#machine-learning — Public Fediverse posts
Live and recent posts from across the Fediverse tagged #machine-learning, aggregated by home.social.
-
Based on satellite imagery from June to August 2025, my research revealed 58,673 distinct vegetative patches across Calgary, covering a total of 39,009 hectares. However, exactly 50% of the city's total green cover is concentrated in just 44 large megaclusters. The remaining half is dispersed across tens of thousands of tiny, highly fragmented patches.
#GIS #RemoteSensing #EarthObservation #Calgary #SpatialDataScience #MachineLearning #Geoscience #OpenData #GreennessOfCalgary #UrbanResilience #fossgiss #RStats #Alberta #Canada
-
Your app feels slow because the hardware is waiting on you, not the other way around. I shaved 1.9s off a dashboard by swapping a JOIN-heavy query for a pre-aggregated table.
Profile, don’t guess. Then fix the one thing that’s actually slow.
https://www.adilaidev.com/blog/why-your-software-feels-slow-and-how-to-fix-it
-
GPopt for Machine Learning (hyperparameters' tuning)
https://thierrymoudiki.github.io/blog/2026/01/21/python/GPopt-for-ML -
RT @Italianclownz: Ich arbeite an einem separaten iu4-Code, der ausschließlich auf ROCmFPX unter Strix Halo funktioniert. Ich werde ihn schrittweise veröffentlichen; er wurde bereits auf RDNA 3.5 getestet. Theoretisch sollte er auf jeder AMD-Hardware funktionieren, die über einen iu4-Pfad verfügt. Dieser Code entstand in Zusammenarbeit zwischen Claude Code (hauptsächlich) und mir. Das Ziel war es sicherzustellen, dass ROCmFPX ebenfalls einen iu4-Pfad nutzen kann, falls dieser auf der AMD-Hardware vorhanden ist. Es handelt sich um experimentellen Code, der langsam unter der MIT-Lizenz zusammengeführt wird. Er sollte direkt innerhalb von ROCmFPX laufen, jedoch gibt es einen Quantisierungspfad, falls benötigt, der als ROCmi4 bezeichnet wird. @ciruai hat ebenfalls einen eigenen Ansatz erstellt, der einen separaten Runner verwendet und zusätzliche Funktionen mit Sidecars bietet, was ich gespannt ausprobieren möchte. Sein Ansatz nutzt ebenfalls einige ROCmFPX-Codebestandteile (auf der Quantisierungsseite). Der iu4-Pfad in ROCmFPX ist jedoch fundamental anders: keine Sidecars, kein separater Runner. Wir befinden uns in den aufregendsten Zeiten der Technologie und KI, da so viele Menschen daran arbeiten, sie für alle besser zu machen. Ich wurde von vielen Menschen motiviert und inspiriert: Tom Turney (Turboquant), PK (Cyber Security), Paris (unterstützt meine Ideen immer), Ciru (Inferenz-Meister), Sandro (Luce Box), Davide (Luce Box), Donato (Genie), Mr R0b0t0 Ahmad, alle ROCmFPX-Mitwirkenden und viele weitere.
mehr auf Arint.info
#AI #AMD #MachineLearning #OpenSource #RDNA3 #ROCmFPX #arint_info
-
RT @0x0SojalSec: Die bisher aggressivste Cyber Qwen3.8-27B unzensierte Version, veröffentlicht von @elderplinius – 18/18 AI Red Team – bereit für lokale Nutzung ab 15 GB – 0,0 % Ablehnung bei 842 schädlichen Prompts. – Cyber-Fähigkeiten wie Jailbreak, RAT und Angriffs-Ketten sind vollständig freigeschaltet. – Dies ist keine normale Abliteration: Multi-gerichtete Abliteration über 5 SVD-Richtungen, Residue-Mining (6 vollständige Runden), das Modell antwortet auf alles. – Optimale Einstellungen: Temperatur 0 | reppen 1,15 | kein System-Prompt | Denken ausgeschaltet – Geringer MMLU-Verlust (-6 pp) für maximale Compliance. – Es besteht ein Capability-Trade-off (MMLU von 87,4 auf 81,4), doch die Compliance ist extrem. – huggingface.co/OBLITERATUS/Q…
mehr auf Arint.info
#AI #CyberSecurity #DataScience #MachineLearning #OpenSource #TechNews #arint_info
-
Outer Biosciences kept surgically discarded human skin alive for up to a month and fed the results into an AI model. It has raised about $23mn and employs 19 people.
