matrix, cook, book
https://www.math.uwaterloo.ca/~hwolkowi/matrixcookbook.pdf
F:\DownLoads\ML
понедельник, 9 декабря 2024 г.
воскресенье, 8 декабря 2024 г.
Foundational Large Language Models & Text Generation
https://t.me/machinelearning_interview/1393
Foundational Large Language Models & Text Generation
https://www.kaggle.com/whitepaper-foundational-llm-and-text-generation
https://drive.google.com/file/d/1mFvTxfuJg4VNutn9wBvH_URznLRkklb3/view?pli=1
file:///C:/Users/Administrator/Downloads/Newwhitepaper_Foundational%20Large%20Language%20models%20&%20text%20generation.pdf
file:///F:/DownLoads/ML/Newwhitepaper_Foundational%20Large%20Language%20models%20&%20text%20generation.pdf
пятница, 6 декабря 2024 г.
Tensor, CookBook, Tele
Tensor, CookBook, Tele
https://t.me/machinee_learning/47637
https://www.math.uwaterloo.ca/~hwolkowi/matrixcookbook.pdf
F:\DownLoads\ML
четверг, 5 декабря 2024 г.
ML, Patterns, Inference, Filonov
ML, Patterns, Inference, Filonov
Скачать презентацию: https://drive.google.com/file/d/1yUSYNMb0T2jsMUjWUNBk..
Докладчик: Павел Филонов, независимый консультант в области ML, преподаватель MLOps в OTUS и ex-DS Lead в Kaspersky.
Давайте представим, что вы уже прошли часть пути по успешной реализации ML проекта. Договорились по поводу бизнес-метрик, получили доступ к данным, организовали разметку, обучили несколько моделей и выбрали лучшую с помощью валидации. Теперь пришло время запускать ее на инференс на реальных данных, но какой из различных вариантов таких запусков выбрать и какие инструменты для этого использовать?
В докладе обсудим 3 паттерна инференса моделей:
- пакетная обработка;
- потоковый инференс;
- REST интерфейс для модели.
Рассмотрим в каком случае лучше подходит тот или иной паттерн. Как они повлияют на пропускную способность и задержку. И какие подходящие инструменты для их реализации можно использовать.
Telegram Reliable ML: https://t.me/reliable_ml
Data Fest 2023:
https://ods.ai/events/datafestonline2023
Трек "Reliable ML ":
https://ods.ai/tracks/df23-reliable-ml
Наши соц.сети:
Telegram: https://t.me/datafest
Вконтакте: https://vk.com/datafest
Докладчик: Павел Филонов, независимый консультант в области ML, преподаватель MLOps в OTUS и ex-DS Lead в Kaspersky.
Давайте представим, что вы уже прошли часть пути по успешной реализации ML проекта. Договорились по поводу бизнес-метрик, получили доступ к данным, организовали разметку, обучили несколько моделей и выбрали лучшую с помощью валидации. Теперь пришло время запускать ее на инференс на реальных данных, но какой из различных вариантов таких запусков выбрать и какие инструменты для этого использовать?
В докладе обсудим 3 паттерна инференса моделей:
- пакетная обработка;
- потоковый инференс;
- REST интерфейс для модели.
Рассмотрим в каком случае лучше подходит тот или иной паттерн. Как они повлияют на пропускную способность и задержку. И какие подходящие инструменты для их реализации можно использовать.
Telegram Reliable ML: https://t.me/reliable_ml
Data Fest 2023:
https://ods.ai/events/datafestonline2023
Трек "Reliable ML ":
https://ods.ai/tracks/df23-reliable-ml
Наши соц.сети:
Telegram: https://t.me/datafest
Вконтакте: https://vk.com/datafest
воскресенье, 1 декабря 2024 г.
Подписаться на:
Комментарии (Atom)