​Книга «Машинное обучение для бизнеса и маркетинга»

image Наука о данных становится неотъемлемой частью любой маркетинговой деятельности, и эта книга является живым портретом цифровых преобразований в маркетинге. Анализ данных и интеллектуальные алгоритмы позволяют автоматизировать трудоемкие маркетинговые задачи. Процесс принятия решений становится не только более совершенным, но и более быстрым, что имеет большое значение в постоянно ускоряющейся конкурентной среде.

«Эта книга — живой портрет цифровых преобразований в маркетинге. Она показывает, как наука о данных становится неотъемлемой частью любой маркетинговой деятельности. Подробно описывается, как подходы на основе анализа данных и интеллектуальных алгоритмов способствуют глубокой автоматизации традиционно трудоемких маркетинговых задач. Процесс принятия решений становится не только более совершенным, но и более быстрым, что важно в нашей постоянно ускоряющейся конкурентной среде. Эту книгу обязательно должны прочитать и специалисты по обработке данных, и специалисты по маркетингу, а лучше, если они будут читать ее вместе.» Андрей Себрант, директор по стратегическому маркетингу, Яндекс.
https://habr.com/ru/company/piter/blog/460375/

🔗 Книга «Машинное обучение для бизнеса и маркетинга»
Наука о данных становится неотъемлемой частью любой маркетинговой деятельности, и эта книга является живым портретом цифровых преобразований в маркетинге. Анали...

#Машинноеобучение

Наш телеграм канал - tglink.me/ai_machinelearning_big_data
✅Машинное обучение: шаг в цифровую экономику.
✅Использование искусственного интеллекта в финансовом и банковском секторе.
✅Roundtable discussion. Future of AI: science, industry and society.
✅Моделирование пользовательских предпочтений в мультимодальных данных.
✅Открытые вопросы искусственного интеллекта.
✅Проект iPavlov: как на Физтехе разрабатывают разговорный искусственный интеллект.
✅Машинное обучения для поиска тёмной материи в экспериментах ЦЕРН.
✅Нейроморфные вычисления и механизмы мозга.
✅Когнитивное компьютерное моделирование и искусственный интеллект.
✅Технологии INTEL для машинного обучения и систем AI.

🎥 Roundtable discussion. Future of AI: science, industry and society.
👁 1 раз ⏳ 3927 сек.


🎥 Моделирование пользовательских предпочтений в мультимодальных данных. Хади Лау и Максим Ткаченко.
👁 1 раз ⏳ 3382 сек.
Поисковые системы, системы электронной коммерции, социальные сети и другие онлайн-сервисы содержат огромное количество информации. Только часть её ...

🎥 Открытые вопросы искусственного интеллекта. Сергей Шумский
👁 1 раз ⏳ 5557 сек.
Семинар AI@MIPT на тему «Открытые вопросы искусственного интеллекта». Его провел Сергей Шумский, директор Научно-координационного совета Центра нау...

🎥 Машинное обучения для поиска тёмной материи в экспериментах ЦЕРН. Андрей Устюжанин
👁 1 раз ⏳ 4871 сек.
Поиск тёмной материи становится горячей темой современных физических исследований. О её существовании догадались из относительно недавних наблюдени...

🎥 Нейроморфные вычисления и механизмы мозга. Виталий Дунин-Барковский
👁 1 раз ⏳ 4218 сек.
Успешность многослойных нейроморфных конструкций долгое время обеспечивалась исключительно механизмом обратного распространения ошибок. Этот механи...

🎥 Когнитивное компьютерное моделирование и искусственный интеллект. Александр Панов
👁 1 раз ⏳ 4853 сек.
Когнитивные науки занимаются изучением процессов и способов познания человеком себя и окружающей среды. Искусственный интеллект зарождался именно к...

🎥 Технологии INTEL для машинного обучения и систем AI. Михаил Цветков
👁 1 раз ⏳ 5462 сек.
Переход от академических соревнований на публичных датасетах к практическим внедрениям AI по реальным данным показывает, что тренинг модели — это т...