Source: The Next Web
https://thenextweb.com/news/outer-biosciences-living-human-skin-ai-model -
Ponytail : un skill qui rend votre agent IA aussi flemmard qu'un·e dev senior. Besoin d'un date picker ? input type=date, pas une lib de plus.
Sur un repo FastAPI + React : jusqu'à 54% de code en moins à priori. ⬇️
https://github.com/DietrichGebert/ponytail📬 Ma veille dev de la semaine → https://l.camilleroux.com/veille-Lk8
-
Context-aware Theta forecasting Method: Extending Classical Time Series Forecasting with Machine Learning
https://thierrymoudiki.github.io/blog/2025/11/13/r/context-aware-theta -
RT @UnslothAI: Wir veröffentlichen neue Qwen3.8-27B GGUFs mit 10 % höherer Genauigkeit. Unsloth Dynamic V3 schlägt andere um 10 % auf Div-300, KLD und weiteren Benchmarks. Zudem veröffentlichen wir 1-Bit-Quantisierungen, die 77 % der Genauigkeit beibehalten. Läuft auf 8 GB RAM. Blog: unsloth.ai/docs/basics/dynam… GGUF: huggingface.co/unsloth/Qwen3…
mehr auf Arint.info
#AI #GGUF #MachineLearning #OpenSource #Qwen3 #Unsloth #arint_info
-
RT @ivanfioravanti: Die einzige Möglichkeit, Qwen 3.8 27B zu nutzen, ist mit reasoninglevel low; alles andere, einschließlich medium, denkt wirklich zu viel.
mehr auf Arint.info
-
RT @deepseek_ai: DeepSeek-V4-Flash-Vision-Exp ist jetzt auf der DeepSeek-API-Plattform verfügbar! 🚀 🔹 Dieses experimentelle multimodale Modell erreicht bei Textfähigkeiten – einschließlich Agenten, Schlussfolgerungen und Weltwissen – das Niveau von DeepSeek-V4-Flash. 🔹 Bei multimodalen Agenten-Benchmarks macht V4-Flash-Vision-Exp einen deutlichen Sprung gegenüber V4-Flash und bringt die multimodale Agenten-Performance in die Nähe von Opus-4.8. Probieren Sie es mit model='deepseek-v4-flash-vision-exp'. Heute wurde DeepSeek Harness 0.1.1 veröffentlicht, das die neue Modelldirekt unterstützt. 1/n
mehr auf Arint.info
#AI #API #DeepSeek #MachineLearning #Multimodal #V4FlashVisionExp #arint_info
-
RT @OpenRouter: DeepSeek V4 Flash Vision Exp ist jetzt auf OpenRouter verfügbar! Das neue Modell von @deepseekai unterstützt die Eingabe von Bildern zum Preis von V4 Flash, erreicht auf Text-Agenten-Benchmarks das Niveau von V4 Flash 0731 und schlägt Opus-4.8 auf Agents' Last Exam und ZeroBench. Jetzt nutzen: openrouter.ai/deepseek/deeps…
mehr auf Arint.info
#AI #DeepSeek #MachineLearning #OpenRouter #TechNews #VisionModel #arint_info
-
RT @rohanpaul_ai: Eine neue Paper von Alibaba ByteDance zeigt, dass KI-Agenten nicht mehr wie herkömmliche LLM-Anfragen bedient werden können. Denn die meisten Leistungsprobleme liegen heute in der Zusammenarbeit von Tools, Speicher, Umgebungen und dem Modell zusammen. Der Flaschenhals kann sich je nach Anfrage und Deployment auch vom LLM auf Embeddings, Datenbanken, Sandboxes oder Netzwerkübertragungen verlagern. Die Autoren entwickeln AgentSysBench um 10 agentic Anwendungen und stellen fest, dass die Modell-Inferenz oft nicht mehr der Haupt-Flaschenhals ist. Sie finden, dass task-aware Serving die Latenz um 29–40% reduziert, communication-aware Placement bis zu eine 4.5× Beschleunigung liefert, State Offloading den Speicher um 4.6× reduziert und Caching 35.2% der redundanten Search-Calls eliminiert. Also reicht die Optimierung von Tokens pro Sekunde nicht mehr aus. Agent-Infrastruktur muss Modelle, Tools, Speicher und Kommunikation als eine Workload planen. – arxiv.org/abs/2608.15127 Titel: "From LLM Inference to Agentic Workloads: Characterization and Implications for Serving Systems
