Data Informed Rolling Forecasts
🔗 Data Informed Rolling Forecasts
Leveraging data science tools at a start-up to drive product-led growth by collaborating with Finance.
🔗 Data Informed Rolling Forecasts
Leveraging data science tools at a start-up to drive product-led growth by collaborating with Finance.
Towards Data Science
Data Informed Rolling Forecasts
Leveraging data science tools at a start-up to drive product-led growth by collaborating with Finance.
🎥 Developer Accessible Machine Learning - Michal Lusiak
👁 1 раз ⏳ 2561 сек.
👁 1 раз ⏳ 2561 сек.
You may have heard that Machine Learning is setting the world alight. The advancements in processing power and data availability have made AI progress at an unprecedented pace. You want to benefit from it in your projects, but you're getting the impression that with all the math it's too hard?
In this talk, I'll do very best to combat that impression. Join me on a trip to build and train a basic prediction model and understand how it all works. I'll also show you cloud solutions that you can quickly incorpoVk
Developer Accessible Machine Learning - Michal Lusiak
You may have heard that Machine Learning is setting the world alight. The advancements in processing power and data availability have made AI progress at an unprecedented pace. You want to benefit from it in your projects, but you're getting the impression…
🎥 Build an AI Startup with PyTorch
👁 1 раз ⏳ 2937 сек.
👁 1 раз ⏳ 2937 сек.
I've built an automated therapist app called MindRelaxr using PyTorch and a host of other tools (Dialogflow, Tensorflow Lite, Firebase, ONNX, Paypal, and Android Studio). I'm going to show you how I integrated these tools together to build a paid service that uses AI generated Cognitive Behavioral Therapy techniques to help people reduce their depression and anxiety. This app uses a sentiment analysis model trained in PyTorch as well as Google's cloud natural language processing service 'dialogflow' to provVk
Build an AI Startup with PyTorch
I've built an automated therapist app called MindRelaxr using PyTorch and a host of other tools (Dialogflow, Tensorflow Lite, Firebase, ONNX, Paypal, and Android Studio). I'm going to show you how I integrated these tools together to build a paid service…
Creating and Deploying a Python Machine Learning Service
🔗 Creating and Deploying a Python Machine Learning Service
Build a hate speech detection system with scikit-learn and deploy it via Docker on Heroku.
🔗 Creating and Deploying a Python Machine Learning Service
Build a hate speech detection system with scikit-learn and deploy it via Docker on Heroku.
Towards Data Science
Creating and Deploying a Python Machine Learning Service
Build a hate speech detection system with scikit-learn and deploy it via Docker on Heroku.
A Simple CNN: Multi Image Classifier
🔗 A Simple CNN: Multi Image Classifier
Using Tensorflow and transfer learning, easily make a labeled image classifier with convolutional neural network
🔗 A Simple CNN: Multi Image Classifier
Using Tensorflow and transfer learning, easily make a labeled image classifier with convolutional neural network
Towards Data Science
A Simple CNN: Multi Image Classifier
Using Tensorflow and transfer learning, easily make a labeled image classifier with convolutional neural network
🎥 О важности человеческого фактора при оценке качества инструм
👁 1 раз ⏳ 2410 сек.
👁 1 раз ⏳ 2410 сек.
Многие исследования в нашей области мотивированы стремлением сделать инструменты для разработчиков умнее и эффективнее. Однако, многообещающие академические методы и прототипы нечасто дорастают до фичей популярных инструментов для разработчиков.
В первой части доклада я сфокусируюсь на частном случае рекомендации ревьюеров для код-ревью --- одного из немногих успешных методов анализа репозиториев --- и расскажу про наше исследование восприятия рекомендаций разработчиками, опубликованное в IEEE TSE в прошлоVk
О важности человеческого фактора при оценке качества инструм
Многие исследования в нашей области мотивированы стремлением сделать инструменты для разработчиков умнее и эффективнее. Однако, многообещающие академические методы и прототипы нечасто дорастают до фичей популярных инструментов для разработчиков.
В первой…
В первой…
🎥 Применение VAE для задачи генерации кода
👁 17 раз ⏳ 2204 сек.
👁 17 раз ⏳ 2204 сек.
Генерация программного кода — очень перспективное и крайне сложное направление исследований. В связи с большим успехом в моделировании естественного языка нейросетями, исследователи пытаются применить новейшие архитектуры для решения задач в области генерации кода.
