Евгений Разинков. Лекция 9. Математические основы AdaBoost (курс "Машинное обучение", весна 2019)
#Машинноеобучение
Наш телеграм канал - tglink.me/ai_machinelearning_big_data

https://www.youtube.com/watch?v=G8ChabpYN3g

🎥 Евгений Разинков. Лекция 9. Математические основы AdaBoost (курс "Машинное обучение", весна 2019)
👁 1 раз ⏳ 4760 сек.
Лекция посвящена математическим основам алгоритма AdaBoost.
Рассмотрены следующие вопросы:
- Целевая функция алгоритма AdaBoost
- Вывод целевой функции для обучения очередного слабого классификатора
- Вывод формулы вычисления веса для слабого классификатора
- Вывод формулы обновления весов элементов обучающей выборки.

Евгений Разинков -- к.ф.-м.н., руководитель отдела машинного обучения и компьютерного зрения Группы компаний FIX, ассистент кафедры системного анализа и ИТ института ВМиИТ Казанского федераль

​Batch-Shaped Channel Gated Networks

Authors: Babak Ehteshami Bejnordi, Tijmen Blankevoort, Max Welling

Abstract: We present a method for gating deep-learning architectures on a fine-grained level. Individual convolutional maps are turned on/off conditionally on features in the network. This method allows us to train neural networks with a large capacity, but lower inference time than the full network.
https://arxiv.org/abs/1907.06627

https://www.groundai.com/project/batch-shaped-channel-gated-networks/

🔗 Batch-Shaped Channel Gated Networks
We present a method for gating deep-learning architectures on a fine-grained level. Individual convolutional maps are turned on/off conditionally on features in the network. This method allows us to train neural networks with a large capacity, but lower inference time than the full network. To achieve this, we introduce a new residual block architecture that gates convolutional channels in a fine-grained manner. We also introduce a generally applicable tool "batch-shaping" that matches the marginal aggregate posteriors of features in a neural network to a pre-specified prior distribution. We use this novel technique to force gates to be more conditional on …

​Virtual Characters Learn To Work Out…and Undergo Surgery

🔗 Virtual Characters Learn To Work Out…and Undergo Surgery
📝 The paper "Scalable Muscle-actuated Human Simulation and Control" is available here: http://mrl.snu.ac.kr/research/ProjectScalable/Page.htm ❤️ 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, Daniel Hasegan,

​Очень часто человек, разбирающийся в статистике, машинном обучении и программировании, не может найти достойную работу. Почему? Возможно у него нет корректно составленного портфолио, демонстрирующего его профессионализм и потенциал.

Как грамотно составить портфолио Data Scientist'а и выгодно преподнести свои навыки работодателю? Читайте в статье.

https://clc.to/a8yi1A

🔗 Как сделать портфолио исследователя данных - SkillFactory
Как сделать портфолио Data Scientist? Как правильно оформить партфолио для Data Scientist? SkillFactory

Implementing Deep Learning Papers - Deep Deterministic Policy Gradients (using Python)
https://www.youtube.com/watch?v=GJJc1t0rtSU

🎥 Implementing Deep Learning Papers - Deep Deterministic Policy Gradients (using Python)
👁 1 раз ⏳ 10631 сек.
In this intermediate deep learning tutorial, you will learn how to go from reading a paper on deep deterministic policy gradients to implementing the concepts in Tensorflow. This process can be applied to any deep learning paper, not just deep reinforcement learning.

In the second part, you will learn how to code a deep deterministic policy gradient (DDPG) agent using Python and PyTorch, to beat the continuous lunar lander environment (a classic machine learning problem).

DDPG combines the best of Deep Q

​Interactive Data Visualization
Creating interactive plots and widgets for Data Visualization using Python libraries such as: Plotly, Bokeh, nbinteract
https://towardsdatascience.com/interactive-data-visualization-167ae26016e8?source=collection_home---4------0-----------------------

🔗 Interactive Data Visualization - Towards Data Science
Creating interactive plots and widgets for Data Visualization using Python libraries such as: Plotly, Bokeh, nbinteract, etc...

