​https://arxiv.org/abs/1903.00450

🔗 Multi-Object Representation Learning with Iterative Variational Inference
Human perception is structured around objects which form the basis for our higher-level cognition and impressive systematic generalization abilities. Yet most work on representation learning focuses on feature learning without even considering multiple objects, or treats segmentation as an (often supervised) preprocessing step. Instead, we argue for the importance of learning to segment and represent objects jointly. We demonstrate that, starting from the simple assumption that a scene is composed of multiple entities, it is possible to learn to segment images into interpretable objects with disentangled representations. Our method learns -- without supervision -- to inpaint occluded parts, and extrapolates to scenes with more objects and to unseen objects with novel feature combinations. We also show that, due to the use of iterative variational inference, our system is able to learn multi-modal posteriors for ambiguous inputs and extends naturally to sequences.

🎥 Machine Learning инженер в США | Что и где учить по машинному обучению
👁 83 раз ⏳ 1137 сек.
Михаил Ольховский – Machine Learning инженер в Postmates –  в этом видео рассказал о своем пути в программирование и поделился полезными онлайн ресурсами по изучению машинного обучение. Приятного просмотра!

Спасибо за просмотр и лайк!

Не забудьте подписаться на канал, чтобы не пропустить новые выпуски.

Запись на личную консультацию – pb@progblog.tv
-визовые вопросы,
-способы поиски работы в США,
-прохождение собеседований,
-составление резюме,
-заполнение LinkedIn-профиля,
-учеба в США по специальност

​How to Load and Manipulate Images for Deep Learning in Python With PIL/Pillow

https://machinelearningmastery.com/how-to-load-and-manipulate-images-for-deep-learning-in-python-with-pil-pillow/

🔗 How to Load and Manipulate Images for Deep Learning in Python With PIL/Pillow
Before you can develop predictive models for image data, you must learn how to load and manipulate images and photographs. The most popular and de facto standard library in Python for loading and working with image data is Pillow. Pillow is an updated version of the Python Image Library, or PIL, and supports a range …

​Discover open source Deep Learning code and pretrained models.
Deep learning researchers easily find pre-trained models for a variety of platforms and uses. Great resource

https://modelzoo.co/

🔗

​"A Step-by-Step NLP Guide to Learn ELMo for Extracting Features from Text".

* However you can utilize ElMo for several domains:
- Machine Translation
- Language Modeling
- Text Summarization
- Named Entity Recognition
- Question-Answering Systems
https://www.analyticsvidhya.com/blog/2019/03/learn-to-use-elmo-to-extract-features-from-text/

🔗 A Step-by-Step NLP Guide to Learn ELMo for Extracting Features from Text
Introduction I work on different Natural Language Processing (NLP) problems (the perks of being a data scientist!). Each NLP problem is a unique challenge in its own way. That's just a reflection of how complex, beautiful and wonderful the human language is. But one thing has always been a thorn in an NLP practitioner's mind

​Why Norms Matters — Machine Learning

https://towardsdatascience.com/why-norms-matters-machine-learning-3f08120af429

🔗 Why Norms Matters — Machine Learning
There are countless names and uses for the L¹ and L² norms — but what do they really represent and how are they different?

🎥 098 Истории о Data Science в истории – Динара Гагарина
👁 1 раз ⏳ 1995 сек.
В рамках мероприятия "Data & Science: цифровые методы в гуманитарных науках" Динара Гагарина рассказала, как сегодня выглядит ландшафт digital history, каковы тенденции и перспективы развития направления.

Бум развития методов и инструментов data science последнего десятилетия и массовая оцифровка источников делают своё дело. Количество проектов по анализу и визуализации исторической информации стремительно растёт. Они связаны и с большими массивами данных (такими как 180 млн записей переписи в Великобритан

🎥 096. Digital Humanities Between Research and Infrastructure — Frank Fischer
👁 1 раз ⏳ 1225 сек.
В рамках мероприятия "Data & Science: цифровые методы в гуманитарных науках" Фрэнк Фишер рассказывает о применении современных технологий в гуманитарных науках и о том, как европейский проект DARIAH-EU помогает исследователям-гуманитариям использовать новые методы.

This talk will recapitulate how new methods and tools create new common ground in the research process serving as basis to communicate across disciplines. Never before have the Humanities been so interdisciplinary as under the conditions of the

Stanford CS230: Deep Learning | Autumn 2018 | Lecture 4 - Adversarial Attacks / GANs
https://www.youtube.com/watch?v=ANszao6YQuM

🎥 Stanford CS230: Deep Learning | Autumn 2018 | Lecture 4 - Adversarial Attacks / GANs
👁 1 раз ⏳ 4980 сек.
Andrew Ng, Adjunct Professor & Kian Katanforoosh, Lecturer - Stanford University
http://onlinehub.stanford.edu/

Andrew Ng
Adjunct Professor, Computer Science

Kian Katanforoosh
Lecturer, Computer Science

To follow along with the course schedule and syllabus, visit:
http://cs230.stanford.edu/

To get the latest news on Stanford’s upcoming professional programs in Artificial Intelligence, visit: http://learn.stanford.edu/AI.html

To view all online courses and programs offered by Stanford, visit: http:

🎥 099 Наука о данных в анализе современной культуры – Лев Манович
👁 1 раз ⏳ 3210 сек.
В рамках мероприятия "Data & Science: цифровые методы в гуманитарных науках" в Яндексе Лев Манович рассказал об анализе данных в современной культуре.

