🎥 More on Regressions and Parameter Estimation in Python
👁 1 раз ⏳ 1395 сек.
👁 1 раз ⏳ 1395 сек.
We continue looking at curve fitting a extracting parameters from data with a more involved problem. We are looking at the lambda-transition in helium and attempting to pull parameters out of an expression for the specific heat. Aside from being very nonlinear, this is complicated because two of the parameters are different on either side of the transition while two other parameters are shared between both the warm and cold side.
While there are ways we could make the problem easier, we use a very directVk
More on Regressions and Parameter Estimation in Python
We continue looking at curve fitting a extracting parameters from data with a more involved problem. We are looking at the lambda-transition in helium and attempting to pull parameters out of an expression for the specific heat. Aside from being very nonlinear…
Detecting Glaucoma Using 3D Convolutional Neural Network of Raw SD-OCT Optic Nerve Scans
Authors: Erfan Noury, Suria S. Mannil, Robert T. Chang, An Ran Ran, Carol Y. Cheung, Suman S. Thapa, Harsha L. Rao, Srilakshmi Dasari, Mohammed Riyazuddin, Sriharsha Nagaraj, Reza Zadeh
Abstract: We propose developing and validating a three-dimensional (3D) deep learning system using the entire unprocessed OCT optic nerve volumes to distinguish true glaucoma from normals in order to discover any additional imaging biomarkers within the cube through saliency mapping. The algorithm has been validated against 4 additional distinct datasets from different countries using multimodal test results to define glaucoma rather than just the OCT alone. 2076 OCT (Cirrus SD-OCT, Carl Zeiss Meditec, Dublin, CA) cube scans centered over the optic nerve, of 879 eyes (390 healthy and 489 glaucoma) from 487 patients, age 18-84 years, were exported from the Glaucoma Clinic Imaging Database at the Byers Eye Institute, Stanford University, from March 2010 to December 2017.
https://arxiv.org/abs/1910.06302
🔗 Detecting Glaucoma Using 3D Convolutional Neural Network of Raw SD-OCT Optic Nerve Scans
We propose developing and validating a three-dimensional (3D) deep learning system using the entire unprocessed OCT optic nerve volumes to distinguish true glaucoma from normals in order to discover any additional imaging biomarkers within the cube through saliency mapping. The algorithm has been validated against 4 additional distinct datasets from different countries using multimodal test results to define glaucoma rather than just the OCT alone. 2076 OCT (Cirrus SD-OCT, Carl Zeiss Meditec, Dublin, CA) cube scans centered over the optic nerve, of 879 eyes (390 healthy and 489 glaucoma) from 487 patients, age 18-84 years, were exported from the Glaucoma Clinic Imaging Database at the Byers Eye Institute, Stanford University, from March 2010 to December 2017. A 3D deep neural network was trained and tested on this unique OCT optic nerve head dataset from Stanford. A total of 3620 scans (all obtained using the Cirrus SD-OCT device) from 1458 eyes obtained from 4 different institutions, from United States (943
Authors: Erfan Noury, Suria S. Mannil, Robert T. Chang, An Ran Ran, Carol Y. Cheung, Suman S. Thapa, Harsha L. Rao, Srilakshmi Dasari, Mohammed Riyazuddin, Sriharsha Nagaraj, Reza Zadeh
Abstract: We propose developing and validating a three-dimensional (3D) deep learning system using the entire unprocessed OCT optic nerve volumes to distinguish true glaucoma from normals in order to discover any additional imaging biomarkers within the cube through saliency mapping. The algorithm has been validated against 4 additional distinct datasets from different countries using multimodal test results to define glaucoma rather than just the OCT alone. 2076 OCT (Cirrus SD-OCT, Carl Zeiss Meditec, Dublin, CA) cube scans centered over the optic nerve, of 879 eyes (390 healthy and 489 glaucoma) from 487 patients, age 18-84 years, were exported from the Glaucoma Clinic Imaging Database at the Byers Eye Institute, Stanford University, from March 2010 to December 2017.
