​Книга «Прикладной анализ текстовых данных на Python»

Наш телеграм канал - tglink.me/ai_machinelearning_big_data
image Технологии анализа текстовой информации стремительно меняются под влиянием машинного обучения. Нейронные сети из теоретических научных исследований перешли в реальную жизнь, и анализ текста активно интегрируется в программные решения. Нейронные сети способны решать самые сложные задачи обработки естественного языка, никого не удивляет машинный перевод, «беседа» с роботом в интернет-магазине, перефразирование, ответы на вопросы и поддержание диалога. Почему же Сири, Алекса и Алиса не хотят нас понимать, Google находит не то, что мы ищем, а машинные переводчики веселят нас примерами «трудностей перевода» с китайского на албанский? Ответ кроется в мелочах – в алгоритмах, которые правильно работают в теории, но сложно реализуются на практике. Научитесь применять методы машинного обучения для анализа текста в реальных задачах, используя возможности и библиотеки Python. От поиска модели и предварительной обработки данных вы перейдете к приемам классификации и кластеризации текстов, затем приступите к визуальной интерпретации, анализу графов, а после знакомства с приемами масштабирования научитесь использовать глубокое обучение для анализа текста.
https://habr.com/ru/company/piter/blog/444384/

🔗 Книга «Прикладной анализ текстовых данных на Python»
Технологии анализа текстовой информации стремительно меняются под влиянием машинного обучения. Нейронные сети из теоретических научных исследований перешли в ре...

​Mountain Car: решаем классическую задачу при помощи обучения с подкреплением
кации алгоритмов, полагающиеся на особенности конкретной задачи, считаются менее ценными, так как их сложно обобщить на более широкий класс задач. Однако это не означает, что такие модификации не нужны. Более того, часто они могут значительно улучшить результат даже для простых классических задач, что очень важно при практическом применении алгоритмов. В качестве примера в этом посте я решу задачу Mountain Car при помощи обучения с подкреплением и покажу, что используя знание о том, как устроена задача, ее можно решить значительно быстрее.

https://habr.com/ru/company/hsespb/blog/444428/

🔗 Хабр

​Семь мифов в области исследований машинного обучения

Наш телеграм канал - tglink.me/ai_machinelearning_big_data
Миф 1: TensorFlow – это библиотека для работы с тензорами.
Миф 2: Базы данных изображений отражают реальные фотографии, встречающиеся в природе.
Миф 3: Исследователи МО не используют проверочные наборы для испытаний.
Миф 4: В обучении нейросети используются все входные данные.
Миф 5: Для обучения очень глубоких остаточных сетей требуется пакетная нормализация.
Миф 6: Сети с вниманием [attention] лучше свёрточных [convolution].
Миф 7: Карты значимости – надёжный способ интерпретации нейросетей.

https://habr.com/ru/post/444172

🔗 Семь мифов в области исследований машинного обучения
Для тех, кому лень читать всё: предлагается опровержение семи популярных мифов, которые в области исследований машинного обучения часто считаются истинными, по с...

​An Orwellian Approach to the Litter Problem

🔗 An Orwellian Approach to the Litter Problem
Using computer vision to detect someone missing the garbage

​Как мы выиграли внутренний хакатон, выучив skibidi, flossing и javascript

В VK есть классная традиция — внутренний хакатон, в котором могут участвовать только ребята из ВКонтакте. Расскажу про хакатон от лица команды, которая в этом году заняла первое место и погибла от утомления в полном составе, но успела примерить детектор танцевальных движений для камеры историй.
https://habr.com/ru/company/vk/blog/443902/

🔗 Как мы выиграли внутренний хакатон, выучив skibidi, flossing и javascript
В VK есть классная традиция — внутренний хакатон, в котором могут участвовать только ребята из ВКонтакте. Расскажу про хакатон от лица команды, которая в этом го...

