​Evading Machine Learning Malware Classifiers

🔗 Evading Machine Learning Malware Classifiers
for fun and profit!

​Single UserID Matching for Anonymous Users Across Devices with GraphX

🔗 Single UserID Matching for Anonymous Users Across Devices with GraphX
How to implement a probabilistic session similarity to create a single user ID for cross-device and anonymous user identification

🎥 Martin Christen - Geospatial Analysis using Python and JupyterHub
👁 1 раз ⏳ 1806 сек.
"Geospatial Analysis using Python and JupyterHub
[EuroPython 2019 - Talk - 2019-07-10 - Singapore [PyData track]
[Basel, CH]

By Martin Christen

Geospatial data is data containing a spatial component – describing objects with a reference to the planet's surface. This data usually consists of a spatial component, of various attributes, and sometimes of a time reference (where, what, and when). Efficient processing and visualization of small to large-scale spatial data is a challenging task.

This talk desc

🎥 Franziska Oschmann - Boosting research with machine learning.
👁 1 раз ⏳ 1802 сек.
"Boosting research with machine learning.
[EuroPython 2019 - Talk - 2019-07-10 - Osaka / Samarkand [PyData track]
[Basel, CH]

By Franziska Oschmann

Within the last 20 years machine learning (ML) experienced a boost in its impact on our daily lives. With the help of supervised and unsupervised methods tasks like computer vision, recognition of speech or text have been revolutionized. Due to this high impact of ML ongoing research focuses on the constant improvement of these methods.
However, ML is not exc

🎥 TensorFlow 2.0 Tutorial for Beginners 10 - Breast Cancer Detection Using CNN in Python
👁 1 раз ⏳ 1273 сек.
# Breast-Cancer-Detection-Using-CNN-in-Python
Breast Cancer Detection Using CNN in Python

Download Working File: https://github.com/laxmimerit/Breast-Cancer-Detection-Using-CNN-in-Python

natural image classification techniques and Artificial Intelligence methods has largely been used for the breast cancer classification task. The involvement CNN classification allows the doctor and the physicians a second opinion, and it saves the doctors' and physicians' time.

In this lesson, I have taught you how you c

​CS224N: Natural Language Processing with Deep Learning

https://onlinehub.stanford.edu/

🔗 Stanford Articitial Intelligence Online
Welcome to the Stanford AI Content Hub!

​Феерический screensaver для Kodi

Назначение хранителя экрана для «Kodi»

Проект предназначен для создания «Феерического» хранителя экрана с минимальным количеством исходного кода на языке Python. Проект является простейшим плагином для мультимедиа центра Kodi.

Проект показывает как можно создать очень красивый хранитель экрана целиком опираясь на работу «OpenSource» сообщества. Проект интеграционный, это пример написания двух независимых компонентов, каждый из которых занимает порядка 80 строчек кода. Первый компонент — генератор контента, shell скрипт, второй компонент — плагин для мультимедиа центра Kodi, отвечает за отображение контента.

Ну и напоследок если вы программист и используете систему контроля версий Git, то вы можете визуализировать вашу работу, записать ее в видео файл и наслаждаться полученным результатом на экране телевизора или компьютера, откинувшись на спинку кресла с чашечкой кофе. А прохладными осенними вечерами вы можете убаюкивающе засыпать под ваш screensaver, не забыв при этом поставить таймер выключения устройства в Kodi.
https://habr.com/ru/post/466067/

🔗 Феерический screensaver для Kodi
Назначение хранителя экрана для «Kodi» Проект предназначен для создания «Феерического» хранителя экрана с минимальным количеством исходного кода на языке Python...

😃 😃 @ 😃 😃 @ 😃 😃

​Открылся набор в Академию больших данных MADE от Mailru Group. Академия создана экспертами из индустрии и научного мира специально для тех, у кого уже есть опыт работы в IT. Для тех, кто поступит, обучение будет полностью бесплатным.

Можно выбрать очную или дистанционную форму обучения, а также одну из трех специальностей: Data Scientist, Machine Learning Engineer и Data Engineer. Обучение займет полтора года, с октября 2019 по январь 2021 года.

Учащихся ждет продвинутый курс, включающий в себя занятия по прикладному анализу данных, разработке моделей машинного обучения для высоконагруженных сервисов, обработке больших данных, компьютерному зрению, обработке естественного языка, распознаванию речи и пр.

Условия поступления и подробности об Академии https://vk.cc/9G5rCN

🔗 Академия больших данных MADE
Академия больших данных MADE — бесплатный образовательный проект от Mail.ru Group в области Data Science и Big Data. Он разработан экспертами из индустрии и научного мира специально для специалистов с опытом работы в IT.

