​Course material for STAT 479: Machine Learning (FS 2019) taught by Sebastian Raschka at University Wisconsin-Madison

https://github.com/rasbt/stat479-machine-learning-fs19

🔗 rasbt/stat479-machine-learning-fs19
Course material for STAT 479: Machine Learning (FS 2019) taught by Sebastian Raschka at University Wisconsin-Madison - rasbt/stat479-machine-learning-fs19

​Evolving Space-Time Neural Architectures for Videos

https://github.com/google-research/google-research/tree/master/evanet

Tiny Video Networks

https://arxiv.org/abs/1910.06961

🔗 google-research/google-research
Google AI Research. Contribute to google-research/google-research development by creating an account on GitHub.

​Пример создания рекуррентной нейронной сети в Python

🔗 Пример создания рекуррентной нейронной сети в Python
Предварительная обработка рекуррентной нейронной сети. Прямые и обратные фазы RNN. Создание и тестирование рекуррентной нейронной сети в Python.

​Мы не можем доверять ИИ-системам, построенным на одном лишь глубоком обучении

Этот текст — не результат научного исследования, а одно из многих мнений относительно нашего ближайшего технологического развития. И заодно приглашение к дискуссии.

Гари Маркус, профессор Нью-Йоркского университета, уверен, что глубокое обучение играет важную роль в развитии ИИ. Но он также считает, что избыточное увлечение этой методикой может привести к её дискредитации.

В своей книге Rebooting AI: Building artificial intelligence we can trust Маркус, по образованию невролог, который построил карьеру на передовых исследованиях в сфере ИИ, обращается к техническим и этическим аспектам. С точки зрения технологий, глубокое обучение может успешно подражать решению задач на восприятие, которые выполняет наш мозг: например, распознавание изображений или речи. Но для решения иных задач, вроде понимания разговоров или определения причинно-следственных связей, глубокое обучение не годится. Чтобы создать более продвинутые интеллектуальные машины, способные решать более широкий круг задач — их часто называют общим искусственным интеллектом — глубокое обучение необходимо комбинировать с другими методиками.

🔗 Мы не можем доверять ИИ-системам, построенным на одном лишь глубоком обучении
Этот текст — не результат научного исследования, а одно из многих мнений относительно нашего ближайшего технологического развития. И заодно приглашение к диску...

​Video Architecture Search

🔗 Video Architecture Search
Posted by Michael S. Ryoo, Research Scientist and AJ Piergiovanni, Student Researcher, Robotics at Google Video understanding is a chall...

🎥 Learn NumPy Fundamentals - Python Library for Data Science
👁 4 раз ⏳ 6571 сек.
All the basics to start using the Python library NumPy. In this course I'll cover the basics of using number and have several interactive course videos that will challenge you to learn how to use NumPy.
NumPy Tutorial for Beginners
☞ https://morioh.com/p/61ac2b3265f2

Neural Network Using Python and Numpy
☞ https://morioh.com/p/6298668b9379

Learn NumPy Arrays With Examples
☞ https://morioh.com/p/0495f3f41cae

Top 30 Python Libraries for Machine Learning
☞ https://morioh.com/p/a42cb68ff2b5

Top 3 Python Li

🎥 Python Data Science Tutorial: Analyzing the 2019 Stack Overflow Developer Survey
👁 1 раз ⏳ 3088 сек.
In this video, we will be learning how to use analyze survey data in Python.

This video is sponsored by Brilliant. Go to https://brilliant.org/cms to sign up for free. Be one of the first 200 people to sign up with this link and get 20% off your premium subscription.

In this Python Programming video, we will be learning how to download and analyze real-world data from the 2019 Stack Overflow Developer Survey. This is terrific practice for anyone getting into the data science field. We will learn different

​Recurrent Neural Networks 101

🔗 Recurrent Neural Networks 101
This post is about understanding RNN architecture, math involved and mechanics of backpropagation through time. Build a simple prototype…

​Recent advances in low-resource machine translation

🔗 Recent advances in low-resource machine translation
Recently, Facebook AI has advanced state-of-the-art results in key language understanding tasks and also launched a new benchmark to push AI systems further

Нейронные сети
01 - Нейронные сети. Основы линейной алгебры
02 - Нейронные сети. Перцептрон и градиентный спуск
03 - Нейронные сети. Алгоритм обратного распространения ошибки
04 - Нейронные сети. Мониторинг состояния сети
05 - Нейронные сети. Заключение
#Нейронныесети


#video

🎥 01 - Нейронные сети. Основы линейной алгебры
👁 145 раз ⏳ 5559 сек.
Лектор: Арсений Москвичев

1. Введение
2. Ликбез по линейной алгебре: векторы
3. Ликбез по линейной алгебре: матрицы
4. Линейная алгебра в деле

ht...

