​Awesome Machine Learning

A curated list of awesome machine learning frameworks, libraries and software (by language).

https://github.com/josephmisiti/awesome-machine-learning

https://github.com/josephmisiti/awesome-machine-learning/blob/master/books.md

🔗 josephmisiti/awesome-machine-learning
A curated list of awesome Machine Learning frameworks, libraries and software. - josephmisiti/awesome-machine-learning

Нейронный сети
- Нейронные сети за 30 минут: от теории до практики.
- Chatbot на базе рекуррентной нейронной сети своими руками с нуля
- Обучение нейронных сетей методом обратного распространения ошибки.
- Sentiment analysis русскоязычных твитов при помощи TensorFlow.
- Распределенное обучение нейронных сетей с MXNet.
#neuralnetwork


#video

🎥 Нейронные сети за 30 минут: от теории до практики.
👁 222 раз ⏳ 1764 сек.
Я расскажу вам что такое нейронные сети, и как они используются. За 30 минут вы узнаете минимально необходимую теорию а так же сможете написать свою первую многослойную нейронную сеть самостоятельно (она займет не более 50 строк кода!).

Поддержать проект можно вот тут: https://www.patreon.com/b0noi

Код: https://s3-us-west-1.amazonaws.com/youtube-channel/intro.ipynb
Что такое матрица: https://goo.gl/3kZfWp
Действия над матрицами (в том числе умножения): http://mathprofi.ru/deistviya_s_matricami.html

🎥 Chatbot на базе рекуррентной нейронной сети своими руками с нуля
👁 73 раз ⏳ 2691 сек.
Этим видео я хочу показать насколько просто сегодня использовать нейронные сети. Вокруг меня довольно много людей одержимы идеей того, что нейронки...

🎥 Обучение нейронных сетей методом обратного распространения ошибки.
👁 46 раз ⏳ 2180 сек.
Поговорим о там как можно обучить сеть методом обратного распространения ошибки. В данном видео затронуты (но не раскрыты) такие темы как:
- производная https://youtu.be/qoHWa0eJHq4
- число е https://youtu.be/2Z2j4KqZ3QY

Поддержать проект можно вот тут: https://www.patreon.com/b0noi

Notebook: https://s3-us-west-1.amazonaws.com/youtube-channel/nn_training_2_layer_network.ipynb

🎥 Sentiment analysis русскоязычных твитов при помощи TensorFlow.
👁 32 раз ⏳ 2307 сек.
В данном видео я покажу вам как при помощи TensorFlow можно быстро и легкой создать нейронную сеть которая будет уметь анализировать эмоциональный окрас(Sentiment analysis) русскоязычных твитов.

IPython notebook можно найти вот тут: https://github.com/b0noI/ml-lessons/blob/master/sentiments_rus/sentiments.ipynb
Поддержать проект можно вот тут: https://www.patreon.com/b0noi

А еще у нас есть Java курсы, найти которые можно вот тут: https://map.hexlet.io/stacks/java

🎥 Распределенное обучение нейронных сетей с MXNet.
👁 25 раз ⏳ 2611 сек.
Ссылки:
* Статья на Хабре - https://habrahabr.ru/post/334968/
* Страничка на Patreon - https://www.patreon.com/b0noi

Наши группы для общения:
* Google+ - https://plus.google.com/communities/103002092207368562864
* Slack - http://slack-ru.hexlet.io/ - группа #java
* VK - http://vk.com/java8
* FB - https://www.facebook.com/groups/1000400156742696
* Twitter - https://twitter.com/JavaHexlet
* YouTube - http://youtube.com/JavaCoursesWithKovalevskyi
* Web site - http://java.kovalevskyi.com/

​Granger Causality and Vector Auto Regressive Model for Time Series Forecasting

🔗 Granger Causality and Vector Auto Regressive Model for Time Series Forecasting
FORECASTING of Gold and Oil have garnered major attention from academics, investors and Government agencies like. These two products are…

​Feature Scaling with Python’s scikit-learn

🔗 Feature Scaling with Python’s scikit-learn
One of the primary objectives of normalization is to bring the data close to zero. That makes the optimization problem more “numerically…

​facebookresearch/higher

🔗 facebookresearch/higher
higher is a pytorch library allowing users to obtain higher order gradients over losses spanning training loops rather than individual training steps. - facebookresearch/higher

​A Comprehensive Guide to Neural Networks for Beginners

🔗 A Comprehensive Guide to Neural Networks for Beginners
Welcome to the first step of your Deep Learning adventure.

