​Introduction To Data Visualization Using Matplotlib - Python Learning

🔗 Introduction To Data Visualization Using Matplotlib - Python Learning
Get started on how to create a nice visualization with python and matplotlib using the functional and object-oriented methods.

​Machine Learning with Signal Processing Techniques

https://www.analyticbridge.datasciencecentral.com/profiles/blogs/machine-learning-with-signal-processing-techniques

🔗 Machine Learning with Signal Processing Techniques
Stochastic Signal Analysis is a field of science concerned with the processing, modification and analysis of (stochastic) signals. Anyone with a background in…

​a new NLU benchmark for testing the ability of models to break down a question into the required steps for computing its answer.

https://allenai.github.io/Break/

🔗 A Question Understanding Benchmark
A Question Understanding Benchmark

🎥 SVD: Image Compression [Python]
👁 1 раз ⏳ 586 сек.
This video describes how to use the singular value decomposition (SVD) for image compression in Python.

Book Website: http://databookuw.com
Book PDF: http://databookuw.com/databook.pdf

These lectures follow Chapter 1 from: "Data-Driven Science and Engineering: Machine Learning, Dynamical Systems, and Control" by Brunton and Kutz

Amazon: https://www.amazon.com/Data-Driven-Science-Engineering-Learning-Dynamical/dp/1108422098/

Brunton Website: eigensteve.com

​Thinc – deep learning library with type-checked, functional-programming API for composing models, with support for layers defined in other frameworks such as PyTorch, TensorFlow and MXNet.

https://thinc.ai/docs
https://github.com/explosion/thinc

🔗 Introduction · Thinc · A refreshing functional take on deep learning
Thinc is a lightweight type-checked deep learning library for composing models, with support for layers defined in frameworks like PyTorch and TensorFlow.

​Computer Vision 101: Learn Face Detection And Conditional Filtering

🔗 Computer Vision 101: Learn Face Detection And Conditional Filtering
OpenCV is the state-of-the-art computer vision, it is used by many tech companies, such as Google, Intel and IBM and also companies…

🎥 How to encode categorical features for GBDT | Ryuji Sakata | Kaggle Days
👁 1 раз ⏳ 1668 сек.
Kaggle Days Tokyo took place on December 11-12, 2019 at Mori Tower, Roppongi Hills, Tokyo.

This was the 6th edition of our signature two-day event featuring Master and Grandmaster speakers, and a live, all-day Kaggle Competition.

This edition was sponsored by Google Cloud (GCP), Data Science Dojo, and DeNA.

Kaggle Days is produced by LogicAI and Kaggle.

About LogicAI:
LogicAI is a boutique Data Science consultancy company owned by Kaggle fans and Grandmasters. As a global company, they do custom end-to-

🎥 Knowledge Distillation for BERT
👁 2 раз ⏳ 3857 сек.
Современные языковые модели становятся всё глубже и сложнее, в них насчитываются миллионы параметров (BERT — 340, GPT-2 — 1500, ELMo — 94), что плохо сказывается на времени и стоимости обучения, а также на внедрение их в смартфоны, edge-устройства и т.п. Поэтому возникают задачи по оптимизации таких моделей, с целью более широкого их применения. С другой стороны, есть работы, которые утверждают, что BERT содержит излишне много параметров, а значит его можно уменьшить без потери качества.

На этом семинаре м

​10 Best and Free Machine Learning Courses, Online
https://www.kdnuggets.com/2019/12/best-free-machine-learning-courses-online.html

🔗 10 Best and Free Machine Learning Courses, Online - KDnuggets
Getting ready to leap into the world of Data Science? Consider these top machine learning courses curated by experts to help you learn and thrive in this exciting field.

​Опенсорс приключения киберэлектроника
С 2018 я работаю над пет проектом, системой распознания нервных импульсов.

Началось все с того, что в 2017 я чуть не лишился руки. Несколько месяцев было неясно, с каким количеством рук я выйду из ситуации. В итоге получилось две. В результате этого нелегкого процесса бесконечных операций, я, будучи программистом и вообще человеком любопытствующим, сильно увлекся темой протезов, а именно управления ими. Так как рынок протезов очень мал, развивается он слабо относительно ПК или смартфонов. Особенно плохо дело с протезами руки, которые фактически не позволяют выполнять сложные манипуляции, даже если имеют пять пальцев и напоминают руку терминатора.
Я подумал, могу ли я что-то сделать для ускорения прогресса подобных систем…

🔗 Опенсорс приключения киберэлектроника
С 2018 я работаю над пет проектом, системой распознания нервных импульсов. Началось все с того, что в 2017 я чуть не лишился руки. Несколько месяцев было неясно...