https://arxiv.org/abs/1910.06302
🔗 Detecting Glaucoma Using 3D Convolutional Neural Network of Raw SD-OCT Optic Nerve Scans
We propose developing and validating a three-dimensional (3D) deep learning system using the entire unprocessed OCT optic nerve volumes to distinguish true glaucoma from normals in order to discover any additional imaging biomarkers within the cube through saliency mapping. The algorithm has been validated against 4 additional distinct datasets from different countries using multimodal test results to define glaucoma rather than just the OCT alone. 2076 OCT (Cirrus SD-OCT, Carl Zeiss Meditec, Dublin, CA) cube scans centered over the optic nerve, of 879 eyes (390 healthy and 489 glaucoma) from 487 patients, age 18-84 years, were exported from the Glaucoma Clinic Imaging Database at the Byers Eye Institute, Stanford University, from March 2010 to December 2017. A 3D deep neural network was trained and tested on this unique OCT optic nerve head dataset from Stanford. A total of 3620 scans (all obtained using the Cirrus SD-OCT device) from 1458 eyes obtained from 4 different institutions, from United States (943
How-to Get Started with Machine Learning on Arduino
https://medium.com/tensorflow/how-to-get-started-with-machine-learning-on-arduino-7daf95b4157
TensorFlow Lite for Microcontrollers
https://github.com/tensorflow/tensorflow/tree/master/tensorflow/lite/experimental/micro
TensorFlow Lite for Microcontrollers
https://www.tensorflow.org/lite/microcontrollers/overview
🔗 How-to Get Started with Machine Learning on Arduino
A guest post by Sandeep Mistry & Dominic Pajak of the Arduino team
https://medium.com/tensorflow/how-to-get-started-with-machine-learning-on-arduino-7daf95b4157
TensorFlow Lite for Microcontrollers
https://github.com/tensorflow/tensorflow/tree/master/tensorflow/lite/experimental/micro
TensorFlow Lite for Microcontrollers
https://www.tensorflow.org/lite/microcontrollers/overview
🔗 How-to Get Started with Machine Learning on Arduino
A guest post by Sandeep Mistry & Dominic Pajak of the Arduino team
Medium
How-to Get Started with Machine Learning on Arduino
A guest post by Sandeep Mistry & Dominic Pajak of the Arduino team
Solving Rubik’s Cube with a Robot Hand
https://openai.com/blog/solving-rubiks-cube/
paper: https://d4mucfpksywv.cloudfront.net/papers/solving-rubiks-cube.pdf
video: https://www.youtube.com/playlist?list=PLOXw6I10VTv9HODt7TFEL72K3Q6C4itG6
Наш телеграм канал - tglink.me/ai_machinelearning_big_data
🔗 Solving Rubik’s Cube with a Robot Hand
We've trained a pair of neural networks to solve the Rubik’s Cube with a human-like robot hand.
https://openai.com/blog/solving-rubiks-cube/
paper: https://d4mucfpksywv.cloudfront.net/papers/solving-rubiks-cube.pdf
video: https://www.youtube.com/playlist?list=PLOXw6I10VTv9HODt7TFEL72K3Q6C4itG6
Наш телеграм канал - tglink.me/ai_machinelearning_big_data
🔗 Solving Rubik’s Cube with a Robot Hand
We've trained a pair of neural networks to solve the Rubik’s Cube with a human-like robot hand.
Openai
Solving Rubik’s Cube with a robot hand
We’ve trained a pair of neural networks to solve the Rubik’s Cube with a human-like robot hand. The neural networks are trained entirely in simulation, using the same reinforcement learning code as OpenAI Five paired with a new technique called Automatic…
Who you gonna call: создаем обзвон в конструкторе ботов и учимся не бесить людей
Трудно быть ботом, когда приходится звонить человеку: боты бесят. Но вы знаете, люди, которые звонят в неподходящий момент и предлагают нерелевантные услуги и товары, бесят тоже. Дело вовсе не в том, что с вами говорит робот, а в том, что за кейс был выбран для голосового обзвона, как реализован сценарий, подумали ли его создатели над UX и что полезного этот бот умеет.
Мы понаблюдали за пользователями конструктора ботов и звонков Aimylogic и собрали все важные фичи, инсайты и ошибки в туториал. Под катом разбираем технические хитрости и секреты создания голосового обзвона, который приносит пользу и почти не раздражает.
Зачем звонить, когда можно писать?
