🎥 Overview on Autoencoder Deep Learning Model
👁 1 раз ⏳ 3387 сек.
In this Session i have covered following topics,

Overview on Autoencoder Deep Learning Model

Covers the basic concepts , How to construct and Architecture.

How to build it using TensorFlow.

Types of Autoencoder

Tutor - Ram

🎥 Introduction to Deep Learning & Neural Networks
👁 1 раз ⏳ 2396 сек.
Deep learning is a rapidly changing area of work that has many different real-life applications. It has proved to be extremely successful in specifically solving complex problems in image recognition, natural language processing and other areas. Any data science aspirant or practitioner eventually must get into deep learning as it is where the future is. However, there is a lot of hype around deep-learning to the extent that it is misunderstood in terms of its scope and impact.

Key Takeaways
1. The concept

​Тренды и прогнозы в Natural Language Processing
Тренды и прогнозы в области NLP (Natural Language Processing)
Это статья про тренды и прогнозы из нашего сентябрьского Альманаха «Искусственный интеллект» №2, который посвящен обзору рынка технологий и компаний в области NLP и распознавания-синтеза речи в России.

Для этого иследования мы проводили экспертный опрос индустрии и в частности задавали вопрос о прогнозах развития как технологий, так и применения ИИ в разных областях. Ответов было не так много, но тем не менее общую тенденцию можно сформулировать. В этой статье мы обобщили эти ответы и проявили основные тренды.

Общие технологические тренды
End-to-end решение задач NLP
Все больше решений будет основано на end-to-end подходе, например нейросетевая модель получает на входе акустический сигнал (звуковые волны) и выдает на выходе акустический сигнал, без промежуточной фазы текста. Это существенно ускорит выполнение моделей и их качество, одновременно ухудшив «прозрачность» и наше понимание того, «что внутри».

🔗 Тренды и прогнозы в Natural Language Processing
Тренды и прогнозы в области NLP (Natural Language Processing) Это статья про тренды и прогнозы из нашего сентябрьского Альманаха «Искусственный интеллект» №2, ко...

​Cascadeur: предсказание позы персонажа по шести точкам

Хотим в общих чертах рассказать про первые достижения с deep learning в анимации персонажей для нашей программы Cascadeur.

Во время работы над Shadow Fight 3 у нас накопилось много боевой анимации — около 1100 движений средней длительностью около 4 секунд. Нам давно казалось, что это может быть хорошим датасетом для обучения какой-нибудь нейронной сети.

Однажды мы заметили, что когда аниматоры делают первые наброски идей на бумаге, то им достаточно нарисовать буквально палочного человечка, чтобы представить себе позу персонажа. Мы подумали, что раз опытный аниматор может хорошо выставить позу по простому рисунку, то вполне возможно, что и нейронная сеть справится. Из этого наблюдения родилась простая идея: давайте из каждой позы мы возьмем только 6 ключевых точек — запястья, щиколотки, таз и основание шеи. Если нейронная сеть знает только позиции этих точек, то сможет ли она предсказать остальную позу — позиции 37 остальных точек персонажа?

🔗 Cascadeur: предсказание позы персонажа по шести точкам
Хотим в общих чертах рассказать про первые достижения с deep learning в анимации персонажей для нашей программы Cascadeur. Во время работы над Shadow Fight 3 у...

Обработка изображений

Наш телеграм канал - tglink.me/ai_machinelearning_big_data
01 - Обработка изображений. Цифровое изображение. Чтение, запись, работа с пикселями
02 - Обработка изображений. Арифметические операции. Каналы. Вычисление яркости изображения
03 - Обработка изображений. Сопоставление фотографий Прокудина-Горского
04 - Обработка изображений. Линейная коррекция контраста
05 - Обработка изображений. Коррекция контраста цветного изображения
06 - Обработка изображений. Баланс белого. Модель «серого мира»
07 - Обработка изображений. Выравнивание гистограммы
08 - Обработка изображений. Операция свертки. Линейные фильтры
09 - Обработка изображений. Медианный фильтр
10 - Обработка изображений. Алгоритм сжатия изображений JPEG
PS
Курс начального уровня учит обработке изображений с помощью языка программирования Python. В курсе рассматриваются: устройство цифровых изображений, коррекция яркости и цвета изображения, фильтрация изображений, частотный анализ и устройство формата JPEG
#Python

🎥 01 - Обработка изображений. Цифровое изображение. Чтение, запись, работа с пикселями
👁 1750 раз ⏳ 1049 сек.


