🎥 A Label-Free World - Current State Of Unsupervised Deep Learning | Facebook / NYU
👁 1 раз ⏳ 2473 сек.
Download Slides: https://www.datacouncil.ai/talks/a-label-free-world-current-state-of-unsupervised-deep-learning

WANT TO EXPERIENCE TALKS LIKE THIS?
https://www.datacouncil.ai/new-york-city
https://www.datacouncil.ai/san-francisco
https://www.datacouncil.ai/singapore
https://www.datacouncil.ai/barcelona

ABOUT THE TALK

The promise of unsupervised and self-supervised learning is to usher in a new world where systems can draw greater levels of signal from data without labels. In this talk I’ll first cover t

​Итоги недели: у Google успехи с ИИ, но не ладится со Stadia, Дурова вызвали в суд, фермеры тестируют VR

Итоги прошедшей недели на Хабре. В этом дайджесте — самые важные, интересные и громкие события, о которых мы говорили с 22 по 29 ноября. В Google разработали «объяснимый» ИИ, Stadia все никак не взлетит, а Translator Toolkit скоро закроется. Ученые, возможно, близки к очень надежным накопителям на основе сегнетоэлектрических конденсаторов, дисплеи Visionox можно свернуть в рулон, а в Сети нашли Elasticsearch-сервер с 1,2 млрд записей в открытом доступе. В США Дурова вызвали в суд, в России определили максимальную сумму штрафа за хранение данных юзеров за пределами страны, а Samsung обновит 30 моделей смартфонов до Android 10.

🔗 Итоги недели: у Google успехи с ИИ, но не ладится со Stadia, Дурова вызвали в суд, фермеры тестируют VR
Итоги прошедшей недели на Хабре. В этом дайджесте — самые важные, интересные и громкие события, о которых мы говорили с 22 по 29 ноября. В Google разработали «...

​Breast Histopathology Images Dataset
Download: https://www.kaggle.com/paultimothymooney/breast-histopathology-images

🔗 Breast Histopathology Images
198,738 IDC(-) image patches; 78,786 IDC(+) image patches

​Подборка открытых датасетов
сравнение социально-экономической информации с показателями самоубийств по годам и странам

https://www.kaggle.com/russellyates88/suicide-rates-overview-1985-to-2016
Обработка данных :
https://www.kaggle.com/tavoosi/suicide-data-full-interactive-dashboard

https://www.kaggle.com/rblcoder/mental-health-happiness-economics-human-freedom

https://www.kaggle.com/kralmachine/data-visualization-of-suicide-rates

https://www.kaggle.com/AnalyzeBoston/crimes-in-boston . -
записи из Бостонской системы отчетов о происшествиях с преступностью, включающая в себя происшествия, и информацию о том когда и где оно произошло
Обработка данных :
https://www.kaggle.com/heesoo37/boston-crimes-starter-eda
https://www.kaggle.com/royrangan7/boston-crime-reports
https://www.kaggle.com/hemprove1/transfer-learning-and-imagedatagenerator-in-kera2

https://www.kaggle.com/lava18/google-play-store-apps
— категории, рейтинги, размер всех приложений Google Play

Обработка данных :
https://www.kaggle.com/lava18/all-that-you-need-to-know-about-the-android-market

https://www.kaggle.com/tanetboss/how-to-get-high-rating-on-play-store

https://www.kaggle.com/danilodiogo/google-play-store-eda-plotting-with-highcharts

https://www.kaggle.com/therohk/million-headlines — данные заголовков новостей, опубликованных за последние 15 лет

https://www.kaggle.com/nulldata/meaningful-random-headlines-by-markov-chain
https://www.kaggle.com/rcushen/topic-modelling-with-lsa-and-lda

https://www.kaggle.com/saurograndi/airplane-crashes-since-1908
— полная история авиакатастроф по всему миру, с 1908 года по настоящее время
https://www.kaggle.com/ruslankl/airplane-crashes-data-visualization
https://www.kaggle.com/jeffd23/chinese-zodiac-and-aircraft-deaths
Наш телеграм канал - tglink.me/ai_machinelearning_big_data

🔗 Suicide Rates Overview 1985 to 2016
Compares socio-economic info with suicide rates by year and country

Нейросети для анализа изображений

Сверточные нейронные сети
Распознавание объектов на изображениях
Предварительно обученные нейронные сети
Как подготовить свой набор изображений в Keras
Перенос обучения
Тонкая настройка нейронной сети
Анализ признаков, извлеченных нейросетью
Дополнение данных
Визуализация сверточных нейросетей

#neural #python

🎥 Сверточные нейронные сети | Глубокие нейронные сети на Python
👁 23 раз ⏳ 639 сек.
Краткий обзор архитектуры сверточных нейронных сетей. Страница курса - http://www.asozykin.ru/courses/nnpython.

