778-postdoctoral-felloships/?feed_id=89996" rel="nofollow noopener noreferrer" translate="no" target="_blank"><span class="invisible">https://</span><span class="ellipsis">jobrxiv.org/job/khalifa-univer</span><span class="invisible">sity-27778-postdoctoral-felloships/?feed_id=89996</span></a></p><p><a href="https://mas.to/tags/computer_vision" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>computer_vision</span></a> <a href="https://mas.to/tags/deep_learning" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>deep_learning</span></a> <a href="https://mas.to/tags/ScienceJobs" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>ScienceJobs</span></a> <a href="https://mas.to/tags/hiring" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>hiring</span></a> <a href="https://mas.to/tags/research" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>research</span></a><br><a href="https://jobrxiv.org/job/khalifa-university-27778-postdoctoral-felloships/?feed_id=89996" rel="nofollow noopener noreferrer" translate="no" target="_blank"><span class="invisible">https://</span><span class="ellipsis">jobrxiv.org/job/khalifa-univer</span><span class="invisible">sity-27778-postdoctoral-felloships/?feed_id=89996</span></a></p>
Habr<p>Temporal Fusion Transformer: улучшение прогнозирования в ритейле с минимальными затратами</p><p>Всем привет! Меня зовут Дмитрий Поляков, я работаю аналитиком данных в команде ad-hoc аналитики X5 Tech. В этой статье мы хотели бы рассмотреть задачу прогнозирования, которая является чрезвычайно важной задачей в ритейле. Мы детально рассмотрим основные преимущества и архитектурные особенности модели Temporal Fusion Transformer (TFT), наш подход к использованию этой модели в задаче прогнозирования спроса, и как нам удалось увеличить точность прогнозов в среднем на 7%, затратив при этом минимальные усилия. Также эта статья будет полезна и тем, кто хочет глубже понять принципы работы TFT, изучить её применение в библиотеке Darts и решить задачу прогнозирования для множества многомерных временных рядов.</p><p><a href="https://habr.com/ru/companies/X5Tech/articles/869750/" rel="nofollow noopener noreferrer" translate="no" target="_blank"><span class="invisible">https://</span><span class="ellipsis">habr.com/ru/companies/X5Tech/a</span><span class="invisible">rticles/869750/</span></a></p><p><a href="https://zhub.link/tags/%D0%BF%D1%80%D0%BE%D0%B3%D0%BD%D0%BE%D0%B7%D0%B8%D1%80%D0%BE%D0%B2%D0%B0%D0%BD%D0%B8%D0%B5_%D0%B2%D1%80%D0%B5%D0%BC%D0%B5%D0%BD%D0%BD%D1%8B%D1%85_%D1%80%D1%8F%D0%B4%D0%BE%D0%B2" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>прогнозирование_временных_рядов</span></a> <a href="https://zhub.link/tags/%D0%BD%D0%B5%D0%B9%D1%80%D0%BE%D0%BD%D0%BD%D1%8B%D0%B5_%D1%81%D0%B5%D1%82%D0%B8" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>нейронные_сети</span></a> <a href="https://zhub.link/tags/Temporal_Fusion_Transformer" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>Temporal_Fusion_Transformer</span></a> <a href="https://zhub.link/tags/darts" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>darts</span></a> <a href="https://zhub.link/tags/deep_learning" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>deep_learning</span></a> <a href="https://zhub.link/tags/%D0%B8%D0%BD%D1%82%D0%B5%D1%80%D0%BF%D1%80%D0%B5%D1%82%D0%B8%D1%80%D1%83%D0%B5%D0%BC%D0%BE%D1%81%D1%82%D1%8C" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>интерпретируемость</span></a> <a href="https://zhub.link/tags/attention" class="mention hashtag" rel="nofollow noopener noreferrer" target="_blank">#<span>attention</span></a></p>
ExploreLive feeds
Mastodon is the best way to keep up with what's happening.
Follow anyone across the fediverse and see it all in chronological order. No algorithms, ads, or clickbait in sight.
Create accountLoginDrag & drop to upload