Чтобы увидеть современную культуру во всём её масштабе, разнообразии и стремительности, нужны новые вычислительные и математические методы. При этом требуется вдумчивый и критический подход к популярные методы машинного обучения и статистики, а не простое воспроизведение коммерчески успешных методов.

Лев Манович рассматривает примеры проектов, которые реша

​Рак, аутизм и диабет: что ИИ поможет лечить в 2019 году

Рынок ИИ в медицине в 2019 году, по прогнозу Frost&Sullivan, достигнет 1,7 миллиарда долларов. К 2021 году он вырастет еще в три раза — до 6,6 миллиарда. О том, какие болезни будут лечить с помощью искусственного интеллекта и какие компании планируют заработать на этом, — в обзоре Binary District.
https://habr.com/ru/company/binarydistrict/blog/445176/

🔗 Рак, аутизм и диабет: что ИИ поможет лечить в 2019 году
Рынок ИИ в медицине в 2019 году, по прогнозу Frost&Sullivan, достигнет 1,7 миллиарда долларов. К 2021 году он вырастет еще в три раза — до 6,6 миллиарда. О том,...

​Quick Draw Doodle Recognition: как подружить R, C++ и нейросетки

https://habr.com/ru/company/ods/blog/443758/

🔗 Quick Draw Doodle Recognition: как подружить R, C++ и нейросетки
Привет, Хабр! Осенью прошлого года на Kaggle проходил конкурс по классификации нарисованных от руки картинок Quick Draw Doodle Recognition, в котором среди пр...

🎥 16. Word embeddings: лекция
👁 1 раз ⏳ 4065 сек.
На этом занятии мы расскажем о том, что такое эмбеддинги и как они используются в обработке текста, а также рассмотрим несколько способов обучения Embedding-моделей.

Семинар: https://www.youtube.com/watch?v=8mt5kQ78p3M

Занятие ведёт Татьяна Гайнцева (ФИВТ МФТИ, ШАД).

Материалы занятия:
https://drive.google.com/open?id=11nmmmuZ9zkt7xRUGBeCjBTyVP0YCBaY9

---

Deep Learning School при ФПМИ МФТИ

Официальный сайт: https://www.dlschool.org
Официальная группа ВК: https://vk.com/dlschlmipt
Github-репозиторий:

🎥 16. Word embeddings: семинар
👁 1 раз ⏳ 2265 сек.
Практическая часть занятия по эмбеддингам.

Лекция: https://www.youtube.com/watch?v=v-1sE7CODF8

Занятие ведёт Татьяна Гайнцева (ФИВТ МФТИ, ШАД).

Материалы занятия:
https://drive.google.com/open?id=11nmmmuZ9zkt7xRUGBeCjBTyVP0YCBaY9

---

Deep Learning School при ФПМИ МФТИ

Официальный сайт: https://www.dlschool.org
Официальная группа ВК: https://vk.com/dlschlmipt
Github-репозиторий: https://github.com/DLSchool/dlschool

ФПМИ МФТИ

Официальный сайт: https://mipt.ru/education/departments/fpmi/
Проекты для

🎥 5. Модель нейрона: лекция
👁 2 раз ⏳ 3343 сек.
Время начинать изучать нейросети!

Чтобы понять, как они работают, необходимо понимать работу одного нейрона. На этом занятии речь как раз идёт об этом и том, как устроен перцептрон Розенблатта -- прообраз современного нейрона.

Занятие ведёт Татьяна Гайнцева (ФИВТ МФТИ, ШАД).

Семинар: https://www.youtube.com/watch?v=gsPbqq-HYfg

Материалы занятия:
https://drive.google.com/open?id=1dwNweNgW1juGKjJZ-j1y0h-Rb4eSxJ0-

---

Deep Learning School при ФПМИ МФТИ

Официальный сайт: https://www.dlschool.org
Офици

🎥 101. Чем может и чем не может наука о данных помочь науке о литературе — Борис Орехов
👁 1 раз ⏳ 1661 сек.
В рамках мероприятия "Data & Science: цифровые методы в гуманитарных науках" Борис Орехов рассказал, что наука о данных и литературоведение гораздо больше похожи, чем кажется на первый взгляд.

Обе отрасли знания пытаются найти неочевидные закономерности в сложно организованных объектах. Но не любой привычный исследователю данных подход будет осмыслен в исследовании литературы. Борис на примерах показывает, какие методы работают и приносят пользу, а какие пока остаются игрушками — и почему.

Другие доклады

​Tinkering with Tensors and Other Great Adventures
A meditation on implementing your first deep learning paper, while (loosely) maintaining your sanity.
https://towardsdatascience.com/tinkering-with-tensors-and-other-great-adventures-260572a403e8

🔗 Tinkering with Tensors and Other Great Adventures
A meditation on implementing your first deep learning paper, while (loosely) maintaining your sanity.

​Visualizing memorization in RNNs

https://distill.pub/2019/memorization-in-rnns/

#artificialintelligence #deeplearning #machinelearning

🔗 Visualizing memorization in RNNs
Inspecting gradient magnitudes in context can be a powerful tool to see when recurrent units use short-term or long-term contextual understanding.

​Simulated Policy Learning in Video Models

http://ai.googleblog.com/2019/03/simulated-policy-learning-in-video.html

🔗 Simulated Policy Learning in Video Models
Posted by Łukasz Kaiser and Dumitru Erhan, Research Scientists, Google AI Deep reinforcement learning (RL) techniques can be used to le...