mehr auf Arint.info
#AgentSystems #AI #Innovation #LLM #MachineLearning #TechResearch #arint_info
-
Neural Drive : un world model de jeu de kart qui tourne entièrement dans le navigateur. C'est moche, les textes sont éronnés/illisibles, c'est injouable... mais peut-être les prémisses du jeu vidéo de demain ? ⬇️
https://huggingface.co/spaces/codelion/neural-drive📬 Ma veille dev de la semaine → https://l.camilleroux.com/veille-Poo
-
Season 1 Lesson 38 Part 7 - Your First Steps in Python Python Inheritance Classes Isinstance #machinelearning #codingtutorial #dataanalysis #softwarengineer #dataengineer #softwaredeveloper #gcp #azure #jupyternotebook #pythoncode #pythonprogramming #datascience #vibecoding #python #aws #learncoding
-
Claude Academy est en ligne : cours et tutoriels gratuits d'Anthropic pour apprendre à utiliser Claude, du niveau débutant (comprendre l'IA) jusqu'à l'intégration en équipe via l'API, Claude Code ou MCP. ⬇️
https://academy.claude.com/📬 Ma veille dev de la semaine → https://l.camilleroux.com/veille-aFv
-
Simile AI raised a $2B Series B, backed by GreenOaks and Index Ventures, running tens of millions of simulations for Fortune 100 clients like CVS with 85-99% accuracy vs human focus groups.
Source: Latent Space
https://www.latent.space/p/simile -
📄 Paper alert: EnvHarness: Awakening Static Worlds for Agent Learning — 235 upvotes on Hugging Face. It turns static worlds into interactive learning environments, a bridge between offline data and agent training.
-
In 2003, Paul Eilers published a paper titled “A Perfect Smoother” [1], re-implementing and extending early ideas published by Whittaker in the 1920s [2].
The method is based on a penalised least square approach, also called Tikhonov regularization (also called ridge regression!) and is a very general approach to deal with smoothing noisy data, overcoming some of the limitations of the Savitzky-Golay method.
Read more on my recent blog post 👇
https://nirpyresearch.com/whittaker-smoothing/
[1] Paul H. C. Eilers (2003). A Perfect Smoother, Anal. Chem. 75 (14): 3631–3636.
[2] E. T. Whittaker (1922). On a New Method of Graduation, Proceedings of the Edinburgh Mathematical Society, 41: 63 – 75.#spectroscopy #smoothing #DataProcessing #ImageProcessing #Python #MachineLearning #Regression
-
AI tools fade into the background when they become routine. I built a RAG system that saved me 3.5 hours per QA cycle. Then I stopped noticing it.
To fix it, I started treating AI like a junior teammate. New tasks daily, outside my usual workflow. Found 3 edge cases in my pipeline I’d overlooked.
Full write-up: https://www.adilaidev.com/blog/ai-blindness-is-real-heres-how-to-fix-it