На прошедшем Content Day 2023 соцсеть ВКонтакте представила сразу несколько инструментов для создания медиаконтента с использованием технологий машинного обучения.
Марина Краснова, CEO ВКонтакте, VK Видео, VK Клипов и VK Звонков:
ВКонтакте более 2 млн активных авторских сообществ, и эта цифра постоянно увеличивается. Наша задача — помогать креаторам выражать себя. Мы предлагаем уникальные кросс-платформенные продукты, с помощью которых можно генерировать контент любого формата.
Многие инструменты построены на уникальных ML-решениях ВКонтакте — это даёт неограниченные возможности для создания контента, аналогов которому нет на других платформах. Мы видим, что наши разработки полезны авторам — с их помощью создатели контента заработали больше 4 млрд рублей в 2022 году. С радостью представляем новинки, которые помогут эффективнее, удобнее и проще создавать контент в самых разных форматах и делиться им».
Standalone-редактор видео и фото с уникальными ML-инструментами
Отдельное приложение для работы с видео и изображениями, в котором есть ML-инструменты для редактирования. Например, нейросети помогут улучшить разрешение видео, удалить объекты, заменить себя в ролике на знаменитость благодаря технологии дипфейк, сделать ретушь одним нажатием.
Управление динамичными ML/AI командами во ВКонтакте | Андрей Законов | Лекториум
Технологии машинного обучения для создания контента
Теперь технологии ВКонтакте могут переводить тексты (пока на 4, а к концу года на 8 языков), улучшать орфографию, пунктуацию и стилистику в любом тексте, а также создавать для сообществ обложки на основе их тематики, а для профилей — аватарки в разнообразных стилях.
Также во ВКонтакте появится функция онлайн-дубляжа на русском языке. Причем нейросеть сделает озвучку максимально похожей на голос актёра, блогера, ведущего ток-шоу или подкаста и любого другого говорящего — с тем же тембром, эмоциональной окраской и другими особенностями речи.
Редактор текстов для совместной работы
В редакторе ВКонтакте пользователи смогут создавать таблицы и доски, совместно редактировать статьи, просматривать журнал изменений, добавлять многоуровневые списки и многое другое.
Рекомендации: сообщества и медиалента
ВКонтакте перезапускает раздел «Сообщества». В основе будет лежать новая рекомендательная система, персонализированные подборки по широкому набору тематик, созданные с помощью нейросетей, а также рекомендации от блогеров, селебрити, комьюнити и других лидеров мнений.
NFT-маркетплейс
ВКонтакте планирует запуск NFT-маркетплейса, в котором будет доступна первичная и вторичная продажа, а любой желающий сможет выпустить собственную коллекцию токенов.
Сейчас технологией в сервисе VK NFT интересуются более 2 млн уникальных пользователей. В ближайшее время соцсеть намерена добавить поддержку токенов в сообществах: авторы смогут установить свой цифровой арт на аватар или добавить на витрину, а в будущем — проводить дропы коллекций. В рамках дропа вместе с токеном можно выдавать различные бонусы: скидки, подарки, подписки, билеты, особые тарифы и многое другое.
Присоединяйтесь к командам ML-разработки ВКонтакте
- Можно будет выпускать NFT, которые открывают доступ к эксклюзивному контенту: допустим, треку, который может послушать только владелец токена.
- Авторы смогут защищать контент от копирования, создавая токены для материалов разных форматов.
- Лучшие создатели контента получат NFT-награды — к примеру, за самый большой рост просмотров, подписок, лайков и другие достижения.
- Пользователи смогут в числе первых получать доступ к эксклюзивным ML-инструментам ВКонтакте с помощью особых токенов: например, к нейросетевому улучшению видео до 4K.
Новые возможности в VK Клипах
- Многофункциональный видеоредактор, в котором будет управление цветокоррекцией, мультиэкран, звуковые эффекты, добавление фото и тд.
- Также в отдельном приложении VK Клипов будет доступна расширенная статистика контента.
- Прикрепление ссылок прямо к клипам.
- Одним нажатием можно будет преобразовывать видео до 3 минут в клип.
Среди других нововведений, которые анонсировала ВКонтакте:
- Авторы смогут выбирать формат отображения фото и видео в своих публикациях – сетка или карусель.
- 1 апреля пройдет Pixel Battle – теперь соревнуются команды не из сообществ, а из чатов.
