Машинное обучение, AI, нейронные сети, Big Data (VK)

Наука о данных для психологов.

https://proglib.io/w/747ef447

Машинное обучение, AI, нейронные сети, Big Data (VK)

Gradient Descent With Nesterov Momentum From Scratch - Machine Learning Mastery

Машинное обучение, AI, нейронные сети, Big Data (VK)

Генерируйте реалистичные датасеты с помощью Snowfakery

Машинное обучение, AI, нейронные сети, Big Data (VK)

Automatic Speech Recognition: Breaking Down Components of Speech

Машинное обучение, AI, нейронные сети, Big Data (VK)

Feeding the beast — understanding and optimizing the data loading path for training deep learning…

Машинное обучение, AI, нейронные сети, Big Data (VK)

10 Amazing Machine Learning Projects of 2020 - KDnuggets

Машинное обучение, AI, нейронные сети, Big Data (VK)

Всем привет! Мы в Sstroy расширяем команду.

Кто нам нужен?

ML Researcher - на удаленку рассмотрим как middle, так и senior. От вас - практический опыт работы с python и его математическими библиотеками, опыт исследований, формирования и проверки гипотез, оптимизации алгоритмов. Работа с изображениями и видео.

Заинтересовавшиеся пишите в телеграмм t.me/notxxx1
, обсудим все детали

Машинное обучение, AI, нейронные сети, Big Data (VK)

Metric Matters, Part 1: Evaluating Classification Models - KDnuggets

Машинное обучение, AI, нейронные сети, Big Data (VK)

Data Validation and Data Verification – From Dictionary to Machine Learning - KDnuggets

Машинное обучение, AI, нейронные сети, Big Data (VK)

DeepFake-туториал: создаем собственный дипфейк в DeepFaceLab

Neurohive (VK)

Компания Intel продолжает второй сезон проекта CV Academy для опытных разработчиков – вебинары по компьютерному зрению, глубокому обучению и оптимизации.

Первый вебинар "Применение компьютерного зрения в медицине" стартует сегодня 17 марта в 19:00.

Расписание ближайших вебинаров CV Academy и ссылки на регистрацию ищите на нашем сайте по ссылке

Машинное обучение, AI, нейронные сети, Big Data (VK)

Как bias может повлиять на мир вообще и людей-пользователей в частности?

Машинное обучение, AI, нейронные сети, Big Data (VK)

NLP: ВЫДЕЛЯЕМ ФАКТЫ ИЗ ТЕКСТОВ С ПОМОЩЬЮ ТОМИТА-ПАРСЕРА

Машинное обучение, AI, нейронные сети, Big Data (VK)

Мартовские обновления ML.NET и Model Builder

 Машинное обучение, AI, нейронные сети, Big Data (VK)

Разбираем, чем отличается версионирование в ML-разработке по коду от версионирования по коду и состоянию.

Ситуация: вы работаете над проектом, например занимаетесь ML-прототипированием или анализом данных. По ходу работы в системе сохраняется код, и вы спокойно продолжаете, не боясь что-то упустить из виду. Но в конце недели понимаете, что где-то свернули не туда. Вы откатываетесь на несколько шагов назад по коду, и все бы ничего, но вычисления ведь придется делать заново. Это главный недостаток версионирования по коду.

Версионирование по коду и состоянию отличается тем, что во время работы сохраняется не только сам код, но и состояние вычислений. То есть состояние = код + вывод + переменные. Это значит, что если вы откатитесь назад, то получите не только прежний код, но и значения переменных. Вам не придется заново запускать вычисления, терять время и ресурсы.

Попробуйте версионирование по коду и состоянию в Yandex DataSphere, где каждому новому пользователю доступны бесплатные ресурсы на ML-разработку:

https://clck.ru/Tm4RZ

Машинное обучение, AI, нейронные сети, Big Data (VK)

MLOps без боли в облаке: как развернуть Kubeflow в продакшен-кластере Kubernetes

Машинное обучение, AI, нейронные сети, Big Data (VK)

Modeling Protein-Ligand Interactions with Atomic Convolutional Neural Networks