​Audio AI: isolating instruments from stereo music using Convolutional Neural Networks
hacking music towards the democratization of derivative content
https://towardsdatascience.com/audio-ai-isolating-instruments-from-stereo-music-using-convolutional-neural-networks-584ababf69de?source=collection_home---4------0-----------------------

🔗 Audio AI: isolating instruments from stereo music using Convolutional Neural Networks
hacking music towards the democratization of derivative content

#TensorFlow Extended (TFX): Machine Learning Pipelines

🎥 TensorFlow Extended (TFX): Machine Learning Pipelines
👁 1 раз ⏳ 2734 сек.
Speaker: Martin Andrews

Event: Google I/O Recap 2019 Singapore AI - From Model to Device by BigDataX

Event Page: https://www.meetup.com/BigDataX/events/262196916/

Produced by Engineers.SG

Help us caption & translate this video!

https://amara.org/v/qDUx/

Webinar-Introduction to Deep Learning and Neural Networks | Great Learning
https://www.youtube.com/watch?v=3k1RAwxzOdM

🎥 Webinar-Introduction to Deep Learning and Neural Networks | Great Learning
👁 1 раз ⏳ 5001 сек.
Polish your concept of Deep Learning and Neural Networks with this basic session. This session is for all those who are looking for a quick overview of the concepts of this topic. In this session concepts like Linear Algebra, Vectors, Optimization, Basics of Neural Networks, etc are discussed along with examples at a conceptual level.

​Artificial Stupidity: бот, который мне не помог

Искусственный интеллект
Привет Хабр! После прочтения пары дайджестов про полезные сервисы на базе искусственного интеллекта я решил попробовать такой сервис по автоматизированному поиску работы, где с вами общается бот-ассистент. Встречайте: newton.ai. Через полчаса я был зол.
https://habr.com/ru/post/460251

🔗 Artificial Stupidity: бот, который мне не помог
Привет Хабр! После прочтения пары дайджестов про полезные сервисы на базе искусственного интеллекта я решил попробовать такой сервис по автоматизированному поиск...

​how weak supervision can train deep learning models using unlabeled cardiac MRI sequences/videos

Key idea: use Snorkel to transform cardiologist domain knowledge into labeling functions —simple rules which capture information about our task— to take advantage of the massive scale of unlabeled imaging data available in biobank.

This lets us rapidly build training sets for classification tasks such as bicuspid aortic valve, where a Snorkel-based approach improved our end model F1 performance by 64%.

This lets us rapidly build training sets for classification tasks such as bicuspid aortic valve, where a Snorkel-based approach improved our end model F1 performance by 64%.
https://www.nature.com/articles/s41467-019-11012-3

🔗 Weakly supervised classification of aortic valve malformations using unlabeled cardiac MRI sequences
The availability of labelled training data is one of the practical obstacles towards wide application of machine learning models in medicine. Here the authors develop a weakly supervised deep learning model for the classification of aortic malformations using unlabelled cardiac MRI sequences from the UK biobank.

​Video classification with Keras and Deep Learning

https://www.pyimagesearch.com/2019/07/15/video-classification-with-keras-and-deep-learning/

🔗 Video classification with Keras and Deep Learning - PyImageSearch
In this tutorial, you will learn how to perform video classification using Keras, Python, and Deep Learning.

​Издевательски точный, быстрый и легковесный поиск баркодов через семантическую сегментацию

Поиск объектов на изображениях? Имея обучающую выборку и минимальный набор знаний о нейросетях, любой студент сегодня может получить решение определенной точности. Однако большинство нейросетей, использующихся для решения этой задачи, достаточно глубокие, а соответственно, требуют много данных для обучения, сравнительно медленно работают на этапе inference (особенно если на устройстве отсутствует GPU), много весят и достаточно энергозатратны. Все вышеперечисленное может быть весьма критично в определенных случаях, в первую очередь, для мобильных приложений.

Баркоды — объекты с достаточно простой структурой. В ходе исследований у нас получилось с помощью сравнительно оригинального подхода искать такие простые объекты весьма точно (мы побили state-of-the-art) и достаточно быстро (real-time на среднем CPU). Плюс наш детектор очень легкий, имеющий всего 30к весов. О результатах нашего исследования мы и расскажем в этой статье.

https://habr.com/ru/company/abbyy/blog/455764/
#Обработкаизображений
#Машинноеобучение
#Искусственныйинтеллект

🔗 Издевательски точный, быстрый и легковесный поиск баркодов через семантическую сегментацию
Поиск объектов на изображениях? Имея обучающую выборку и минимальный набор знаний о нейросетях, любой студент сегодня может получить решение определенной точност...