​Роботы и клубничка: как AI повышает урожайность полей

Наш телеграм канал - tglink.me/ai_machinelearning_big_data
Население Земли стремительно растёт, и по прогнозам ООН к 2030 году достигнет 8,5 млрд человек. Аналитики Всемирного банка считают, что к 2050 году нам нужно будет увеличить количество продуктов питания на 50 процентов, чтобы поддержать растущее население планеты, а изменение климата приведет к снижению урожайности на 25 процентов на открытом воздухе. Но территории, лучше всего подходящие для выращивания культурных растений, уже обрабатываются. Найти новые места трудно, а добиться значительного прироста урожайности — ещё труднее.
Искусственный интеллект, Машинное обучение
https://habr.com/ru/company/cloud4y/blog/460129/

🔗 Роботы и клубничка: как AI повышает урожайность полей
Население Земли стремительно растёт, и по прогнозам ООН к 2030 году достигнет 8,5 млрд человек. Аналитики Всемирного банка считают, что к 2050 году нам нужно бу...

Stack vs Concat in PyTorch, TensorFlow & NumPy - Deep Learning Tensor Ops
https://www.youtube.com/watch?v=kF2AlpykJGY

🎥 Stack vs Concat in PyTorch, TensorFlow & NumPy - Deep Learning Tensor Ops
👁 1 раз ⏳ 1011 сек.
Welcome to this neural network programming series. In this episode, we will dissect the difference between concatenating and stacking tensors together. We’ll look at three examples, one with PyTorch, one with TensorFlow, and one with NumPy.

👉 Learn about squeezing tensors:
🔗 https://deeplizard.com/learn/video/fCVuiW9AFzY

🙏 Thank you to Liu Xinxin who asked the question that lead to this video's creation.
👉 What's the difference between stack and cat?

💥🦎 DEEPLIZARD COMMUNITY RESOURCES 🦎💥

👀 OUR VLOG:
🔗 h

​Почему вам не стоит учавствовать в хакатонах – Денис Воротынцев

🔗 Почему вам не стоит учавствовать в хакатонах – Денис Воротынцев
Денис Воротынцев рассказывает, почему не стоит участвовать в хакатонах (доклад секции Black ML, Data Fest⁶). Из видео вы сможете узнать: - Что такое хакатоны и в чём заключается мотивация участников - Кейсы участия в хакатонах - Три группы ошибок и сложностей в хакатонах или что может пойти не так Узнать о текущих соревнованиях можно на сайте http://mltrainings.ru/ Узнать о новых тренировках и видео можно из групп: ВКонтакте https://vk.com/mltrainings Facebook https://www.facebook.com/groups/141340512559

​The AI Technique That Could Imbue Machines With the Ability to Reason
https://medium.com/mit-technology-review/the-ai-technique-that-could-imbue-machines-with-the-ability-to-reason-7a7b28a59993

🔗 The AI Technique That Could Imbue Machines With the Ability to Reason
Yann LeCun, Facebook’s chief AI scientist, believes unsupervised learning will bring about the next AI revolution

Глубинное машинное обучение в задачах компьютерного зрения

https://www.youtube.com/watch?v=ez5i1q3BMlI

🎥 Глубинное машинное обучение в задачах компьютерного зрения
👁 1 раз ⏳ 5078 сек.

Google AI - Vision API Python Tutorial (Part 8): Image Properties Detection

🎥 Google AI - Vision API Python Tutorial (Part 8): Image Properties Detection
👁 1 раз ⏳ 690 сек.
Buy Me a Coffee? https://www.paypal.me/jiejenn/5
Your donation will support me to continue to make more tutorial videos!

Overview:
The Image Properties feature detects general attributes of an image, such as the dominant colors composed in the image. In this tutorial we will learn how to use the IMAGE_PROPERTIES method of the Google’s Vision API.