🔗 Who you gonna call: создаем обзвон в конструкторе ботов и учимся не бесить людей
Трудно быть ботом, когда приходится звонить человеку: боты бесят. Но вы знаете, люди, которые звонят в неподходящий момент и предлагают нерелевантные услуги и то...
Трудно быть ботом, когда приходится звонить человеку: боты бесят. Но вы знаете, люди, которые звонят в неподходящий момент и предлагают нерелевантные услуги и товары, бесят тоже. Дело вовсе не в том, что с вами говорит робот, а в том, что за кейс был выбран для голосового обзвона, как реализован сценарий, подумали ли его создатели над UX и что полезного этот бот умеет.
Мы понаблюдали за пользователями конструктора ботов и звонков Aimylogic и собрали все важные фичи, инсайты и ошибки в туториал. Под катом разбираем технические хитрости и секреты создания голосового обзвона, который приносит пользу и почти не раздражает.
Зачем звонить, когда можно писать?
🔗 Who you gonna call: создаем обзвон в конструкторе ботов и учимся не бесить людей
Трудно быть ботом, когда приходится звонить человеку: боты бесят. Но вы знаете, люди, которые звонят в неподходящий момент и предлагают нерелевантные услуги и то...
Хабр
Who you gonna call: создаем обзвон в конструкторе ботов и учимся не бесить людей
Трудно быть ботом, когда приходится звонить человеку: боты бесят. Но вы знаете, люди, которые звонят в неподходящий момент и предлагают нерелевантные услуги и то...
Стажировка в ABBYY: компания, с которой можно на «ты»
Всем привет! В этом посте я хочу рассказать вам о моей летней стажировке в ABBYY. Постараюсь осветить все моменты, которые обычно интересны студентам и начинающим разработчикам при выборе компании. Надеюсь, что кому-то данный пост поможет определиться с планами на следующее лето. В общем, поехали!
Для начала расскажу немного о себе. Меня зовут Женя, на момент подачи заявки на стажировку я заканчивал 3 курс МФТИ, Факультет инноваций и высоких технологий (сейчас может быть известен как Физтех-школа прикладной математики и информатики). Мне хотелось выбрать компанию, в которой можно получить опыт работы в области компьютерного зрения: картинки, нейронные сети и вот это вот все. Собственно, с выбором я не прогадал – ABBYY действительно для этого отлично подходит, но об этом позже.
🔗 Стажировка в ABBYY: компания, с которой можно на «ты»
Всем привет! В этом посте я хочу рассказать вам о моей летней стажировке в ABBYY. Постараюсь осветить все моменты, которые обычно интересны студентам и начинающи...
Всем привет! В этом посте я хочу рассказать вам о моей летней стажировке в ABBYY. Постараюсь осветить все моменты, которые обычно интересны студентам и начинающим разработчикам при выборе компании. Надеюсь, что кому-то данный пост поможет определиться с планами на следующее лето. В общем, поехали!
Для начала расскажу немного о себе. Меня зовут Женя, на момент подачи заявки на стажировку я заканчивал 3 курс МФТИ, Факультет инноваций и высоких технологий (сейчас может быть известен как Физтех-школа прикладной математики и информатики). Мне хотелось выбрать компанию, в которой можно получить опыт работы в области компьютерного зрения: картинки, нейронные сети и вот это вот все. Собственно, с выбором я не прогадал – ABBYY действительно для этого отлично подходит, но об этом позже.
🔗 Стажировка в ABBYY: компания, с которой можно на «ты»
Всем привет! В этом посте я хочу рассказать вам о моей летней стажировке в ABBYY. Постараюсь осветить все моменты, которые обычно интересны студентам и начинающи...
Хабр
Стажировка в ABBYY: компания, с которой можно на «ты»
Всем привет! В этом посте я хочу рассказать вам о моей летней стажировке в ABBYY. Постараюсь осветить все моменты, которые обычно интересны студентам и начинающи...
Встречайте Big Data Tools: поддержка Spark и Zeppelin-ноутбуков в IntelliJ IDEA
У нас отличные новости. Мы рады объявить о выходе Big Data Tools — нового плагина для IntelliJ IDEA, который обеспечивает интеграцию со Spark и поддерживает редактирование и запуск Zeppelin-ноутбуков. Теперь вы можете создавать, редактировать и запускать Zeppelin notebooks прямо из IDE. Плагин предоставляет умную навигацию, автодополнение, инспекции и быстрые исправления, а также рефакторинг кода внутри ноутбуков.