На этом семинаре мы рассмотрим применение вариационных автоенкодеров, использующих структуру программного кода, для его генерации в виде AST. А также узнаем, как исследователям удалось применить архитектуру вариационного автокодировщика в задачеVk
Применение VAE для задачи генерации кода
Генерация программного кода — очень перспективное и крайне сложное направление исследований. В связи с большим успехом в моделировании естественного языка нейросетями, исследователи пытаются применить новейшие архитектуры для решения задач в области генерации…
🎥 Visual Object Tracking
👁 17 раз ⏳ 2494 сек.
👁 17 раз ⏳ 2494 сек.
Задача отслежавания объекта находит применение в многочисленных приложениях, таких как автономное вождение, интеллектуальное видеонаблюдение, робототехника и т. д. Стандартная формулировка Visual Tracking’а состоит в предсказании так называемой ограничивающей рамки для объекта в видеопотоке (то есть для каждого кадра видео), при условии, что дана только ограничивающая рамка для выбранного объекта в первом кадре. При этом хочется добится не только точной локализации, но и меньшего колличества потерь объектаVk
Visual Object Tracking
Задача отслежавания объекта находит применение в многочисленных приложениях, таких как автономное вождение, интеллектуальное видеонаблюдение, робототехника и т. д. Стандартная формулировка Visual Tracking’а состоит в предсказании так называемой ограничивающей…
🎥 [Открытые лекции]: НейроДиффуры: что будет, если сделать в резидьюальных сетях континуум слоев
👁 30 раз ⏳ 2944 сек.
👁 30 раз ⏳ 2944 сек.
Дмитрий Ветров, профессор-исследователь департамента больших данных и информационного поиска
Резидьюальные сети стали одним из самых успешных архитектурных решений в области глубинного обучения за последние годы. На таких архитектурах достигнут ряд state-of-the-art результатов на различных задачах машинного обучения. Недавняя статья, получившая приз за лучшую работу на NIPS2018, представляет новый взгляд на процессы, происходящие при обучении резидьюальных сетей. Трактовка резидьюальных сетей как настраиваVk
[Открытые лекции]: НейроДиффуры: что будет, если сделать в резидьюальных сетях континуум слоев
Дмитрий Ветров, профессор-исследователь департамента больших данных и информационного поиска
Резидьюальные сети стали одним из самых успешных архитектурных решений в области глубинного обучения за последние годы. На таких архитектурах достигнут ряд state…
Резидьюальные сети стали одним из самых успешных архитектурных решений в области глубинного обучения за последние годы. На таких архитектурах достигнут ряд state…
The most important concepts and features of scaPy: Advanced NLP in Python
Наш телеграм канал - tglink.me/ai_machinelearning_big_data
https://www.datacamp.com/community/blog/spacy-cheatsheet/
Наш телеграм канал - tglink.me/ai_machinelearning_big_data
https://www.datacamp.com/community/blog/spacy-cheatsheet/
Review: Tompson CVPR’15 — Spatial Dropout (Human Pose Estimation)
🔗 Review: Tompson CVPR’15 — Spatial Dropout (Human Pose Estimation)
With SpatialDropout, Cascaded Coarse & Fine Heat-Map Regressions, Outperforms Tompson NIPS’14
🔗 Review: Tompson CVPR’15 — Spatial Dropout (Human Pose Estimation)
With SpatialDropout, Cascaded Coarse & Fine Heat-Map Regressions, Outperforms Tompson NIPS’14
Towards Data Science
Review: Tompson CVPR’15 — Spatial Dropout (Human Pose Estimation)
With SpatialDropout, Cascaded Coarse & Fine Heat-Map Regressions, Outperforms Tompson NIPS’14
Поздравляем Ивана Брагина с победой в SNA Hackathon 2019 https://mlbootcamp.ru/round/20/rating/! Решение использует ансамбль моделей CatBoost, детали в посте https://habr.com/ru/post/447376/.
mlbootcamp.ru
Финал SNA
Контесты по машинному обучению и анализу данных
SNA Hackathon 2019
🔗 SNA Hackathon 2019
В феврале-марте 2019 года проходил конкурс по ранжированию ленты социальной сети SNA Hackathon 2019, в котором наша команда заняла первое место. В статье я расск...
🔗 SNA Hackathon 2019
В феврале-марте 2019 года проходил конкурс по ранжированию ленты социальной сети SNA Hackathon 2019, в котором наша команда заняла первое место. В статье я расск...
