Телеграм канал «DeepSchool»

Краткая история механизма внимания в NLP Механизм внимания — один из ключевых компонентов современных нейросетей, позволяющий моделям концентрироваться на важных фрагментах данных. Это повлияло на улучшения в разных областях: NLP, Robotics и GenAI. В новой статье рассказываем историю появления и развития механизма внимания👨🏼‍💻 Из этой статьи вы узнаете: - какие были предпосылки появления механизма внимания - какие основные принципы работы self-attention, cross-attention и multi-head self-attention - и как работает позиционное кодирование и маскирование Читайте статью по ссылке! 👈

Как уменьшить время сборки и размер Docker-образов? Docker — стандарт для контейнеризации при разработке и эксплуатации приложений. По мере роста проекта разработчики часто сталкиваются с проблемами увеличения времени сборки Docker-образов и их размера. В новой статье рассматриваем методы, которые помогут уменьшить размеры образов и ускорить процесс их сборки🚀 Читайте статью по ссылке! И приходите на курс «Деплой DL-сервисов», который стартует 28 августа. А до 27 августа вы можете присоединиться со скидкой 5%!🎓

Научитесь создавать и деплоить DL-сервисы Вчера на лекции мы представили новый поток курса «Деплой DL-сервисов» и приглашаем на него вас! На программе вы научитесь: ➖писать код для обучения моделей «по фэншую» ➖конвертировать модели в JIT и ONNX ➖версионировать данные, эксперименты и модели ➖автоматизировать рутину и быть уверенным в своём коде ➖писать веб-сервисы на FastAPI ➖собирать приложения с помощью Docker ➖сервить модели с NVIDIA Triton ➖тестировать веб-сервисы и подменять зависимости при помощи DI ➖настраивать CI/CD и деплоить веб-сервисы на удалённые машины «по кнопке» ➖мониторить веб-приложения при помощи Prometheus и Grafana После каждой лекции вас ждет домашнее задание, а в конце курса — проект, где можно применить все полученные навыки. На протяжении всего обучения вас будут поддерживать опытные инженеры: ревьюить ваш код, отвечать на вопросы во время лекций, на Q&A-сессиях и в чате. 🚀 Курс стартует 28 августа ⚡️До 27 августа для подписчиков DeepSchool действует скидка 5%! Изучайте подробности о программе и спикерах и присоединяйтесь к обучению. Если возникают вопросы, пишите нам в поддержку в Телеграм!

Научитесь создавать и деплоить DL-сервисы Вчера на лекции мы представили новый поток курса «Деплой DL-сервисов» и приглашаем на него вас! На программе вы научитесь: ➖писать код для обучения моделей «по фэншую» ➖конвертировать модели в JIT и ONNX ➖версионировать данные, эксперименты и модели ➖автоматизировать рутину и быть уверенным в своём коде ➖писать веб-сервисы на FastAPI ➖собирать приложения с помощью Docker ➖сервить модели с NVIDIA Triton ➖тестировать веб-сервисы и подменять зависимости при помощи DI ➖настраивать CI/CD и деплоить веб-сервисы на удалённые машины «по кнопке» ➖мониторить веб-приложения при помощи Prometheus и Grafana После каждой лекции вас ждет домашнее задание, а в конце курса — проект, где можно применить все полученные навыки. На протяжении всего обучения вас будут поддерживать опытные инженеры: ревьюить ваш код, отвечать на вопросы во время лекций, на Q&A-сессиях и в чате. 🚀 Курс стартует 28 августа ⚡️До 27 августа для подписчиков DeepSchool действует скидка 5%! Изучайте подробности о программе и спикерах и присоединяйтесь к обучению. Если возникают вопросы, пишите нам в поддержку в Телеграм!

Инструменты для деплоя DL-моделей DL-инженеру уже недостаточно учить модели в Jupyter-тетрадках, чтобы соответствовать запросам индустрии. Важно уметь доводить их до пользователей. В этот четверг на открытой онлайн-лекции мы покажем, как выглядит путь модели после обучения! На лекции вы узнаете: - когда стоит использовать Jupyter-ноутбуки, а когда нет - как подготовить репозиторий моделинга - варианты конвертации модели - как обернуть инференс в http-приложение - чем помогает Model Serving - как деплоят приложения и автоматизируют этот процесс А в конце представим новый поток курса «Деплой DL-сервисов». Всем участникам лекции подарим скидки на обучение!🔥 🙋‍♂️Спикеры лекции: — Дмитрий Раков — руководитель ML в НИИАС, делает perception-алгоритмы для беспилотных поездов — Тимур Фатыхов — основатель DeepSchool, ex Lead CV Engineer KoronaPay ⏰Дата и время: 21 августа, чт, 18:00 МСК Регистрируйтесь по ссылке и до встречи в четверг вечером!

DeepSchool Digest⚡ Все материалы за последний месяц — коротко! ✔️ RAG — от первой версии к рабочему решению — пошагово разобрали каждый компонент RAG-системы, объяснили типичные ошибки и дали план действий по улучшению ванильной версии. ✔️ 3D CV, diffusion models и получение PhD | Подкаст «Под Капотом» c Олей Гребеньковой — поговорили с Олей Гребеньковой, спикером курса «3D CV» в DeepSchool. ✔️ Ускоряем LLM на раз, два, три — разобрали ключевые методы ускорения и обсудили, что действительно работает. ✔️ YOLO history. Part 8 — рассмотрели устройство архитектур YOLOv8 и YOLOv11, а также отличия академического и индустриального подходов к созданию нового детектора. ✔️ Диффузионные модели: пошаговый план изучения — подготовили пошаговый план изучения диффузионных моделей и основные ресурсы. ✔️ VLM для детекции объектов на изображении — привели обзор OVOD-моделей, основанных на Vision Language Model (VLM).

VLM для детекции объектов на изображении У традиционных детекторов есть серьёзное ограничение: набор классов определён обучающей выборкой (Closed-set Object Detection). В попытках обойти его, создали новый класс детекторов, Open Vocabulary Object Detection (OVOD), для детекции произвольных объектов. В новой статье мы привели обзор таких OVOD-моделей, основанных на Vision Language Model (VLM). Из статьи вы узнаете: - какие есть подходы для применения VLM к задаче Object Detection - какие результаты сравнения моделей на бенчмарках для Closed-Set и Open Vocabulary детекций - почему идеи CLIP всё ещё актуальны Читайте новую статью по ссылке!