Что уже поддерживается
Просмотр, создание и удаление ноутбуков
Помощь при написании Scala-кода
Автодополнение
Рефакторинг Rename
Экстракт переменной, метода или параметра
Переход к декларации
Поиск использований
Создание и удаление параграфов
Запуск параграфов
Просмотр вывода параграфов
Поддержка базовой визуализации
Пока что помощь при написании кода работает только для Scala. Другие языки будут поддержаны позже. Кроме того, мы не собираемся ограничиваться поддержкой Zeppelin и планируем добавить больше возможностей, которые будут полезны для тех, кто работает с большими данными.
Если вам не терпится увидеть Big Data Tools в действии, посмотрите это короткое видео:
А лучше попробуйте плагин сами! Как это сделать, читайте далее.
🔗 Встречайте Big Data Tools: поддержка Spark и Zeppelin-ноутбуков в IntelliJ IDEA
У нас отличные новости. Мы рады объявить о выходе Big Data Tools — нового плагина для IntelliJ IDEA, который обеспечивает интеграцию со Spark и поддерживает реда...
У нас отличные новости. Мы рады объявить о выходе Big Data Tools — нового плагина для IntelliJ IDEA, который обеспечивает интеграцию со Spark и поддерживает редактирование и запуск Zeppelin-ноутбуков. Теперь вы можете создавать, редактировать и запускать Zeppelin notebooks прямо из IDE. Плагин предоставляет умную навигацию, автодополнение, инспекции и быстрые исправления, а также рефакторинг кода внутри ноутбуков.
Что уже поддерживается
Просмотр, создание и удаление ноутбуков
Помощь при написании Scala-кода
Автодополнение
Рефакторинг Rename
Экстракт переменной, метода или параметра
Переход к декларации
Поиск использований
Создание и удаление параграфов
Запуск параграфов
Просмотр вывода параграфов
Поддержка базовой визуализации
Пока что помощь при написании кода работает только для Scala. Другие языки будут поддержаны позже. Кроме того, мы не собираемся ограничиваться поддержкой Zeppelin и планируем добавить больше возможностей, которые будут полезны для тех, кто работает с большими данными.
Если вам не терпится увидеть Big Data Tools в действии, посмотрите это короткое видео:
А лучше попробуйте плагин сами! Как это сделать, читайте далее.
🔗 Встречайте Big Data Tools: поддержка Spark и Zeppelin-ноутбуков в IntelliJ IDEA
У нас отличные новости. Мы рады объявить о выходе Big Data Tools — нового плагина для IntelliJ IDEA, который обеспечивает интеграцию со Spark и поддерживает реда...
Хабр
Встречайте Big Data Tools: поддержка Spark и Zeppelin-ноутбуков в IntelliJ IDEA
У нас отличные новости. Мы рады объявить о выходе Big Data Tools — нового плагина для IntelliJ IDEA, который обеспечивает интеграцию со Spark и поддерживает редактирование и запуск Zeppelin-ноутбуков....
Kaggle Reading Group: EfficientNet | Kaggle
🔗 Kaggle Reading Group: EfficientNet | Kaggle
This week we'll be starting EfficientNet (Tan & Le, 2019), which was published at ICML 2019. The paper proposes a new family of models that are both smaller and faster to train than traditional convolutional neural networks. Link to paper: http://proceedings.mlr.press/v97/tan19a/tan19a.pdf SUBSCRIBE: https://www.youtube.com/c/kaggle?sub_... About Kaggle: Kaggle is the world's largest community of data scientists. Join us to compete, collaborate, learn, and do your data science work. Kaggle's platform is
🔗 Kaggle Reading Group: EfficientNet | Kaggle
This week we'll be starting EfficientNet (Tan & Le, 2019), which was published at ICML 2019. The paper proposes a new family of models that are both smaller and faster to train than traditional convolutional neural networks. Link to paper: http://proceedings.mlr.press/v97/tan19a/tan19a.pdf SUBSCRIBE: https://www.youtube.com/c/kaggle?sub_... About Kaggle: Kaggle is the world's largest community of data scientists. Join us to compete, collaborate, learn, and do your data science work. Kaggle's platform is
YouTube
Kaggle Reading Group: EfficientNet | Kaggle
This week we'll be starting EfficientNet (Tan & Le, 2019), which was published at ICML 2019. The paper proposes a new family of models that are both smaller and faster to train than traditional convolutional neural networks.