🎥 02 - Обработка изображений. Арифметические операции. Каналы. Вычисление яркости изображения
👁 1 раз ⏳ 1062 сек.
Лектор: Влад Шахуро

https://stepik.org/1280

🎥 03 - Обработка изображений. Сопоставление фотографий Прокудина-Горского
👁 1 раз ⏳ 782 сек.
Лектор: Влад Шахуро

https://stepik.org/1280

🎥 04 - Обработка изображений. Линейная коррекция контраста
👁 1 раз ⏳ 992 сек.
Лектор: Влад Шахуро

https://stepik.org/1280

🎥 05 - Обработка изображений. Коррекция контраста цветного изображения
👁 1 раз ⏳ 327 сек.
Лектор: Влад Шахуро

https://stepik.org/1280

🎥 06 - Обработка изображений. Баланс белого. Модель «серого мира»
👁 1 раз ⏳ 512 сек.
Лектор: Влад Шахуро

https://stepik.org/1280

🎥 07 - Обработка изображений. Выравнивание гистограммы
👁 1 раз ⏳ 531 сек.
Лектор: Влад Шахуро

https://stepik.org/1280

🎥 08 - Обработка изображений. Операция свертки. Линейные фильтры
👁 1 раз ⏳ 2489 сек.
Лектор: Влад Шахуро

https://stepik.org/1280

🎥 09 - Обработка изображений. Медианный фильтр
👁 1 раз ⏳ 955 сек.
Лектор: Влад Шахуро

https://stepik.org/1280

🎥 10 - Обработка изображений. Алгоритм сжатия изображений JPEG
👁 1 раз ⏳ 1123 сек.
Лектор: Влад Шахуро

https://stepik.org/1280

​Self-Paced Learning for Latent Variable Models

https://papers.nips.cc/paper/3923-self-paced-learning-for-latent-variable-models

🔗 Self-Paced Learning for Latent Variable Models
Electronic Proceedings of Neural Information Processing Systems

​История моей первой золотой медали в одном соревновании Kaggle: все сделано и уроки извлечены

https://towardsdatascience.com/a-story-of-my-first-gold-medal-in-one-kaggle-competition-things-done-and-lessons-learned-c269d9c233d1

🔗 A story of my first gold medal in one Kaggle competition: things done and lessons learned
Or a story about a great team

​Peter Norvig: Artificial Intelligence: A Modern Approach | Artificial Intelligence (AI) Podcast

🔗 Peter Norvig: Artificial Intelligence: A Modern Approach | Artificial Intelligence (AI) Podcast
Peter Norvig is a research director at Google and the co-author with Stuart Russell of the book Artificial Intelligence: A Modern Approach that educated and inspired a whole generation of researchers including myself to get into the field. This conversation is part of the Artificial Intelligence podcast. INFO: Podcast website: https://lexfridman.com/ai iTunes: https://apple.co/2lwqZIr Spotify: https://spoti.fi/2nEwCF8 RSS: https://lexfridman.com/category/ai/feed/ Full episodes playlist: https://www.youtube

​Real-time Mobile Video Object Detection using Tensorflow

🔗 Real-time Mobile Video Object Detection using Tensorflow
A step-by-step guide to adding object detection to your next mobile app

​Understanding Convolution Neural Networks: CNN— the ELI5 way

🔗 Understanding Convolution Neural Networks: CNN— the ELI5 way
Learn about Convolution Operation and CNN’s

Давно говорите о хороших часах? Именно сегодня у вас есть шанс приобрести хорошие часы, а в подарок получите отличный кошелёк от Армани! https://laproducty.com/page/c721fbcc5adf544def5a55168d23d1e9ec4a281f/

