​Python tricks 101, what every new programmer should know.

🔗 Python tricks 101, what every new programmer should know.
These are the things I wish I knew about Python when I started.

​Calculating Loss of Yolo (v3)Layer

🔗 Calculating Loss of Yolo (v3)Layer
Implementation of Yolo v3 Model

Машинное обучение
Наш телеграм канал - tglink.me/ai_machinelearning_big_data

🎥 Лекция 1 | Машинное обучение | Сергей Николенко | Лекториум
👁 1 раз ⏳ 5396 сек.
Лекция 1 | Курс: Машинное обучение | Лектор: Сергей Николенко | Организатор: Математическая лаборатория имени П.Л.Чебышева СПбГУ

Смотрите это виде...

🎥 Лекция 2 | Машинное обучение | Сергей Николенко | Лекториум
👁 1 раз ⏳ 4251 сек.
Лекция 2 | Курс: Машинное обучение | Лектор: Сергей Николенко | Организатор: Математическая лаборатория имени П.Л.Чебышева СПбГУ

Смотрите это виде...

🎥 Лекция 3 | Машинное обучение | Сергей Николенко | Лекториум
👁 1 раз ⏳ 3352 сек.
Лекция 3 | Курс: Машинное обучение | Лектор: Сергей Николенко | Организатор: Математическая лаборатория имени П.Л.Чебышева СПбГУ

Смотрите это виде...

🎥 Лекция 4 | Машинное обучение | Сергей Николенко | Лекториум
👁 1 раз ⏳ 6109 сек.
Лекция 4 | Курс: Машинное обучение | Лектор: Сергей Николенко | Организатор: Математическая лаборатория имени П.Л.Чебышева СПбГУ

Смотрите это виде...

🎥 Лекция 5 | Машинное обучение | Сергей Николенко | Лекториум
👁 1 раз ⏳ 5170 сек.
Лекция 5 | Курс: Машинное обучение | Лектор: Сергей Николенко | Организатор: Математическая лаборатория имени П.Л.Чебышева СПбГУ

Смотрите это виде...

🎥 Лекция 7 | Машинное обучение | Сергей Николенко | Лекториум
👁 1 раз ⏳ 2860 сек.
Лекция 7 | Курс: Машинное обучение | Лектор: Сергей Николенко | Организатор: Математическая лаборатория имени П.Л.Чебышева СПбГУ

Смотрите это виде...

🎥 Лекция 8 | Машинное обучение | Сергей Николенко | Лекториум
👁 1 раз ⏳ 2317 сек.
Лекция 8 | Курс: Машинное обучение | Лектор: Сергей Николенко | Организатор: Математическая лаборатория имени П.Л.Чебышева СПбГУ

Смотрите это виде...

🎥 Лекция 9 | Машинное обучение | Сергей Николенко | Лекториум
👁 1 раз ⏳ 3029 сек.
Лекция 9 | Курс: Машинное обучение | Лектор: Сергей Николенко | Организатор: Математическая лаборатория имени П.Л.Чебышева СПбГУ

Смотрите это виде...

🎥 Лекция 10 | Машинное обучение | Сергей Николенко | Лекториум
👁 1 раз ⏳ 6184 сек.
Лекция 10 | Курс: Машинное обучение | Лектор: Сергей Николенко | Организатор: Математическая лаборатория имени П.Л.Чебышева СПбГУ

Смотрите это вид...

🎥 Тренировка по машинному обучению 14 сентября 2019
👁 2 раз ⏳ 0 сек.
(eng below) Тренировка по машинному обучению – это открытый митап, на который мы приглашаем участников соревнований по анализу данных, чтобы познакомиться, рассказать про задачи, обменяться опытом участия и пообщаться.

С докладами выступают успешные участники последних соревнований на Kaggle и других платформах — рассказывают о своих решениях: какие техники и методы использовали они сами, а какие помогли их конкурентам.

В программе 14 сентября:

Андрей Лукъяненко – Kaggle Predicting Molecular Properties (

​VideoKen - video based collaborative learning. Video Indexing, Search and Curation.

🔗 VideoKen - video based collaborative learning. Video Indexing, Search and Curation.
The next generation of video based learning. Social, video based learning platform. Unique Video Indexing, automatic Table of Contents generation, automatic phrase cloud generation, enhanced Video Search, video curation and sharing. Annotate and personalize videos

​Reinforcement Learning Papers Accepted to NeurIPS 2019

🔗 Reinforcement Learning Papers Accepted to NeurIPS 2019
I have compiled a list of 184 reinforcement learning papers accepted to NeurIPS 2019.

​Портрет Data Scientist в России. Только факты

Исследования и прогнозы в IT
Служба исследований hh.ru совместно с Академией больших данных MADE от Mail.ru составили портрет специалиста по Data Science в России. Изучив 8 тысяч резюме российских дата-сайентистов и 5,5 тысяч вакансий работодателей мы выяснили где живут и работают специалисты в Data Science, сколько им лет, какой вуз они закончили, какими языками программирования владеют и сколько у них ученых степеней.
https://habr.com/ru/company/hh/blog/467281/

🔗 Портрет Data Scientist в России. Только факты
Служба исследований hh.ru совместно с Академией больших данных MADE от Mail.ru составили портрет специалиста по Data Science в России. Изучив 8 тысяч резюме росс...