🎥 02 - Нейронные сети. Перцептрон и градиентный спуск
👁 38 раз ⏳ 7739 сек.
Лектор: Арсений Москвичев

1. Нейроны: настоящие и искусственные
2. Перцептрон
3. Перцептрон: обучение
4. Больше искусственных нейронов!
5. Градиен...

🎥 03 - Нейронные сети. Алгоритм обратного распространения ошибки
👁 24 раз ⏳ 5437 сек.
Лектор: Арсений Москвичев

1. Многослойный перцептрон
2. Алгоритм обратного распространения ошибки
3. Алгоритм обратного распространения ошибки: пр...

🎥 04 - Нейронные сети. Мониторинг состояния сети
👁 17 раз ⏳ 2796 сек.
Лектор: Арсений Москвичев

1. Мониторинг состояния сети
2. Визуализация

https://stepik.org/s/JRYrVjqo

🎥 05 - Нейронные сети. Заключение
👁 12 раз ⏳ 299 сек.
Лектор: Арсений Москвичев

https://stepik.org/s/JRYrVjqo

​A Beginner’s Guide on Recurrent Neural Networks with PyTorch

https://blog.floydhub.com/a-beginners-guide-on-recurrent-neural-networks-with-pytorch/

🔗 Beginner’s Guide on Recurrent Neural Networks with PyTorch
Learn the basics of Recurrent Neural Networks and build a simple Language Model with PyTorch

​The entire Pytorch conference in video

https://youtu.be/ivTGO6BAQG0

🔗 PyTorch Developer Conference 2019 | Full Livestream
Watch the full set of talks from the 2019 PyTorch Developer Conference. Deep dive on PyTorch 1.3 and new tools and libraries including PyTorch Mobile, CrypTen, Captum, Detectron2 and more. Hear from AI researchers and engineers from leading organizations in academia and industry on how they’re using PyTorch for both cutting edge research and production.

To learn more, read: http://bit.ly/2BjpnG0

​Kaggle Live Coding: Automatic Machine Learning | Kaggle

🔗 Kaggle Live Coding: Automatic Machine Learning | Kaggle
This week we're starting on a new project: trying out different automatic machine learning libraries! 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 the fastest way to get started on a new data science project. Spin up a Jupyter notebook with a single click. Build with our huge repository of free code and data. Stumped? Ask the friendly

​GAN Lab: Play with Generative Adversarial Networks in Your Browser!

🔗 GAN Lab: Play with Generative Adversarial Networks in Your Browser!

​Российские ученые восстановили образы из мыслей человека по электрической активности мозга

Ученые из россйской ГК «Нейробиотикс» и Лаборатории нейробототехники МФТИ сумели воссоздать изображения по электрической активности мозга. Правда, речь идет только о работе с изображениями, на которые смотрит человек, чей мозг анализируется.

Собственно, восстанавливать геометрические фигуры, на которые смотрит человек в определенный момент времени, по электрической активности его нервных клеток — вовсе не самоцель. Главное — понять, как мозг шифрует информацию, которую мы затем храним многие годы (ну или минуты, что не менее важно).

🔗 Российские ученые восстановили образы из мыслей человека по электрической активности мозга
Ученые из россйской ГК «Нейробиотикс» и Лаборатории нейробототехники МФТИ сумели воссоздать изображения по электрической активности мозга. Правда, речь идет то...

​Object Detection in React Native App using AWS Rekognition

🔗 Object Detection in React Native App using AWS Rekognition
In this post, we are going to build a React Native app for detecting objects from an image using Amazon Rekognition.

​Estimating Uncertainty in Machine Learning Models — Part 3

🔗 Estimating Uncertainty in Machine Learning Models — Part 3
Check out part 1 (here)and part 2 (here) of this series

​Predict soccer matches with 50% accuracy

🔗 Predict soccer matches with 50% accuracy
How to use the Poisson distribution for soccer prediction

Нейронные сети

#video

🎥 Нейронные сети Лекция 1
👁 620 раз ⏳ 4808 сек.


🎥 Нейронные сети Лекция 2
👁 145 раз ⏳ 4875 сек.


🎥 Нейронные сети Лекция 3
👁 82 раз ⏳ 3035 сек.


🎥 Нейронные сети Лекция 4
👁 74 раз ⏳ 4726 сек.


🎥 Нейронные сети Лекция 5
👁 73 раз ⏳ 4730 сек.
Сети с обратными связями. Сети Кохонена и Гроссберга, Хопфилда. Instar и Outstar. Устойч...

🎥 Нейронные сети Лекция 6
👁 41 раз ⏳ 3174 сек.

​Глубокое обучение на Python Шолле Ф.

Наш телеграм канал - tglink.me/ai_machinelearning_big_data

📝 Глубокое обучение на Python [2018] Шолле Ф..pdf - 💾10 823 858