🎥 CPE-DA #2 «Художественный потенциал нейронных сетей»
👁 1 раз ⏳ 2301 сек.
Лекция Федора Червинского
Инженер-исследователь Samsung AI Center Moscow

🎥 Implementing K-Means Clustering From Scratch: Simply Explained
👁 1 раз ⏳ 1201 сек.
This video explains how the K-Means Clustering algorithm works, an implementation from scratch, using popular machine learning libraries to run K-Means Clustering, and the plethora of applications that unsupervised machine learning algorithms such as K-Means Clustering bring.
_______
Website: https://www.discoverai.org/
Presentation: https://docs.google.com/presentation/d/1T_towpsxCC31tWytFMWxoJC91FUcm64VUhrY4W77bFk/edit?usp=sharing
Follow us on Twitter: https://twitter.com/_DiscoverAI_

​Data, Algorithms, and Humans

🔗 Data, Algorithms, and Humans
Making sense of the Information Age

​10 Python image manipulation tools.
An overview of some of the commonly used Python libraries that provide an easy and intuitive way to transform images.

https://towardsdatascience.com/image-manipulation-tools-for-python-6eb0908ed61f

🔗 10 Python image manipulation tools
An overview of some of the commonly used Python libraries that provide an easy and intuitive way to transform images.

​AI investment activity - trends of 2018

🔗 AI investment activity - trends of 2018
AI hype slowdown, building cognitive tech stack, vertical integration and other observations

🎥 Machine Learning Part 19: Time Series And AutoRegressive Integrated Moving Average Model (ARIMA)
👁 1 раз ⏳ 1250 сек.
In this video, we cover AutoRegressive Integrated Moving Average Model (ARIMA), Auto Correlation Function (ACF) and Partial Auto Correlation Function (PACF).

CONNECT
Site: https://coryjmaklin.com/
Medium: https://medium.com/@corymaklin
GitHub: https://github.com/corymaklin
Twitter: https://twitter.com/CoryMaklin
Linkedin: https://www.linkedin.com/in/cory-makl...
Facebook: https://www.facebook.com/cory.maklin
Patreon: https://www.patreon.com/corymaklin

🎥 PASSION TALK #8 - Введение в сверточные нейронные сети
👁 1 раз ⏳ 4345 сек.
Нам посчастливилось жить в то время, когда в программировании, науке, бизнесе набирают популярность алгоритмы машинного обучения. Особое место среди них занимают свёрточные нейронные сети. Что это такое и как этим пользоваться? В данной лекции будет всё подробно рассказано.

Спикер: Колбасин Владислав Александрович, ассистент кафедры компьютерной математики и анализа данных факультета компьютерных наук и программной инженерии Национального технического университета «Харьковский политехнический институт», Le

🎥 Евгений Разинков. Лекция 5. Логистическая регрессия (курс "Машинное обучение", весна 2019)
👁 1 раз ⏳ 4172 сек.
Лекция посвящена алгоритму логистической регрессии.
Рассмотрены следующие вопросы:
- Целевая функция для задачи классификации и ее вывод на основе принципа максимального правдоподобия.
- Градиентный спуск.
- Вычисления частных производных целевой функции по параметрам модели.

Евгений Разинков -- к.ф.-м.н., руководитель отдела машинного обучения и компьютерного зрения Группы компаний FIX, ассистент кафедры системного анализа и ИТ института ВМиИТ Казанского федерального университета.

Информация о лекциях:
h

🎥 День Открытых Дверей курса «Нейронные сети на Python»
👁 1 раз ⏳ 6913 сек.
День Открытых Дверей — отличная возможность узнать подробнее о программе курса, особенностях онлайн-формата, навыках, компетенциях и перспективах, которые ждут выпускников после обучения.
Также преподаватель расскажет о своём профессиональном опыте и ответит на вопросы участников.
Поэтому если есть вопрос, запишитесь на онлайн-трансляцию и задайте его в прямом эфире!

Преподаватель: Артур Кадурин - CEO Insilico Taiwan и Chief AI Officer Insilico Medicine

Подключайтесь к обсуждению в чате - https://otus.p

​Перенос стиля

Перенос стиля это процесс преобразования стиля исходного к стилю выбранного изображения и опирается на Сверточный тип сети (CNN), при этом заранее обученной, поэтому многое будет зависеть от выбора данной обученной сети. Благо такие сети есть и выбирать есть из чего, но здесь будет применяться VGG-16.

