Chris Lattner: Compilers, LLVM, Swift, TPU, and ML Accelerators | Artificial Intelligence Podcast

🎥 Chris Lattner: Compilers, LLVM, Swift, TPU, and ML Accelerators | Artificial Intelligence Podcast
👁 5 раз ⏳ 4386 сек.
Chris Lattner is a senior director at Google working on several projects including CPU, GPU, TPU accelerators for TensorFlow, Swift for TensorFlow, and all kinds of machine learning compiler magic going on behind the scenes. He is one of the top experts in the world on compiler technologies, which means he deeply understands the intricacies of how hardware and software come together to create efficient code. He created the LLVM compiler infrastructure project and the CLang compiler. He led major engineering

​Недавно мы анонсировали выпуск ML.NET 1.0. ML.NET — это бесплатный, кроссплатформенный и открытый фреймворк машинного обучения, предназначенный для использования возможностей машинного обучения (ML) в приложениях .NET.
https://habr.com/ru/company/microsoft/blog/451296/

🔗 Анонсирован ML.NET 1.0
Недавно мы анонсировали выпуск ML.NET 1.0. ML.NET — это бесплатный, кроссплатформенный и открытый фреймворк машинного обучения, предназначенный для использования...

🎥 Learn Physics in 2 Months
👁 1 раз ⏳ 827 сек.
I've compiled a 2 month Physics curriculum using free resources from across the Internet. Physics helped us build modern civilization. It's used extensively in computer engineering, quantum computing, and across many Scientific disciplines. Learning Physics helps hone your ability to think critically about the nature of reality, and this helps elevate your consciousness. In this video, I'll explain my curriculum and guide you through my process. Enjoy!

Curriculum for this video:
https://github.com/llSourc

✅!ВНИМАНИЕ!✅
Мы приглашаем АВТОРОВ студенческих работ по техническим и прикладным дисциплинам!
⛔Если Вы имеете опыт в написании рефератов, курсовых, дипломных работ, тогда Вам к нам!
⛔Если Вы ответственный, пунктуальный и любите заниматься написанием студенческих работ и получать за это гонорар, то Вам к НАМ!
👍🏻Мы предлагаем высокий заработок, свободный график работы и личный кабинет!
Звоните +7 (953)287-21-92 (вайбер, вотсасп)
Пишите raspred.tex5@yandex
https://vk.com/raspredtex
https://vk.com/raspredtex5

​Всех, кто хочет продвинуться на непростом пути машинного обучения, ждут 15 мая, в 20:00 на вебинаре «Учим нейронную сеть копировать почерк». Запишитесь, чтобы получить напоминание https://otus.pw/k0cV/

На открытом уроке мы обсудим, что такое нейронная сеть и как от предсказания конкретных свойств объекта перейти к порождению новых объектов с заданными свойствами. В качестве примера разберем один из финальных проектов предыдущего набора курса: задачу порождения рукописного текста с заданным почерком.

Вебинар пройдет в рамках набора на профильный онлайн-курс «Нейронные сети на Python». Это курс для тех, кто хочет углубить свои знания по нейронным сетям, глубоком машинном обучении и задачах, которые решает Deep Learning Инженер. Оцените свои знания и готовность к курсу, сдайте вступительный тест https://otus.pw/0MEo/

Проведет вебинар Артур Кадурин, преподаватель курса и признанный эксперт в области нейронных сетей и machine learning.

Приходите, будет интересно и профессионально!

🔗 Нейронные сети на Python для Deep Learning Engineering | OTUS
Хочешь погрузится в мир нейронных сетей и глубокого обучения? Записывайся на курс "Нейронные сети на Python" в OTUS, и ты получишь навыки уровня Middle/Senior.

🎥 Reinforcement Learning Course - Full Machine Learning Tutorial
👁 1 раз ⏳ 14127 сек.
Reinforcement learning is an area of machine learning that involves taking right action to maximize reward in a particular situation. In this full tutorial course, you will get a solid foundation in reinforcement learning core topics.