​Дайджест соревнований по анализу данных – Кирилл Бродт

🔗 Дайджест соревнований по анализу данных – Кирилл Бродт
Обзор новых соревнований по анализу данных от 13 июля 2019 года. Кирилл Бродт рассказывает про актуальные соревнования, в которых можно принять участие. Календарь соревнований: http://mltrainings.ru/ Узнать о новых тренировках и видео можно из групп: ВКонтакте https://vk.com/mltrainings Facebook https://www.facebook.com/groups/1413405125598651/ Telegram https://xn--r1a.website/mltrainings

​Imitation Learning: Reinforcement Learning For The Real World - Dr. Byron Galbraith

🔗 Imitation Learning: Reinforcement Learning For The Real World - Dr. Byron Galbraith
Reinforcement Learning has seen an explosion of work in the last few years with some high-profile results such as DeepMind’s success at Go with AlphaZero. Most of the success has been demonstrated on games which, while impressive, have certain properties that don’t translate to real-world challenges faced by practitioners. First, these games can be simulated efficiently at the massive scales needed to train the RL algorithms. Second, many of the games, like Chess, Go, and Breakout, are fully observable, in

​Parrotron: New Research into Improving Verbal Communication for People with Speech Impairments

Наш телеграм канал - tglink.me/ai_machinelearning_big_data
http://ai.googleblog.com/2019/07/parrotron-new-research-into-improving.html

🔗 Parrotron: New Research into Improving Verbal Communication for People with Speech Impairments
Posted by Fadi Biadsy, Research Scientist and Ron Weiss, Software Engineer, Google Research Most people take for granted that when they sp...

How to get Tensorflow 2.0 in Google Colab
https://www.youtube.com/watch?v=MqLZgeb155E

🎥 How to get Tensorflow 2.0 in Google Colab
👁 1 раз ⏳ 475 сек.
How to install and use Tensorflow 2.0 in Google Colab, run Linux commands, and some caveats.

What happens if your runtime disconnects? What happens if you keep seeing the old Tensorflow version?

Get 80-90% off all my deep learning courses here: https://lazyprogrammer.me

Google AI - Vision API Python Tutorial (Part 7): Detect Faces

https://www.youtube.com/watch?v=xjanWxVdpko

🎥 Google AI - Vision API Python Tutorial (Part 7): Detect Faces
👁 1 раз ⏳ 1069 сек.
Buy Me a Coffee? https://www.paypal.me/jiejenn/5
Your donation will support me to continue to make more tutorial videos!

Overview:
The Face Detection feature detects faces within an image and returns information such as facial attributes location, emotional states, and as well as wearable accessories. In this tutorial we will learn how to use the FACE_DETECTION method with Vision API.

Documentation:
https://cloud.google.com/vision/docs/detecting-faces

Python Script
https://learndataanalysis.org/google-vi

​Building a Fake News Classifier Using Natural Language Processing
Look, I’m not here to pick sides. Donald Trump is merely my scape-goat for my using of the term “fake news”
https://towardsdatascience.com/building-a-fake-news-classifier-using-natural-language-processing-83d911b237e1?source=collection_home---4------1-----------------------

🔗 Building a Fake News Classifier Using Natural Language Processing
Look, I’m not here to pick sides. Donald Trump is merely my scape-goat for my using of the term “fake news”, but whether or not you’re a…

​Hands On Bayesian Statistics with Python, PyMC3 & ArviZ
Gaussian Inferences, Posterior Predictive Checks, Group Comparison, Hierarchical Linear Regression
https://towardsdatascience.com/hands-on-bayesian-statistics-with-python-pymc3-arviz-499db9a59501?source=collection_home---4------1-----------------------

🔗 Hands On Bayesian Statistics with Python, PyMC3 & ArviZ
Gaussian Inferences, Posterior Predictive Checks, Group Comparison, Hierarchical Linear Regression