​Hydra — A fresh look at configuration for machine learning projects

🔗 Hydra — A fresh look at configuration for machine learning projects
This post is authored by Omry Yadan, Software Engineer at Facebook AI who created Hydra.

​Туториал по Uplift моделированию. Часть 2

В первой части мы познакомились с uplift моделированием и узнали, что метод позволяет выбирать оптимальную стратегию коммуникации с клиентом, а также разобрали особенности сбора данных для обучения модели и несколько базовых алгоритмов. Однако эти подходы не позволяли оптимизировать uplift напрямую. Поэтому в этой части разберем более сложные, но не менее интересные подходы.

🔗 Туториал по Uplift моделированию. Часть 2
В первой части мы познакомились с uplift моделированием и узнали, что метод позволяет выбирать оптимальную стратегию коммуникации с клиентом, а также разобрали...

​Sharing data visualisations in VirtualBox to keep IT departments happy

🔗 Sharing data visualisations in VirtualBox to keep IT departments happy
How to share a Jupyter presentation as a standalone VirtualBox image when your client isn’t able to work with containers or the cloud

​Simulating Breaking Bread And Dynamic Fractures 🍞

🔗 Simulating Breaking Bread And Dynamic Fractures 🍞
❤️ Check out Lambda here and sign up for their GPU Cloud: https://lambdalabs.com/papers 📝 The paper "CD-MPM: Continuum Damage Material Point Methods for Dynamic Fracture Animation" and its source code is available here: - https://www.seas.upenn.edu/~cffjiang/research/wolper2019fracture/wolper2019fracture.pdf - https://github.com/squarefk/ziran2019 ❤️ Watch these videos in early access on our Patreon page or join us here on YouTube: - https://www.patreon.com/TwoMinutePapers - https://www.youtube.com/chan

🎥 RAPIDS: ускоряем Pandas и scikit-learn на GPU, Павел Клеменков
👁 2 раз ⏳ 2079 сек.
Все мы знаем, что наш любимый Pandas исключительно однопоточный, а модели из scikit-learn часто учатся не очень быстро даже в несколько процессов. Поэтому в докладе я расскажу о проекте RAPIDS - наборе библиотек для анализа данных и построения предиктивных моделей с использованием NVIDIA GPU. В докладе я предложу подискутировать о том, что закон Мура больше не выполняется, рассмотрю принципы работы архитектуры CUDA. Разберу библиотеки cuDF и cuML, а также постараюсь предельно честно рассказать о том, ждать

​Understanding Latent Space in Machine Learning

🔗 Understanding Latent Space in Machine Learning
Learn a fundamental, yet often ‘hidden,’ concept of deep learning

​Cyber Security + AI: defined, explained and explored

🔗 Cyber Security + AI: defined, explained and explored
What’s lacking and what’s ahead.

​Building an End-to-End Defect Classifier Application for Printed Circuit Boards

🔗 Building an End-to-End Defect Classifier Application for Printed Circuit Boards
Detecting, Extracting and Classifying Circuit Board Defects using Image Processing and Deep Learning

​Игра настоящих программистов!

https://cloud.mail.ru/public/2EX5/5ku2GDdah

🔗 Папка из Облака Mail.ru
Облако Mail.ru - это ваше персональное надежное хранилище в интернете.

​How to Configure XGBoost for Imbalanced Classification

🔗 How to Configure XGBoost for Imbalanced Classification
The XGBoost algorithm is effective for a wide range of regression and classification predictive modeling problems. It is an efficient implementation of the stochastic gradient boosting algorithm and offers a range of hyperparameters that give fine-grained control over the model training procedure. Although the algorithm performs well in general, even on imbalanced classification datasets, it …

​Torch-Struct: Deep Structured Prediction Library

Code: https://github.com/harvardnlp/pytorch-struct

Paper: https://arxiv.org/abs/2002.00876v1

Fast, general, and tested differentiable structured prediction in PyTorch: http://nlp.seas.harvard.edu/pytorch-struct/
Наш телеграм канал - tglink.me/ai_machinelearning_big_data

🔗 harvardnlp/pytorch-struct
Fast, general, and tested differentiable structured prediction in PyTorch - harvardnlp/pytorch-struct