​Characterizing Bias in Classifiers using Generative Models
Models that are learned from real-world data are often biased because the
data used to train them is biased. This can propagate systemic human biases
https://arxiv.org/abs/1906.11891

🔗 Characterizing Bias in Classifiers using Generative Models
Models that are learned from real-world data are often biased because the data used to train them is biased. This can propagate systemic human biases that exist and ultimately lead to inequitable treatment of people, especially minorities. To characterize bias in learned classifiers, existing approaches rely on human oracles labeling real-world examples to identify the "blind spots" of the classifiers; these are ultimately limited due to the human labor required and the finite nature of existing image examples. We propose a simulation-based approach for interrogating classifiers using generative adversarial models in a systematic manner. We incorporate a progressive conditional generative model for synthesizing photo-realistic facial images and Bayesian Optimization for an efficient interrogation of independent facial image classification systems. We show how this approach can be used to efficiently characterize racial and gender biases in commercial systems.

​Полезная help-ссылка для работы с данными

Хабр, привет. Представляю вам главную help-ссылку для работы с данными. Материал в Гугл-доке подойдет как профессионалам, так и тем, кто только учится работать с данными. Пользуйтесь и прокачивайте скиллы сами + делитесь с коллегами.

Дальнейшее описание поста — это содержание help-ссылки. Поэтому, можете сразу ознакомиться с документом. Либо начать с её содержания, которую прикрепляю ниже.

Конечно, весь список книг/сервисов/видео и лекций в файле неполный. Поэтому предлагаю сделать этот пост ценнейшим — добавляйте в комментарии свои полезные ссылки, самые крутые из них я добавлю к себе в файл.
https://habr.com/ru/company/mailru/blog/465853/

🔗 Полезная help-ссылка для работы с данными
Хабр, привет. Представляю вам главную help-ссылку для работы с данными. Материал в Гугл-доке подойдет как профессионалам, так и тем, кто только учится работать с...

​Алгоритм мышления и сознания, часть 2

Данный текст содержит пояснения к алгоритму из моей первой статьи “Алгоритм мышления и сознания”. Тезисы первой статьи:

— Феномен субъективного мышления можно алгоритмизовать.

— Предъявленный в статье алгоритм мыслит и этим можно воспользоваться практически.

— С помощью алгоритма мышления можно дать определение сознания в асимптотической форме.
https://habr.com/ru/post/466089/

🔗 Алгоритм мышления и сознания, часть 2
Данный текст содержит пояснения к алгоритму из моей первой статьи “Алгоритм мышления и сознания”. Тезисы первой статьи: — Феномен субъективного мышления можно...

​5 ways to fast-track your next AI implementation

🔗 5 ways to fast-track your next AI implementation
Some quick wins around this important enabling technology can further the business case for more investment in broader digital…

🎥 Lecture 3 | Learning, Empirical Risk Minimization, and Optimization
👁 1 раз ⏳ 4723 сек.
Carnegie Mellon University
Course: 11-785, Intro to Deep Learning
Offering: Fall 2019

For more information, please visit: http://deeplearning.cs.cmu.edu/

Contents:
• Training a neural network
• Perceptron learning rule
• Empirical Risk Minimization
• Optimization by gradient descent

​Important Topics in Machine Learning You Need to Know

🔗 Important Topics in Machine Learning You Need to Know
Basics of Machine Learning

​Giving Lens New Reading Capabilities in Google Go
http://ai.googleblog.com/2019/09/giving-lens-new-reading-capabilities-in.html

🔗 Giving Lens New Reading Capabilities in Google Go
Posted by Rajan Patel, Director, Augmented Reality Around the world, millions of people are coming online for the first time, and many o...

🎥 ML and AI with Sherol Chen: GCPPodcast 190
👁 1 раз ⏳ 1804 сек.
Original post → https://goo.gle/2luzGTe

On the show today, we speak with Developer Advocate and fellow Googler, Sherol Chen about machine learning and AI. Jon Foust and Aja Hammerly learn about the history and impact of AI and ML on technology and gaming. What does it mean to be human? What can machines do better than humans, and what can humans do better than machines? These are the large questions that we aim to solve in order to understand and use AI. Sherol goes on to explain the types of deep learning

🎥 Testing and Deployment of Deep Learning Models with Josh Tobin (2019)
👁 1 раз ⏳ 1706 сек.
In this Lecture, Josh Tobin of OpenAI recaps Sergey Karayev’s lecture on Testing and Deployment in Machine Learning which can be found here:
https://www.youtube.com/watch?v=JTSwQu0OyGs

This lecture was a part of the Applied Deep Learning Fellowship held at the Weights and Biases Headquarters in the spring of 2019.

For more tutorials: https://www.wandb.com/classes
To learn more about Weights & Biases: https://www.wandb.com/
http://josh-tobin.com/

​[WIP] Support for complex valued SVD gradient backprop by refraction-ray · Pull Request #32226 · tensorflow/tensorflow

🔗 [WIP] Support for complex valued SVD gradient backprop by refraction-ray · Pull Request #32226 · tensorflow/tensorflow
I have test some complex case by hand currently, will look into implementing test ASAP. And linter of the style too related issue: #13641

​Turbocharging SVD with JAX

🔗 Turbocharging SVD with JAX
How simple native SVD implementations in Python can be significantly improved by the JAX acceleration.