Для начала необходимо подключить необходимые библиотеки
https://habr.com/ru/post/453512/

🔗 Перенос стиля
Перенос стиля это процесс преобразования стиля исходного к стилю выбранного изображения и опирается на Сверточный тип сети (CNN), при этом заранее обученной, поэ...

​In 12 minutes: Stocks Analysis with Pandas and Scikit-Learn

🔗 In 12 minutes: Stocks Analysis with Pandas and Scikit-Learn
Analyse, Visualize and Predict stocks prices quickly with Python

🎥 Анекдоты 2019 | Анекдоты смешные до слез | Подборка анекдотов 2019 от Володи
👁 1 раз ⏳ 806 сек.
Здесь собраны короткие анекдоты в моем исполнении. Я подумал, что анекдоты эти лучше собрать в один ролик из-за их размера.Эти анекдоты слишком короткие для роликов по отдельности.
Моя группа в вконтакте https://vk.com/club121314638
Хорошая группа с музыкой https://vk.com/public181787832

#Мешки под Глазами#Анекдоты#Юмор

​Открыт прием заявок на участие в пятом ежегодном Молодежном глобальном форуме, который пройдет в Амстердаме со 2 по 6 декабря 2019 года.

Участниками Молодежного глобального форума могут быть магистранты/аспиранты, предприниматели и молодые специалисты в возрасте 20-35 лет из любой страны мира. Владение английским языком обязательно.

Тема форума: «Включенное развитие vs Индустрия 5.0: Где будущее?
(Inclusive Development vs Industry 5.0: Where is the future?)”. Эксперты и лидеры отрасли расскажут о том, какое будущее нас ждет на фоне продолжающейся интеграции машин во все сферы жизни – образование, безопасность, бизнес, производств и т.д.

Возможны две формы участия: докладчик проекта и основной участник. Основной участник сможет участвовать в образовательных и интерактивных паблик-токах и встретиться с лидерами отрасли. Докладчик проекта сможет, помимо этого, представить свой проект с возможностью получить грант до 10 000 евро для реализации его идеи. Также он сможет побороться за две полностью финансируемые стипендии для обучения по программе бакалавриата или магистратуры в Загребской школе бизнеса и IPMI International Business School; платную стажировку в Международном молодежном обществе экологически чистых возобновляемых технологий.

Подать заявку в качестве докладчика проекта или основного участника можно ДО 1 ИЮНЯ по ссылке: https://www.youthglobalforum.org/apply

🔗 Apply | YOUTH GLOBAL FORUM AMSTERDAM 2019
Experience a higher level Event Management

​An Algorithmic Barrier to Neural Circuit Understanding
Venkatakrishnan Ramaswamy: https://www.biorxiv.org/content/10.1101/639724v1
#Algorithme #Neuroscience #innovation #technology

🔗 An Algorithmic Barrier to Neural Circuit Understanding
Neuroscience is witnessing extraordinary progress in experimental techniques, especially at the neural circuit level. These advances are largely aimed at enabling us to understand how neural circuit computations mechanistically cause behavior. Here, using techniques from Theoretical Computer Science, we examine how many experiments are needed to obtain such an empirical understanding. It is proved, mathematically, that establishing the most extensive notions of understanding need exponentially-many experiments in the number of neurons, in general, unless a widely-posited hypothesis about computation is false. Worse still, the feasible experimental regime is one where the number of experiments scales sub-linearly in the number of neurons, suggesting a fundamental impediment to such an understanding. Determining which notions of understanding are algorithmically tractable, thus, becomes an important new endeavor in Neuroscience.

​Minicourse in Deep Learning with PyTorch
By Alfredo Canziani: https://github.com/Atcold/pytorch-Deep-Learning-Minicourse

🔗 Atcold/pytorch-Deep-Learning-Minicourse
Minicourse in Deep Learning with PyTorch. Contribute to Atcold/pytorch-Deep-Learning-Minicourse development by creating an account on GitHub.

