BigData

A Deep Variational Approach to Clustering Survival Data

Github: https://github.com/i6092467/vadesc

Paper: https://arxiv.org/abs/2106.05763v1

👉 @bigdata_1

Revisiting randomized choices in isolation forests

Github: https://github.com/david-cortes/isotree

Paper: https://arxiv.org/abs/2110.13402v1

👉 @bigdata_1

Pivotal Tuning for Latent-based Editing of Real Images

Github: https://github.com/Talegqz/unsupervised_co_part_segmentation

Paper: https://arxiv.org/abs/2106.05897v1

👉 @bigdata_1

NAS-FCOS: Fast Neural Architecture Search for Object Detection

Github: https://github.com/Lausannen/NAS-FCOS

Paper: https://arxiv.org/abs/2110.12423v1

👉 @bigdata_1

GNNAutoScale: Scalable and Expressive Graph Neural Networks via Historical Embeddings

Github: https://github.com/rusty1s/pyg_autoscale

Paper: https://arxiv.org/abs/2106.05609v1

👉 @bigdata_1

Bi-directional Image and Text Generation

Github: https://github.com/researchmm/generate-it

Paper: https://arxiv.org/abs/2110.09753v1

Dataset: https://paperswithcode.com/dataset/coco

👉 @bigdata_1

Score Matching Model for Unbounded Data Score

Github: https://github.com/Kim-Dongjun/UNCSN

Paper: https://arxiv.org/abs/2106.05527v1

👉 @bigdata_1

SecureBoost+ : A High Performance Gradient Boosting Tree Framework for Large Scale Vertical Federated Learning

Github: https://github.com/FederatedAI/FATE

Paper: https://arxiv.org/abs/2110.10927v1

👉 @bigdata_1

Pretraining Representations for Data-Efficient Reinforcement Learning

Github: https://github.com/mila-iqia/spr

Paper: https://arxiv.org/abs/2106.04799v1

👉 @bigdata_1

HRFormer: High-Resolution Transformer for Dense Prediction, NeurIPS 2021

Github: https://github.com/HRNet/HRFormer

Paper: https://arxiv.org/abs/2110.09408v1

Dataset: https://paperswithcode.com/dataset/coco

👉 @bigdata_1

Efficient Iterative Amortized Inference for Learning Symmetric and Disentangled Multi-object Representations

Github: https://github.com/pemami4911/EfficientMORL

Paper: https://arxiv.org/abs/2106.03630v1

👉 @bigdata_1

abess: Fast Best-Subset Selection in Python and R

Github: https://github.com/abess-team/abess

Docs: https://abess.readthedocs.io/en/latest/Tutorial/index.html

Paper: https://arxiv.org/abs/2110.09697v1

👉 @bigdata_1

QRec is a Python framework for recommender systems

Github: https://github.com/Coder-Yu/QRec

Paper: https://arxiv.org/abs/2106.03569v1

👉 @bigdata_1

Robust Reference-based Super-Resolution via C2-Matching

Github: https://github.com/yumingj/C2-Matching

Paper: https://arxiv.org/abs/2106.01863v1

👉 @bigdata_1

Рекомендуем к прочтению книгу Александра Бындю "Антихрупкость в IT"

Эта книга — результат многолетнего опыта построения IT-продуктов. И прежде всего она о том, как выстроить процессы разработки IT-систем таким образом, чтобы успевать вовремя подстроиться под любые изменения.

В её основе — описание работающих практик, примеры из реальных проектов, анализ ошибок и выводы. В книге собраны рекомендации для владельцев бизнеса и разработчиков. Первые приобретут систематизированные знания о том, как правильно взаимодействовать с IT, а вторые — как делать хорошо и не делать плохо.

Сайт издания

Ознакомиться с книгой

ESPnet2-TTS: Extending the Edge of TTS Research

Github: https://github.com/espnet/espnet

Docs: https://espnet.github.io/espnet/

Paper: https://arxiv.org/abs/2110.07840v1

Dataset: https://paperswithcode.com/dataset/vctk

👉 @bigdata_1

Digital Voicing of Silent Speech

Github: https://github.com/dgaddy/silent_speech

Paper: https://arxiv.org/abs/2106.01933v1

👉 @bigdata_1