Хабр
SNA Hackathon 2019
В феврале-марте 2019 года проходил конкурс по ранжированию ленты социальной сети SNA Hackathon 2019, в котором наша команда заняла первое место. В статье я расск...
Наш телеграм канал - tglink.me/ai_machinelearning_big_data
https://towardsdatascience.com/understanding-basics-of-measurements-in-quantum-computation-4c885879eba0?source=collection_home---4------3---------------------
🔗 Understanding basics of measurements in Quantum Computation
An intuitive explanation of general and projective measurements and POVMs
https://towardsdatascience.com/understanding-basics-of-measurements-in-quantum-computation-4c885879eba0?source=collection_home---4------3---------------------
🔗 Understanding basics of measurements in Quantum Computation
An intuitive explanation of general and projective measurements and POVMs
🎥 MedSpace - Medical Image Analysis with Bayesian Deep Learning - Felix Laumann
👁 1 раз ⏳ 1848 сек.
👁 1 раз ⏳ 1848 сек.
PyData London Meetup #54
Tuesday, March 5, 2019
Bayesian deep learning has the advantage of incorporating a measure for uncertainty naturally. This is especially in the field of medical image analysis indispensable where human health decisions with potential vast consequences are made on a daily base. Given the ageing population and the scarcity of health service resources, doctors often need to make these decisions without consulting a second opinion. Bayesian deep learning can be this precious second opiVk
MedSpace - Medical Image Analysis with Bayesian Deep Learning - Felix Laumann
PyData London Meetup #54
Tuesday, March 5, 2019
Bayesian deep learning has the advantage of incorporating a measure for uncertainty naturally. This is especially in the field of medical image analysis indispensable where human health decisions with potential…
Tuesday, March 5, 2019
Bayesian deep learning has the advantage of incorporating a measure for uncertainty naturally. This is especially in the field of medical image analysis indispensable where human health decisions with potential…
🎥 Занятие 6 | Машинное обучение
👁 1 раз ⏳ 2440 сек.
👁 1 раз ⏳ 2440 сек.
Преподаватель: Власов Кирилл Вячеславович
Материалы курса: https://github.com/ml-dafe/ml_mipt_dafe_minor
Дата: 06.04.2019Vk
Занятие 6 | Машинное обучение
Преподаватель: Власов Кирилл Вячеславович Материалы курса: https://github.com/ml-dafe/ml_mipt_dafe_minor Дата: 06.04.2019
Bringing data to life — let them tell their story with data visualisation
🔗 Bringing data to life — let them tell their story with data visualisation
Data visualisation requires technical skills, knowledge of some advanced chart types and the ability to tell stories with data.
🔗 Bringing data to life — let them tell their story with data visualisation
Data visualisation requires technical skills, knowledge of some advanced chart types and the ability to tell stories with data.
Medium
Bringing data to life — let them tell their story with data visualisation
Data visualisation requires technical skills, knowledge of some advanced chart types and the ability to tell stories with data.
Beginner’s Guide to Machine Learning with Python
🔗 Beginner’s Guide to Machine Learning with Python
Machine Learning, a prominent topic in Artificial Intelligence domain, has been in the spotlight for quite some time now. This area may…
🔗 Beginner’s Guide to Machine Learning with Python
Machine Learning, a prominent topic in Artificial Intelligence domain, has been in the spotlight for quite some time now. This area may…
Towards Data Science
Beginner’s Guide to Machine Learning with Python
Machine Learning, a prominent topic in Artificial Intelligence domain, has been in the spotlight for quite some time now. This area may…
🎥 Launching a Data Science Project: Cleaning is Half the Battle by Kevin Feasel
👁 1 раз ⏳ 4748 сек.
👁 1 раз ⏳ 4748 сек.
Please note that this a recorded webinar. It was recorded during live presentation.
There’s an old adage in software development: Garbage In, Garbage Out. This adage certainly applies to data science projects: if you simply throw raw data at models, you will end up with garbage results. In this session, we will build an understanding of just what it takes to implement a data science project whose results are not garbage. We will the Microsoft Team Data Science Process as our model for project implementatioVk
Launching a Data Science Project: Cleaning is Half the Battle by Kevin Feasel
Please note that this a recorded webinar. It was recorded during live presentation.
There’s an old adage in software development: Garbage In, Garbage Out. This adage certainly applies to data science projects: if you simply throw raw data at models, you…
There’s an old adage in software development: Garbage In, Garbage Out. This adage certainly applies to data science projects: if you simply throw raw data at models, you…