​Top 5 Metrics for Evaluating Your Deep Learning Program's GPU Performance - Exxact

https://blog.exxactcorp.com/top-5-metrics-for-evaluating-your-deep-learning-programs-gpu-performance/

🔗 Top 5 Metrics for Evaluating Your Deep Learning Program's GPU Performance - Exxact
In this blog article, we discuss the top 5 metrics for evaluating your deep learning program's GPU performance. You don't want to miss this one!

​Detection and Classification of Blood Cells with Deep Learning (Part 2 — Training and Evaluation)

🔗 Detection and Classification of Blood Cells with Deep Learning (Part 2 — Training and Evaluation)
Tackling the BCCD Dataset with Tensorflow Object Detection API

​Line Detection: Make an Autonomous Car see Road Lines

🔗 Line Detection: Make an Autonomous Car see Road Lines
Step by step you you can turn a video stream into a line detector via Computer Vision

🎥 [VDT19] Applied machine learning: a few lessons I learned the hard way by Alessandro Giusti
👁 1 раз ⏳ 2681 сек.
Machine Learning is easy; solving problems with machine learning is hard. In the last 10 years, I approached dozens of real-world problems with machine learning and deep learning, with varying degrees of success. In the process I made many mistakes and eventually learned how to avoid them. I noticed that many of these mistakes are pretty common among novice practitioners, so this talk might save you some time.

​Free Book: Deep Learning and Computer Vision with CNNs

https://www.datasciencecentral.com/profiles/blogs/free-book-deep-learning-and-computer-vision-with-cnns

🔗 Free Book: Deep Learning and Computer Vision with CNNs
By Dan Howarth and Ajit Jaokar, October 2019. 42 pages. CNN stands for Convolutional Neural Networks. Part 1 will introduce the core concepts of Deep Learning.…

​PyTorch 1.3 — What’s new?

🔗 PyTorch 1.3 — What’s new?
Support for Android and iOS, Named Tensor, TPU Support, Quantization and more.

​AttoNets, A New AI That is Faster & Efficient For Edge Computing

https://www.marktechpost.com/2019/10/11/attonets-a-new-ai-that-is-faster-efficient-for-edge-computing/

🔗 AttoNets, A New AI That is Faster & Efficient For Edge Computing | MarkTechPost
AttoNets, A New AI That is Faster & Efficient For Edge Computing. An AI team at the University of Waterloo, Canada, developed a new type of compact family of deep neural networks (AttoNets),

​Грокаем PyTorch
Привет, Хабр!

У нас в продаже появилась долгожданная книга о библиотеке PyTorch.

Поскольку весь необходимый базовый материал о PyTorch вы узнаете из этой книги, мы напоминаем о пользе процесса под названием «grokking» или «углубленное постижение» той темы, которую вы хотите усвоить. В сегодняшней публикации мы расскажем, как Кай Арулкумаран (Kai Arulkumaran) грокнул PyTorch (без картинок). Добро пожаловать под кат.

🔗 Грокаем PyTorch
Привет, Хабр! У нас в продаже появилась долгожданная книга о библиотеке PyTorch. Поскольку весь необходимый базовый материал о PyTorch вы узнаете из этой кни...

🎥 Reinforcement Learning: Crash Course AI#9
👁 1 раз ⏳ 688 сек.
Reinforcement learning is particularly useful in situations where we want to train AIs to have certain skills we don’t fully understand ourselves. Unlike some of the techniques we’ve discussed so far, reinforcement learning generally only looks at how an AI performs a task AFTER it has completed it. And when an AI completes that task figuring out when and how to reward an AI, called credit assignment, is one of the hardest parts of reinforcement learning. So today, we’re going to explore these ideas, intro

​Automatically generate floor plans designs.
https://t.co/WEMrTKCI86
https://t.co/GKxF2a7H72

🔗 AI & Architecture
An Experimental Perspective

​Создание и тренировка Нейронной Сети с нуля в Python | Примеры

🔗 Создание и тренировка Нейронной Сети с нуля в Python | Примеры
Машинное обучение создание нейронных сетей с нуля. Тренировка нейронной сети. Код нейронной сети на Python. Функция потерь и среднеквадратичная ошибка.