Принципы сверточных нейронных сете...

🎥 Распознавание объектов на изображениях | Глубокие нейронные сети на Python
👁 9 раз ⏳ 928 сек.
Пишем программу на Keras для распознавания объектов на изображениях из набора данных CIFAR-10. Страница курса - http://www.asozykin.ru/courses/nnpy...

🎥 Предварительно обученные нейронные сети | Глубокие нейронные сети на Python
👁 1 раз ⏳ 890 сек.
Используем готовые нейронные сети в своих программах. Страница курса - https://www.asozykin.ru/courses/nnpython

Существует возможность не обучать ...

🎥 Как подготовить свой набор изображений в Keras | Глубокие нейронные сети на Python
👁 3 раз ⏳ 1058 сек.
Демонстрация подготовки своего набора изображений для обучения глубокой нейронной сети в Keras.
Страница курса - https://www.asozykin.ru/courses/nn...

🎥 Перенос обучения | Глубокие нейронные сети на Python
👁 1 раз ⏳ 852 сек.
Лекция по применению предварительно обученных нейронных сетей для решения задач других типов с помощью переноса обучения (transfer learning).
Стран...

🎥 Тонкая настройка нейронной сети | Глубокие нейронные сети на Python
👁 1 раз ⏳ 696 сек.
Лекция по тонкой настройке (fine tuning) нейронной сети.
Страница курса - https://www.asozykin.ru/courses/nnpython

Тонкая настройка (fine tining) ...

🎥 Анализ признаков, извлеченных нейросетью | Глубокие нейронные сети на Python
👁 1 раз ⏳ 1001 сек.
Классифицируем изображения с помощью признаков, извлеченных глубокой нейронной сетью.
Страница курса - https://www.asozykin.ru/courses/nnpython

Ра...

🎥 Дополнение данных | Глубокие нейронные сети на Python
👁 2 раз ⏳ 607 сек.
Увеличиваем количество данных в наборе для обучения с помощью генераторов в Keras.
Страница учебного курса - https://www.asozykin.ru/courses/nnpyth...

🎥 Визуализация сверточных нейросетей | Глубокие нейронные сети на Python
👁 6 раз ⏳ 618 сек.
Визуализируем, что изучили сверточные слои глубокой нейронной сети.
Страница учебного курса - https://www.asozykin.ru/courses/nnpython

В видео ра...

​WSAI Americas 2019 - Yoshua Bengio - Moving beyond supervised deep learning

🔗 WSAI Americas 2019 - Yoshua Bengio - Moving beyond supervised deep learning
Moving beyond supervised deep learning Watch Yoshua Bengio, Professor of Computer Science and Operations Research at Université de Montréal on stage at World Summit AI Americas 2019. americas.worldsummit.ai

​This AI Makes The Mona Lisa Speak…And More!

🔗 This AI Makes The Mona Lisa Speak…And More!
❤️ Check out Lambda here and sign up for their GPU Cloud: https://lambdalabs.com/papers 📝 The paper "Few-shot Video-to-Video Synthesis" is available here: https://nvlabs.github.io/few-shot-vid2vid/ 🙏 We would like to thank our generous Patreon supporters who make Two Minute Papers possible: Alex Haro, Anastasia Marchenkova, Andrew Melnychuk, Angelos Evripiotis, Anthony Vdovitchenko, Benji Rabhan, Brian Gilman, Bryan Learn, Christian Ahlin, Claudio Fernandes, Daniel Hasegan, Dan Kennedy, Dennis Abts, Eric

​Чипы Intel Myriad X и их масштабируемость в инференсе нейронных сетей
Нейростики Intel NCS2, чипы Myriad X, решения сторонних производителей — компания Intel продвигает решения на базе Myriad X в самых различных вариантах.
Чем же так хороши эти ускорители? Во-первых, стоимостью одного FPS. Во-вторых, полной совместимостью с OpenVINO, где можно перенести существующие решения с CPU/GPU на стик или MyriadX без их доработки или дополнительной адаптации. Конечно же, адаптация это не особенность VPU, а, скорее, особенность OpenVINO, где каждая обученная сеть может работать на любой выбранной аппаратной платформе, будь то CPU, GPU, FPGA, VPU и выбор может быть сделан не до разработки, а после.

