​Personalized, Generative Narratives

🔗 Personalized, Generative Narratives
Using Tweepy, IBM Watson and GPT-2 to craft personalized content based on a user’s personality profile

​Releasing a new benchmark and data set for evaluating neural code search models

https://ai.facebook.com/blog/neural-code-search-evaluation-dataset/

article: https://arxiv.org/abs/1908.09804

code: https://github.com/facebookresearch/Neural-Code-Search-Evaluation-Dataset

Наш телеграм канал - tglink.me/ai_machinelearning_big_data

🔗 Releasing a new benchmark and data set for evaluating neural code search models
We are releasing a new benchmark and data set to evaluate performance across various neural code search techniques to make it easier to evaluate a new model on a common set of questions.

​Natural Language Processing (NLP) to analyse product reviews by online shoppers

🔗 Natural Language Processing (NLP) to analyse product reviews by online shoppers
Let me share my Natural Language Processing (NLP) project on product reviews given by online shoppers.

​📹Artificial caricature

Agents learn to draw simplified (artistic?) portraits via trial and error.

Project website: https://learning-to-paint.github.io
ArXiV: https://arxiv.org/abs/1910.01007

#GAN #CelebA #DL

🔗 Unsupervised Doodling and Painting with Improved SPIRAL

​Hydra: A framework that simplifies the development of complex applications

https://ai.facebook.com/blog/open-source-in-brief-hydra/

AI RESEARCH, ML APPLICATIONS, OPEN SOURCE
https://engineering.fb.com/open-source/hydra/

code: https://github.com/facebookresearch/hydra/

🔗 Open-sourcing Hydra for simpler app development - Facebook Engineering
Hydra makes it easier to add functionality to projects and dramatically reduces the need for some forms of boilerplate code.

​PDDM — Новый Model-Based Reinforcement Learning алгоритм с улучшенным планировщиком

Обучение с подкреплением (Reinforcement Learning) делится на два больших класса: Model-Free и Model-Based. В первом случае действия оптимизируются напрямую по сигналу награды, а во втором нейросеть является только моделью реальности, а оптимальные действия выбираются с помощью внешнего планировщика. У каждого подхода есть свои достоинства и недостатки.
Разработчики из Berkeley и Google Brain представили Model-Based алгоритм PDDM с улучшенным планировщиком, позволяющий эффективно обучаться сложным движениям с большим числом степеней свободы на небольшом числе примеров. Чтобы научиться вращать мячи в роботизированной руке с реалистичными суставами пальцев с 24 степенями свободы, потребовалось всего 4 часа практики на реальном физическом роботе.

🔗 PDDM — Новый Model-Based Reinforcement Learning алгоритм с улучшенным планировщиком
Обучение с подкреплением (Reinforcement Learning) делится на два больших класса: Model-Free и Model-Based. В первом случае действия оптимизируются напрямую по с...

​Google's AI Plays Football…For Science!

🔗 Google's AI Plays Football…For Science!
📝 The paper "Google Research Football: A Novel Reinforcement Learning Environment" is available here: https://arxiv.org/abs/1907.11180 https://github.com/google-research/football https://ai.googleblog.com/2019/06/introducing-google-research-football.html ❤️ 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: Alex Haro, Andrew Melnychuk, Angelos Evripiotis, Anthony Vdovitchenko, Brian G

​Как работает метод Левенберга-Марквардта
Алгоритм Левенберга-Марквардта прост. Алгоритм Левенберга-Марквардта эффективен.

А еще о нем говорят, что он где-то посередине между градиентным спуском и методом Ньютона, что бы это ни значило. Ну, с методом Ньютона и его связью с градиентным спуском вроде как разобрались. Но что имеют в виду когда произносят эту глубокомысленную фразу? Попробуем слегка подразобраться.

🔗 Как работает метод Левенберга-Марквардта
Алгоритм Левенберга-Марквардта прост. Алгоритм Левенберга-Марквардта эффективен. А еще о нем говорят, что он где-то посередине между градиентным спуском и метод...

🎥 Recitation 6 | Face Classification and Verification
👁 1 раз ⏳ 2583 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:
• Convolutional Neural Networks (CNNs)
• PyTorch
• Python

🎥 Sequential social dilemmas
👁 1 раз ⏳ 2162 сек.
На семинаре будет рассказано о sequential social dilemmas - актуальной в последние пару лет проблемой на стыке теории игр и multi-agent reinforcement learning. Эта задача будет рассмотрена с точек зрения обоих областей. Простыми словами, разговор будет о том, как научить агентов кооперироваться и не эксплуатировать друг друга, особенно если это выгодно всем агентам. Также будет рассказано решение, над которым сейчас работаем в JetBrains: с агентами обучать законодателя, который может уменьшать награду агент

​How to use Pytorch Dataloaders to work with enormously large text files

🔗 How to use Pytorch Dataloaders to work with enormously large text files
Pytorch’s Dataset and Dataloader classes provide a very convenient way of iterating over a dataset while training your machine learning…

🎥 Azure MLOps Bring your DevOps to Machine Learning
👁 1 раз ⏳ 1762 сек.
Attendees will learn how to automate testing and deployment of Machine Learning services using Azure DevOps.

​Simple Transformers — Introducing The Easiest Way To Use BERT, RoBERTa, XLNet, and XLM

🔗 Simple Transformers — Introducing The Easiest Way To Use BERT, RoBERTa, XLNet, and XLM
Want to use Transformer models for NLP? Pages of code got you down? Not anymore. Start, train, and evaluate Transformers in 3 lines of…

​Natural Language Understanding with SVM’s

🔗 Natural Language Understanding with SVM’s
Our most powerful way of communicating is also our most complicated one. Without any visual information, only fluctuations of air pressure…

​The RAPIDS suite of software libraries gives you the freedom to execute end-to-end data science and analytics pipelines entirely on GPUs

https://github.com/rapidsai/cudf

notebooks repo:

https://github.com/rapidsai/notebooks-contrib

API docs

https://docs.rapids.ai/api/cudf/stable/

🔗 rapidsai/cudf
cuDF - GPU DataFrame Library. Contribute to rapidsai/cudf development by creating an account on GitHub.

​Using Artificial Neural Network for image classification

🔗 Using Artificial Neural Network for image classification
Python codes are available: https://github.com/JNYH/Project_Kojak

​Tensorflow 2.0 — Create and Train a Vanilla CNN on Google Colab

🔗 Tensorflow 2.0 — Create and Train a Vanilla CNN on Google Colab
An Introduction to Colab and Tensorflow 2.0

🎥 Black Hat USA 2016 An AI Approach to Malware Similarity Analysis Mapping the Malware Genome
👁 1 раз ⏳ 1836 сек.
2016 An AI Approach to Malware Similarity Analysis Mapping the Malware Genome With a Deep Neural Network

​Python vs R for Artificial Intelligence, Machine Learning, and Data Science

🔗 Python vs R for Artificial Intelligence, Machine Learning, and Data Science
Introduction Ah yes, the debate about which programming language, Python or R, is better for data science. In this series, I am…

​Face Detection Using JavaScript API — face-api.js

🔗 Face Detection Using JavaScript API — face-api.js
In this article, we will learn about face detection (Age/Gender/Face Positions/Mood) using face-api.js and the nearby object detection…