- В профилях появится возможность включить режим автора: кнопку «Добавить в друзья» можно будет поменять на «Подписаться», станут доступны возможность запускать рекламные кампании и другие инструменты для развития личного бренда.
- Запустятся больше 50 новых сервисов для авторов, среди которых приложение для борьбы со спамом в комментариях, возможность закреплять в чатах подходящие мини-приложения и сервис для создания UGC-стикеров.
- В историях появится раздел с трендами, который формируется на основе машинного обучения и показывает самый актуальный контент.
- Снимки можно будет закреплять в профиле, а ещё загружать прямо во вкладку «Фото» — без добавления в альбом.
Напомним, в VK Рекламе появилось продвижение видео и прямых эфиров.
Источник: www.likeni.ru
«ML-разработчик»: кто это, обязанности, зарплаты и как им стать в 2023 году. Обзор профессии.
Обучение
Автор Роман Семенцов На чтение 56 мин. Просмотров 1.3k.
Кто такой ML разработчик?
ML-разработчик — это программист, который работает с машинным обучением (Machine Learning) и с помощью специальных наборов данных и алгоритмов обучает искусственный интеллект.
Что делают ML разработчики и чем занимаются?
Обязанности на примере одной из вакансий:
- Адаптация и совершенствование существующих алгоритмов;
- Поиск и внедрение новых алгоритмов;
- Оценка эффективности решений ML;
- Обмен знаниями с командой разработчиков, разработчиками и клиентами;
- Написание качественного кода на Python;
- Создание и поддержка ML-инфраструктуры и инструментов для боевых датасаентистов на проектах;
- Уточнение и формирование требований к инфраструктуре и инструментам совместно с боевыми датасаентистами, менеджерами и другими коллегами.
Что должен знать и уметь ML разработчик?
Требования к ML разработчикам:
- Unix
- Python
- Опыт работы с продакшном
- Знание базового ML
- Docker
- Git
- и других схожих инструментов.
Востребованность и зарплаты ML разработчиков
На сайте поиска работы в данный момент открыто 886 вакансий, с каждым месяцем спрос на ML разработчиков растет.
Количество вакансий с указанной зарплатой ML разработчика по всей России:
- от 100 000 руб. – 195
- от 200 000 руб. – 142
- от 300 000 руб. – 88
- от 405 000 руб. – 46
- от 505 000 руб. – 19
Вакансий с указанным уровнем дохода по Москве:
- от 100 000 руб. – 109
- от 200 000 руб. – 88
- от 300 000 руб. – 54
- от 400 000 руб. – 25
- от 505 000 руб. – 12
Вакансий с указанным уровнем дохода по Санкт-Петербургу:
- от 195 000 руб. – 21
- от 340 000 руб. – 10
- от 490 000 руб. – 4
- от 785 000 руб. – 1
Как стать ML-разработчиком и где учиться?
Варианты обучения для ML разработчика с нуля:
- Самостоятельное обучение – всевозможные видео на YouTube, книги, форумы, самоучители и т.д. Плюсы – дешево или очень недорого. Минусы – нет системности, самостоятельное обучение может оказаться неэффективным, полученные навыки могут оказаться невостребованными у работодателя;
- Онлайн-обучение. Пройти курс можно на одной из образовательных платформ. Такие курсы рассчитаны на людей без особой подготовки, поэтому подойдут большинству людей. Обычно упор в онлайн-обучении делается на практику – это позволяет быстро пополнить портфолио и устроиться на работу сразу после обучения.
Ниже сделали обзор 15+ лучших онлайн-курсов.
15+ лучших курсов для обучения ML разработчика: подробный обзор
1 место. Курс «Профессия Data Scientist: машинное обучение» — Skillbox
Стоимость: Рассрочка на 31 месяц — 4 879 ₽ / мес
Вы научитесь создавать аналитические системы и использовать алгоритмы машинного обучения, освоите работу с нейросетями. Наполните портфолио и получите престижную профессию.
- Длительность 19 месяцев
- Помощь в трудоустройстве
- 7 курсов в одной программе
- Доступ к курсу навсегда
На рынке не хватает специалистов по Data Science
включая Сбербанк, Яндекс и Тинькофф, ищут специалистов по Data Science
зарплата начинающего специалиста
Кому подойдёт этот курс
- Людям без подготовки в IT
Вы получите базовые навыки по программированию, аналитике, статистике и математике, которые откроют путь к карьере в Data Science и Machine Learning. Сможете использовать свои знания сразу на практике.