🎥 Recent advances in the information theory of deep neural networks
👁 1 раз ⏳ 2718 сек.
Speaker: Naftali TISHBY (Hebrew U., Jerusalem)
Workshop on Science of Data Science | (smr 3283)
2019_09_30-11_00-smr3283.mp4

🎥 Announcing TensorFlow 2.0
👁 1 раз ⏳ 250 сек.
The TensorFlow team has been on a journey to make the training, deployment, managing, and scaling of machine learning Machine Learning models as easy as possible. To that end we have now released TensorFlow 2.0. TensorFlow 2.0 provides a comprehensive ecosystem of tools for developers, enterprises, and researchers who want to push the state-of-the-art machine learning and build scalable ML-powered applications.

This video is also subtitled in Chinese, Indonesian, Italian, Japanese, Korean, Portuguese, and

​Приглашаем на тренинг от разработчиков Intel Software и Яндекс «Разработка ПО в облаке»

11 октября и 7 ноября Intel Software Solutions проводит бесплатный мастер-класс для разработчиков в московском офисе Яндекса на Льва Толстого. Специалисты обеих компаний расскажут всем желающим о программных инструментах и облачных технологиях для разработки ПО, высокопроизводительных вычислений и машинного обучения.
Считайте, что мы вас уже пригласили. Не забудьте только зарегистрироваться — количество мест не бесконечно.

🔗 Приглашаем на тренинг от разработчиков Intel Software и Яндекс «Разработка ПО в облаке»
11 октября и 7 ноября Intel Software Solutions проводит бесплатный мастер-класс для разработчиков в московском офисе Яндекса на Льва Толстого. Специалисты обеи...

​Как мы собирали данные по рекламным кампаниям с интернет-площадок (тернистый путь к продукту)
Кажется, что сфера интернет-рекламы должна быть максимально технологичной и автоматизированной. Ещё бы, ведь там работают такие гиганты и эксперты в своём деле, как Яндекс, Mail.Ru, Google и Facebook. Но, как оказалось, нет предела совершенству и всегда есть что автоматизировать.

источник: pikabu.ru/story/nichto_ne_mozhet_ostanovit_avtomatizatsiyu_4349847

Коммуникационная группа Dentsu Aegis Network Russia — крупнейший игрок на рекламном digital рынке и активно инвестирует в технологии, пытаясь в оптимизировать и автоматизировать свои бизнес-процессы. Одной из нерешенных задач рынка интернет-рекламы стала задача сбора статистики по рекламным кампаниям с разных интернет-площадок. Решение этой задачи в итоге вылилось в создание продукта D1.Digital (читать как ДиВан), о разработке которого мы и хотим рассказать.

🔗 Как мы собирали данные по рекламным кампаниям с интернет-площадок (тернистый путь к продукту)
Кажется, что сфера интернет-рекламы должна быть максимально технологичной и автоматизированной. Ещё бы, ведь там работают такие гиганты и эксперты в своём деле,...

​Getting Started with Kaggle

🔗 Getting Started with Kaggle
The basics of Kaggle along with building your first model.

​Kaggle Instant Gratification — Сергей Брянский

🔗 Kaggle Instant Gratification — Сергей Брянский
Сергей Брянский делится опытом участия в Kaggle Instant Gratification, в котором он заработал соло серебряную медаль. Из этого видео вы сможете узнать: - Про новый формат соревнований Synchronous KO - Как 'правильно' участвовать в конкурсах-паззлах - Как читать kaggle-форум между строк - Как тратить меньше времени и занимать высокие места Узнать о текущих соревнованиях можно на сайте http://mltrainings.ru/ Узнать о новых тренировках и видео можно из групп: ВКонтакте https://vk.com/mltrainings Facebook h

​Writing lightning fast code with CUDA.

🔗 Writing lightning fast code with CUDA.
An introduction into Cuda.

Коллеги, помоги пожалуйста, по русски, как перевести смысл этой картинки?

​Top 5 mistakes with statistics in A/B testing

🔗 Top 5 mistakes with statistics in A/B testing
A/B tests (a.k.a. online controlled experiments) are widely used to estimate the effect of proposed changes to websites and mobile apps…