​Как искусственный интеллект помогает управлять проектами

Может показаться удивительным, но вопросу применения искусственного интеллекта для управления проектами насчитывается уже более 30 лет. Еще в 1987 году вышла знаковая статья Уильяма Хосли «Использование приложений искусственного интеллекта для управления проектами». В том же году под эгидой NASA завершилось исследование об эффективности применения методов искусственного интеллекта в управлении проектами.

Между тем, в последнее время появилось большое количество решений, которые можно условно разделить на два класса:

виртуальные помощники руководителя проекта
искусственный интеллект в системах управления проектами

https://habr.com/ru/post/466165/

🔗 Как искусственный интеллект помогает управлять проектами
Обзор современного применения искусственного интеллекта для управления проектами Может показаться удивительным, но вопросу применения искусственного интеллект...

​Устойчивый нейронный машинный перевод

В последние годы нейронный машинный перевод (НМП) с использованием моделей «трансформер» добился необычайных успехов. НМП на основе глубоких нейросетей обычно обучаются с начала до конца на очень объёмных параллельных корпусах текстов (текстовых парах) исключительно на основе самих данных, без необходимости назначать точные правила языка.

Несмотря на все успехи, НМП-модели могут проявлять чувствительность к небольшим изменениям входных данных, что может проявляться в виде различных ошибок – недоперевод, переперевод, неправильный перевод. К примеру, следующее немецкое предложение качественная НМП-модель «трансформер» переведёт правильно.
https://habr.com/ru/post/465859/

🔗 Устойчивый нейронный машинный перевод
В последние годы нейронный машинный перевод (НМП) с использованием моделей «трансформер» добился необычайных успехов. НМП на основе глубоких нейросетей обычно об...

🎥 Pierre-Yves Oudeyer, Developmental Autonomous Machine Learning (ICLR 2019 Keynote)
👁 1 раз ⏳ 2799 сек.
Developmental Autonomous Learning: Artificial Intelligence, Cognitive Sciences and Educational Technology

Pierre-Yves Oudeyer, Inria and Ensta ParisTech, France
ICLR 2019 Keynote talk

Keywords: developmental machine learning, models of child development, autonomous exploration, curiosity, intrinsic motivation, automated curriculum learning, tool use, language acquisition, robotics, cognitive sciences.

Abstract:

Current approaches to AI and machine learning are still fundamentally limited in comparison

🎥 AI Institute "Geometry of Deep Learning" 2019 [Workshop] Day 3 | Session 2
👁 1 раз ⏳ 5949 сек.
Deep learning is transforming the field of artificial intelligence, yet it is lacking solid theoretical underpinnings. This state of affair significantly hinders further progress, as exemplified by time-consuming hyperparameters optimization, or the extraordinary difficulties encountered in adversarial machine learning. Our three-day workshop stems on what we identify as the current main bottleneck: understanding the geometrical structure of deep neural networks. This problem is at the confluence of mathema

​How to Create an Interactive Geographic Map Using Python and Bokeh

🔗 How to Create an Interactive Geographic Map Using Python and Bokeh
Interactive Data Visualization with Choropleth Maps

​Making Efficient Use of Demonstrations to Solve Hard Exploration Problems

🔗 Making Efficient Use of Demonstrations to Solve Hard Exploration Problems
Making Efficient Use of Demonstrations to Solve Hard Exploration Problems

​Demystifying the Data Science job families

🔗 Demystifying the Data Science job families
A layman’s guide to understanding the differences between Data Scientist, Research Scientist, Applied Scientist, and Business Intelligence…

​Drawing Architecture: Building Deep Convolutional GAN’s In Pytorch

🔗 Drawing Architecture: Building Deep Convolutional GAN’s In Pytorch
What I cannot create, I do not understand.

🎥 Самый мягкий и пушистый путь в Machine Learning и Deep Neural Networks / Алексей Охрименко (Avito)
👁 6 раз ⏳ 3757 сек.
РИТ++ 2019
FrontendConf

Зал «Дели + Калькутта»
27 мая, 13:00

Тезисы и презентация:
http://frontendconf.ru/moscow-rit/2019/abstracts/4854

Если вы пытались научить машину чему-либо, если зачитали от корки до корки Machine Learning for Dummies, если вы заплатили за самые дорогие курсы по Deep Neural Networks, но у вас так ничего не получилось... то этот доклад для вас!
...
--------
Нашли ошибку в видео? Пишите нам на support@ontico.ru

Машинное Обучение
Лекция 1. Введение в машинное обучение
Лекция 2. Методы обработки данных. Задача классификации
Лекция 3. Линейные модели
Лекция 4. Отбор признаков и понижение размерности
Лекция 5. Решающие деревья и ансамбли. Градиентный бустинг
Лекция 6. Кластеризация

🎥 Машинное обучение. Лекция 1. Введение в машинное обучение
👁 1 раз ⏳ 2829 сек.
Все введенные на лекции понятия опираются на конспект К.В. Воронцова: http://www.machinelearning.ru/wiki/images/6/6d/Voron-ML-1.pdf

🎥 Машинное обучение. Лекция 2
👁 1 раз ⏳ 2180 сек.