Вы прокачаете свои знания и навыки в программировании на Python и R. Подтянете математику и умение мыслить как аналитик, использовать алгоритмы машинного обучения для решения бизнес-задач — и усилите портфолио мощными проектами.
- Менеджерам и владельцам бизнеса
Научитесь использовать данные для построения прогнозов и оптимизации бизнес-процессов и переведёте компанию на новый уровень.
Чему вы научитесь
- Программировать на Python
Освоите самый популярный язык для работы с данными.
- Визуализировать данные
Сможете разрабатывать дашборды или интерактивную инфографику.
- Работать с библиотеками и базами данных
Научитесь работать с библиотеками Pandas, NumPy и Matpotlib и освоите базы данных PostgreSQL, SQLite3, MongoDB.
- Применять нейронные сети для решения реальных задач
Освоите фреймворки для обучения нейронных сетей Tensorflow и Keras. Узнаете, как устроены нейронные сети для задач компьютерного зрения и лингвистики.
- Строить модели машинного обучения
Изучите разные алгоритмы, научитесь решать задачи регрессии, классификации и кластеризации.
- Создавать рекомендательные системы
Построите рекомендательную систему и добавите её в своё портфолио.
Помогаем построить карьеру мечты
Вас ждёт индивидуальная карьерная консультация, помощь в оформлении резюме и портфолио. На основе ваших пожеланий подберём подходящие вакансии, подготовим к собеседованию и сделаем всё, чтобы вы получили оффер.
За 2021 год мы трудоустроили более 1000 студентов на работу по новой профессии
Программа
Вас ждут 7 курсов с разным уровнем сложности, знание которых можно приравнять к году работы.
- 82 тематических модуля
- 288 онлайн-уроков
- Python для Data Science
- Введение в Data Science
- Введение в Python
- Основы
- Операторы, выражения
- Условный оператор if, ветвления
- Условный оператор if: продолжение
- Цикл while
- For: циклы со счетчиком
- For: циклы со счетчиком, часть 2. Функция range
- Цикл for: работа со строками
- Вложенные циклы
- Числа с плавающей точкой (int/float)
- Функции
- float 2
- Установка и настройка IDE
- Базовые коллекции: Cписки
- Методы для работы со списками
- List comprehensions
- Базовые коллекции: Строки
- Базовые коллекции: словари и множества
- Базовые коллекции: Кортежи
- Функции — Рекурсия
- Работа с файлами
- Исключения: работа с ошибками
- Введение в ООП
- Основные принципы ООП
- Итераторы и генераторы
- Библиотека NumPy: методы анализа массивов
- Библиотека NumPy: способы преобразования массивов
- Библиотека pandas: индексация и выбор данных
- Библиотека pandas: применение функций, группировка, сортировка
- Основы визуализации данных с помощью Matplotlib
- Продвинутая визуализация с Matplotlib
- Визуализация с Seaborn
- Мастер-класс: разведочный анализ (EDA)
- Курсовая работа. Подготовка аналитического отчёта на основе имеющихся данных в качестве помощи продюсерам образовательных программ эффективно выстраивать стратегию по обновлению и улучшению курсов
- Чтение и запись данных: CSV, XLSX
- Основы SQL
- Чтение и запись данных: JSON, MongoDB
- Работа со строками
- Курсовая работа. Часть 1. Подготовка аналитического отчёта для HR-отдела. На основе аналитики необходимо составить рекомендации для отдела кадров по стратегии набора персонала и взаимодействию с сотрудниками
- Курсовая работа. Часть 2. подготовка аналитического отчёта для SMM-отдела компании Skillbox на основе паблика Skillbox «ВКонтакте»
- Основы статистики и теории вероятностей
- Как врать при помощи статистики
- Базовые математические объекты и SymPy. Дроби и преобразования
- Базовые математические объекты и SymPy. Функции и дополнительные объекты
- Функции одной переменной, их свойства и графики
- Интерполяция и полиномы: квадратичные и кубические функции
- Аппроксимация и преобразование функций: сдвиги, растяжения, сжатия
- Аппроксимация и работа с производными
- Функции нескольких переменных, их свойства и графики
- Частные производные функции нескольких переменных
- Векторы и матрицы. Градиент
- Линейная регрессия и системы линейных уравнений
- Разложение матриц. Собственные векторы и значения