Documentation:
https://cloud.google.com/vision/docs/detecting-properties

Python Script
https://learndataanalysis.org/google-vision-api-detect-image-properties/

​A Recipe for using Open Source Machine Learning models
A step-by-step approach to finding, evaluating and using open source neural network models

https://towardsdatascience.com/a-recipe-for-using-open-source-machine-learning-models-within-your-company-1aed833a59b5?source=collection_home---4------2-----------------------

🔗 A Recipe for using Open Source Machine Learning models
A step-by-step approach to finding, evaluating and using open source neural network models

​The Hundred-Page Machine Learning Book Book Review
The start here and continue here of machine learning. 100-pages in 10-minutes. You ready?
https://towardsdatascience.com/the-hundred-page-machine-learning-book-book-review-72b51c5ad083?source=collection_home---4------0-----------------------

🔗 The Hundred-Page Machine Learning Book Book Review - Towards Data Science
The start here and continue here of machine learning. 100-pages in 10-minutes. You ready?

​Sinkhorn iteration for Optimal Transport with TF. Code:
https://colab.research.google.com/github/znah/notebooks/blob/master/mini_sinkhorn.ipynb

🔗 Google Colaboratory

​EasyGen, a visual programming language for text data pipelines for neural nets.

Colab: https://drive.google.com/open?id=1XNiOuNtMnItl5CPGvRjEvj9C78nDuvXj
Github: https://github.com/markriedl/easygen

🔗 Easygen.ipynb
Colaboratory notebook

Программно-аппаратные решения в области ИИ

✅Эволюция вычислений, видение DELL EMC
✅Суперкомпьютеры проекта Coral: Summit и Sierra
✅Сеть межпроцессорного обмена Ангара и современные системы ИИ
✅Роль сетевых технологий в ускорении ИИ вычислений
✅Платформы NVIDIA для систем ИИ
✅Практический взгляд компании AMD на решение задач ИИ
✅Обзор проектов Intel в области машинного обучения и систем AI
✅Настоящие и будущие супер-решения Supermicro для систем ИИ и анализа данных

🎥 Никита Степанов: «Эволюция вычислений, видение DELL EMC»
👁 1 раз ⏳ 2549 сек.
Заключительная лекция цикла «Программно-аппаратные решения в области ИИ», организованного лабораторией мультимедийных систем и технологий при ФРКТ ...

🎥 Александр Перевозчиков: «Суперкомпьютеры проекта Coral: Summit и Sierra»
👁 1 раз ⏳ 9988 сек.
Чего можно ожидать от процессоров с точки зрения производительности? Как долго проживет кремний? Как и почему отличается идеология построения проце...

🎥 Александр Семенов: «Сеть межпроцессорного обмена Ангара и современные системы ИИ»
👁 1 раз ⏳ 4289 сек.
На лекции будет рассказано о направлениях работ НИЦЭВТ в области теории графов — основы многих методов вычислительного искусственного интеллекта, в...

🎥 Борис Нейман: «Роль сетевых технологий в ускорении ИИ вычислений»
👁 1 раз ⏳ 3305 сек.
В социальной сети Facebook есть система автоматического распознавания лиц, за работой которой стоит сложная многоэтапная задача. Она состоит из сбо...

🎥 Дмитрий Конягин: «Платформы NVIDIA для систем ИИ»
👁 1 раз ⏳ 4682 сек.
В лекции будет рассказано про новые технологии и компоненты платформы NVIDIA для решения задач ИИ, в частности, про те, которые были представлены н...

🎥 Павел Станавов: «Практический взгляд компании AMD на решение задач ИИ» edit 230ms
👁 1 раз ⏳ 3478 сек.
Павел Станавов: «Практический взгляд компании AMD на решение задач ИИ: процессоры нового поколения и универсальные ускорители на пороге 7 нанометро...

🎥 Михаил Цветков: «Обзор проектов Intel в области машинного обучения и систем AI»
👁 1 раз ⏳ 3342 сек.
Доклад «Обзор проектов Intel в области машинного обучения и систем AI: новые аппаратные платформы и оптимизация на программном уровне» будет читать...

🎥 Евгений Борисов: «Настоящие и будущие супер-решения Supermicro для систем ИИ и анализа данных»
👁 1 раз ⏳ 4624 сек.
Продукция компании Supermicro — производителя серверных платформ — является ключевым звеном в цепи «превращения умных чипов в законченные функциона...