​Autoencoders for Image Reconstruction in Python and Keras

https://stackabuse.com/autoencoders-for-image-reconstruction-in-python-and-keras/

🔗 Autoencoders for Image Reconstruction in Python and Keras
Introduction Nowadays, we have huge amounts of data in almost every application we use - listening to music on Spotify, browsing friend's images on Instagram, or maybe watching an new trailer on YouTube. There is always data being transmitted from the servers to you. This wouldn't be a problem for

ищу лучшего в мире программиста, зп не обещаю а интересную жизнь - точно

Data Scientist из Авито рассказывает о своей работе.
https://youtu.be/5skUYhbKFZU

🎥 Работа в Data Science / Аналитике - Авито (2019) / Подкаст о Работе
👁 1 раз ⏳ 1829 сек.
В этом подкасте у нас в гостях Илья Сергеев (Data Scientist компании Авито) и включающееся отопление (не спрашивайте, вы все поймете).
Пообщаемся с Ильей про интересные проекты, machine learning, становление аналитиком данных и постоянное обучение.

Если вы хотите больше крутых выпусков, пожалуйста, расскажите о нас своим знакомым :)

Напоминаем наши группы:
ВК - https://vk.com/rabota_podcast
Телега - t.me/rabotapodcast
ФБ - @rabotapodcast
Поддержите наш подкаст о работе!

Слушать его можно тут: https://ww

Машинное обучение и анализ данных. Дмитрии? Коробченко (NVIDIA)


#video

🎥 Машинное обучение и анализ данных. Дмитрий Коробченко (NVIDIA)
👁 9381 раз ⏳ 3604 сек.
Машинное обучение и анализ данных. Дмитрий Коробченко (NVIDIA)

🎥 Learning to Map Natural Language to General Purpose Source Code
👁 1 раз ⏳ 5094 сек.
Models that map natural language (NL) to source code in general purpose languages such as Java, Python, and SQL find utility amongst two main audiences viz. developers who can manipulate the generated code, and non-expert users who directly see the output of execution. Developing these models is challenging because of contextual dependencies of the target code, the lack of alignment between NL and code tokens, syntactic and semantic requirements of the target code, and the prohibitively expensive cost of an

​Speech Recognition Analysis

🔗 Speech Recognition Analysis
From Siri to smart home devices, speech recognition is widely used in our lives. This speech recognition project is to utilize Kaggle…

​CrypTen: A new research tool for secure machine learning with PyTorch

https://ai.facebook.com/blog/crypten-a-new-research-tool-for-secure-machine-learning-with-pytorch

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

🔗 CrypTen: A new research tool for secure machine learning with PyTorch
Facebook AI is open-sourcing CrypTen, a research-focused framework to explore encrypted machine learning techniques in the PyTorch environment.

​Ищем пневмонию на рентгеновских снимках с Fast.ai
Наткнулся на статью в блоге компании Школа Данных и решил проверить, на что способна библиотека Fast.ai на том же датасете, который упоминается в статье. Здесь вы не найдете рассуждений о том, своевременно и правильно диагностировать пневмонию, будут ли нужны врачи-рентгенологи, можно ли считать предсказание нейронной сети медицинским диагнозом и т.д. Основная цель — показать, что машинное обучение в современных библиотеках может быть довольно простым (буквально требует немного строчек кода) и дает отличные результаты. Запомним пока результат из статьи (precision = 0.84, recall = 0.96) и посмотрим, что получится у нас.

🔗 Ищем пневмонию на рентгеновских снимках с Fast.ai
Наткнулся на статью в блоге компании Школа Данных и решил проверить, на что способна библиотека Fast.ai на том же датасете, который упоминается в статье. Здесь в...

​Бибер и Билан махают ручкой. AI научился генерировать музыку

Самые активные реальные певцы способны выпустить один, может быть, два музыкальных альбома за год. У рэперов иногда получается три-четыре микстейпа. Но компания Auxuman собирается выпускать по полноценному музыкальному альбому, с такими звездами как Йона, Мони, Джемини, Зоя и Хексе, каждый месяц. Секрет такой продуктивности? Машинное обучение и нейросети. Фирма строит «следующее поколение виртуальных артистов», которые призваны полностью заменить реальных звезд.

🔗 Бибер и Билан махают ручкой. AI научился генерировать музыку
Самые активные реальные певцы способны выпустить один, может быть, два музыкальных альбома за год. У рэперов иногда получается три-четыре микстейпа. Но компани...