​Deep Learning vs. Machine Learning

🔗 Deep Learning vs. Machine Learning
What do these buzz words really mean? And what is the difference between Machine and Deep Learning?

​Logistic Regression Explained

🔗 Logistic Regression Explained
[ — Logistic Regression explained simply — ]

​Forecasting at Uber: An Introduction
https://eng.uber.com/forecasting-introduction/

🔗 Forecasting at Uber: An Introduction
In this article, we provide a general overview of how our teams leverage forecasting to build better products and maintain the health of the Uber marketplace.

​Книга Learning Pandas

Наш телеграм канал - tglink.me/ai_machinelearning_big_data

🔗 Открыть в Telegram



📝 Learning pandas - Michael Heydt.pdf - 💾8 974 015

📝 Learning Pandas.pdf - 💾1 841 833

​Mutual Information-based State-Control for Intrinsically Motivated Reinforcement Learning

Agent Learning Framework: https://github.com/HorizonRobotics/alf

Github: https://github.com/ruizhaogit/misc

Paper: https://arxiv.org/abs/2002.01963v1
Наш телеграм канал - tglink.me/ai_machinelearning_big_data

🔗 HorizonRobotics/alf
Agent Learning Framework. Contribute to HorizonRobotics/alf development by creating an account on GitHub.

​"The International Mathematical Olympiad Grand Challenge"

The challenge: build an AI that can win a gold medal in the competition — https://imo-grand-challenge.github.io

#ArtificialIntelligence #DeepLearning #Mathematics

🔗 IMO Grand Challenge
IMO Grand Challenge for Artificial Intelligence

​Toward an MRI-Based Mesoscale Connectome of the Squid Brain
https://www.sciencedirect.com/science/article/pii/S2589004219305620

🔗 Toward an MRI-Based Mesoscale Connectome of the Squid Brain
Using high-resolution diffusion magnetic resonance imaging (dMRI) and a suite of old and new staining techniques, the beginnings of a multi-scale conn…

​Bridging Ordinary-Label Learning and Complementary-Label Learning

https://github.com/YasuhiroKatsura/ord-comp

https://arxiv.org/abs/2002.02158v1
Наш телеграм канал - tglink.me/ai_machinelearning_big_data

🔗 YasuhiroKatsura/ord-comp
Contribute to YasuhiroKatsura/ord-comp development by creating an account on GitHub.

​Enriching shapelets with positional information for timeseries classification

🔗 Enriching shapelets with positional information for timeseries classification
How a neat simple trick can boost both predictive performance and interpretability.

​Particle Tracking at CERN with Machine Learning

🔗 Particle Tracking at CERN with Machine Learning
Could machine learning be used in high energy physics for discovering and characterizing new particles?

Лекция и семинар по Kaggle

🎥 Лекция и семинар по Kaggle (21.12.2019)
👁 1 раз ⏳ 9815 сек.
Занятие ведёт Владислав Шахрай (Kaggle Master, Top-150).

🎥 Speech Recognition in Python | Speech To Text using Python
👁 1 раз ⏳ 443 сек.
In this video we will see How to perform Speech Recognition in Python using Google Speech API. SpeechRecognition pip package is the Library for performing speech recognition, with support for several engines and APIs, online and offline.
Python Speech Recognition module:
sudo pip install SpeechRecognition

code : https://gist.github.com/famot/c74ce5146d5eb0023f47ccb73dfdd59a

#python #SpeechToText #PythonSpeechrecognition
★★★Top Online Courses From ProgrammingKnowledge ★★★
Python Programming Course ➡️ h

​How to Improve the U.S Education System Using Data Science

🔗 How to Improve the U.S Education System Using Data Science
Why we should be replacing algebra with data science in high school education

​Tokenizers: How machines read

🔗 Tokenizers: How machines read
We will cover often-overlooked concepts vital to NLP, such as Byte Pair Encoding, and discuss how understanding them leads to better models.

​Выбор базы данных для аналитики

Когда вопросы аналитики выходят за рамки готовых инструментов, вам, вероятно, пришло время выбрать базу данных для аналитики. Не стоит писать скрипты запросов к рабочей базе данных, потому что вы можете изменить порядок данных и, скорее всего, замедлить работу приложения.
Вы также можете случайно удалить важную информацию, если там работают аналитики или инженеры.

Для анализа нужен отдельный вид базы данных. Но какой из них верный?

В этом посте мы рассмотрим предложения и лучшие практики для средней компании, которая только начинает работать. Какую бы настройку вы ни выбрали, вы можете найти компромисс в дальнейшем, чтобы улучшить производительность по сравнению с тем, что мы обсуждаем здесь.

Работая с большим количеством клиентов, мы обнаружили, что наиболее важными критериями, которые необходимо учитывать, являются:

Тип анализируемых данных
Сколько у вас данных
Фокус вашей инженерной команды
Как быстро вам нужна информация

🔗 Выбор базы данных для аналитики
Когда вопросы аналитики выходят за рамки готовых инструментов, вам, вероятно, пришло время выбрать базу данных для аналитики. Не стоит писать скрипты запросов...

​Подборка статей о машинном обучении: кейсы, гайды и исследования за январь 2020
Исследовательская работа в области машинного обучения постепенно покидает пределы университетских лабораторий и из научной дисциплины становится прикладной. Тем не менее, все еще сложно находить актуальные статьи, которые написаны на понятном языке и без миллиарда сносок.

Этот пост содержит список англоязычных материалов за январь, которые написаны без лишнего академизма. В них вы найдете примеры кода и ссылки на непустые репозитории. Упомянутые технологии лежат в открытом доступе и не требуют сверхмощного железа для тестирования.

🔗 Подборка статей о машинном обучении: кейсы, гайды и исследования за январь 2020
Исследовательская работа в области машинного обучения постепенно покидает пределы университетских лабораторий и из научной дисциплины становится прикладной. Тем...

​OpenAI will use PyTorch as a standard now

https://openai.com/blog/openai-pytorch/

🔗 OpenAI → PyTorch
We are standardizing OpenAI’s deep learning framework on PyTorch. In the past, we implemented projects in many frameworks depending on their relative strengths. We’ve now chosen to standardize to make it easier for our team to create and share optimized implementations of our models. As part of this

​«Скайнет» у станка: есть ли будущее у фабрик без рабочих?

От Маркса и до Маска, то есть уже более 200 лет, люди мечтают о фабриках, которые работают без людей. Казалось бы, три промышленные революции вплотную приблизили нас к внедрению полностью автоматизированных заводов. Однако история таких производств не всегда счастливая — в попытках создать lights out factory терпели крах визионеры уровня Стива Джобса и Илона Маска, примеры действующих «бесчеловечных» фабрик единичны, а некоторые лидеры индустрии вроде Toyota вовсе заменяют машины людьми. Рассказываем, станут ли роботы «могильщиками» пролетариата, чего не хватает для тотальной автоматизации и какие есть компромиссные решения.

🔗 «Скайнет» у станка: есть ли будущее у фабрик без рабочих?
От Маркса и до Маска, то есть уже более 200 лет, люди мечтают о фабриках, которые работают без людей. Казалось бы, три промышленные революции вплотную приблизи...

​Bidimensional linked matrix factorization for pan-omics pan-cancer analysis

https://github.com/lockEF/bidifac

https://arxiv.org/abs/2002.02601v1
Наш телеграм канал - tglink.me/ai_machinelearning_big_data

🔗 lockEF/bidifac
Bidimensional matrix factorization. Contribute to lockEF/bidifac development by creating an account on GitHub.