🎥 Машинное обучение в промышленном масштабе — Эмили Драль
👁 3 раз ⏳ 2794 сек.
Секция WiML workshop
Data Fest⁵, 2018.04.28

🎥 Kazan Data Science Meetup | Ihar Shulhan | 17.03.2019
👁 1 раз ⏳ 2299 сек.
Спикер расскажет, как на основе машинного обучения скорректировать ошибки в тексте. Вместе с Игорем мы рассмотрим современные методы глубокого обучения без учителя и попытаемся разработать нашу собственную модель.

🎥 Как защитить алгоритм машинного обучения от Adversarial-примеров / Сергей Дудоров (Digital Security)
👁 1 раз ⏳ 2202 сек.
Moscow Python Conf++ 2018

Зал «Малый зал»
22 октября, 17:00

Тезисы и презентация:
https://conf.python.ru/2018/abstracts/4157

Возлагая функцию принятия решения на алгоритм машинного обучения, достаточно справедливо задать себе вопрос, насколько тот или иной алгоритм устойчив к атакам, результатом которых будет неправильно принятое решение.

В данном докладе будут рассмотрены методы нападения, защиты и тестирования алгоритмов машинного обучения на предмет противодействия Adversarial-примерам с использовани

​Краткий гайд по созданию оракулов, богов из машины и ошибкам второго рода

Наш телеграм канал - tglink.me/ai_machinelearning_big_data
Наверное, в этом тексте для многих не будет новизны. Наверное, другие скажут что такого не бывает в реальной жизни. Но, уже не первое апреля, а всё написанное тут — чистая правда, которая случалась со мной или с людьми вокруг. Возможно что-то из сказанного заставит вас переосмыслить окружающие вас феномены.

Если подходить к этим историям формально, то можно сказать что все они порождены тем что люди не учитывают ошибку второго рода. У Юдковского, с коим знакома четверть Хабра — эта ошибка обычно зовётся «Подтверждающее искажение».

https://habr.com/ru/company/recognitor/blog/446038/

🔗 Краткий гайд по созданию оракулов, богов из машины и ошибкам второго рода
Наверное, в этом тексте для многих не будет новизны. Наверное, другие скажут что такого не бывает в реальной жизни. Но, уже не первое апреля, а всё написанное ту...

🎥 MIT AI: OpenAI and AGI (Greg Brockman)
👁 9 раз ⏳ 5107 сек.
Greg Brockman is the Co-Founder and CTO of OpenAI, a research organization developing ideas in AI that lead eventually to a safe & friendly artificial general intelligence that benefits and empowers humanity.
This conversation is part of the Artificial Intelligence podcast at MIT and beyond. Audio podcast version is available on https://lexfridman.com/ai/

INFO:
Podcast website: https://lexfridman.com/ai
Course website: https://deeplearning.mit.edu
YouTube Playlist: http://bit.ly/2EcbaKf

CONNECT:
- Subscri

🎥 Deep Learning на пальцах 7 - Segmentation и Object Detection (Владимир Игловиков)
👁 18 раз ⏳ 5720 сек.
Курс: http://dlcourse.ai
Слайды: https://slides.com/vladimiriglovikov/title-texttitle-text-17
Менее хардкорный вариант лекции прошлого года: https://www.youtube.com/watch?v=LFQPUYDUpvg

​Fraud detection with cost-sensitive machine learning

🔗 Fraud detection with cost-sensitive machine learning
The concept of example-dependent cost-sensitive classification algorithms

🎥 Introduction to Deep Learning Lecture 21
👁 1 раз ⏳ 4791 сек.

🎥 Beautiful Gooey Simulations, Now 10 Times Faster
👁 2 раз ⏳ 187 сек.
❤️ Pick up cool perks on our Patreon page: https://www.patreon.com/TwoMinutePapers

📝 The paper "GPU Optimization of Material Point Methods" is available here:
http://www.cemyuksel.com/research/papers/gpu_mpm.pdf

🙏 We would like to thank our generous Patreon supporters who make Two Minute Papers possible:
313V, Alex Haro, Andrew Melnychuk, Angelos Evripiotis, Anthony Vdovitchenko, Brian Gilman, Bruno Brito, Christian Ahlin, Christoph Jadanowski, Claudio Fernandes, Dennis Abts, Eric Haddad, Eric Martel, Eva

​Life With Data

🔗 Life With Data

​https://www.youtube.com/playlist?list=PLoROMvodv4rOABXSygHTsbvUz4G_YQhOb
lfd

🔗 CS230: Deep Learning | Autumn 2018 - YouTube

​Build XGBoost / LightGBM models on large datasets — what are the possible solutions?

🔗 Build XGBoost / LightGBM models on large datasets — what are the possible solutions?
XGBoost and LightGBM have been proven on many tabular datasets to be the best performant ML algorithms. But when the data is huge, how do…

​https://www.climatechange.ai

🔗 Climate change: How can AI help?
Applying machine learning to address the problems of climate change

​Только начали изучать машинное обучение и компьютерное зрение или уже давно знакомы с этой сферой? В любом случае заходи к нам . У нас есть материал как для новичков, так и для специалистов. Также у нас много интересной информации для тех, кто хочет лишь следить за развитием технологий в данной сфере.
Заинтересовался?Поддержи подпиской!

🎥 Deep Learning: Miracle or Snake Oil?
👁 1 раз ⏳ 3126 сек.
The latest craze are deep neural networks. How does deep learning work and are neural networks a modern miracle or yet another false dawn?

A lecture by Richard Harvey, IT Livery Company Professor of IT 19 March 2019

https://www.gresham.ac.uk/lectures-and-events/deep-learning

Machine Learning has had several excitements over the years with machines that are modelled on the human brain. The invention of the perceptron and artificial neural networks were followed by intense scientific activity and excitemen

​Graduating in GANs: Going from understanding generative adversarial networks to running your own

🔗 Graduating in GANs: Going from understanding generative adversarial networks to running your own
Read how generative adversarial networks (GANs) research and evaluation has developed then implement your own GAN to generate handwritten

​Who Will Win the Game of Thrones?

🔗 Who Will Win the Game of Thrones?
The final season of Game of Thrones is finally here and the question on everyone’s mind is: Who will end up on the Iron Throne?

​Normalization vs Standardization — Quantitative analysis

🔗 Normalization vs Standardization — Quantitative analysis
Stop using StandardScaler from Sklearn as a default feature scaling method can get you a boost of 7% in accuracy!

​МегаФон 💚💚💜 (резюме в личку)
https://hh.ru/vacancy/30374086
https://hh.ru/vacancy/30373162

🔗 Вакансия Главный аналитик SQL в Москве, работа в МегаФон
Вакансия Главный аналитик SQL. Зарплата: не указана. Москва. Требуемый опыт: 3–6 лет. Полная занятость. Дата публикации: 25.03.2019.

🎥 Занятие 5 | Машинное обучение
👁 3 раз ⏳ 3473 сек.
Преподаватель: Власов Кирилл Вячеславович
Материалы курса: https://github.com/ml-dafe/ml_mipt_dafe_minor
Дата: 30.03.2019