​Reinforcement learning: Temporal-Difference, SARSA, Q-Learning & Expected SARS

🔗 Reinforcement learning: Temporal-Difference, SARSA, Q-Learning & Expected SARSA on python
TD, SARSA, Q-Learning & Expected SARSA along with their python implementation and comparison

​Прямая трансляция и расписание конференции SmartMail Conf: Machine Learning

Друзья, осталось всего три дня до SmartMail Conf — нашей первой конференции по машинному обучению. Программа выступления чуть более чем полностью состоит из докладов наших коллег из Почты Mail.ru. Они расскажут много интересного про обработку естественных языков, про компьютерное зрение и обучение моделей борьбе со спамом. Причём расскажут не в отрыве от реальности, а на практических примерах использования в наших собственных проектах и технологиях.

https://habr.com/ru/company/mailru/blog/444542/

🔗 Прямая трансляция и расписание конференции SmartMail Conf: Machine Learning
Друзья, осталось всего три дня до SmartMail Conf — нашей первой конференции по машинному обучению. Программа выступления чуть более чем полностью состоит из док...

​Приглашаем вас на конференцию “Облака. Модные тренды” 26 марта

Правда ли, что мировые гиперскейлеры полностью захватят рынок облачных услуг, и какая судьба их ждет на российском рынке? Как обеспечить максимальную безопасность корпоративных данных в онлайн-хранилищах? За какими облачными технологиями будущее? 26 марта ведущие эксперты рынка облачных технологий расскажут обо всем этом на специализированной конференции «Облака. Модные тренды» в Центре Цифрового Лидерства SAP.

https://habr.com/ru/company/sap/blog/444560/

🔗 Приглашаем вас на конференцию “Облака. Модные тренды” 26 марта 2019
Правда ли, что мировые гиперскейлеры полностью захватят рынок облачных услуг, и какая судьба их ждет на российском рынке? Как обеспечить максимальную безопасност...

​Вебинар «Безопасность машинного обучения: естественные проблемы искусственного интеллекта»

21 марта специалисты Digital Security представят свой критический взгляд на повсеместное внедрение искусственного интеллекта (ИИ) и машинного обучения (МО).

https://habr.com/ru/company/dsec/blog/444514/

🔗 Вебинар «Безопасность машинного обучения: естественные проблемы искусственного интеллекта»
21 марта специалисты Digital Security представят свой критический взгляд на повсеместное внедрение искусственного интеллекта (ИИ) и машинного обучения (МО).

​Semantic Image Synthesis with Spatially-Adaptive Normalization”

https://nvlabs.github.io/SPADE/

#artificialintelligence #deeplearning #generativedesign

🔗 Semantic Image Synthesis with Spatially-Adaptive Normalization

​Python | Math operations for Data analysis

https://www.geeksforgeeks.org/python-math-operations-for-data-analysis/

🔗 Python | Math operations for Data analysis - GeeksforGeeks
Python is a great language for doing data analysis, primarily because of the fantastic ecosystem of data-centric Python packages. Pandas is one of those packages,… Read More »

Adaptive - and Cyclical Learning Rates using PyTorch
The Learning Rate (LR) is one of the key parameters to tune. Using PyTorch, we’ll check how the common ones hold up against CLR!

https://medium.com/@thomas_dehaene/adaptive-and-cyclical-learning-rates-using-pytorch-2bf904d18dee

​Ремастеринг «Звёздного пути» нейросетями до 1080p и 4K
В качестве небольшого любительского проекта я поэкспериментировал с нейросетями AI Gigapixel для апскейла одного из моих любимых научно-фантастических сериалов — Star Trek: Deep Space Nine (DS9), в русском переводе «Звёздный путь: Глубокий космос 9».

https://habr.com/ru/post/444642/

🔗 Ремастеринг «Звёздного пути» нейросетями до 1080p и 4K
В качестве небольшого любительского проекта я поэкспериментировал с нейросетями AI Gigapixel для апскейла одного из моих любимых научно-фантастических сериалов...

​Машинное ориентирование на дальних расстояниях при помощи автоматизированного обучения с подкреплением

Только в одних США живёт 3 миллиона человек с ограниченными возможностями передвижения, которые не могут покинуть свои дома. Вспомогательные роботы, способные автоматически ориентироваться на дальних расстояниях, могут сделать таких людей более независимыми, привозя им продукты, лекарства и посылки. Исследования показывают, что глубокое обучение с подкреплением (ОП) хорошо подходит для сопоставления сырых входных данных и действий, к примеру, для обучения захвату объектов или передвижению роботов, но обычно у ОП-агентов отсутствует понимание крупных физических пространств, необходимое для безопасного ориентирования на дальних расстояниях без помощи человека и адаптации к новому окружению.
https://habr.com/ru/post/444372/

🔗 Машинное ориентирование на дальних расстояниях при помощи автоматизированного обучения с подкреплени
Только в одних США живёт 3 миллиона человек с ограниченными возможностями передвижения, которые не могут покинуть свои дома. Вспомогательные роботы, способные ав...

