В нашем новом канале, вы найдете множество уроков, книг и гайдов для погружения в этот мощный язык с нуля.
Отличная возможность не только выучить новый язык, но и возможность прокачать свои навыки программирования.
www.group-telegram.com/haskell_tg - стоит подписаться!
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from Машиннное обучение | Наука о данных Библиотека
Please open Telegram to view this post
VIEW IN TELEGRAM
Российская наука на NeurIPS 2024
На международной конференции NeurIPS, которая стартовала 10 декабря в Ванкувере, ученые из AIRI (российский научно-исследовательский институт искусственного интеллекта) и Сбера представили рекордные 17 научных работ. В их числе исследования в области квантовой химии, оптимизации AI-алгоритмов и методов обучения больших моделей.
Как отметил Старший вице-президент Сбера, руководитель блока «Технологическое развитие» Андрей Белевцев — этот успех подчеркивает конкурентоспособность российской науки в области искусственного интеллекта на мировой арене.
@datascienceiot
На международной конференции NeurIPS, которая стартовала 10 декабря в Ванкувере, ученые из AIRI (российский научно-исследовательский институт искусственного интеллекта) и Сбера представили рекордные 17 научных работ. В их числе исследования в области квантовой химии, оптимизации AI-алгоритмов и методов обучения больших моделей.
Как отметил Старший вице-президент Сбера, руководитель блока «Технологическое развитие» Андрей Белевцев — этот успех подчеркивает конкурентоспособность российской науки в области искусственного интеллекта на мировой арене.
@datascienceiot
Forwarded from Machinelearning
Исчерпывающий материал по обучению с подкреплением (Reinforcement Learning, RL), в котором подробно описываются различные модели среды, задачи оптимизации, исследуется определение компромисса между теорией и практической эксплуатаций RL.
Отдельно рассматриваются смежные темы: распределенное RL, иерархическое RL, обучение вне политики и VLM.
В работе представлен обзор алгоритмов RL:
Автор - Kevin Murphy, главный научный сотрудник и руководитель команды из 28 ресечеров и инженеров в Google Deepmind. Группа работает над генеративными моделями (диффузия и LLM), RL, робототехникой, байесовским выводом и другими темами.
Кевин опубликовал более 140 статей на рецензируемых конференциях и в журналах, а также 3 учебника по ML, опубликованных в 2012, 2022 и 2023 годах издательством MIT Press. (Книга 2012 года была удостоена премии ДеГроота как лучшая книга в области статистической науки).
@ai_machinelearning_big_data
#AI #ML #Book #RL
Please open Telegram to view this post
VIEW IN TELEGRAM
MIT's "Foundations of Reinforcement Learning & Interactive Decision Making"
PDF: arxiv.org/pdf/2312.16730
@datascienceiot
PDF: arxiv.org/pdf/2312.16730
@datascienceiot