​Modeling and Control of a Reconfigurable Photonic Circuit using Deep Learning

Authors: Akram Youssry, Robert J. Chapman, Alberto Peruzzo, Christopher Ferrie, Marco Tomamichel

Abstract: …which cannot be directly observed. Finally, there are imperfections in the measurements caused by losses from coupling the chip externally to optical fibers. We developed a deep neural network approach to solve these problems. The architecture is designed specifically to overcome the aforementioned challenges using a Gated Recurrent Unit (GRU)-based network
https://arxiv.org/abs/1907.08023

🔗 Modeling and Control of a Reconfigurable Photonic Circuit using Deep Learning
The complexity of experimental quantum information processing devices is increasing rapidly, requiring new approaches to control them. In this paper, we address the problems of practically modeling and controlling an integrated optical waveguide array chip, a technology expected to have many applications in telecommunications and optical quantum information processing. This photonic circuit can be electrically reconfigured, but only the output optical signal can be monitored. As a result, the conventional control methods cannot be naively applied. Characterizing such a chip is challenging for three reasons. First, there are uncertainties associated with the Hamiltonian describing the chip. Second, we expect distortions of the control voltages caused by the chip's electrical response, which cannot be directly observed. Finally, there are imperfections in the measurements caused by losses from coupling the chip externally to optical fibers. We developed a deep neural network approach to solve these problems

​How to Develop an Auxiliary Classifier GAN (AC-GAN) From Scratch with Keras
https://machinelearningmastery.com/how-to-develop-an-auxiliary-classifier-gan-ac-gan-from-scratch-with-keras/

🔗 How to Develop an Auxiliary Classifier GAN (AC-GAN) From Scratch with Keras
Generative Adversarial Networks, or GANs, are an architecture for training generative models, such as deep convolutional neural networks for generating images. The conditional generative adversarial network, or cGAN for short, is a type of GAN that involves the conditional generation of images by a generator model. Image generation can be conditional on a class label, …

Deep learning на пальцах (2019)
#Deeplearning

Наш телеграм канал - tglink.me/ai_machinelearning_big_data
Deep learning на пальцах 1 - Введение
Deep Learning course 2019, seminar #1 (version 2)
Deep learning на пальцах 2 - Элементы машинного обучения
Deep Learning course 2019, seminar #2
Deep learning на пальцах 3 - Нейронные сети
Deep Learning course 2019, seminar #3
Deep Learning на пальцах 4 - PyTorch и подробности
Deep Learning на пальцах 5 - Нейросети на практике
Deep Learning на пальцах 6 - Convolutional Neural Networks
Deep Learning на пальцах 7 - Segmentation и Object Detection

🎥 Deep learning на пальцах 1 - Введение
👁 1 раз ⏳ 4453 сек.
Курс: http://dlcourse.ai
Слайды: https://www.dropbox.com/s/veif179mw6cdp2v/Lecture%201%20-%20Intro.pptx?dl=0
Лекции каждую неделю в среду 8:40 утра...

🎥 Deep Learning course 2019, seminar #1 (version 2)
👁 1 раз ⏳ 2976 сек.
Семинар №1 курса https://dlcourse.ai/ ,
ссылка на ноутбук: https://colab.research.google.com/drive/1FBdo0TAv5eiWNl909vrcAQeau476rlOK

🎥 Deep learning на пальцах 2 - Элементы машинного обучения
👁 1 раз ⏳ 3957 сек.
Курс: http://dlcourse.ai
Слайды: https://www.dropbox.com/s/h1r9iju8i1c1gyp/Lecture%202%20-%20Machine%20Learning%20-%20annotated.pptx?dl=0
Лекции ка...

🎥 Deep Learning course 2019, seminar #2
👁 1 раз ⏳ 1287 сек.
Семинар №2 курса https://dlcourse.ai/
Задание 1: https://github.com/sim0nsays/dlcourse_ai
Ноутбук 1, к которому мы ненадолго возвращаемся: https:/...