The course covers Q learning, SARSA, double Q learning, deep Q learning, and policy gradient methods. These algorithms are employed in a number of environments from the open AI gym, including space invaders, breakout, and others. The deep learning portion uses Tensorflow and

🎥 Simulating Grains of Sand, Now 6 Times Faster
👁 1 раз ⏳ 187 сек.
📝 The paper "Hybrid Grains: Adaptive Coupling of Discrete and Continuum Simulations of Granular Media" is available here:
http://www.cs.columbia.edu/~smith/hybrid_grains/

❤️ Pick up cool perks on our Patreon page: https://www.patreon.com/TwoMinutePapers

🙏 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, Bryan Learn, Christian Ahlin, Christoph Jadanowski, Claudi

​ROC Curves and the Efficient Frontier

🔗 ROC Curves and the Efficient Frontier
Explaining how to interpret ROC Curves using a pinch of finance

​Scientific approach to Facebook Ads

🔗 Scientific approach to Facebook Ads
How many views does it require to make sure that the new creative isn’t working and designers once again have to sing for their supper…

​Visualising Filters and Feature Maps for Deep Learning

🔗 Visualising Filters and Feature Maps for Deep Learning
Deep Neural Networks are one of the most powerful class of machine learning models. With enough data, their accuracy in tasks such as…

​Finding Bayesian Legos

🔗 Finding Bayesian Legos
How computational statistics can save your feet

​snakers4/open_stt

🔗 snakers4/open_stt
Russian open STT dataset. Contribute to snakers4/open_stt development by creating an account on GitHub.

​Learning Artificial Neural Networks by predicting visitor purchase intention

🔗 Learning Artificial Neural Networks by predicting visitor purchase intention
Deep learning project

​Exploring Reddit’s ‘Ask Me Anything’ Using the PRAW API Wrapper

🔗 Exploring Reddit’s ‘Ask Me Anything’ Using the PRAW API Wrapper
A brief PRAW tutorial for future Reddit analysts

​Как нас анализируют в магазинах и ресторанах

🔗 Как нас анализируют в магазинах и ресторанах
Сегодня поговорим о применении видеоаналитики в ритейле, сфере услуг и ресторанном бизнесе. Речь пойдет об анализе покупателей, их трафике, уникальности, повторя...

​Как в Яндекс.Такси ищут машины, когда их нет

🔗 Как в Яндекс.Такси ищут машины, когда их нет
Хороший сервис для заказа такси должен быть безопасным, надёжным и быстрым. Пользователь не станет вдаваться в детали: ему важно, чтобы он нажал кнопку «Заказа...

​Как и зачем мы делали распознавание достопримечательностей в Облаке Mail.ru

🔗 Как и зачем мы делали распознавание достопримечательностей в Облаке Mail.ru
С появлением качественных камер в мобильных телефонах мы все больше и чаще фотографируем, снимаем видео ярких и важных моментов нашей жизни. У многих из нас фо...

​Boost your Image Classifier

🔗 Boost your Image Classifier
Image classification is assumed to be a nearly solved problem. Fun part is when you have to use all your cunning to gain that extra 1%…

🎥 [Коллоквиум] Математика больших данных тензоры, нейросети, байесовский вывод - Ветров Д.П.
👁 32347 раз ⏳ 4414 сек.

​"Искусственный интеллект с примерами на Python. Создание приложений искусственного интеллекта"

Наш телеграм канал - tglink.me/ai_machinelearning_big_data

Искусственный интеллект становится неотъемлемым атрибутом современного мира, управляемого технологиями и данными. Он интенсивно применяется в таких областях, как поисковые системы, распознавание образов, робототехника, беспилотные автомобили и т.п. В этой книге исследуются различные сценарии, взятые из реальной жизни. Прочитав ее, вы будете знать, какие алгоритмы искусственного интеллекта следует применять в том или ином контексте.
Автор начинает с рассмотрения общих концепций искусственного интеллекта, после чего переходит к обсуждению более сложных тем, таких как предельно случайные леса, скрытые марковские модели, генетические алгоритмы, сверточные нейронные сети и др. Вы узнаете о том, как принимать обоснованные решения при выборе необходимых алгоритмов, а также о том, как реализовывать эти алгоритмы на языке Python для достижения наилучших результатов.

📝 Dzhoshi_P_-_Iskusstvenny_intellekt_s_primerami_na_Python_-_2019.pdf - 💾72 984 400