🎥 Машинное обучение. Лекция 3. Линейные модели
👁 1 раз ⏳ 2867 сек.
В данном видео речь идёт о линейных моделях в задачах регрессии и классификации. Введены такие понятия, как регуляризация, функция правдоподобия и ...

🎥 Машинное обучение . Лекция 4. Отбор признаков и понижение размерности
👁 1 раз ⏳ 2803 сек.


🎥 Машинное обучение. Лекция 5. Решающие деревья и ансамбли. Градиентный бустинг
👁 1 раз ⏳ 1936 сек.
https://github.com/miptmlschool/mlschl/tree/master/Seminars/Seminar_5

🎥 Машинное обучение. Лекция 6. Кластеризация
👁 1 раз ⏳ 1130 сек.
https://github.com/miptmlschool/mlschl/blob/master/lections/Lection%206.pdf

🎥 AI на практике. Машинное обучение. Нейронные сети.
👁 1 раз ⏳ 1727 сек.
Мероприятие: MEETUP день 2
Дата проведения: 24.05.2019

Раскрыта тема доклада:
Практический AI.

Спикер: Кирилл Шиденко, CEO advertising agency Sociaro

🎥 Анна Дубовик «В чем секрет успеха нейронных сетей и как распознать все от рака легких до залежей
👁 2 раз ⏳ 4897 сек.
Источник: https://vk.com/sciencebarhopping
Видео публикуется с разрешения правообладателя

​Finding image pathways

🔗 Finding image pathways
Using images from Wellcome Collection’s archive we made pathways of ‘connecting’ images to expose the collection in a different way

​Kaggle Live Coding: Identifying the most important words in a cluster | Kaggle

🔗 Kaggle Live Coding: Identifying the most important words in a cluster | Kaggle
This week we'll continue with our clustering project and look into how to determine which words are most important in each cluster. Saliency script: https://www.kaggle.com/rebeccaturner/get-frequency-saliency-of-kaggle-lexicon Notebook: https://www.kaggle.com/rtatman/forum-post-embeddings-clustering SUBSCRIBE: https://www.youtube.com/c/kaggle?sub_... About Kaggle: Kaggle is the world's largest community of data scientists. Join us to compete, collaborate, learn, and do your data science work. Kaggle's pl

​Residual Neural Networks in Python

🔗 Residual Neural Networks in Python
How I Built a ResNet Radio Wave Classifier with Keras

​PyTorch for Deep Learning with Python Bootcamp

https://couponportable.blogspot.com/2019/09/pytorch-for-deep-learning-with-python.htm

🔗 On Education - all courses

​Introducing SHAP Decision Plots

🔗 Introducing SHAP Decision Plots
Visualize the inner workings of machine learning models with greater detail and flexibility

​Machine Learning in Real Life

🔗 Machine Learning in Real Life
What it is really like to develop a model for a real-world business case

🎥 Ещё один крутейший инструмент от Jupyter Notebook + Django (Python).
👁 25 раз ⏳ 1412 сек.
Курс 4. Ещё один крутейший инструмент от Jupyter Notebook + Django (Python).
Или любой другой язык.

Смысл инструмента.
При установленном jupyter notebook, мы можем работать с файлами с расширением .py и, например разбираться подробно в кусках кода, так и в полных функциях, видеть сразу результат и сохранять результат работы в формате notebook .ipybn.

Очень круто!

Ещё один крутейший инструмент от Jupyter Notebook + Django (Python).

https://spb-tut.ru/course/kurs-4-eschyo-odin-krutejshij-instrument-ot-j

🎥 TensorFlow 2.0 Tutorial for Beginners 14 - Human Activity Recognition using Accelerometer and CNN
👁 3 раз ⏳ 3215 сек.
Download Working File: https://github.com/laxmimerit/Human-Activity-Recognition-Using-Accelerometer-Data-and-CNN

In this lesson, you will learn how you can use Accelerometer data to classify human activity using CNN.


Like Facebook Page:
https://www.facebook.com/kgptalkie/

Watch Full Playlists:
Deep Learning with TensorFlow 2.0 Tutorials: https://www.youtube.com/watch?v=JHNX5ugPa7s&list=PLc2rvfiptPSR3iwFp1VHVJFK4yAMo0wuF

Feature Selection in Machine Learning using Python: https://www.youtube.com/play