​Minicourse in Deep Learning with PyTorch
By Alfredo Canziani: https://github.com/Atcold/pytorch-Deep-Learning-Minicourse

🔗 Atcold/pytorch-Deep-Learning-Minicourse
Minicourse in Deep Learning with PyTorch. Contribute to Atcold/pytorch-Deep-Learning-Minicourse development by creating an account on GitHub.

​Face reconstruction from short audio recording.
arxiv.org/abs/1905.09773v1

🔗 Speech2Face: Learning the Face Behind a Voice
How much can we infer about a person's looks from the way they speak? In this paper, we study the task of reconstructing a facial image of a person from a short audio recording of that person speaking. We design and train a deep neural network to perform this task using millions of natural Internet/YouTube videos of people speaking. During training, our model learns voice-face correlations that allow it to produce images that capture various physical attributes of the speakers such as age, gender and ethnicity. This is done in a self-supervised manner, by utilizing the natural co-occurrence of faces and speech in Internet videos, without the need to model attributes explicitly. We evaluate and numerically quantify how--and in what manner--our Speech2Face reconstructions, obtained directly from audio, resemble the true face images of the speakers.

🎥 Lecture 12 - Deep neural networks compression | Deep Learning on Computational Accelerators
👁 1 раз ⏳ 4271 сек.
Given by Chaim Baskin @ CS department of Technion - Israel Institute of Technology.

🎥 Introduction to Pandas for Deep Learning (2.1)
👁 1 раз ⏳ 848 сек.
Your data is very rarely in the form that you need it for deep learning. This video shows how to use Pandas to preprocess your tabular data to prepare it for deep learning. Pandas is a popular Python toolkit that can be used with Keras, TensorFlow, and scikit-learn.

Code for This Video: https://github.com/jeffheaton/t81_558_deep_learning/blob/master/t81_558_class02_python_ml.ipynb
Course Homepage: https://sites.wustl.edu/jeffheaton/t81-558/

Follow Me/Subscribe:
https://www.youtube.com/user/HeatonResearc

​speech2face
https://arxiv.org/abs/1905.09773

Project:
https://speech2face.github.io

🔗 Speech2Face: Learning the Face Behind a Voice
How much can we infer about a person's looks from the way they speak? In this paper, we study the task of reconstructing a facial image of a person from a short audio recording of that person speaking. We design and train a deep neural network to perform this task using millions of natural Internet/YouTube videos of people speaking. During training, our model learns voice-face correlations that allow it to produce images that capture various physical attributes of the speakers such as age, gender and ethnicity. This is done in a self-supervised manner, by utilizing the natural co-occurrence of faces and speech in Internet videos, without the need to model attributes explicitly. We evaluate and numerically quantify how--and in what manner--our Speech2Face reconstructions, obtained directly from audio, resemble the true face images of the speakers.

​Введение в глубокое обучение с использованием TensorFlow

Наш телеграм канал - tglink.me/ai_machinelearning_big_data
Изучая машинное обучение мы столкнёмся со множеством новых и различных терминов, например, такие термины как искусственный интеллект, машинное обучение, нейронные сети и глубокое обучение. Что на самом деле означают эти термины и каким образом они соотносятся друг с другом?

Ниже мы разберём каждый из этих терминов и покажем их связь между собой.

Искусственный интеллект: область компьютерных наук, которая ставит своей целью добиться развития человеко-подобного интеллекта у компьютера. Существует множество способов добиться поставленной цели, включая машинное обучение и глубокое обучение.

Машинное обучение: набор связанных техник при использовании которых компьютер тренируется выполнять определённое задание, нежели непосредственное программирование решения задачи.

Нейронные сети: конструкция (структура) в машинном обучении вдохновлённая сетями нейронов (нервными клетками) в биологическом мозге. Нейронные сети являются фундаментальной частью глубокого обучения и будут изучены (затронуты) в этом курсе.

Глубокое обучение: под-область машинного обучения использующая многослойные нейронные сети (нейронные сети состоящие из нескольких слоёв). Часто термины «машинное обучение» и «глубокое обучение» взаимозаменяемы.

Машинное обучение и глубокое обучение так же состоят из множества под-областей, веток и уникальных техник. Один из самых значимых и известных примеров — разделение «обучения с учителем» и «обучение без учителя».

Говоря простым языком — в «обучении с учителем» вы знаете чему хотите научить компьютер, в то время как «обучение без учителя» аналогично предоставлению возможности компьютеру самому определить что может быть изучено. «Обучение с учителем» наиболее стандартный тип машинного обучения, и именно на нём мы сфокусируемся в данном курсе.
https://habr.com/ru/post/453482/

🔗 Введение в глубокое обучение с использованием TensorFlow
Полный курс на русском языке можно найти по этой ссылке. Оригинальный курс на английском доступен по этой ссылке. Выход новых лекций запланирован каждые 2-3...

