вообще зависит от снимков, целей и т.д. для классификации достаточно просто ресайзнуть, для других задач могут подходить более извращенные превращения.

ресайз не повлияет на потерю признаков? номализация опять же?

Есть еще  конвертация из dicom формата.

для этого исследуется изменение метрики на размерном ряде типа 224-336-448-512

или другом

если при сжатии падает не сильно - то зачем платить больше?

Подскажите, пожалуйста. Когда-то в группе видел тулзу для нормализации казахских слов. Есть ссылка?

вот это?

Apertium

Спасибо!

🐍😢

почитал пейпер, что смутило. Они используют всякие танцы с бубном вокруг LR, mixup трейнинг и еще всякие ауги. Где гарантия, что просто вся архитектура не заточена, что б стать топ 1 на imagenet, а в других задачах не будет провала?

Data Scientist, Руководитель подразделения в Халык Банк

Сочетает в себе две роли:
·         Работает в продуктовой команде, решающей проблемы клиентов - малых бизнесов
·         Создает в банке компетенцию по работе с данными

Должностные обязанности:
·         Экспертная поддержка владельцев продукта и дизайнеров при проектировании клиентских путей (основные юз-кейсы связаны с рисками, ценообразованием и customer value management)
·         Работа в продуктовых командах в качестве senior data scientist на самых сложных участках, требующих экспертных знаний
·         Обучение, менторство и контроль качества работы data scientists, работающих в продуктовых командах малого бизнеса

Требования к соискателю:
·         Опыт работы в сфере анализа данных, включая опыт в статистическом моделировании и машинном обучении для решения бизнес задач
·         Опыт в наставничестве людей
·         Успешный опыт реализации проектов в быстро меняющейся обстановке
·         Высокий уровень знаний SQL, Python и R
·         Знание и умение применять предметно-ориентированное проектирование в разработке ПО или данных в масштабе предприятия

Условия:
Оклад  600 000 - 1 000 000 KZT
Ежеквартальные бонусы

Резюме высылать на адрес halykbank.cv@gmail.com

лирическое отступление: мы все тут верим в эффективность ml/dl, знаем про достижения google в переводах текста, но пока ещё встречаются перлы, вот два дня назад был опубликован мультфильм на японском языке, включите субтитры на русском :))))
https://youtu.be/Fgnht98GaSI

Resnest далеко не первый, так как в последнее время активно размножается семейка efficientnet-ов. Вопрос в том, чем остальные архитектуры, которые используют те же трюки вроде mixup, autoaugment не оверфитятся на imagenet? Преимущество resnestов, по их словам, еще в том, что можно просто поменять ResNet backbone на ResNest, который даст прирост в ~3%, на object detection и segmentatino задачах. Но все же, это не отменяте того, что самим нужно тестить все это. Например, иногда большие еффнеты перформят хуже чем маленькие.

Ну вообщем я вкорячил resnest в пайплайн. Запустил учиться, глянем что будет.

resnest да легко подменяется)

👍😎

Но я на классификации

Поделишься результатами потом)

Ага, думаю завтра или на выходных