​BERT-related Papers
This is a list of BERT-related papers

https://github.com/tomohideshibata/BERT-related-papers

🔗 tomohideshibata/BERT-related-papers
BERT-related papers. Contribute to tomohideshibata/BERT-related-papers development by creating an account on GitHub.

​ок.tech Data Толк #3: Рекомендательные системы

6 ноября в московском офисе компании Одноклассники состоится ок.tech Data Толк #3, в этот раз мы решили посвятить мероприятие рекомендательным системам. Вместе с коллегами из OK.ru, Joom и СколТеха поговорим про прошедший RecSys19, а также о теории, практике и трендах рекомендательных систем. Влад Грозин сделает обзор культовой конференции RecSys19. Евгений Фролов расскажет один из докладов о HybridSVD, которую используют для построения гибридных рекомендательных систем. Затем перейдем от теории к практике, и Андрей Кузнецов поделится практическим опытом улучшения рекомендательных систем для групп Одноклассников. Как всегда, после докладов будет дискуссия, где каждый сможет задать любой вопрос спикерам. Вести мероприятие будет Алексей Чернобровов.
Ждем всех, кому интересна тема создания, улучшения и эксплуатации рекомендательных систем.

Зарегистрироваться на мероприятие.

🔗 ок.tech Data Толк #3: Рекомендательные системы
6 ноября в московском офисе компании Одноклассники состоится ок.tech Data Толк #3, в этот раз мы решили посвятить мероприятие рекомендательным системам. Вместе...

​Automated pipeline for detecting and clustering sources in fluorescent imaging

🔗 Automated pipeline for detecting and clustering sources in fluorescent imaging
Drug discovery is a long and tedious process, with an average cost of 3 billion dollars and time frame of 12 years for a single drug…

​Квазиньютоновские методы, или когда вторых производных для Атоса слишком много
При первом знакомстве с квазиньютоновскими методами можно удивиться дважды. Во-первых, после беглого взгляда на формулы охватывают сомнения, что это вообще может работать. Однако же они работают. Дальше кажется сомнительным, что они будут работать хорошо. И тем удивительнее видеть то, насколько они превосходят по скорости разнообразные вариации градиентного спуска, причем не на специально построенных задачах, а на самых настоящих, взятых из практики. И если после этого еще остаются сомнения вперемешку с интересом — то нужно разбираться в том, почему вообще работает это нечто.

🔗 Квазиньютоновские методы, или когда вторых производных для Атоса слишком много
При первом знакомстве с квазиньютоновскими методами можно удивиться дважды. Во-первых, после беглого взгляда на формулы охватывают сомнения, что это вообще может...

​Подготовка данных в Data Science-проекте: рецепты для молодых хозяек

В предыдущей статье я рассказывала про структуру Data Science-проекта по материалам методологии IBM: как он устроен, из каких этапов состоит, какие задачи решаются на каждой стадии. Теперь я бы хотела сделать обзор самой трудоемкой стадии, которая может занимать до 90% общего времени проекта: это этапы, связанные с подготовкой данных －сбор, анализ и очистка.

В оригинальном описании методологии Data Science-проект сравнивается с приготовлением блюда, а аналитик － с шеф поваром. Соответственно, этап подготовки данных сравнивается с подготовкой продуктов: после того, как на этапе анализа бизнес-задачи мы определились с рецептом блюда, которое будем готовить, необходимо найти, собрать в одном месте, очистить и нарезать ингредиенты. Соответственно, от того, насколько качественно был выполнен этот этап, будет зависеть вкус блюда (предположим, что с рецептом мы угадали, тем более рецептов в открытом доступе полно). Работа с ингредиентами, то есть подготовка данных － это всегда ювелирное, трудоемкое и ответственное дело: один испорченный или недомытый продукт － и весь труд впустую.

🔗 Подготовка данных в Data Science-проекте: рецепты для молодых хозяек
В предыдущей статье я рассказывала про структуру Data Science-проекта по материалам методологии IBM: как он устроен, из каких этапов состоит, какие задачи решаю...

​Математика для Data Science. Новый курс от OTUS
Всем привет, сегодня хотим поговорить о запуске нового курса «Математика для Data Science», а точнее целой серии курсов, подробнее об этом в нашей публикации.

Не все, учась в школе, понимают, как в жизни им пригодится математика. Самый распространенный ответ – считать деньги, но не все рождаются крутыми финансистами. Это понимают и учителя математики, поэтому часто преподают через пень-колоду. И вот человек школу закончил, зачем нужна математика, так и не понял, но деньги считать (и свои, и чужие) научился, посчитал и захотел работать в IT, например, в сфере машинного обучения, чтобы зарабатывать немало. Тут-то и стало ясно, для чего нужна математика! Но школа, как и институт, уже давно прошли…

🔗 Математика для Data Science. Новый курс от OTUS
Всем привет, сегодня хотим поговорить о запуске нового курса «Математика для Data Science», а точнее целой серии курсов, подробнее об этом в нашей публикации.

