https://github.com/buriy/spacy-ru/releases/tag/v2.3_beta
Ну что, попробуйте эти модели. У каждой модели свои особенности: одна модель подходит для коммерческого применения, только две модели содержат NER, одна модель более медленная и более точная.
Цифры пока внутренние, во внешние цифры я ещё пересчитаю потом, так как общих тестов качества пока нет, а в тех тестах, которые есть, модели grameval побивают все другие модели (т.к. присутствует некоторый оверфит на датасет).
Ну и качество NER можно ещё чуть-чуть дожать, но там тоже непонятно, насколько это будет оверфит.

Спасибо👍, отпишусь как протестирую!

При отладке кода на tensorflow, какие инструменты могут максимально наглядно показать, что в графе жрет (при прогоне) сколько видеопамяти? Чтобы, например, сравнить один код с другим

Всем привет. Ищу разработчика NLP, который имеет опыт преподавания

С 7 по 13 ноября провести 2 занятия со учениками онлайн.

Формат занятий: лабораторная работа — ученики вместе с преподавателем работают с данными. необходимо будет решить несколько задач:

1. speech-to-text
2. text summarization
3. named entity recognition

Срочно, наш тиммейт ушел на повышение и нам нужно закрыть блок в образовательном модуле)

Работа оплачиваемая, пишите в личку, пожалуйста

Воу, Юрий здорово!

Запись семинара про сетку для предсказания лигандов к белкам https://youtu.be/YwPozzToEl8

Применение АльБерта в биоинформатика

Цитата:

Модель: ALBERT с надстройками

Что предсказывали?
Связывание для пар белок-лиганд.

Что на входе?
Сначала при помощи ALBERT выучили эмбеддинги для всех последовательностей из Pfam. ALBERT учили предсказывать замаскированные триграммы аминокислот по окружающим триграммам. При этом брались только консервативные позиции белка, определяемые по выравниваниям Pfam.

На второй стадии по полученному эмбеддингу белка и стандартному фингерпринту лиганда учились предсказывать связывание между ними.

Как делили данные на обучение и тест?
Несколькими способами. Как полностью случайно, так и с учетом гомологов.

Что получилось?
Если в тесте есть гомологи того, что было в обучении, то эта модель предсказывает известные взаимодействия хуже, чем ее конкуренты. Но она работает лучше других, когда тест состоит из непохожих последовательностей. Важные для предсказания аминокислоты (оценены SHAP) в одном показанном примере оказываются в лиганд-связывающем кармане - что разумно. А главный практический результат в следующем: для нескольких рецепторов с неизвестной специфичностью авторы предсказали наиболее вероятные лиганды.

Коллеги, а подскажите библиотеку для русского языка, которая с пунктуацией работает?

Правит, добавляет пропущенные знаки препинания

Такое же было, вроде?

Кажется, такого нет. Но не сложно запилить свое решение, обучив на новостях, например.

Это да, вопрос в том, есть ли уже готовое, или надо своё делать

Почему-то казалось, что было

Спасибо!

Спасибо!