​Paper by "Deep Learning Conspiracy" in Nature

🔗 Paper by "Deep Learning Conspiracy" in Nature

​A gentle introduction to Apache Druid in Google Cloud Platform

🔗 A gentle introduction to Apache Druid in Google Cloud Platform
Making easy to analyze billions of rows

​My Analysis from 50+ papers on the Application of ML in Credit Lending

🔗 My Analysis from 50+ papers on the Application of ML in Credit Lending
Credit-lending is more than 200 years old industry and is the banks’ primary responsibility. Throughout the years, it has been…

​Do You Need Synthetic Data For Your AI Project?

🔗 Do You Need Synthetic Data For Your AI Project?
Data is an issue in most AI projects. I have failed several projects due to the lack of good data… Since then, I relied way more on a…

🎥 63 - Image Segmentation using traditional machine learning Part1 - FeatureExtraction
👁 2 раз ⏳ 1372 сек.
This is part 1 of the 5 part series tutorials that covers the topic of image segmentation using feature engineering and random forest classification. In this tutorial you'll learn how to extract features from your training images and organize the data in Pandas data frame to be ready for machine learning classification.

🎥 Diffusion Kernels in Machine Learning
👁 1 раз ⏳ 3037 сек.
Diffusion Kernels in Machine Learning. Juan Carlos Arango parra, PhD student in Mathematical Engineering, Research Group in Mathematics and its applictions.
Escuela de Ciencias Universidad EAFIT. Septiembre 23 de 2019
Seminario de Doctorado en Ingeniería Matemática Universidad EAFIT
Seminar of the PhD in Mathematical Engineering EAFIT University.
Abstract: Machine Learning (ML) has allowed the work with a considerable number of data each one with multiple characteristics from some algorithms already optimiz

​Exploring Data Augmentation with Keras and TensorFlow

🔗 Exploring Data Augmentation with Keras and TensorFlow
Perform real time data augmentation with just one line of code and prevent your model from the dreaded overfitting!

​Graph-based deep learning literature
The repository contains links to

conference publications and the top 10 most cited publications
relevant workshops
surveys / literature reviews

https://github.com/naganandy/graph-based-deep-learning-literature

🔗 naganandy/graph-based-deep-learning-literature
links to conference publications in graph-based deep learning - naganandy/graph-based-deep-learning-literature

​Анализ кода ROOT — фреймворка для анализа данных научных исследований
Пока в Стокгольме проходила 118-я Нобелевская неделя, в офисе разработки статического анализатора кода PVS-Studio готовился обзор кода проекта ROOT, используемого в научных исследованиях для обработки больших данных. Премию за такой код, конечно, не дашь, а вот подробный обзор интересных дефектов кода и лицензию для полной проверки проекта разработчики получат.

Введение

ROOT — набор утилит для работы с данными научных исследований. Он обеспечивает все функциональные возможности, необходимые для обработки больших данных, статистического анализа, визуализации и хранения. В основном написан на языке C++. Разработка началась в CERN (Европейская организация по ядерным исследованиям) для исследований по физике высоких энергий. Каждый день тысячи физиков используют ROOT-приложения для анализа своих данных или для моделирования.

🔗 Анализ кода ROOT — фреймворка для анализа данных научных исследований
Пока в Стокгольме проходила 118-я Нобелевская неделя, в офисе разработки статического анализатора кода PVS-Studio готовился обзор кода проекта ROOT, используемог...

​Тренировочные наборы со скоростью звука (ну почти). Часть 1
Любой, не самый тривиальный (или просто редкий), объект с легкостью создаст массу проблем практически при каждой попытке применения нейронных сетей для решения реальных задач. Очевидно, отсутствие вменяемого тренировочного набора существенно усложняет подавляющее количество сценариев использования нейростевого подхода.

Как быть, например, с редким видом кузнечиков, распознавание представителей которого, по той или иной причине, стало очень важной задачей.

Все результаты (и примеры) получены самостоятельно и быстро.