Link to paper: http://procee…
Link to paper: http://procee…
🎥 Виктор Кантор - Как найти вашего клиента с помощью машинного обучения
👁 2 раз ⏳ 1415 сек.
👁 2 раз ⏳ 1415 сек.
Совсем скоро Матемаркетинг-2019
Подробности: https://matemarketing.ru/
Программа: http://bit.ly/33SYfe0
Билеты: http://bit.ly/2SEBSUJ
Когда вы запускаете новую услугу или продукт, хотите привлечь новых пользователей, возникает резонный вопрос: кому именно интересно ваше предложение. Машинное обучение позволяет достаточно точно ответить на этот вопрос. В докладе я расскажу, как мы в Яндекс.Такси находим потенциальных пользователей бизнес-класса и детских тарифов с помощью look-alike моделей, а также оVk
Виктор Кантор - Как найти вашего клиента с помощью машинного обучения
Совсем скоро Матемаркетинг-2019
Подробности: https://matemarketing.ru/
Программа: http://bit.ly/33SYfe0
Билеты: http://bit.ly/2SEBSUJ
Когда вы запускаете новую услугу или продукт, хотите привлечь новых пользователей, возникает резонный вопрос: кому…
Подробности: https://matemarketing.ru/
Программа: http://bit.ly/33SYfe0
Билеты: http://bit.ly/2SEBSUJ
Когда вы запускаете новую услугу или продукт, хотите привлечь новых пользователей, возникает резонный вопрос: кому…
Модель футбольных трансферов: копаем глубже
Настало время продолжить предыдущую статью про исследование футбольных трансферов.
В этот раз вы узнаете почему же Клопп Симеоне такой крутой, кого брать в агенты, если вы футболист и зачем все это читать, если футбол вам неинтересен.
🔗 Модель футбольных трансферов: копаем глубже
Настало время продолжить предыдущую статью про исследование футбольных трансферов. В этот раз вы узнаете почему же Клопп Симеоне такой крутой, кого брать в агент...
Настало время продолжить предыдущую статью про исследование футбольных трансферов.
В этот раз вы узнаете почему же Клопп Симеоне такой крутой, кого брать в агенты, если вы футболист и зачем все это читать, если футбол вам неинтересен.
🔗 Модель футбольных трансферов: копаем глубже
Настало время продолжить предыдущую статью про исследование футбольных трансферов. В этот раз вы узнаете почему же Клопп Симеоне такой крутой, кого брать в агент...
Хабр
Модель футбольных трансферов: копаем глубже
Настало время продолжить предыдущую статью про исследование футбольных трансферов. В этот раз вы узнаете почему же Клопп Симеоне такой крутой, кого брать в агенты, если вы футболист и зачем все это...
Раскрашиваем ч/б фото с помощью Python
Привет Хабр.
Одной из интересных и популярных (особенно перед разными юбилеями) задач является «раскрашивание» старых черно-белых фотографий и даже фильмов. Тема это достаточно интересная, как с математической, так и с исторической точки зрения. Мы рассмотрим реализацию этого процесса на Python, который любой желающий сможет запустить на своем домашнем ПК.
Результат работы на фото.
Для тех кому интересно, принцип работы, исходники и примеры под катом.
🔗 Раскрашиваем ч/б фото с помощью Python
Привет Хабр. Одной из интересных и популярных (особенно перед разными юбилеями) задач является «раскрашивание» старых черно-белых фотографий и даже фильмов. Тем...
Привет Хабр.
Одной из интересных и популярных (особенно перед разными юбилеями) задач является «раскрашивание» старых черно-белых фотографий и даже фильмов. Тема это достаточно интересная, как с математической, так и с исторической точки зрения. Мы рассмотрим реализацию этого процесса на Python, который любой желающий сможет запустить на своем домашнем ПК.
Результат работы на фото.
Для тех кому интересно, принцип работы, исходники и примеры под катом.
🔗 Раскрашиваем ч/б фото с помощью Python
Привет Хабр. Одной из интересных и популярных (особенно перед разными юбилеями) задач является «раскрашивание» старых черно-белых фотографий и даже фильмов. Тем...