​Neighbourhood Consensus Networks

https://arxiv.org/abs/1810.10510

🔗 Neighbourhood Consensus Networks
We address the problem of finding reliable dense correspondences between a pair of images. This is a challenging task due to strong appearance differences between the corresponding scene elements and ambiguities generated by repetitive patterns. The contributions of this work are threefold. First, inspired by the classic idea of disambiguating feature matches using semi-local constraints, we develop an end-to-end trainable convolutional neural network architecture that identifies sets of spatially consistent matches by analyzing neighbourhood consensus patterns in the 4D space of all possible correspondences between a pair of images without the need for a global geometric model. Second, we demonstrate that the model can be trained effectively from weak supervision in the form of matching and non-matching image pairs without the need for costly manual annotation of point to point correspondences. Third, we show the proposed neighbourhood consensus network can be applied to a range of matching tasks including b

🎥 Complete Machine Learning Course | Machine Learning Tutorial for Beginners | Edureka
👁 1 раз ⏳ 7093 сек.
** Machine Learning Masters Program: https://www.edureka.co/masters-program/machine-learning-engineer-training **
***Topics Wise Machine Learning Podcast : https://castbox.fm/channel/id1832236?country=us ***
This Edureka Machine Learning video on "Complete Machine Learning Course" will provide you with detailed and comprehensive knowledge of Machine Learning. It will provide you with the in-depth knowledge of the different types of Machine Learning with the different algorithms that lie under each category

​https://towardsdatascience.com/microsoft-malware-prediction-and-its-9-million-machines-22e0fe8c80c8?source=collection_home---4------0---------------------

🔗 “Microsoft Malware Prediction” and its 9 million machines
Deep learning to predict if a machine will be infected by malware.

​Stanford Convolutional Neural Networks for Visual Recognition Course (Review)

https://machinelearningmastery.com/stanford-convolutional-neural-networks-for-visual-recognition-course-review/

🔗 Stanford Convolutional Neural Networks for Visual Recognition Course (Review)
The Stanford course on deep learning for computer vision is perhaps the most widely known course on the topic. This is not surprising given that the course has been running for four years, is presented by top academics and researchers in the field, and the course lectures and notes are made freely available. This is …

​Reducing the Need for Labeled Data in Generative Adversarial Networks

Наш телеграм канал - tglink.me/ai_machinelearning_big_data

http://ai.googleblog.com/2019/03/reducing-need-for-labeled-data-in.html

🔗 Reducing the Need for Labeled Data in Generative Adversarial Networks
Posted by Mario Lučić, Research Scientist and Marvin Ritter, Software Engineer, Google AI Zürich Generative adversarial networks (GANs)...

​Jetson Nano: одноплатник для машинного обучения от Nvidia
Вчера компания Nvidia анонсировала Jetson Nano: одноплатный компьютер для вычислений в области ИИ. Маленький компьютер с поддержкой библиотек CUDA-X AI выдаёт 472 гигафлопса для запуска современных рабочих нагрузок ИИ, потребляя при этом всего лишь 5 Вт.
https://habr.com/ru/post/444442/

🔗 Jetson Nano: одноплатник для машинного обучения от Nvidia
Вчера компания Nvidia анонсировала Jetson Nano: одноплатный компьютер для вычислений в области ИИ. Маленький компьютер с поддержкой библиотек CUDA-X AI выдаёт...

​Костя Горский, Intercom: про города и амбиции, продуктовое мышление, навыки для дизайнеров и саморазвитие
Алексей Иванов (автор, Ponchik.News) пообщался с Костей Горским, дизайн-менеджером в компании Intercom, бывшим дизайн-директором «Яндекса» и автором телеграм-канала «Дизайн и продуктивность». Это пятое интервью в серии интервью с топовыми специалистами в своих областях про продуктовый подход, предпринимательство, психологию и изменение поведения.

https://habr.com/ru/post/444640/

🔗 Костя Горский, Intercom: про города и амбиции, продуктовое мышление, навыки для дизайнеров и самораз
Алексей Иванов (автор, Ponchik.News) пообщался с Костей Горским, дизайн-менеджером в компании Intercom, бывшим дизайн-директором «Яндекса» и автором телеграм-ка...