🔗 Чипы Intel Myriad X и их масштабируемость в инференсе нейронных сетей
Нейростики Intel NCS2, чипы Myriad X, решения сторонних производителей — компания Intel продвигает решения на базе Myriad X в самых различных вариантах. Чем же т...

​[NLP] Basics: Understanding Regular Expressions

🔗 [NLP] Basics: Understanding Regular Expressions
The only guide you’ll ever need

​Optimal Estimation Algorithms: Kalman and Particle Filters

🔗 Optimal Estimation Algorithms: Kalman and Particle Filters
An introduction to the Kalman and Particle Filters and their applications in fields such as Robotics and Reinforcement Learning.

🎥 Семинар: обучение CNN (16.11.2019)
👁 1 раз ⏳ 3775 сек.

🎥 Raphaël Meudec: tf-explain: Interpretability for Tensorflow 2.0 | PyData New York 2019
👁 1 раз ⏳ 1809 сек.
Deep learning models now emerge in multiple domains. The question data scientists and users always ask is "Why does it work?". Explaining decisions from neural networks is vital for model improvements and analysis, and users' adoption. In this talk, I will explain interpretability methods implementations with TF2.0 and introduce tf-explain, a TF2.0 library for interpretability.

www.pydata.org

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

🎥 Assembly Data Science - Deep Learning for Computer Vision
👁 1 раз ⏳ 12092 сек.
We’re proud to announce the first event in The Assembly: Data Science stream on 30th November 2019 at in5 Tech! These workshops will cover data science platforms and techniques, machine learning and artificial intelligence paradigms with more sophisticated content from experts for those who would like to do a deep dive into these topics.

Our first session will cover Deep Learning For Computer Vision. We’ll take you over the basics of computer vision - the science of how computers can autonomously gain a hi

​Data Structures and Algorithms with Python — K. D. Lee, S. Hubbard

Наш телеграм канал - tglink.me/ai_machinelearning_big_data

📝 Data Structures and Algorithms with Python (en).pdf - 💾13 437 939

​Python for Probability, Statistics, and Machine Learning

📝 Python for Probability, Statistics, and Machine Learning.pdf - 💾7 483 357

🎥 075. Карьера в data science: типичные ошибки на собеседовании – Валерий Бабушкин
👁 13 раз ⏳ 1103 сек.
- Как найти работу в Data Science, если у тебя еще нет рабочего опыта?
- Стоит ли тратить время на kaggle?
- Какой путь должен пройти дата саентолог, чтобы стать джуниором, мидлом и сеньором?


* 21 октября 2018 г. в московском офисе Яндекса прошла встреча сообщества Open Data Science. Мы испытали новый формат: программа не была определена заранее, а составлялась по запросам аудитории.
Мы собрали больше 500 заявок от участников и ответили на самые популярные и интересные вопросы.

Валерий Бабушкин
Закончил

​‘I want to learn Artificial Intelligence and Machine Learning. Where can I start?’

🔗 ‘I want to learn Artificial Intelligence and Machine Learning. Where can I start?’
How I went from Apple Genius to Startup Failure to Uber Driver to Machine Learning Engineer

🎥 Семинар 4 - Организация научных исследований в студенческой среде, на примере ВШЭ, ИСП РАН и mipt.ai
👁 1 раз ⏳ 7207 сек.
Запись на следующие семинары: http://mipt.ai/seminar и сайт лаборатории mipt.ai
По всем вопросам пишите нам на info@mipt.ai
Таймтеги в описании ниже.

22 ноября в ВШЭ прошёл уже четвёртый открытый научный семинар лаборатории машинного интеллекта МФТИ! На этот раз с научными руководителями из ВШЭ, ИСП РАН и ИАД (ВЦ РАН) обсуждали построение и развитие научной группы с привлечением студентов к исследованиям.

Таймтеги:
0:21 Андрей Устюжанин (заведующий лабораторией методов анализа больших данных ВШЭ) - гибки

🎥 Quantum Computer Programming w/ Qiskit
👁 1 раз ⏳ 2886 сек.
A practical and applied introduction to quantum computer programming, using IBM's free cloud-based quantum machines and Qiskit.

IBM Quantum Computing: https://quantum-computing.ibm.com/

Text-based tutorials and sample code: https://pythonprogramming.net/quantum-computer-programming-tutorial/

pip install qiskit numpy jupyterlab matplotlib qiskit-ibmq-provider

Qiskit slack channel: https://app.slack.com/client/T7RSPHKK2/C7SJ0PJ5A

Python 3 Basics tutorials: https://pythonprogramming.net/introduction-learn