Хабр
Раскрашиваем ч/б фото с помощью Python
Привет, Хабр. Одной из интересных и популярных (особенно перед разными юбилеями) задач является «раскрашивание» старых черно-белых фотографий и даже фильмов. Те...
Top 5 Developer Tools 2019
🔗 Top 5 Developer Tools 2019
In 2019, there are so many tooling options for developers that it's hard to discern which one you should use. Thus, I've compiled a list of 5 really powerful developer tools that you should know about, regardless of what type of developer you are. Whether it's automatic documentation writing, or making it easier to debug javascript, tools make developer's lives easier and allow them to be more productive. I'll explain how each tool works using code, animations, and a short demo. Enjoy! The 5 Tools are 1.
🔗 Top 5 Developer Tools 2019
In 2019, there are so many tooling options for developers that it's hard to discern which one you should use. Thus, I've compiled a list of 5 really powerful developer tools that you should know about, regardless of what type of developer you are. Whether it's automatic documentation writing, or making it easier to debug javascript, tools make developer's lives easier and allow them to be more productive. I'll explain how each tool works using code, animations, and a short demo. Enjoy! The 5 Tools are 1.
YouTube
Top 5 Developer Tools 2019
In 2019, there are so many tooling options for developers that it's hard to discern which one you should use. Thus, I've compiled a list of 5 really powerful...
How to track objects in the real world with TensorFlow, SORT and OpenCV
🔗 How to track objects in the real world with TensorFlow, SORT and OpenCV
Using perspective transformations to convert between pixel and latitude-longitude coordinates
🔗 How to track objects in the real world with TensorFlow, SORT and OpenCV
Using perspective transformations to convert between pixel and latitude-longitude coordinates
Medium
How to track objects in the real world with TensorFlow, SORT and OpenCV
Using perspective transformations to convert between pixel and latitude-longitude coordinates
Машинное Обучение. Лекции
Машинное обучение. Лекция 1. Введение в машинное обучение
Машинное обучение. Лекция 2
Машинное обучение. Лекция 3. Линейные модели
Машинное обучение . Лекция 4. Отбор признаков и понижение размерности
Машинное обучение. Лекция 5. Решающие деревья и ансамбли. Градиентный бустинг
Машинное обучение. Лекция 6. Кластеризация
#video
🎥 Машинное обучение. Лекция 1. Введение в машинное обучение
👁 266 раз ⏳ 2829 сек.
🎥 Машинное обучение. Лекция 2
👁 104 раз ⏳ 2180 сек.
🎥 Машинное обучение. Лекция 3. Линейные модели
👁 124 раз ⏳ 2867 сек.
🎥 Машинное обучение . Лекция 4. Отбор признаков и понижение размерности
👁 43 раз ⏳ 2803 сек.
🎥 Машинное обучение. Лекция 5. Решающие деревья и ансамбли. Градиентный бустинг
👁 33 раз ⏳ 1936 сек.
🎥 Машинное обучение. Лекция 6. Кластеризация
👁 46 раз ⏳ 1130 сек.
Машинное обучение. Лекция 1. Введение в машинное обучение
Машинное обучение. Лекция 2
Машинное обучение. Лекция 3. Линейные модели
Машинное обучение . Лекция 4. Отбор признаков и понижение размерности
Машинное обучение. Лекция 5. Решающие деревья и ансамбли. Градиентный бустинг
Машинное обучение. Лекция 6. Кластеризация
#video
🎥 Машинное обучение. Лекция 1. Введение в машинное обучение
👁 266 раз ⏳ 2829 сек.
Все введенные на лекции понятия опираются на конспект К.В. Воронцова: http://www.machinelearning.ru/wiki/images/6/6d/Voron-ML-1.pdf🎥 Машинное обучение. Лекция 2
👁 104 раз ⏳ 2180 сек.
🎥 Машинное обучение. Лекция 3. Линейные модели
👁 124 раз ⏳ 2867 сек.
В данном видео речь идёт о линейных моделях в задачах регрессии и классификации. Введены такие понятия, как регуляризация, функция правдоподобия и ...🎥 Машинное обучение . Лекция 4. Отбор признаков и понижение размерности
👁 43 раз ⏳ 2803 сек.