​Face reconstruction from short audio recording.
arxiv.org/abs/1905.09773v1

🔗 Speech2Face: Learning the Face Behind a Voice
How much can we infer about a person's looks from the way they speak? In this paper, we study the task of reconstructing a facial image of a person from a short audio recording of that person speaking. We design and train a deep neural network to perform this task using millions of natural Internet/YouTube videos of people speaking. During training, our model learns voice-face correlations that allow it to produce images that capture various physical attributes of the speakers such as age, gender and ethnicity. This is done in a self-supervised manner, by utilizing the natural co-occurrence of faces and speech in Internet videos, without the need to model attributes explicitly. We evaluate and numerically quantify how--and in what manner--our Speech2Face reconstructions, obtained directly from audio, resemble the true face images of the speakers.

🎥 Lecture 12 - Deep neural networks compression | Deep Learning on Computational Accelerators
👁 1 раз ⏳ 4271 сек.
Given by Chaim Baskin @ CS department of Technion - Israel Institute of Technology.

🎥 Introduction to Pandas for Deep Learning (2.1)
👁 1 раз ⏳ 848 сек.
Your data is very rarely in the form that you need it for deep learning. This video shows how to use Pandas to preprocess your tabular data to prepare it for deep learning. Pandas is a popular Python toolkit that can be used with Keras, TensorFlow, and scikit-learn.

Code for This Video: https://github.com/jeffheaton/t81_558_deep_learning/blob/master/t81_558_class02_python_ml.ipynb
Course Homepage: https://sites.wustl.edu/jeffheaton/t81-558/

Follow Me/Subscribe:
https://www.youtube.com/user/HeatonResearc

​speech2face
https://arxiv.org/abs/1905.09773

Project:
https://speech2face.github.io

🔗 Speech2Face: Learning the Face Behind a Voice
How much can we infer about a person's looks from the way they speak? In this paper, we study the task of reconstructing a facial image of a person from a short audio recording of that person speaking. We design and train a deep neural network to perform this task using millions of natural Internet/YouTube videos of people speaking. During training, our model learns voice-face correlations that allow it to produce images that capture various physical attributes of the speakers such as age, gender and ethnicity. This is done in a self-supervised manner, by utilizing the natural co-occurrence of faces and speech in Internet videos, without the need to model attributes explicitly. We evaluate and numerically quantify how--and in what manner--our Speech2Face reconstructions, obtained directly from audio, resemble the true face images of the speakers.

​Введение в глубокое обучение с использованием TensorFlow

Наш телеграм канал - tglink.me/ai_machinelearning_big_data
Изучая машинное обучение мы столкнёмся со множеством новых и различных терминов, например, такие термины как искусственный интеллект, машинное обучение, нейронные сети и глубокое обучение. Что на самом деле означают эти термины и каким образом они соотносятся друг с другом?

Ниже мы разберём каждый из этих терминов и покажем их связь между собой.

Искусственный интеллект: область компьютерных наук, которая ставит своей целью добиться развития человеко-подобного интеллекта у компьютера. Существует множество способов добиться поставленной цели, включая машинное обучение и глубокое обучение.

Машинное обучение: набор связанных техник при использовании которых компьютер тренируется выполнять определённое задание, нежели непосредственное программирование решения задачи.

Нейронные сети: конструкция (структура) в машинном обучении вдохновлённая сетями нейронов (нервными клетками) в биологическом мозге. Нейронные сети являются фундаментальной частью глубокого обучения и будут изучены (затронуты) в этом курсе.

Глубокое обучение: под-область машинного обучения использующая многослойные нейронные сети (нейронные сети состоящие из нескольких слоёв). Часто термины «машинное обучение» и «глубокое обучение» взаимозаменяемы.

Машинное обучение и глубокое обучение так же состоят из множества под-областей, веток и уникальных техник. Один из самых значимых и известных примеров — разделение «обучения с учителем» и «обучение без учителя».

Говоря простым языком — в «обучении с учителем» вы знаете чему хотите научить компьютер, в то время как «обучение без учителя» аналогично предоставлению возможности компьютеру самому определить что может быть изучено. «Обучение с учителем» наиболее стандартный тип машинного обучения, и именно на нём мы сфокусируемся в данном курсе.
https://habr.com/ru/post/453482/

🔗 Введение в глубокое обучение с использованием TensorFlow
Полный курс на русском языке можно найти по этой ссылке. Оригинальный курс на английском доступен по этой ссылке. Выход новых лекций запланирован каждые 2-3...

​Bayes’ Theorem — Some Perspectives

🔗 Bayes’ Theorem — Some Perspectives
“When you change the way you look at things, the things you look at change.” ―Wayne Dyer