- Основные концепции Machine Learning (ML)
- Жизненный цикл ML-проекта
- Регрессия: метрики качества, преобразование входных данных
- Регрессия: регуляризация и градиентный спуск
- Классификация: kNN, наивный байесовский классификатор, деревья решений
- Классификация: метрики качества классификации и многоклассовая классификация
- Кластеризация
- Дополнительные техники: понижение размерности
- Дополнительные техники: бустинг и стекинг
- Знакомство с Kaggle
- Курсовая работа. Проанализировать данные телекоммуникационной компании и спрогнозировать отток пользователей на основе демографических характеристик, услуг, которыми они пользуются, длительности пользования услугами, метода и размера оплаты
- Введение в нейронные сети
- Обучение нейронных сетей
- Нейронные сети на практике
- Свёрточные нейросети для задачи классификации изображений: введение в свёртки (многоканальные свёртки, рецептивное поле)
- Свёрточные нейросети для задачи классификации изображений: продвинутые операции со свёрткой (архитектуры сетей VGG и ResNet, задача Transfer Learning для свёрточных сетей)
- Семантическая сегментация: слабая локализация и полносвёрточные нейросети (FCN)
- Семантическая сегментация: продвинутые архитектуры FCN для семантической сегментации
- Детектирование объектов. Задачи классификации и локализации
- Детектирование объектов. Анализ и реализация R-CNN-архитектуры
- Детектирование объектов. Разбор популярных архитектур (Fast/Faster R-CNN, YOLO, SSD) и знакомство с TensorFlow Object Detection API
- От дискриминативных моделей к генеративным. Style transfer
- Генеративные состязательные сети
- Введение в NLP
- NLP на нейросетях. Рекуррентные нейросети, классификация текстов
- NLP на нейросетях. Языковые модели, Attention, Transformer
- Обучение с подкреплением. Q-Learning
- Обучение с подкреплением. Deep Q-Learning
- Ускорение и оптимизация нейронных сетей
- Внедрение DL моделей в production
- Введение в рекомендательные системы и задачи ранжирования
- Современные подходы к построению рекомендательных систем
- Как стать первоклассным программистом
- Вёрстка email-рассылок. Советы на реальных примерах
- The state of soft skills
- Как мы создавали карту развития для разработчиков
- Как общаться по email и эффективно работать с почтой
- Повышение своей эффективности
- Спор о первом языке программирования
- Саморазвитие: как я не усидел на двух стульях и нашёл третий
- Data-driven подход к продуктивности — инсайты из данных миллиона людей
- Протокол HTTP
- Введение в алгоритмы
- IT Resume and CV
- Job interview: questions and answers
- Teamwork
- Workplace communication
- Business letter
- Software development
- System concept development and SRS
- Design
- Development and Testing
- Deployment and Maintenance
Ваше резюме после обучения
- Должность Специалист по машинному обучению
- Зарплата от:100 000 ₽
- Владение Python для машинного обучения
- Применение алгоритмов машинного обучения
- Работа с различными источниками данных: CSV, XML и XLS
- Написание рекомендательных систем
- Работа с базами данных MongoDB, PostgreSQL, SQLite3 и SQL
- Работа с нейронными сетями
- Работа с библиотеками pandas, numpy, matplotlib
Диплом Skillbox
Подтвердит, что вы прошли курс, и станет дополнительным аргументом при устройстве на работу.
Источник: romansementsov.ru
Что такое ml вконтакте
Искать фандом »
Искать фанфик »
Искать канон »
Искать персонажа »
Искать пользователя »
Войти при помощи
Комментарий к сообщению
17 сентября 2021
Привет, вы знаете что такое МЛ и МС и бесполезный рн в bl новеллах? Просто я вроде бы и понимаю и в тоже время я в замешательстве.
Актуальные темы
Новые авторы
Falconi
Иллюстратор 1
Поддержи проект рублёмЧтобы Фанфикс рос большим
Включить тёмную тему
Добавление фанфика в избранное
- Подписка на новые главы
- Прочитано
- Скачано
- Не читать
- Прочитать позже
- Жду окончания
- Понравилось
- Не понравилось
Когда фанфик был прочитан:
Здесь вы можете записать любые мысли и факты о произведении. Заметка будет доступна только вам. Максимальная длина заметки 3000 символов.
Всё самое любимое ( 0 )
Источник: fanfics.me