​RESHI.RU — робот решает и объясняет школьные текстовые задачи по математике
Введение
Когда я объяснял своему ребёнку в 4-м классе, как решать текстовую задачку по математике, то неожиданно понял две вещи. Во-первых, процесс объяснения решения можно автоматизировать. А во-вторых, для большинства школьных вычислительных задач подходит универсальный метод через систему уравнений, который почему-то пока не изучается в младших классах школы. Причём освоение этого метода вполне по силам среднему школьнику и позволит справляться с ранее недоступными ему задачами. Результатом этого понимания явился сайт [RESHI.RU](http://reshi.ru) с объясняющим задачи роботом.

🔗 RESHI.RU — робот решает и объясняет школьные текстовые задачи по математике
Введение Когда я объяснял своему ребёнку в 4-м классе, как решать текстовую задачку по математике, то неожиданно понял две вещи. Во-первых, процесс объяснения ре...

​Confidence intervals for permutation importance

🔗 Confidence intervals for permutation importance
A new theoretical perspective on an old measure of feature importance

​The End To All Blurry Pictures

🔗 The End To All Blurry Pictures
An overview and explanation of Image Super-Resolution using GANs.

​Using the birthday paradox to teach probability fundamentals

🔗 Using the birthday paradox to teach probability fundamentals
What are the odds that two of your friends share a birthday?

🎥 Michał Łusiak - How to Use Machine Learning and .NET to Write Crushing Metal Riffs
👁 1 раз ⏳ 1851 сек.
DevConf - The Software Craftsmen Festival for Sharing Knowledge and Inspiration (https://devconf.pl/)

ML.NET is still fairly fresh Microsoft venture into deep learning. It's written in .NET Core and a lot of good thinking went into it. It's definitely the best hope for .NET developers to do machine learning natively and easily incorporate it into existing apps. CNTK is another venture into ML for Microsoft, that allows you better control over what you're doing.

And to show the power of both of them, we'll

🎥 How to Write Cutting Edge CNNs in Pytorch
👁 2 раз ⏳ 2026 сек.
In today's video we're going to learn how to write modular convolutional neural networks in Pytorch. This will make our code more maintainable, more extensible, and more professional looking.

Simple Deep Q Network w/Pytorch: https://youtu.be/UlJzzLYgYoE
Reinforcement Learning Crash Course: https://youtu.be/sOiNMW8k4T0
Policy Gradients w/Tensorflow https://youtu.be/UT9pQjVhcaU
Deep Q Learning w/Tensorflow https://youtu.be/3Ggq_zoRGP4
Code Your Own RL Environments https://youtu.be/vmrqpHldAQ0
How to Spec a D

​Нейронаука: когда лучше всего работает наш мозг и как технологии могут ему помочь

Вы полностью сосредоточены. Вы потеряли счет времени. Ничего другого в мире не существует. Вы живете в данный момент.

Хотя это похоже на описание медитации, точно так же можно определить состояние потока — ощущение того, что вы настолько сильно вовлечены в работу, что полностью теряете себя в ней, но в то же время значительно увеличиваете свою продуктивность.

Это Святой Грааль, к которому мы все стремимся в любом занятии, будь то хобби или проект на работе. Однако достигать наилучших результатов и максимально раскрывать потенциал в любой момент может быть трудно.

Наши коллеги поговорили с доктором Джеком Льюисом, нейробиологом, который с увлечением изучает, как работает наш мозг, чтобы узнать, что побуждает нас выполнять нашу работу наилучшим образом и какую роль в этом могут играть технологии, культура и рабочая среда.

🔗 Нейронаука: когда лучше всего работает наш мозг и как технологии могут ему помочь
Вы полностью сосредоточены. Вы потеряли счет времени. Ничего другого в мире не существует. Вы живете в данный момент. Хотя это похоже на описание медитации, т...

​Обнаружение пересекающихся сообществ в Instagram для определения интересов пользователей
Сколько может рассказать о человеке профиль в соцсети? Фотографии, посты, комментарии, подписки – непаханное поле для анализа. Сегодня поговорим о том, как мы определяем интересы пользователей на основе их подписок в сети Instagram.

Источник

🔗 Обнаружение пересекающихся сообществ в Instagram для определения интересов пользователей
Сколько может рассказать о человеке профиль в соцсети? Фотографии, посты, комментарии, подписки – непаханное поле для анализа. Сегодня поговорим о том, как мы оп...