🎥 Deep learning на пальцах 3 - Нейронные сети
👁 1 раз ⏳ 5545 сек.
Курс: http://dlcourse.ai
Слайды: https://www.dropbox.com/s/ywn9xoxeyy7250b/Lecture%203%20-%20Neural%20Networks%20-%20annotated.pdf?dl=0
Лекции кажд...

🎥 Deep Learning course 2019, seminar #3
👁 1 раз ⏳ 1439 сек.
Семинар №3 курса https://dlcourse.ai/
Разбираем математику вычисления градиента кросс-энтропии и софтмакса из задания 1.2 :
https://github.com/sim0...

🎥 Deep Learning на пальцах 4 - PyTorch и подробности
👁 1 раз ⏳ 4999 сек.
Курс: http://dlcourse.ai
Слайды: https://www.dropbox.com/s/bdk2rdjxx4c0cte/Lecture%204%20-%20Framework%20%26%20Details%20-%20annotated.pdf?dl=0

🎥 Deep Learning на пальцах 5 - Нейросети на практике
👁 1 раз ⏳ 5687 сек.
Курс: http://dlcourse.ai
Слайды: https://www.dropbox.com/s/fa047fxlbqcmv96/Lecture%205%20-%20Neural%20Network%20In%20Practice%20-%20annotated.pdf?dl=0

🎥 Deep Learning на пальцах 6 - Convolutional Neural Networks
👁 1 раз ⏳ 5231 сек.
Курс: http://dlcourse.ai
Слайды: https://www.dropbox.com/s/k8rtpvlc3xaj65b/Lecture%206%20-%20CNNs%20-%20annotated.pdf?dl=0
Если все еще непонятно, ...

🎥 Deep Learning на пальцах 7 - Segmentation и Object Detection (Владимир Игловиков)
👁 1 раз ⏳ 5720 сек.
Курс: http://dlcourse.ai
Слайды: https://slides.com/vladimiriglovikov/title-texttitle-text-17
Менее хардкорный вариант лекции прошлого года: https:...

Imran Rashid:Training intelligent game agents using deep reinforcement learning | PyData London 2019
https://www.youtube.com/watch?v=_Hojp_fMOjI

🎥 Imran Rashid:Training intelligent game agents using deep reinforcement learning | PyData London 2019
👁 1 раз ⏳ 4621 сек.
Reinforcement learning has enjoyed its recent prominence with its combination with the class of rich function approximators known as deep neural networks. The combination, referred as deep reinforcement learning (DRL) have demonstrated to perform on complex tasks from Atari games to robotics to self-driving cars. This tutorial dives into how to frame and solve DRL problem with python.

www.pydata.org

PyData is an educational program of NumFOCUS, a 501(c)3 non-profit organization in the United States. PyDat

​Building SMILY, a Human-Centric, Similar-Image Search Tool for Pathology

Наш телеграм канал - tglink.me/ai_machinelearning_big_data
http://ai.googleblog.com/2019/07/building-smily-human-centric-similar.html/

🔗 Building SMILY, a Human-Centric, Similar-Image Search Tool for Pathology
Posted by Narayan Hegde, Software Engineer, Google Health and Carrie J. Cai, Research Scientist, Google Research Advances in machine learn...

​Key decisions when planning a Data Science project
6 questions to make yourself and not end up smashed
https://towardsdatascience.com/key-decisions-when-planning-a-data-science-project-b6e17f921ed1?source=collection_home---4------0-----------------------

🔗 Key decisions when planning a Data Science project - Towards Data Science
6 questions to make yourself and not end up smashed

​Speeding up Neural Net Training with LR-Finder
Finding good initial learning rate for your network
https://towardsdatascience.com/speeding-up-neural-net-training-with-lr-finder-c3b401a116d0

🔗 Speeding up Neural Net Training with LR-Finder - Towards Data Science
Finding good initial learning rate for your network

​Do NLP Entailment Benchmarks Measure Faithfully?
I suggest they don’t.
https://towardsdatascience.com/do-nlp-entailment-benchmarks-measure-faithfully-e600212692b3?source=collection_home---4------0-----------------------

🔗 Do NLP Entailment Benchmarks Measure Faithfully? - Towards Data Science
I suggest they don’t.