🎥 Машинное обучение. Лекция 5. Решающие деревья и ансамбли. Градиентный бустинг
👁 33 раз ⏳ 1936 сек.
https://github.com/miptmlschool/mlschl/tree/master/Seminars/Seminar_5🎥 Машинное обучение. Лекция 6. Кластеризация
👁 46 раз ⏳ 1130 сек.
https://github.com/miptmlschool/mlschl/blob/master/lections/Lection%206.pdfVk
Машинное обучение. Лекция 1. Введение в машинное обучение
Все введенные на лекции понятия опираются на конспект К.В. Воронцова: http://www.machinelearning.ru/wiki/images/6/6d/Voron-ML-1.pdf
Must follow Github Repo
⚡️Contains +100 AI Cheatsheets
⚡️List of Free AI Courses
⚡️Free Online Books
⚡️Top 10 Online Books
⚡️Research Papers with codes
⚡️Top Videos&Lecture on AI+ML
⚡️+99 AI Researchers
⚡️Top website which should follow
⚡️+121 Free Datasets
⚡️+53 AI Framework and many more All in one Github Repository
https://github.com/Niraj-Lunavat/Artificial-Intelligence
🔗 Niraj-Lunavat/Artificial-Intelligence
Awesome AI Learning with +100 AI Cheat-Sheets, Free online Books, Top Courses, Best Videos and Lectures, Papers, Tutorials, +99 Researchers, Premium Websites, +121 Datasets, Conferences, Frameworks...
⚡️Contains +100 AI Cheatsheets
⚡️List of Free AI Courses
⚡️Free Online Books
⚡️Top 10 Online Books
⚡️Research Papers with codes
⚡️Top Videos&Lecture on AI+ML
⚡️+99 AI Researchers
⚡️Top website which should follow
⚡️+121 Free Datasets
⚡️+53 AI Framework and many more All in one Github Repository
https://github.com/Niraj-Lunavat/Artificial-Intelligence
🔗 Niraj-Lunavat/Artificial-Intelligence
Awesome AI Learning with +100 AI Cheat-Sheets, Free online Books, Top Courses, Best Videos and Lectures, Papers, Tutorials, +99 Researchers, Premium Websites, +121 Datasets, Conferences, Frameworks...
GitHub
GitHub - Niraj-Lunavat/Artificial-Intelligence: Awesome AI Learning with +100 AI Cheat-Sheets, Free online Books, Top Courses,…
Awesome AI Learning with +100 AI Cheat-Sheets, Free online Books, Top Courses, Best Videos and Lectures, Papers, Tutorials, +99 Researchers, Premium Websites, +121 Datasets, Conferences, Frameworks...
BoTorch: Programmable Bayesian Optimization in PyTorch
Balandat et al.: https://arxiv.org/abs/1910.06403
Code: https://github.com/pytorch/botorch
#MachineLearning #Bayesian #PyTorch
🔗 BoTorch: Programmable Bayesian Optimization in PyTorch
Bayesian optimization provides sample-efficient global optimization for a broad range of applications, including automatic machine learning, molecular chemistry, and experimental design. We introduce BoTorch, a modern programming framework for Bayesian optimization. Enabled by Monte-Carlo (MC) acquisition functions and auto-differentiation, BoTorch's modular design facilitates flexible specification and optimization of probabilistic models written in PyTorch, radically simplifying implementation of novel acquisition functions. Our MC approach is made practical by a distinctive algorithmic foundation that leverages fast predictive distributions and hardware acceleration. In experiments, we demonstrate the improved sample efficiency of BoTorch relative to other popular libraries. BoTorch is open source and available at https://github.com/pytorch/botorch.