🔗 Тренировочные наборы со скоростью звука (ну почти). Часть 1
Любой, не самый тривиальный (или просто редкий), объект с легкостью создаст массу проблем практически при каждой попытке применения нейронных сетей для решения р...

🎥 06. машинное обучение и ИИ
👁 1 раз ⏳ 3192 сек.
Ерёменко Максим Алексеевич,
Черток Андрей Викторович.
"Применение машинного обучения и искусственного интеллекта. Data Science сщщбщество в Сбербанке".
Расширенное заседание Совета по законодательному обеспечению развития цифровой экономики при Председателе Государственной Думы Федерального Собрания Российской Федерации.
25 сентября 2017 года.

​Michio Kaku: Future of Humans, Aliens, Space Travel & Physics | Artificial Intelligence (AI) Podcast

🔗 Michio Kaku: Future of Humans, Aliens, Space Travel & Physics | Artificial Intelligence (AI) Podcast
Michio Kaku is a theoretical physicist, futurist, and professor at the City College of New York. He is the author of many fascinating books on the nature of our reality and the future of our civilization. This conversation is part of the Artificial Intelligence podcast.

INFO:
Podcast website:
https://lexfridman.com/ai
iTunes:
https://apple.co/2lwqZIr
Spotify:
https://spoti.fi/2nEwCF8
RSS:
https://lexfridman.com/category/ai/feed/
Full episodes playlist:
https://www.youtube.com/playlist?list=PLrAXtmErZgOdP_8

​Audio and Visual Quality Measurement using Fréchet Distance

🔗 Audio and Visual Quality Measurement using Fréchet Distance
Posted by Kevin Kilgour, Software Engineer and Thomas Unterthiner, Research Software Engineer, Google Research, Zurich "I often say that...

​How Lyft Designs the Machine Learning Software Engineering Interview

🔗 How Lyft Designs the Machine Learning Software Engineering Interview
Iterations on revealing recurring patterns of thought, feeling, and behavior

🎥 Reinforcement Learning - The answer to automation. A deep dive: Oisin Boydell
👁 1 раз ⏳ 1530 сек.
www.predictconference.com

Predict is organised by Creme Global.
We provide data and models to decision makers.
www.cremeglobal.com
www.expertmodels.com

🎥 Ruslan Salakhutdinov (CMU) "Deep Learning: Recent Advances and New Challenges"
👁 1 раз ⏳ 3732 сек.
The lecture starts at 13:19.

Ruslan Salakhutdinov is a professor of computer science at the Carnegie Mellon University. Since 2009, he's published at least 42 papers on machine learning. His research has been funded by Google, Microsoft and Samsung. In 2016, Ruslan joined Apple as its director of AI research.

Abstract:
In the first part of the talk, Ruslan will introduce XLNet, a generalized autoregressive pretraining method that (1) enables learning bidirectional contexts by maximizing the expected likel

​Does the brain do backpropagation? CAN Public Lecture - Geoffrey Hinton - May 21, 2019

🔗 Does the brain do backpropagation? CAN Public Lecture - Geoffrey Hinton - May 21, 2019
Canadian Association for Neuroscience 2019 Public lecture: Geoffrey Hinton https://can-acn.org/2019-public-lecture-geoffrey-hinton

​The Fundamentals of Matplotlib

🔗 The Fundamentals of Matplotlib
Having a good grasp of these basics will greatly ease your foray into the expansive world of data visualization.

​A Gentle Introduction to Maximum Likelihood Estimation for Machine Learning

🔗 A Gentle Introduction to Maximum Likelihood Estimation for Machine Learning
Density estimation is the problem of estimating the probability distribution for a sample of observations from a problem domain. There are many techniques for solving density estimation, although a common framework used throughout the field of machine learning is maximum likelihood estimation. Maximum likelihood estimation involves defining a likelihood function for calculating the conditional probability …

​https://towardsdatascience.com/plotting-with-python-c2561b8c0f1f

🔗 Learn how to create beautiful and insightful charts with Python — the Quick, the Pretty, and the Awe
Data shows that money can buy happiness. A comprehensive code-along guide to visualization with Python, explaining plotting with Pandas…