​François Chollet: Keras, Deep Learning, and the Progress of AI | Artificial Intelligence Podcast

🔗 François Chollet: Keras, Deep Learning, and the Progress of AI | Artificial Intelligence Podcast
François Chollet is the creator of Keras, which is an open source deep learning library that is designed to enable fast, user-friendly experimentation with deep neural networks. It serves as an interface to several deep learning libraries, most popular of which is TensorFlow, and it was integrated into TensorFlow main codebase a while back. Aside from creating an exceptionally useful and popular library, François is also a world-class AI researcher and software engineer at Google, and is definitely an outsp

​Data Visualization Tips (Power BI) — Convert Categorical Variables to Dummy Variables

🔗 Data Visualization Tips (Power BI) — Convert Categorical Variables to Dummy Variables
Skills on data preprocessing with PowerBI

​Teaching AI to plan using language in a new open-source strategy game

https://ai.facebook.com/blog/-teaching-ai-to-plan-using-language-in-a-new-open-source-strategy-game/

🔗 Teaching AI to plan using language in a new open-source strategy game
Facebook AI has open sourced MiniRTSv2, a real-time strategy game designed to test and evaluate a range of AI techniques related to reinforcement learning, hierarchical decision-making and natural language processing.

​Integrative analysis of single-cell multi-omics data using deep learning

🔗 Integrative analysis of single-cell multi-omics data using deep learning
Single-cell RNA sequencing (scRNA-seq) has offered a comprehensive and unbiased approach to profile immune cells including T cells with a…

​Creating a data set and a challenge for deepfakes

https://ai.facebook.com/blog/deepfake-detection-challenge/

🔗 Creating a data set and a challenge for deepfakes
Facebook is partnering with academic researchers and other industry leaders to create the DeepFake Detection Challenge.

​Lost in Translation. Found by Transformer.

🔗 Lost in Translation. Found by Transformer.
Tackle the mystery of Transformer model used by GPT-2, BERT

🎥 KNN Algorithm and its Evaluation using Confusion Matrix - Machine Learning in Python
👁 1 раз ⏳ 591 сек.
👉 KNN Algorithm and Evaluating the same with Confusion Matrix : Machine Learning in Python using Scikit Learn

👆 This video explains how the KNN or K Nearest Neighbour Algorithm works and how we can evaluate the performance using Confusion Matrix using Scikit Learn

👉 The KNN Algorithm: https://youtu.be/R6Jcz1UNz3g
👉 The Iris Dataset: https://youtu.be/rOZezzKEHpY
👉 Using Train Test Split: https://youtu.be/socWy13ZfKc

Feel free to check out and follow CodesBay @

👉 YouTube: https://www.youtube.com/Cod

🎥 Introduction to Neural Networks - Part 2 | Machine Learning Career Track
👁 3 раз ⏳ 7212 сек.
Introduction to Neural Networks class is part of Machine Learning Career Track at Code Heroku. Get started in our ML Career Track for Free: http://www.codeheroku.com/ml

We did face some issues towards the end of the class; but here is the completed version.
The issue was that we were missing a reshape of labels y. Check the notebook below for completed code:
Completed Jupyter Notebook:
https://neuralnetworks-hellocodeheroku.notebooks.azure.com/j/notebooks/nn1.ipy

Dataset: https://notebooks.azure.com/hel

​Facebook Research at Interspeech 2019

https://ai.facebook.com/blog/facebook-research-at-interspeech-2019/

Sequence-to-Sequence Speech Recognition with Time-Depth Separable Convolutions

https://research.fb.com/publications/sequence-to-sequence-speech-recognition-with-time-depth-separable-convolutions/

Unsupervised Singing Voice Conversion

https://research.fb.com/publications/unsupervised-singing-voice-conversion/
Наш телеграм канал - tglink.me/ai_machinelearning_big_data

🔗 Facebook research at Interspeech 2019
Facebook is at Interspeech 2019! For those attending the conference in Graz, Austria this week, be sure to stop by booth F7 to connect with recruiters, researchers, and software engineers about speech research at Facebook. Learn more about Facebook Research at Interspeech in our blog..

​Обработка неструктурированных текстов
Поиск организация и манипулирование

В книге описаны инструменты и методы обработки неструктурированных текстов. Прочитав ее, вы научитесь пользоваться полнотекстовым поиском, распознавать имена собственные, производить кластеризацию, пометку, извлечение информации и автореферирование. Знакомство с фундаментальными принципами сопровождается изучением реальных применений.

Издание предназначено для читателей без подготовки в области математической статистики и обработки естественных языков. Примеры написаны на Java, но сами идеи могут быть реализованы на любом языке программирования.

📝 taming-text.pdf - 💾10 542 328

🎥 5 Beginner Friendly Steps to Learn Machine Learning
👁 7 раз ⏳ 822 сек.
This video breaks down practical steps on how to learning machine learning with Python. It's the video I wish I had watched when I started learning machine learning.

Blog post version of this video - https://danielbourke.ghost.io/5-beginner-friendly-steps-to-learn-machine-learning/

Other Links Mentioned (in order)

Step 1 - Learn Python, data science tools and machine learning concepts
Elements of AI - https://www.elementsofai.com/
Python for Everybody on Coursera - https://bit.ly/pythoneverybodycoursera

🎥 "Explainable AI: the apex of human and machine learning" by Baxter Eaves
👁 1 раз ⏳ 2492 сек.
Black Box AI technologies like Deep Learning have seen great success in domains like ad delivery, speech recognition, and image classification; and have even defeated the world's best human players in Go, Starcraft, and DOTA. As a result, adoption of these technologies has skyrocketed. But as employment of Black Box AI increases in safety-intensive and scientific domains, we are learning hard lessons about their limitations: they go wrong unexpectedly and are difficult to diagnose.

From these failures, a n