Balandat et al.: https://arxiv.org/abs/1910.06403
Code: https://github.com/pytorch/botorch
#MachineLearning #Bayesian #PyTorch
🔗 BoTorch: Programmable Bayesian Optimization in PyTorch
Bayesian optimization provides sample-efficient global optimization for a broad range of applications, including automatic machine learning, molecular chemistry, and experimental design. We introduce BoTorch, a modern programming framework for Bayesian optimization. Enabled by Monte-Carlo (MC) acquisition functions and auto-differentiation, BoTorch's modular design facilitates flexible specification and optimization of probabilistic models written in PyTorch, radically simplifying implementation of novel acquisition functions. Our MC approach is made practical by a distinctive algorithmic foundation that leverages fast predictive distributions and hardware acceleration. In experiments, we demonstrate the improved sample efficiency of BoTorch relative to other popular libraries. BoTorch is open source and available at https://github.com/pytorch/botorch.
arXiv.org
BoTorch: A Framework for Efficient Monte-Carlo Bayesian Optimization
Bayesian optimization provides sample-efficient global optimization for a broad range of applications, including automatic machine learning, engineering, physics, and experimental design. We...
Reinforcement Learning Course from OpenAI
Reinforcement Learning becoming significant part of the data scientist toolbox.
OpenAI created and published one of the best courses in #RL. Algorithms implementation written in #Tensorflow.
But if you are more comfortable with #PyTorch, we have found #PyTorch implementation of this algs
OpenAI Course: https://spinningup.openai.com/en/latest/
Tensorflow Code: https://github.com/openai/spinningup
PyTorch Code: https://github.com/kashif/firedup
🔗 Welcome to Spinning Up in Deep RL! — Spinning Up documentation
Reinforcement Learning becoming significant part of the data scientist toolbox.
OpenAI created and published one of the best courses in #RL. Algorithms implementation written in #Tensorflow.
But if you are more comfortable with #PyTorch, we have found #PyTorch implementation of this algs
OpenAI Course: https://spinningup.openai.com/en/latest/
Tensorflow Code: https://github.com/openai/spinningup
PyTorch Code: https://github.com/kashif/firedup
🔗 Welcome to Spinning Up in Deep RL! — Spinning Up documentation
GitHub
GitHub - openai/spinningup: An educational resource to help anyone learn deep reinforcement learning.
An educational resource to help anyone learn deep reinforcement learning. - openai/spinningup
🎥 MATLAB Tutorial for Beginners 43 - Audio Analysis in MATLAB | Sound Analysis in MATLAB | KGP Talkie
👁 3 раз ⏳ 1630 сек.
👁 3 раз ⏳ 1630 сек.
In this lesson, you learn how you can read an audio file, plot its spectrogram, time-domain signal, histogram, and periodogram.
Watch Full Video: https://youtu.be/SJRHv5vvlnU
Download working file: https://github.com/laxmimerit/Audio-Analysis-in-MATLAB
### Like Facebook Page:
https://www.facebook.com/kgptalkie/
## Watch Full Playlists:
### MATLAB for Beginners
https://www.youtube.com/watch?v=vyWfmTAA_4g&list=PLc2rvfiptPST-KNRZD4HmeosRVcVwxtmd
### Deep Learning with TensorFlow 2.0 Tutorials
https://wwVk
MATLAB Tutorial for Beginners 43 - Audio Analysis in MATLAB | Sound Analysis in MATLAB | KGP Talkie
In this lesson, you learn how you can read an audio file, plot its spectrogram, time-domain signal, histogram, and periodogram.
Watch Full Video: https://youtu.be/SJRHv5vvlnU
Download working file: https://github.com/laxmimerit/Audio-Analysis-in-MATLAB
…
Watch Full Video: https://youtu.be/SJRHv5vvlnU
Download working file: https://github.com/laxmimerit/Audio-Analysis-in-MATLAB
…
🎥 Deep Brain Stimulation for Treatment-Resistant Depression: A Progress Report
👁 1 раз ⏳ 3910 сек.
👁 1 раз ⏳ 3910 сек.
Each month The Brain & Behavior Research Foundation hosts a Meet the Scientist Webinar featuring a researcher discussing the latest findings related to mental illness. In October, 2019, the Foundation featured Dr. Helen S. Mayberg of the Icahn School of Medicine at Mount Sinai.
Description: It is now almost 15 years since researchers first used a method called Deep Brain Stimulation (DBS) to treat major depression that has not responded to conventional therapies. Subsequently, follow-up studies have made sVk
Deep Brain Stimulation for Treatment-Resistant Depression: A Progress Report
Each month The Brain & Behavior Research Foundation hosts a Meet the Scientist Webinar featuring a researcher discussing the latest findings related to mental illness. In October, 2019, the Foundation featured Dr. Helen S. Mayberg of the Icahn School of Medicine…