​Bayes’ Theorem — Some Perspectives

🔗 Bayes’ Theorem — Some Perspectives
“When you change the way you look at things, the things you look at change.” ―Wayne Dyer

🎥 Machine Learning + Mobile: настоящее и будущее / Андрей Володин (Prisma AI)
👁 3 раз ⏳ 2666 сек.
Saint AppsConf 2019
21 и 22 октября 2019, Санкт-Петербург
Подробности и билеты на сайте https://appsconf.ru/spb/2019

AppsConf 2018

Зал «Зал 2. Без тормозов»
8 октября, 10:00

Тезисы и презентация:
http://appsconf.ru/2018/abstracts/3592

В моем докладе я хотел бы погрузить слушателя в мир машинного обучения. Рассказать, как все начиналось, показать, к чему все пришло на сегодняшний день и через какие современные инструменты разработчики могут решать свои практические задачи.
…
--------
Нашли ошибку в в

​Instagram Data Analysis

🔗 Instagram Data Analysis
Using Panoply and Mode to explore Instagram data to get insights

🎥 Python ChatBot Tutorial - Chatbot with Deeplearning (Part 1)
👁 1 раз ⏳ 971 сек.
Ever wanted to create an AI Chat bot? This python chatbot tutorial will show you how to create a simple ai chatbot using deep learning and python.

Download JSON File: https://techwithtim.net/wp-content/uploads/2019/05/json-file.zip

Text-Based Tutorial: Coming Soon...

Want a sneak peak into my life? Follow my Instagram @tech_with_tim where I'm going to be filming a video each morning sharing my goals for the day and what I have planned:
https://www.instagram.com/tech_with_tim

***************************

🎥 A Practical Introduction to Productionizing NLP Models - Brendon Villalobos - @bkvillalobos
👁 1 раз ⏳ 1586 сек.
It's exciting to create Deep Learning models that can interpret natural language, but resource-greedy NLP models can bottleneck performance in your app. This talk is a practical introduction to productionizing NLP models from training through deployment, with tips to avoid common pitfalls.

#NLP #deeplearning #techconference

🎥 Comprehensive Privacy Analysis of Deep Learning
👁 1 раз ⏳ 994 сек.
Comprehensive Privacy Analysis of Deep Learning - Milad Nasr
Presented at the
2019 IEEE Symposium on Security & Privacy
May 20–22, 2019
San Francisco, CA
http://www.ieee-security.org/TC/SP2019/

Deep neural networks are susceptible to various inference attacks as they remember information about their training data. We design white-box inference attacks to perform a comprehensive privacy analysis of deep learning models. We measure the privacy leakage through parameters of fully trained models as

🎥 This is How Google’s Phone Enhances Your Photos
👁 1 раз ⏳ 278 сек.
📝 The paper "Handheld Multi-frame Super-resolution" is available here:
https://sites.google.com/view/handheld-super-res/

❤️ 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, Claudio Fernandes, Dennis Abts, Eric Haddad, Eric Martel

🎥 Easy Face Recognition Tutorial With JavaScript
👁 1 раз ⏳ 1312 сек.
In this video we will be setting up face recognition for any image using AI. This AI is able to recognize the name of every character in an image very quickly without much performance overhead. We will be using the Face API JS library built on Tensor Flow to setup the face recognition.

By the end of this video you will have fully functional face recognition on your site which can be used with any image. It is even easily extensible to recognize any other person by simply adding a picture of their face and

​Free Will, Clairvoyant Demons, and Determinism

🔗 Free Will, Clairvoyant Demons, and Determinism
Determinism, generative machine learning, and whether or not free will in humans (or machines) is possible

​https://towardsdatascience.com/moving-from-keras-to-pytorch-f0d4fff4ce79?source=collection_home---4------1-----------------------/

🔗 Moving from Keras to Pytorch
Why? How? It's not that difficult.

🎥 Big Data n°6: Intro to machine learning with Big Data by Chris Evers
👁 1 раз ⏳ 9959 сек.

🎥 3 Limits of Artificial Intelligence
👁 6 раз ⏳ 862 сек.
AI has enabled so many new opportunities for people to create a positive impact in the world by creating engineering solutions across every industry! However, AI is still evolving and we have to address its limitations as well. In this video, I'll explain 3 major limits of AI - a lack of causal reasoning, vulnerability to adversarial examples, and a lack of interpretability. I'll also explain ways to solve these limits and earn a profit doing so. The next time someone asks you what AI can't currently do, sh

​Logic Gates Part 2

🔗 Logic Gates Part 2
A guide to understanding basic logic gates

​Рекомендательные системы: идеи, подходы, задачи

Наш телеграм канал - tglink.me/ai_machinelearning_big_data
Многие привыкли ставить оценку фильму на КиноПоиске или imdb после просмотра, а разделы «С этим товаром также покупали» и «Популярные товары» есть в любом интернет- магазине. Но существуют и менее привычные виды рекомендаций. В этой статье я расскажу о том, какие задачи решают рекомендательные системы, куда бежать и что гуглить.
https://habr.com/ru/company/jetinfosystems/blog/453792/

🔗 Рекомендательные системы: идеи, подходы, задачи
Многие привыкли ставить оценку фильму на КиноПоиске или imdb после просмотра, а разделы «С этим товаром также покупали» и «Популярные товары» есть в любом инте...